JPH06348904A - 手書き字号の認識システム及び認識方法 - Google Patents
手書き字号の認識システム及び認識方法Info
- Publication number
- JPH06348904A JPH06348904A JP6059239A JP5923994A JPH06348904A JP H06348904 A JPH06348904 A JP H06348904A JP 6059239 A JP6059239 A JP 6059239A JP 5923994 A JP5923994 A JP 5923994A JP H06348904 A JPH06348904 A JP H06348904A
- Authority
- JP
- Japan
- Prior art keywords
- stroke
- handwriting
- stroke information
- feature
- list
- 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.)
- Granted
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
- G06V30/333—Preprocessing; Feature extraction
- G06V30/347—Sampling; Contour coding; Stroke extraction
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
- G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
-
- 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
- G06V30/1918—Fusion techniques, i.e. combining data from various sources, e.g. sensor fusion
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (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】
【目的】 手書き文字の認識処理のエラー率を改善する
こと。 【構成】 本発明の方法は（ａ）ユーザからの手書き文
字入力に応答して、時間で順序付けられた動的なストロ
ーク情報を与えるステツプと、（ｂ）時間で順序付けら
れた動的なストローク情報と、（ｃ）時間で順序付けら
れたストローク情報を静的なストローク情報に変換する
ステツプと、（ｄ）静的なストローク情報が表わす少な
くとも１つの可能性ある文字を含む第２のリストを決定
するステツプと、（ｅ）時間で順序付けられた動的なス
トローク情報が表わそうと意図している最も可能性の高
い文字を表わす少なくとも１つのエレメントを含む第３
の均質化リストを与えるために、第１及び第２のリスト
を併合するステツプとを含んでいる。
こと。 【構成】 本発明の方法は（ａ）ユーザからの手書き文
字入力に応答して、時間で順序付けられた動的なストロ
ーク情報を与えるステツプと、（ｂ）時間で順序付けら
れた動的なストローク情報と、（ｃ）時間で順序付けら
れたストローク情報を静的なストローク情報に変換する
ステツプと、（ｄ）静的なストローク情報が表わす少な
くとも１つの可能性ある文字を含む第２のリストを決定
するステツプと、（ｅ）時間で順序付けられた動的なス
トローク情報が表わそうと意図している最も可能性の高
い文字を表わす少なくとも１つのエレメントを含む第３
の均質化リストを与えるために、第１及び第２のリスト
を併合するステツプとを含んでいる。
Description
【０００１】
【産業上の利用分野】本発明は、手書き字号（characte
r）（字号とは、可視的なすべての文字及び記号を意味す
る）の認識システム及びその方法に関する。
r）（字号とは、可視的なすべての文字及び記号を意味す
る）の認識システム及びその方法に関する。
【０００２】
【従来の技術】コンピユータ・ベースの手書き字号認識
に関する２つの基本的なアプローチは、オンライン手書
き字号認識（handwriting recognition-ＨＷＲ）とオフ
ラインＨＷＲとして知られている。また、オフラインＨ
ＷＲのアプローチは、光学字号認識（ＯＣＲ）とも呼ば
れている。一般論として言えば、オンラインＨＷＲ技術
は動的な手書き字号情報を用いているのに反して、オフ
ラインＨＷＲ技術は静的な手書き字号情報を用いてい
る。これら２つのアプローチは、歴史的に言えば、手書
き字号の異なつた環境において用いるために夫々別個に
開発されてきた。
に関する２つの基本的なアプローチは、オンライン手書
き字号認識（handwriting recognition-ＨＷＲ）とオフ
ラインＨＷＲとして知られている。また、オフラインＨ
ＷＲのアプローチは、光学字号認識（ＯＣＲ）とも呼ば
れている。一般論として言えば、オンラインＨＷＲ技術
は動的な手書き字号情報を用いているのに反して、オフ
ラインＨＷＲ技術は静的な手書き字号情報を用いてい
る。これら２つのアプローチは、歴史的に言えば、手書
き字号の異なつた環境において用いるために夫々別個に
開発されてきた。
【０００３】与えられた入力字号の組に対して、オンラ
インＨＷＲは通常、オフラインＨＷＲ技術よりも、より
良い字号認識の精度を与えるので、手書き字号の入力装
置がストローク（運筆）の方向及びストロークの順序の
ような動的な情報を与える場合については、オンライン
ＨＷＲ技術の使用が元来好まれていた。一体化されたデ
ジタイザ・タブレツトからのストロークを獲得するスタ
イラス・ベース（またはペン・ベース）のコンピユータ
は、オンラインＨＷＲの使用からの利益を享受する１つ
の例である。
インＨＷＲは通常、オフラインＨＷＲ技術よりも、より
良い字号認識の精度を与えるので、手書き字号の入力装
置がストローク（運筆）の方向及びストロークの順序の
ような動的な情報を与える場合については、オンライン
ＨＷＲ技術の使用が元来好まれていた。一体化されたデ
ジタイザ・タブレツトからのストロークを獲得するスタ
イラス・ベース（またはペン・ベース）のコンピユータ
は、オンラインＨＷＲの使用からの利益を享受する１つ
の例である。
【０００４】他方、オフラインＨＷＲ技術は、通常、デ
イジタイザからの動的な情報が入手できない場合のアプ
リケーシヨンに対して用いられてきた。１例を挙げる
と、文書がスキヤナから走査される時に、入力データ・
ストリームは動的な手書き字号情報を含んでいない。こ
のような場合には、オンラインＨＷＲアプローチは使用
するのに不適当であり、オフラインＨＷＲアプローチは
有用な代替方法を与える。
イジタイザからの動的な情報が入手できない場合のアプ
リケーシヨンに対して用いられてきた。１例を挙げる
と、文書がスキヤナから走査される時に、入力データ・
ストリームは動的な手書き字号情報を含んでいない。こ
のような場合には、オンラインＨＷＲアプローチは使用
するのに不適当であり、オフラインＨＷＲアプローチは
有用な代替方法を与える。
【０００５】動的なストローク情報が利用可能な場合に
は、オンラインＨＷＲ技術は秀れた結果を与えるけれど
も、これは同時に欠点を持つている。例えば、オンライ
ンＨＷＲ技術は、字号の形成がユーザに依存するので、
認識処理の結果が左右される。これを換言すると、オン
ラインＨＷＲ技術は文字や、数字の構成ストロークを良
好に形成した表示に対して最高の認識を与えるというこ
とである。従つて、オンラインＨＷＲ技術は、字号形成
の順序と、構成ストロークの数とに対して認識結果が影
響されることになる。例えば、代表的なオンラインＨＷ
Ｒ技術は、ユーザが文字「Ｃ」を書く場合に、紙上から
ペンを離すことのない一筆書き（１ストローク書き）
と、反時計方向のストロークとをユーザに期待する。然
しながら、これは、ユーザが文字「Ｃ」を書く場合に生
じる１つの可能性しか与えていない。例えば、他のユー
ザが文字「Ｃ」を書く場合、複数のストロークを用いる
かも知れないし、ペンの運びを時計方向にするかも知れ
ない。
は、オンラインＨＷＲ技術は秀れた結果を与えるけれど
も、これは同時に欠点を持つている。例えば、オンライ
ンＨＷＲ技術は、字号の形成がユーザに依存するので、
認識処理の結果が左右される。これを換言すると、オン
ラインＨＷＲ技術は文字や、数字の構成ストロークを良
好に形成した表示に対して最高の認識を与えるというこ
とである。従つて、オンラインＨＷＲ技術は、字号形成
の順序と、構成ストロークの数とに対して認識結果が影
響されることになる。例えば、代表的なオンラインＨＷ
Ｒ技術は、ユーザが文字「Ｃ」を書く場合に、紙上から
ペンを離すことのない一筆書き（１ストローク書き）
と、反時計方向のストロークとをユーザに期待する。然
しながら、これは、ユーザが文字「Ｃ」を書く場合に生
じる１つの可能性しか与えていない。例えば、他のユー
ザが文字「Ｃ」を書く場合、複数のストロークを用いる
かも知れないし、ペンの運びを時計方向にするかも知れ
ない。
【０００６】ユーザに依存する字号形成によつて与えら
れる問題をしばしば複雑にするものは、通常のスタイラ
ス及びデイジタイザ・タブレツトによりユーザが書き込
む場合に多くのユーザが経験する不自然さである。デイ
ジタイザ・タブレツトの表面と接触するスタイラスの感
触は、紙上に接触するペン、または鉛筆の感触をそのま
ま引き写したものではなく、ユーザの視覚によるフイー
ドバツクは、ユーザが普段見馴れている字号とは異なつ
ているから、結果の入力字号は、形が悪く形成されるこ
とになるか、あるいは、通常でないストローク順序及び
／またはストローク方向によつて形成されることにな
る。ユーザによつてストロークを再度重ね書きすること
は、動的なＨＷＲ技術を適正に取り扱うために特に困難
な問題を生じる。その結果、オンラインＨＷＲ技術を使
用する場合、認識エラーを生じることになる。
れる問題をしばしば複雑にするものは、通常のスタイラ
ス及びデイジタイザ・タブレツトによりユーザが書き込
む場合に多くのユーザが経験する不自然さである。デイ
ジタイザ・タブレツトの表面と接触するスタイラスの感
触は、紙上に接触するペン、または鉛筆の感触をそのま
ま引き写したものではなく、ユーザの視覚によるフイー
ドバツクは、ユーザが普段見馴れている字号とは異なつ
ているから、結果の入力字号は、形が悪く形成されるこ
とになるか、あるいは、通常でないストローク順序及び
／またはストローク方向によつて形成されることにな
る。ユーザによつてストロークを再度重ね書きすること
は、動的なＨＷＲ技術を適正に取り扱うために特に困難
な問題を生じる。その結果、オンラインＨＷＲ技術を使
用する場合、認識エラーを生じることになる。
【０００７】動的なストローク情報が考慮されていない
オフラインＨＷＲ技術は、このような規則から外れた手
書き字号を与えられた場合、認識の精度がより良いこと
が分つている。然しながら、上述したように、オフライ
ンＨＷＲ技術の全体の認識精度は、通常、オンラインＨ
ＷＲ技術を用いた時に得られる精度よりも低い。
オフラインＨＷＲ技術は、このような規則から外れた手
書き字号を与えられた場合、認識の精度がより良いこと
が分つている。然しながら、上述したように、オフライ
ンＨＷＲ技術の全体の認識精度は、通常、オンラインＨ
ＷＲ技術を用いた時に得られる精度よりも低い。
【０００８】
【発明が解決しようとする課題】本発明の目的は、オン
ラインＨＷＲ及びオフラインＨＷＲのいずれか一方を使
用した時に、両方の技術の何れかを使用した場合を越え
て向上した認識精度を達成したオンラインＨＷＲ及びオ
フラインＨＷＲの両方を用いた手書き字号認識システム
及びその方法を提供することにある。
ラインＨＷＲ及びオフラインＨＷＲのいずれか一方を使
用した時に、両方の技術の何れかを使用した場合を越え
て向上した認識精度を達成したオンラインＨＷＲ及びオ
フラインＨＷＲの両方を用いた手書き字号認識システム
及びその方法を提供することにある。
【０００９】本発明の他の目的は、動的な字号表示が静
的な字号表示に変換され、動的及び静的な表示が並列に
処理され、かつ、認識される字号として最も可能性の高
い字号を選択するために動的及び静的な字号表示が、組
合わせられる手書き字号認識システムを提供することに
ある。
的な字号表示に変換され、動的及び静的な表示が並列に
処理され、かつ、認識される字号として最も可能性の高
い字号を選択するために動的及び静的な字号表示が、組
合わせられる手書き字号認識システムを提供することに
ある。
【００１０】
【課題を解決するための手段】手書き字号の認識システ
ムを動作する方法及び本発明の方法に従つて動作する手
書き字号の認識システムによつて、上述の問題及び他の
問題を解決することができる。本発明の方法は、（ａ）
ユーザからの手書き字号入力に応答して、時間で順序付
けられた動的なストローク情報を与えるステツプと、
（ｂ）時間で順序付けられた動的なストローク情報が表
示しようと意図している少なくとも１つの可能性ある字
号を含む第１のリストを決定するステツプと、（ｃ）時
間で順序付けられた動的なストローク情報を静的なスト
ローク情報に変換するステツプと、（ｄ）静的なストロ
ーク情報が表わす少なくとも１つの可能性ある字号を含
む第２のリストを決定するステツプと、（ｅ）時間で順
序付けられた動的なストローク情報が、表わそうと意図
している最も可能性の高い字号を表わす少なくとも１つ
のエレメントを含む第３の均等化リストを与えるため
に、第１のリスト及び第２のリストを併合するステツプ
とを含んでいる。
ムを動作する方法及び本発明の方法に従つて動作する手
書き字号の認識システムによつて、上述の問題及び他の
問題を解決することができる。本発明の方法は、（ａ）
ユーザからの手書き字号入力に応答して、時間で順序付
けられた動的なストローク情報を与えるステツプと、
（ｂ）時間で順序付けられた動的なストローク情報が表
示しようと意図している少なくとも１つの可能性ある字
号を含む第１のリストを決定するステツプと、（ｃ）時
間で順序付けられた動的なストローク情報を静的なスト
ローク情報に変換するステツプと、（ｄ）静的なストロ
ーク情報が表わす少なくとも１つの可能性ある字号を含
む第２のリストを決定するステツプと、（ｅ）時間で順
序付けられた動的なストローク情報が、表わそうと意図
している最も可能性の高い字号を表わす少なくとも１つ
のエレメントを含む第３の均等化リストを与えるため
に、第１のリスト及び第２のリストを併合するステツプ
とを含んでいる。
【００１１】変換するステツプは、ストローク情報の筆
跡の方向に基づいて１つ、またはそれ以上の第１のスト
ローク・フイーチヤを発生するステツプを含んでいる。
また、例えば凸形状及び凹形状のストローク情報に基づ
くフイーチヤのような他のタイプのストローク・フイー
チヤを発生し、使用することも本発明の技術的範囲に属
している。
跡の方向に基づいて１つ、またはそれ以上の第１のスト
ローク・フイーチヤを発生するステツプを含んでいる。
また、例えば凸形状及び凹形状のストローク情報に基づ
くフイーチヤのような他のタイプのストローク・フイー
チヤを発生し、使用することも本発明の技術的範囲に属
している。
【００１２】更に、変換するステツプは、時間で順序付
けられた動的なストローク情報をＮ×Ｍビツト・マツプ
された表示にマツプする開始ステツプを含んでいる。マ
ツプするステツプは、ストロークがＮ×Ｍビツト・マツ
プされた表示の中に完全に含まれるように、時間で順序
付けられた動的なストローク情報を縮尺するステツプを
含んでいる。
けられた動的なストローク情報をＮ×Ｍビツト・マツプ
された表示にマツプする開始ステツプを含んでいる。マ
ツプするステツプは、ストロークがＮ×Ｍビツト・マツ
プされた表示の中に完全に含まれるように、時間で順序
付けられた動的なストローク情報を縮尺するステツプを
含んでいる。
【００１３】第２のリストを決定するステツプは、少な
くとも第１のストローク・フイーチヤを受け取るための
複数個の入力ノードを有する少なくとも１つの神経系的
ネツトワーク（neural network）で行なうことができ
る。更に、少なくとも１つの神経系的ネツトワークは第
１のストローク・フイーチヤに応答して、可能性ある少
なくとも１つの字号を出力するための少なくとも１つの
出力ノードを持つている。
くとも第１のストローク・フイーチヤを受け取るための
複数個の入力ノードを有する少なくとも１つの神経系的
ネツトワーク（neural network）で行なうことができ
る。更に、少なくとも１つの神経系的ネツトワークは第
１のストローク・フイーチヤに応答して、可能性ある少
なくとも１つの字号を出力するための少なくとも１つの
出力ノードを持つている。
【００１４】
【実施例】図１は本発明に従つて構成された実施例を示
す図であつて、オンラインＨＷＲサブシステム１６及び
オフラインＨＷＲサブシステム２２を含む手書き字号認
識システム１０が示されている。手書き字号認識システ
ム１０は、全体としてデイジタイザ・タブレツト１２及
びスタイラス、またはペン１４として示された手書き字
号変換装置を含んでいる。デイジタイザ・タブレツト１
２の出力はフイーチヤ・ベクトル（ＦＶ）である。換言
すれば、これは、アルフアベツトの組の中の文字、数
字、または、他の記号を構成するストロークの時間的に
順序付けられた列である。１つのストロークは、ペン１
４の筆跡を表わすＸ−Ｙ座標値のアレイである。１つの
ストロークはペンをタブレツト上に降した時に開始し、
ペンを持ち上げた時に終了する。
す図であつて、オンラインＨＷＲサブシステム１６及び
オフラインＨＷＲサブシステム２２を含む手書き字号認
識システム１０が示されている。手書き字号認識システ
ム１０は、全体としてデイジタイザ・タブレツト１２及
びスタイラス、またはペン１４として示された手書き字
号変換装置を含んでいる。デイジタイザ・タブレツト１
２の出力はフイーチヤ・ベクトル（ＦＶ）である。換言
すれば、これは、アルフアベツトの組の中の文字、数
字、または、他の記号を構成するストロークの時間的に
順序付けられた列である。１つのストロークは、ペン１
４の筆跡を表わすＸ−Ｙ座標値のアレイである。１つの
ストロークはペンをタブレツト上に降した時に開始し、
ペンを持ち上げた時に終了する。
【００１５】手書き字号変換装置の出力は、オンライン
ＨＷＲエンジン、即ちオンラインＨＷＲサブシステム１
６に接続されている。オンラインＨＷＲサブシステム１
６はデイジタイザ・タブレツト１２の出力から、動的な
手書き字号情報（フイーチヤ・ベクトル）を受け取り、
そして、入力ストロークを表わす最も可能性の高い字
号、即ち候補字号のリストを得るために、ストローク数
及びストローク方向のようなこの動的な情報を処理す
る。オンラインＨＷＲサブシステムは幾つかの適当なオ
ンラインＨＷＲ装置及び方法によつて実行することがで
きる。オンラインＨＷＲ技術の１例は米国特許第５０２
９２２３号に開示されており、本発明の実施例において
参照されている。
ＨＷＲエンジン、即ちオンラインＨＷＲサブシステム１
６に接続されている。オンラインＨＷＲサブシステム１
６はデイジタイザ・タブレツト１２の出力から、動的な
手書き字号情報（フイーチヤ・ベクトル）を受け取り、
そして、入力ストロークを表わす最も可能性の高い字
号、即ち候補字号のリストを得るために、ストローク数
及びストローク方向のようなこの動的な情報を処理す
る。オンラインＨＷＲサブシステムは幾つかの適当なオ
ンラインＨＷＲ装置及び方法によつて実行することがで
きる。オンラインＨＷＲ技術の１例は米国特許第５０２
９２２３号に開示されており、本発明の実施例において
参照されている。
【００１６】本発明に従つて、ＨＷＲシステム１０はベ
クトル複製装置１８、ベクトルからラスタへの変換器２
０及びオフラインＨＷＲエンジン、即ちオフラインＨＷ
Ｒサブシステム２２を含んでいる。複製装置１８はデイ
ジタイザ・タブレツト１２によつて出力されたフイーチ
ヤ・ベクトルを複製する、即ちコピーするためのデータ
・バツフアと同じ態様で動作する。次に、動的なストロ
ーク情報をエンコードする複製されたフイーチヤ・ベク
トル（ＲＦＶ）は、オフラインＨＷＲサブシステム２２
へ入力するために、コンバータ２０により静的な字号表
示に変換される。本発明のこの良好な実施例において、
オフラインＨＷＲサブシステム２２は３つのサブシステ
ム、即ち、大文字の英字を認識するためのオフラインＨ
ＷＲサブシステム２２ａと、小文字の英字を認識するた
めのオフラインＨＷＲサブシステム２２ｂと、数字及び
特殊記号を認識するためのオフラインＨＷＲサブシステ
ム２２ｃとを含んでいる。オフラインＨＷＲサブシステ
ム２２の出力は静的な字号情報を表わす可能性の高い字
号、即ち候補字号のリストである。
クトル複製装置１８、ベクトルからラスタへの変換器２
０及びオフラインＨＷＲエンジン、即ちオフラインＨＷ
Ｒサブシステム２２を含んでいる。複製装置１８はデイ
ジタイザ・タブレツト１２によつて出力されたフイーチ
ヤ・ベクトルを複製する、即ちコピーするためのデータ
・バツフアと同じ態様で動作する。次に、動的なストロ
ーク情報をエンコードする複製されたフイーチヤ・ベク
トル（ＲＦＶ）は、オフラインＨＷＲサブシステム２２
へ入力するために、コンバータ２０により静的な字号表
示に変換される。本発明のこの良好な実施例において、
オフラインＨＷＲサブシステム２２は３つのサブシステ
ム、即ち、大文字の英字を認識するためのオフラインＨ
ＷＲサブシステム２２ａと、小文字の英字を認識するた
めのオフラインＨＷＲサブシステム２２ｂと、数字及び
特殊記号を認識するためのオフラインＨＷＲサブシステ
ム２２ｃとを含んでいる。オフラインＨＷＲサブシステ
ム２２の出力は静的な字号情報を表わす可能性の高い字
号、即ち候補字号のリストである。
【００１７】オフラインＨＷＲサブシステム２２は幾つ
かの適当なオフラインＨＷＲ（ＯＣＲ）装置及び方法に
よつて実行することができる。この良好な実施例は、公
知の神経系的ネツトワークを用いており、これは、１９
９１年フランスのサン・マロ（Saint-Malo）における文
書分析及び認識の第１回国際会議（First Internationa
l Conference for Document Analysis and Recognitio
n）の会報中の高橋（H.Takahasi）による「A Neural Ne
t OCR Using Geometrical and Zonal-pattern Feature
s」と題する論文の８２１頁乃至８２８頁に記載された
ＯＣＲ技術に或る意味で類似するものである。
かの適当なオフラインＨＷＲ（ＯＣＲ）装置及び方法に
よつて実行することができる。この良好な実施例は、公
知の神経系的ネツトワークを用いており、これは、１９
９１年フランスのサン・マロ（Saint-Malo）における文
書分析及び認識の第１回国際会議（First Internationa
l Conference for Document Analysis and Recognitio
n）の会報中の高橋（H.Takahasi）による「A Neural Ne
t OCR Using Geometrical and Zonal-pattern Feature
s」と題する論文の８２１頁乃至８２８頁に記載された
ＯＣＲ技術に或る意味で類似するものである。
【００１８】本発明の技術範囲における「オフライン」
ＨＷＲ技術は、動的な（オンライン）手書き字号情報の
処理とは逆に、静的な手書き字号情報が処理されること
を表わすために意図されていることには注意を払う必要
がある。後述されるように、「オフライン」ＨＷＲサブ
システム２２は、本質的に実時間の態様でユーザの手書
き字号を処理し、認識するために、オンラインＨＷＲサ
ブシステム１６と並列に動作する能力を持つている。従
つて、オンラインＨＷＲ及びオフラインＨＷＲという術
語を用いることは、処理の速度とか、情報が処理される
時点とかに基づく区別をするためではなく、処理される
情報のタイプに基づいて一方の情報と他方の情報（静的
な情報と動的な情報）とを区別することを意図してい
る。
ＨＷＲ技術は、動的な（オンライン）手書き字号情報の
処理とは逆に、静的な手書き字号情報が処理されること
を表わすために意図されていることには注意を払う必要
がある。後述されるように、「オフライン」ＨＷＲサブ
システム２２は、本質的に実時間の態様でユーザの手書
き字号を処理し、認識するために、オンラインＨＷＲサ
ブシステム１６と並列に動作する能力を持つている。従
つて、オンラインＨＷＲ及びオフラインＨＷＲという術
語を用いることは、処理の速度とか、情報が処理される
時点とかに基づく区別をするためではなく、処理される
情報のタイプに基づいて一方の情報と他方の情報（静的
な情報と動的な情報）とを区別することを意図してい
る。
【００１９】オンラインＨＷＲサブシステム１６の出力
及びオフラインＨＷＲサブシステム２２の出力は、併合
処理装置２４に接続されており、併合処理装置２４は候
補字号のリストを併合するのに動作し、そしてまた、シ
ステム１０の認識処理の結果として可能性の高い１つ以
上の字号を選択することができる。その後、認識処理の
結果はストアされるか、あるいは、ワード処理プログラ
ムか、またはユーザ・インターフエース・プログラムの
ような認識字号の処理装置に与えられる。認識字号の処
理装置の細部は本発明に直接関係がないので、これ以上
の説明は省略する。
及びオフラインＨＷＲサブシステム２２の出力は、併合
処理装置２４に接続されており、併合処理装置２４は候
補字号のリストを併合するのに動作し、そしてまた、シ
ステム１０の認識処理の結果として可能性の高い１つ以
上の字号を選択することができる。その後、認識処理の
結果はストアされるか、あるいは、ワード処理プログラ
ムか、またはユーザ・インターフエース・プログラムの
ような認識字号の処理装置に与えられる。認識字号の処
理装置の細部は本発明に直接関係がないので、これ以上
の説明は省略する。
【００２０】図１の手書き字号認識システム１０は図３
に示された第１のタイプの書き込み（記号Ｗ１で示され
ている）を認識するのに特に有利である。このタイプの
書き込みは、個々の字号が個々の領界、即ちボツクス中
に形成され、これにより字号のセグメント化の処理を単
純化するボツクス分離型（box discrete）として知られ
ている。つまり、与えられたボツクスの中で形成された
すべてのストロークは単一の字号の形成ストロークであ
ると見做される。第２のタイプの書き込み（図３中の記
号Ｗ２で示されている）は、字号が相互に接触しないよ
うにユーザが各字号を意識的に形成するタイプの間隔分
離型（spaced discrete）と呼ばれている。第３のタイ
プの手書き（図３中の記号Ｗ３で示されている）は、ユ
ーザが相互に接触した字号、または「重なつた（run-o
n）」字号を形成することができるランオン分離型（run
-on discrete）と呼ばれている。
に示された第１のタイプの書き込み（記号Ｗ１で示され
ている）を認識するのに特に有利である。このタイプの
書き込みは、個々の字号が個々の領界、即ちボツクス中
に形成され、これにより字号のセグメント化の処理を単
純化するボツクス分離型（box discrete）として知られ
ている。つまり、与えられたボツクスの中で形成された
すべてのストロークは単一の字号の形成ストロークであ
ると見做される。第２のタイプの書き込み（図３中の記
号Ｗ２で示されている）は、字号が相互に接触しないよ
うにユーザが各字号を意識的に形成するタイプの間隔分
離型（spaced discrete）と呼ばれている。第３のタイ
プの手書き（図３中の記号Ｗ３で示されている）は、ユ
ーザが相互に接触した字号、または「重なつた（run-o
n）」字号を形成することができるランオン分離型（run
-on discrete）と呼ばれている。
【００２１】第２及び第３のタイプの手書き字号は図２
に示された手書き字号認識システム１０'により処理さ
れるのが好ましい。システム１０'は、手書き字号認識
システムのタブレツトと他の部分との間にセグメント化
プロセツサ２６が接続されているのを除けば、図１の手
書き字号認識システム１０の構成及び動作と本質的には
同じである。セグメント化プロセツサ２６の目的は、１
つ、またはそれ以上のストロークのフイーチヤ・ベクト
ルを、字号を表示するビツト集合にグループ化すること
にある。例えば、隔離分離型の手書き（Ｗ２）に対し
て、セグメント化プロセツサ２６は、接触するすべての
ストローク、または、所定の距離内に相互に接近してい
るすべてのストロークを識別する。接触し、または殆ど
接触しているストロークは同じ字号の構成ストロークで
あると見做され、関連するフイーチヤ・ベクトルは、認
識するためにシステム１０'の残りの部分に通される。
に示された手書き字号認識システム１０'により処理さ
れるのが好ましい。システム１０'は、手書き字号認識
システムのタブレツトと他の部分との間にセグメント化
プロセツサ２６が接続されているのを除けば、図１の手
書き字号認識システム１０の構成及び動作と本質的には
同じである。セグメント化プロセツサ２６の目的は、１
つ、またはそれ以上のストロークのフイーチヤ・ベクト
ルを、字号を表示するビツト集合にグループ化すること
にある。例えば、隔離分離型の手書き（Ｗ２）に対し
て、セグメント化プロセツサ２６は、接触するすべての
ストローク、または、所定の距離内に相互に接近してい
るすべてのストロークを識別する。接触し、または殆ど
接触しているストロークは同じ字号の構成ストロークで
あると見做され、関連するフイーチヤ・ベクトルは、認
識するためにシステム１０'の残りの部分に通される。
【００２２】図１及び図２に示したオフラインＨＷＲプ
ロセツサ２２の細部を以下に説明すると、複製装置２９
は字号のストロークのＲＦＶ表示を、オフラインの手書
き字号のフイーチヤの取り出しに適したＮ×Ｍビツト・
マツプに変換する動作を行なう。このビツト・マツプか
ら取り出された静的なフイーチヤに基づいて、オフライ
ンＨＷＲサブシステム２２は入力の認識処理を遂行し、
オフラインの候補字号リストを与える。オフライン及び
オンラインの候補字号リストは、一体化された認識結果
を発生するために併合処理装置２４に入力される。
ロセツサ２２の細部を以下に説明すると、複製装置２９
は字号のストロークのＲＦＶ表示を、オフラインの手書
き字号のフイーチヤの取り出しに適したＮ×Ｍビツト・
マツプに変換する動作を行なう。このビツト・マツプか
ら取り出された静的なフイーチヤに基づいて、オフライ
ンＨＷＲサブシステム２２は入力の認識処理を遂行し、
オフラインの候補字号リストを与える。オフライン及び
オンラインの候補字号リストは、一体化された認識結果
を発生するために併合処理装置２４に入力される。
【００２３】上述の説明に基いて、本発明の手書き字号
の認識システム１０は、相互に並列に動作する能力を有
する複数個のＨＷＲエンジン、即ちＨＷＲサブシステム
を含んでいることが分る。本発明の良好な実施例におい
て、並列に動作することのできる４つのＨＷＲエンジン
がある。それらは、 ａ．オンラインＨＷＲサブシステム１６と、 ｂ．大文字の英字を認識するためのオフラインＨＷＲサ
ブシステム２２ａと、 ｃ．小文字の英字を認識するためのオフラインＨＷＲサ
ブシステム２２ｂと、 ｄ．数字及び特殊記号を認識するためのオフラインＨＷ
Ｒサブシステム２２ｃ とである。
の認識システム１０は、相互に並列に動作する能力を有
する複数個のＨＷＲエンジン、即ちＨＷＲサブシステム
を含んでいることが分る。本発明の良好な実施例におい
て、並列に動作することのできる４つのＨＷＲエンジン
がある。それらは、 ａ．オンラインＨＷＲサブシステム１６と、 ｂ．大文字の英字を認識するためのオフラインＨＷＲサ
ブシステム２２ａと、 ｃ．小文字の英字を認識するためのオフラインＨＷＲサ
ブシステム２２ｂと、 ｄ．数字及び特殊記号を認識するためのオフラインＨＷ
Ｒサブシステム２２ｃ とである。
【００２４】手書き字号変換器の出力、つまりデイジタ
イザ・タブレツト１２の出力はストロークのアレイであ
る。このアレイは「Ｅ」、「ａ」及び「７」などのよう
な字号を表示するようにされている。ストローク・アレ
イの各エレメントは字号の構成ストロークに対応してい
る。字号が単一のストロークで書かれているとき、スト
ローク・アレイのデメンシヨンは１である。転じて、各
ストロークはＸ及びＹ座標のアレイによつて表わされ
る。Ｘ及びＹ座標値の対は、時間で順序付けられてお
り、そして、ペン１４がデイジタイザ・タブレツト１２
の表面に押付けられている間か、または、タブレツト１
２の表面に接触している間におけるデイジタイザ・タブ
レツト１２に対するペン１４の筆跡を表わしている。デ
イジタイザ・タブレツト１２によるペンの位置のＸ及び
Ｙ座標値のサンプル動作は、例えば１０ミリ秒毎の時間
間隔で発生する。
イザ・タブレツト１２の出力はストロークのアレイであ
る。このアレイは「Ｅ」、「ａ」及び「７」などのよう
な字号を表示するようにされている。ストローク・アレ
イの各エレメントは字号の構成ストロークに対応してい
る。字号が単一のストロークで書かれているとき、スト
ローク・アレイのデメンシヨンは１である。転じて、各
ストロークはＸ及びＹ座標のアレイによつて表わされ
る。Ｘ及びＹ座標値の対は、時間で順序付けられてお
り、そして、ペン１４がデイジタイザ・タブレツト１２
の表面に押付けられている間か、または、タブレツト１
２の表面に接触している間におけるデイジタイザ・タブ
レツト１２に対するペン１４の筆跡を表わしている。デ
イジタイザ・タブレツト１２によるペンの位置のＸ及び
Ｙ座標値のサンプル動作は、例えば１０ミリ秒毎の時間
間隔で発生する。
【００２５】ストローク・アレイの出力は、ストローク
のアレイにおいて検出された筆跡のＸ−Ｙ座標値に最も
近似しているＡＳＣＩＩコードを決定するために、オン
ラインＨＷＲサブシステム１６に入力される。オンライ
ンＨＷＲサブシステム１６の動作の詳細は、上述の米国
特許第５０２９２２３号に記載されているので、ここで
は説明しない。
のアレイにおいて検出された筆跡のＸ−Ｙ座標値に最も
近似しているＡＳＣＩＩコードを決定するために、オン
ラインＨＷＲサブシステム１６に入力される。オンライ
ンＨＷＲサブシステム１６の動作の詳細は、上述の米国
特許第５０２９２２３号に記載されているので、ここで
は説明しない。
【００２６】オンラインＨＷＲサブシステム１６により
処理されると、オンライン候補字号リストがオンライン
ＨＷＲサブシステム１６によつて出力される。この候補
字号リストはペンの筆跡に対して可能性ある（可能性の
高い）１つ、またはそれ以上の候補字号を含んでいる。
候補字号は優度の順序でストアされており、各候補字号
は優度に関連したスコア（点数）を持つている。スコア
が高ければ高い程、候補字号が正しい字号である可能性
が高くなる。
処理されると、オンライン候補字号リストがオンライン
ＨＷＲサブシステム１６によつて出力される。この候補
字号リストはペンの筆跡に対して可能性ある（可能性の
高い）１つ、またはそれ以上の候補字号を含んでいる。
候補字号は優度の順序でストアされており、各候補字号
は優度に関連したスコア（点数）を持つている。スコア
が高ければ高い程、候補字号が正しい字号である可能性
が高くなる。
【００２７】次に、オフラインＨＷＲ（ＯＣＲ）サブシ
ステム２２を参照すると、ベクトルからラスタ変換器２
０はストローク・アレイからＮ行×Ｍ列のビツト・マツ
プを発生する。本発明の良好な実施例においては、Ｎ＝
２４でＭ＝１６である（図９参照）。また、変換器２０
は２４×１６ビツト・マツプ中に字号のサイズを縮尺し
て平均化するよう動作する。
ステム２２を参照すると、ベクトルからラスタ変換器２
０はストローク・アレイからＮ行×Ｍ列のビツト・マツ
プを発生する。本発明の良好な実施例においては、Ｎ＝
２４でＭ＝１６である（図９参照）。また、変換器２０
は２４×１６ビツト・マツプ中に字号のサイズを縮尺し
て平均化するよう動作する。
【００２８】これに関連して、図１０乃至図１２を参照
すると、図１０は１つ、またはそれ以上のストロークが
適合される取り囲みボツクス、即ち領界ボツクス（boun
dingbox）の２つの変形（Ａ及びＢ）を示している。領
界ボツクスは、領界ボツクスの形状比（高さ対幅）に制
限されるが、すべてのストロークを収容するために、必
要に応じて、伸長（Ａ）または縮小（Ｂ）がある。本発
明の実施例では、形状比は２４／１６、または３／２で
ある。図１１は、ストロークが領界ボツクスの上限及び
下限に接触するように領界ボツクス中に置かれた文字
「Ｉ」を表わすストロークを示している。ストローク
は、ストロークのグラビテイ（gravity）の中心（Ｃ
Ｇ）が領界ボツクスの形状の中心と一致するように水平
（Ｘ軸）方向に沿つて整置される。図１２は文字「Ｗ」
の場合を示す図であつて、領界ボツクスの左側及び右側
が文字の左側及び右側に接触し、そして、ストロークの
グラビテイの中心（ＣＧ）が領界ボツクスの形状の中心
と一致するように垂直（Ｙ軸）方向に沿つて整置されて
いる。
すると、図１０は１つ、またはそれ以上のストロークが
適合される取り囲みボツクス、即ち領界ボツクス（boun
dingbox）の２つの変形（Ａ及びＢ）を示している。領
界ボツクスは、領界ボツクスの形状比（高さ対幅）に制
限されるが、すべてのストロークを収容するために、必
要に応じて、伸長（Ａ）または縮小（Ｂ）がある。本発
明の実施例では、形状比は２４／１６、または３／２で
ある。図１１は、ストロークが領界ボツクスの上限及び
下限に接触するように領界ボツクス中に置かれた文字
「Ｉ」を表わすストロークを示している。ストローク
は、ストロークのグラビテイ（gravity）の中心（Ｃ
Ｇ）が領界ボツクスの形状の中心と一致するように水平
（Ｘ軸）方向に沿つて整置される。図１２は文字「Ｗ」
の場合を示す図であつて、領界ボツクスの左側及び右側
が文字の左側及び右側に接触し、そして、ストロークの
グラビテイの中心（ＣＧ）が領界ボツクスの形状の中心
と一致するように垂直（Ｙ軸）方向に沿つて整置されて
いる。
【００２９】ｉ番目のストロークのｊ番目の座標値を下
記「数１」として表わした図５を参照すると、変換技術
は下記のように動作する。
記「数１」として表わした図５を参照すると、変換技術
は下記のように動作する。
【００３０】
【数１】
【００３１】図５のブロツクＡ： 上記の「数１」で表
わした各ストローク座標値が領界ボツクスの座標系中の
ポイントから測られるように、タブレツト１２の座標系
から相対座標系にストロークを変換する。 図５のブロツクＢ及びＣ： どのストロークでも２４×
１６の範囲の領界ボツクスの境界線に接触してもよい
が、しかし境界線を越えずに、領界ボツクスの領界内に
収まるように、座標系を縮尺する。予め決められたパラ
メータにより特定して縮尺される寸法にするためのこの
縮尺処理は、すべての構成ストロークの筆跡がより小さ
なボツクス（Ｎ×Ｍビツト・マツプよりも小さなボツク
ス）内に収納できない場合だけに限つて適用されるのが
望ましい。これは、例えば終止符とか、コンマが２４×
１６マトリツクスの領界ボツクスの境界線に接触するよ
うに縮尺される問題が生じるのを回避する。 図５のブロツクＤ： 寸法が平均化されたストロークの
筆跡は、ストロークをビツト・マツプ化するために、領
界ボツクスの２４×１６領域内に計量化される（図９参
照）。ただ１つのビツト、または１つの画素だけが領界
ボツクスの各領域、または各セルの中に表示される。上
述の実施例においては、領界ボツクスは２４×１６＝３
８４の独立した領域、即ちセルを持つことになる。
わした各ストローク座標値が領界ボツクスの座標系中の
ポイントから測られるように、タブレツト１２の座標系
から相対座標系にストロークを変換する。 図５のブロツクＢ及びＣ： どのストロークでも２４×
１６の範囲の領界ボツクスの境界線に接触してもよい
が、しかし境界線を越えずに、領界ボツクスの領界内に
収まるように、座標系を縮尺する。予め決められたパラ
メータにより特定して縮尺される寸法にするためのこの
縮尺処理は、すべての構成ストロークの筆跡がより小さ
なボツクス（Ｎ×Ｍビツト・マツプよりも小さなボツク
ス）内に収納できない場合だけに限つて適用されるのが
望ましい。これは、例えば終止符とか、コンマが２４×
１６マトリツクスの領界ボツクスの境界線に接触するよ
うに縮尺される問題が生じるのを回避する。 図５のブロツクＤ： 寸法が平均化されたストロークの
筆跡は、ストロークをビツト・マツプ化するために、領
界ボツクスの２４×１６領域内に計量化される（図９参
照）。ただ１つのビツト、または１つの画素だけが領界
ボツクスの各領域、または各セルの中に表示される。上
述の実施例においては、領界ボツクスは２４×１６＝３
８４の独立した領域、即ちセルを持つことになる。
【００３２】本発明の良好な実施例において、オフライ
ンＨＷＲサブシステム２２は３つの同じ神経系的ネツト
ワーク（２２ａ、２２ｂ及び２２ｃ）を含んでいる。各
神経系的ネツトワークはＳ字型関数マツピング（sigmoi
d function mapping）を持つ前進（feed-forward）３層
ネツトワークとして実行される。然しながら、各神経系
的ネツトワークは入力に基づく異なつたクラスの符号を
認識するために訓練される。特に、神経系的ネツトワー
ク２２ａは大文字の英字（Ａ乃至Ｚ）のクラスに対して
訓練され、神経系的ネツトワーク２２ｂは小文字の英字
（ａ乃至ｚ）のクラスに対して訓練され、神経系的ネツ
トワーク２２ｃは数字（０乃至９）と、複数の特殊記号
とにクラスに対して訓練される。
ンＨＷＲサブシステム２２は３つの同じ神経系的ネツト
ワーク（２２ａ、２２ｂ及び２２ｃ）を含んでいる。各
神経系的ネツトワークはＳ字型関数マツピング（sigmoi
d function mapping）を持つ前進（feed-forward）３層
ネツトワークとして実行される。然しながら、各神経系
的ネツトワークは入力に基づく異なつたクラスの符号を
認識するために訓練される。特に、神経系的ネツトワー
ク２２ａは大文字の英字（Ａ乃至Ｚ）のクラスに対して
訓練され、神経系的ネツトワーク２２ｂは小文字の英字
（ａ乃至ｚ）のクラスに対して訓練され、神経系的ネツ
トワーク２２ｃは数字（０乃至９）と、複数の特殊記号
とにクラスに対して訓練される。
【００３３】図６及び図９に示されているように、オフ
ラインＨＷＲサブシステム２２の前端は２４×１６ビツ
ト・マツプされたイメージを通して２２個の区分、即ち
２２個のスライスから、「筆跡方向に基づくフイーチ
ヤ」（ＦＤ）と呼ばれる８８個のフイーチヤを取り出
す。８８個のフイーチヤは下記の４種類の射影（projec
tion）で構成される。図６に示したように、それらの射
影は、（ａ） ２４×１６ビツト・マツプ中のエツジ２
３ａに沿つてＸ軸上に投影された短かい水平ベクトル・
パターンの射影と、（ｂ） ２４×１６ビツト・マツプ
中のエツジ２３ｂに沿つてＹ軸上に投影された短かい垂
直ベクトルの射影と 、（ｃ） ２４×１６ビツト・マ
ツプ中のエツジ２３ｃに沿つてＹ＝−Ｘ軸上に投影され
た対角線（Ｙ＝Ｘ）ベクトル・パターンの射影と、
（ｄ） ２４×１６ビツト・マツプ中のエツジ２３ｄに
沿つてＹ＝Ｘ軸上に投影された対角線（Ｙ＝−Ｘ）ベク
トル・パターンの射影とである。
ラインＨＷＲサブシステム２２の前端は２４×１６ビツ
ト・マツプされたイメージを通して２２個の区分、即ち
２２個のスライスから、「筆跡方向に基づくフイーチ
ヤ」（ＦＤ）と呼ばれる８８個のフイーチヤを取り出
す。８８個のフイーチヤは下記の４種類の射影（projec
tion）で構成される。図６に示したように、それらの射
影は、（ａ） ２４×１６ビツト・マツプ中のエツジ２
３ａに沿つてＸ軸上に投影された短かい水平ベクトル・
パターンの射影と、（ｂ） ２４×１６ビツト・マツプ
中のエツジ２３ｂに沿つてＹ軸上に投影された短かい垂
直ベクトルの射影と 、（ｃ） ２４×１６ビツト・マ
ツプ中のエツジ２３ｃに沿つてＹ＝−Ｘ軸上に投影され
た対角線（Ｙ＝Ｘ）ベクトル・パターンの射影と、
（ｄ） ２４×１６ビツト・マツプ中のエツジ２３ｄに
沿つてＹ＝Ｘ軸上に投影された対角線（Ｙ＝−Ｘ）ベク
トル・パターンの射影とである。
【００３４】ヒストグラムは、ストロークの２４×１６
ビツト・マツプされたイメージの３８４個のセル上で走
査された例えば２×２マスクのようなｉ×ｊマスクに基
づいて決定される。図６及び図７においては、２×２マ
スクが効率の観点から用いられているが、勿論、必要に
応じて他のサイズのマスクを用いることもできる。マス
クは、２４×１６ビツト・マツプされたイメージの各行
に沿つて水平方向と、各列に沿つて垂直方向とに、イメ
ージのセル毎に走査される。若しマスク中の黒画素（エ
ツジ領域）の数が１乃至３の間にあれば、つまり、若し
マスク中の４個の画素がすべて黒でもなく、すべて白で
もなければ、プリミテイブ・フイーチヤが検出される。
図６は４つの方向２３ａ、２３ｂ、２３ｃ及び２３ｄの
プリミテイブ・フイーチヤを示す図である。検出された
各方向は、２４×１６ビツト・マツプを介した合計２２
個のスライス中の４個の射影の位置に従つて４回計数さ
れる。２２個のスライスは６個の水平領域、４個の垂直
領域と合計１２個の対角線領域で構成されている。これ
らの中で、プリミテイブ・ベクトルの４つの方向（２３
ａ乃至２３ｄ）は、２２個のスライスの各々の中で累計
され、合計２２×４個のＦＤコンポーネント、つまり８
８個のＦＤフイーチヤがある。
ビツト・マツプされたイメージの３８４個のセル上で走
査された例えば２×２マスクのようなｉ×ｊマスクに基
づいて決定される。図６及び図７においては、２×２マ
スクが効率の観点から用いられているが、勿論、必要に
応じて他のサイズのマスクを用いることもできる。マス
クは、２４×１６ビツト・マツプされたイメージの各行
に沿つて水平方向と、各列に沿つて垂直方向とに、イメ
ージのセル毎に走査される。若しマスク中の黒画素（エ
ツジ領域）の数が１乃至３の間にあれば、つまり、若し
マスク中の４個の画素がすべて黒でもなく、すべて白で
もなければ、プリミテイブ・フイーチヤが検出される。
図６は４つの方向２３ａ、２３ｂ、２３ｃ及び２３ｄの
プリミテイブ・フイーチヤを示す図である。検出された
各方向は、２４×１６ビツト・マツプを介した合計２２
個のスライス中の４個の射影の位置に従つて４回計数さ
れる。２２個のスライスは６個の水平領域、４個の垂直
領域と合計１２個の対角線領域で構成されている。これ
らの中で、プリミテイブ・ベクトルの４つの方向（２３
ａ乃至２３ｄ）は、２２個のスライスの各々の中で累計
され、合計２２×４個のＦＤコンポーネント、つまり８
８個のＦＤフイーチヤがある。
【００３５】一例として説明すると、図９は上述したよ
うなビツト・マツプされた英文字「Ｒ」のストロークを
示す図である。説明を簡略化するために、幾つかのＦＤ
コンポーネントの値として、６個の水平スライスと４個
の垂直スライスだけしか示されていない。この例によつ
て、フイーチヤ１乃至４は、最上部の水平区分、即ち水
平スライスに対して、プリミテイブ・ベクトル２３ａ、
２３ｂ、２３ｃ及び２３ｄの各々に対する合計を表示し
ている。この例において、水平ベクトル・パターン２３
ａは２７のカウント値を持ち、垂直ベクトル・パターン
２３ｂは６のカウント値を持ち、対角線ベクトル・パタ
ーン２３ｃは１のカウント値を持ち、対角線ベクトル・
パターン２３ｄは４のカウント値を持つている。
うなビツト・マツプされた英文字「Ｒ」のストロークを
示す図である。説明を簡略化するために、幾つかのＦＤ
コンポーネントの値として、６個の水平スライスと４個
の垂直スライスだけしか示されていない。この例によつ
て、フイーチヤ１乃至４は、最上部の水平区分、即ち水
平スライスに対して、プリミテイブ・ベクトル２３ａ、
２３ｂ、２３ｃ及び２３ｄの各々に対する合計を表示し
ている。この例において、水平ベクトル・パターン２３
ａは２７のカウント値を持ち、垂直ベクトル・パターン
２３ｂは６のカウント値を持ち、対角線ベクトル・パタ
ーン２３ｃは１のカウント値を持ち、対角線ベクトル・
パターン２３ｄは４のカウント値を持つている。
【００３６】また、２４×１６ビツト・マツプされたイ
メージから他のプリミテイブ・フイーチヤを取り出すこ
とも本発明の技術的範囲に属する。一例として図７を参
照すると、２×３領域中に現われる凸状パターン及び凹
状パターンを作ることができることが分る。凸及び凹状
パターンは８つの角度（上、下、右、左、右上、左上、
左下、右下）に基づく異なつたフイーチヤとして取り扱
われる。これらのフイーチヤは「湾曲に基づくフイーチ
ヤ」（ＦＢ）と呼ばれる。図８は２４×１６ビツト・マ
ツプされたイメージからＦＤフイーチヤを取り出すため
のＦＤプロセツサ２５に加えてＦＢプロセツサ２７を選
択的に使用する場合を示す図である。
メージから他のプリミテイブ・フイーチヤを取り出すこ
とも本発明の技術的範囲に属する。一例として図７を参
照すると、２×３領域中に現われる凸状パターン及び凹
状パターンを作ることができることが分る。凸及び凹状
パターンは８つの角度（上、下、右、左、右上、左上、
左下、右下）に基づく異なつたフイーチヤとして取り扱
われる。これらのフイーチヤは「湾曲に基づくフイーチ
ヤ」（ＦＢ）と呼ばれる。図８は２４×１６ビツト・マ
ツプされたイメージからＦＤフイーチヤを取り出すため
のＦＤプロセツサ２５に加えてＦＢプロセツサ２７を選
択的に使用する場合を示す図である。
【００３７】２４×１６ビツト・マツプされたイメージ
から取り出すことのできる他のタイプのプリミテイブ・
フイーチヤは「平滑なイメージに基づくフイーチヤ」
（ＦＳ）と呼ばれる。この場合、２４×１６ビツト・マ
ツプされたバイナリ字号イメージが１２×８グレイ・イ
メージに減少され、ガウス・フイルタを用いて平滑にさ
れて、合計９６個のフイーチヤ・エレメントを生じる。
から取り出すことのできる他のタイプのプリミテイブ・
フイーチヤは「平滑なイメージに基づくフイーチヤ」
（ＦＳ）と呼ばれる。この場合、２４×１６ビツト・マ
ツプされたバイナリ字号イメージが１２×８グレイ・イ
メージに減少され、ガウス・フイルタを用いて平滑にさ
れて、合計９６個のフイーチヤ・エレメントを生じる。
【００３８】上述の説明から、２４×１６ビツト・マツ
プされたイメージが、神経系的ネツトワーク認識装置２
２ａ乃至２２ｃへの入力に対して、その装置からフイー
チヤ・エレメントを取り出すための幾つかの異なつた技
術に従つて処理することができることが理解されるであ
ろう。従つて、本発明の実施例はＦＤフイーチヤのエレ
メントだけしか用いていないけれども、他のタイプのフ
イーチヤのエレメントは、ＦＤフイーチヤのエレメント
の拡張に使用することができるし、あるいは、ＦＤフイ
ーチヤのエレメントの代わりに使用することができる。
プされたイメージが、神経系的ネツトワーク認識装置２
２ａ乃至２２ｃへの入力に対して、その装置からフイー
チヤ・エレメントを取り出すための幾つかの異なつた技
術に従つて処理することができることが理解されるであ
ろう。従つて、本発明の実施例はＦＤフイーチヤのエレ
メントだけしか用いていないけれども、他のタイプのフ
イーチヤのエレメントは、ＦＤフイーチヤのエレメント
の拡張に使用することができるし、あるいは、ＦＤフイ
ーチヤのエレメントの代わりに使用することができる。
【００３９】図８に示したように、ＦＤプロセツサ２５
により出力された８８個の取り出されたＦＤフイーチヤ
のエレメントは、ブロツク２９によつて８８個のＦＤフ
イーチヤのエレメントの３つの組に複製される。上述し
たように、ＦＤプロセツサ２５はＮ×Ｍビツト・マツプ
されたイメージを２２個のスライスに仕切り、イメージ
上の２×２マスクで走査し、そして、スライス中のプリ
ミテイブ・フイーチヤ２３ａ乃至２３ｄの発生をカウン
トするよう動作する。８８個のＦＤフイーチヤのエレメ
ントの組の各独立した組は３つの神経系的ネツトワーク
（ＮＮ）２３ａ乃至２３ｃの入力の１つに与えられる。
各神経系的ネツトワークは８８個の入力と、少なくとも
１つの隠された層とを持つている。神経系的ネツトワー
ク２２ａ及び２２ｂの各々は英文字Ａ乃至Ｚ及びａ乃至
ｚに対応する２６個の出力ノードを持つている。第３の
神経系的ネツトワーク２２ｃは１０個の数字（０乃至
９）と、２０個の特殊記号（例えば、！、＄、＝など）
に対応する３０個の出力ノードを持つている。
により出力された８８個の取り出されたＦＤフイーチヤ
のエレメントは、ブロツク２９によつて８８個のＦＤフ
イーチヤのエレメントの３つの組に複製される。上述し
たように、ＦＤプロセツサ２５はＮ×Ｍビツト・マツプ
されたイメージを２２個のスライスに仕切り、イメージ
上の２×２マスクで走査し、そして、スライス中のプリ
ミテイブ・フイーチヤ２３ａ乃至２３ｄの発生をカウン
トするよう動作する。８８個のＦＤフイーチヤのエレメ
ントの組の各独立した組は３つの神経系的ネツトワーク
（ＮＮ）２３ａ乃至２３ｃの入力の１つに与えられる。
各神経系的ネツトワークは８８個の入力と、少なくとも
１つの隠された層とを持つている。神経系的ネツトワー
ク２２ａ及び２２ｂの各々は英文字Ａ乃至Ｚ及びａ乃至
ｚに対応する２６個の出力ノードを持つている。第３の
神経系的ネツトワーク２２ｃは１０個の数字（０乃至
９）と、２０個の特殊記号（例えば、！、＄、＝など）
に対応する３０個の出力ノードを持つている。
【００４０】これらの入力は３つの神経系的ネツトワー
ク２２ａ乃至２２ｃと同じであるけれども、これらの出
力の数は、訓練動作のために、入力数とは異なつてい
る。より特定して言えば、背後伝播技術（back propaga
tion technique）を用いることによつて、神経系的ネツ
トワーク２２ａは２６個の大文字の英字についての積極
的な訓練が行なわれるが、しかし、残り５６個の文字
（２６個の小文字の英字、１０個の数字及び２０個の特
殊記号）については消極的な訓練しか行なわれない。神
経系的ネツトワーク２２ｂは２６個の小文字の英字につ
いての積極的な訓練が行なわれるが、しかし、残り５６
個の文字については消極的な訓練しか行なわれない。神
経系的ネツトワーク２２ｃは１０個の数字及び２０個の
特殊記号についての積極的な訓練が行なわれるが、しか
し、大文字及び小文字の５２個の英字については消極的
な訓練しか行なわれない。例えば、各英文字、数字、ま
たは特殊記号について、積極的な訓練は、対応する文字
の２０００個以上のサンプルについて行なわれ、消極的
な訓練は対応する文字の１２５個以上のサンプルについ
て行なわれる。
ク２２ａ乃至２２ｃと同じであるけれども、これらの出
力の数は、訓練動作のために、入力数とは異なつてい
る。より特定して言えば、背後伝播技術（back propaga
tion technique）を用いることによつて、神経系的ネツ
トワーク２２ａは２６個の大文字の英字についての積極
的な訓練が行なわれるが、しかし、残り５６個の文字
（２６個の小文字の英字、１０個の数字及び２０個の特
殊記号）については消極的な訓練しか行なわれない。神
経系的ネツトワーク２２ｂは２６個の小文字の英字につ
いての積極的な訓練が行なわれるが、しかし、残り５６
個の文字については消極的な訓練しか行なわれない。神
経系的ネツトワーク２２ｃは１０個の数字及び２０個の
特殊記号についての積極的な訓練が行なわれるが、しか
し、大文字及び小文字の５２個の英字については消極的
な訓練しか行なわれない。例えば、各英文字、数字、ま
たは特殊記号について、積極的な訓練は、対応する文字
の２０００個以上のサンプルについて行なわれ、消極的
な訓練は対応する文字の１２５個以上のサンプルについ
て行なわれる。
【００４１】本発明の良好な実施例において各神経系的
ネツトワークは、隠された層中の約５０個のノードに対
して８８個の入力ノードと、２６個か、または３０個の
出力ノードとを持つている。各入力ノードは隠された層
のノードに完全に接続されており、転じて、隠された層
のノードは出力層のノードに完全に接続されている。２
つのノードの間の各リンクは関連された重み付けを持つ
ている。−１及び＋１の間の範囲の値の応答をマツプす
るために、Ｓ字型関数が入力ノード及び出力ノードの間
に用いられる。隠された層からの入力のすべてを加算す
るために各出力ノードにおいて、Ｓ字型関数の代わり
に、一次関数が用いられる。これは、出力ノードが取る
ことのできる値を広い範囲の値で発生して、認識処理に
確実さを与えることができる。
ネツトワークは、隠された層中の約５０個のノードに対
して８８個の入力ノードと、２６個か、または３０個の
出力ノードとを持つている。各入力ノードは隠された層
のノードに完全に接続されており、転じて、隠された層
のノードは出力層のノードに完全に接続されている。２
つのノードの間の各リンクは関連された重み付けを持つ
ている。−１及び＋１の間の範囲の値の応答をマツプす
るために、Ｓ字型関数が入力ノード及び出力ノードの間
に用いられる。隠された層からの入力のすべてを加算す
るために各出力ノードにおいて、Ｓ字型関数の代わり
に、一次関数が用いられる。これは、出力ノードが取る
ことのできる値を広い範囲の値で発生して、認識処理に
確実さを与えることができる。
【００４２】複数の候補字号リストからのスコアを均等
に適合させるために、オフラインＨＷＲサブシステム２
２からのスコアは「疑似確率（pseudo-probability）」
に変換される。確率に対するスコアの実験マツピング
が、神経系的ネツトワーク２２ａ乃至２２ｃと、オンラ
インＨＷＲサブシステム１６とに使用される。図１５は
神経系的ネツトワーク（ＮＮ）の出力を上述の疑似確率
に変換するために適当なマツピング関数のグラフを示し
ている。
に適合させるために、オフラインＨＷＲサブシステム２
２からのスコアは「疑似確率（pseudo-probability）」
に変換される。確率に対するスコアの実験マツピング
が、神経系的ネツトワーク２２ａ乃至２２ｃと、オンラ
インＨＷＲサブシステム１６とに使用される。図１５は
神経系的ネツトワーク（ＮＮ）の出力を上述の疑似確率
に変換するために適当なマツピング関数のグラフを示し
ている。
【００４３】オンラインＨＷＲサブシステム１６は１０
個の上位の候補字号（つまり、最高位のスコアを持つ候
補字号のうちの最も確率の高い１０個の字号）を戻すの
に反して、各神経系的ネツトワーク（ＮＮ）２２ａ乃至
２２ｃは上位の３個の候補字号を戻す。候補字号リスト
から外れた場合を取り扱うために、各候補字号リスト
は、このリスト中で低位にスコアされた（小さい確
率）、例えば２／３よりも少ない確率を持つ「その他
（enything else）」が付加される。この技術を使用す
ることによつて、４つの候補字号リストは、下記の例示
から判るように、容易に併合することができる。
個の上位の候補字号（つまり、最高位のスコアを持つ候
補字号のうちの最も確率の高い１０個の字号）を戻すの
に反して、各神経系的ネツトワーク（ＮＮ）２２ａ乃至
２２ｃは上位の３個の候補字号を戻す。候補字号リスト
から外れた場合を取り扱うために、各候補字号リスト
は、このリスト中で低位にスコアされた（小さい確
率）、例えば２／３よりも少ない確率を持つ「その他
（enything else）」が付加される。この技術を使用す
ることによつて、４つの候補字号リストは、下記の例示
から判るように、容易に併合することができる。
【００４４】
【表１】
【００４５】併合論理装置２４により出力された結果の
均等化されたリストは下記の表２の通りである。
均等化されたリストは下記の表２の通りである。
【００４６】
【表２】 均等化リスト ２ ０．６７ Ｚ ０．２９ ｚ ０．２８ ａ ０．２１ ＆ ０．２０ Ａ ０．１８ ｙ ０．１６ ３ ０．１６ Ｌ ０．１５ ８ ０．１４ ｅ ０．０８
【００４７】上述の場合、数字「２」は、均等化リスト
の最上部の項目として示されているように、最も確率の
高い入力字号である。数字「２」のための均等化リスト
中のスコア（０．６７）は、文字「２」に対するオンラ
インＨＷＲ１６のスコア（０．０７）と、文字「２」に
対するＮＮ２２ｃのスコア（０．５）と、ＮＮ２２ａ及
びＮＮ２２ｂの「その他」に対する夫々のスコア（０．
０４）及び（０．０６）との合計で得られたものであ
る。
の最上部の項目として示されているように、最も確率の
高い入力字号である。数字「２」のための均等化リスト
中のスコア（０．６７）は、文字「２」に対するオンラ
インＨＷＲ１６のスコア（０．０７）と、文字「２」に
対するＮＮ２２ｃのスコア（０．５）と、ＮＮ２２ａ及
びＮＮ２２ｂの「その他」に対する夫々のスコア（０．
０４）及び（０．０６）との合計で得られたものであ
る。
【００４８】図４を参照して、手書き字号の認識システ
ムを動作する本発明の方法を説明する。本発明の方法
は、（ａ）ユーザからの手書き字号入力に応答して、時
間で順序付けられた動的なストローク情報を与えるステ
ツプ（ブロツクＡ及びＢ）と、（ｂ）時間で順序付けら
れた動的なストローク情報が表示しようと意図している
少なくとも１つの可能性ある字号を含む第１のリストを
決定するステツプ（ブロツクＤ２）と、（ｃ）時間で順
序付けられた動的なストローク情報を静的なストローク
情報に変換するステツプ（ブロツクＣ）と、（ｄ）静的
なストローク情報が表わす少なくとも１つの可能性ある
字号を含む第２のリストを決定するステツプ（ブロツク
Ｄ１）と、（ｅ）時間で順序付けられた動的なストロー
ク情報が表わそうと意図している可能性の高い字号を表
わす少なくとも１つのエレメントを含む第３の均等化リ
ストを与えるために、第１のリスト及び第２のリストを
併合するステツプ（ブロツクＥ及びＦ）とを含んでい
る。
ムを動作する本発明の方法を説明する。本発明の方法
は、（ａ）ユーザからの手書き字号入力に応答して、時
間で順序付けられた動的なストローク情報を与えるステ
ツプ（ブロツクＡ及びＢ）と、（ｂ）時間で順序付けら
れた動的なストローク情報が表示しようと意図している
少なくとも１つの可能性ある字号を含む第１のリストを
決定するステツプ（ブロツクＤ２）と、（ｃ）時間で順
序付けられた動的なストローク情報を静的なストローク
情報に変換するステツプ（ブロツクＣ）と、（ｄ）静的
なストローク情報が表わす少なくとも１つの可能性ある
字号を含む第２のリストを決定するステツプ（ブロツク
Ｄ１）と、（ｅ）時間で順序付けられた動的なストロー
ク情報が表わそうと意図している可能性の高い字号を表
わす少なくとも１つのエレメントを含む第３の均等化リ
ストを与えるために、第１のリスト及び第２のリストを
併合するステツプ（ブロツクＥ及びＦ）とを含んでい
る。
【００４９】変換するステツプはストローク情報の筆跡
の方向に基づいて１つ、またはそれ以上の第１のストロ
ーク・フイーチヤを発生するステツプ（図６）を含んで
いる。付加的に、例えば凸形状及び凹形状のストローク
情報などに基いて１つ以上の第２のストローク・フイー
チヤを発生することができる（図７）。
の方向に基づいて１つ、またはそれ以上の第１のストロ
ーク・フイーチヤを発生するステツプ（図６）を含んで
いる。付加的に、例えば凸形状及び凹形状のストローク
情報などに基いて１つ以上の第２のストローク・フイー
チヤを発生することができる（図７）。
【００５０】第２のリストを決定するステツプは、少な
くとも第１のストローク・フイーチヤを受け取るための
複数個の入力ノードを有する少なくとも１つの神経系的
ネツトワークで行なうことができる（図８）。更に、少
なくとも１つの神経系的ネツトワークは第１のストロー
ク・フイーチヤに応答して、少なくとも１つの可能性あ
る字号を出力するための少なくとも１つの出力ノードを
持つている。
くとも第１のストローク・フイーチヤを受け取るための
複数個の入力ノードを有する少なくとも１つの神経系的
ネツトワークで行なうことができる（図８）。更に、少
なくとも１つの神経系的ネツトワークは第１のストロー
ク・フイーチヤに応答して、少なくとも１つの可能性あ
る字号を出力するための少なくとも１つの出力ノードを
持つている。
【００５１】更に、変換するステツプは、時間で順序付
けられた動的なストローク情報をＮ×Ｍビツト・マツプ
された表示にマツプする開始ステツプを含んでいる。マ
ツプするステツプは、ストロークがＮ×Ｍビツト・マツ
プされた表示の中に完全に含まれるように、時間で順序
付けられた動的なストローク情報を縮尺するステツプを
含んでいる。
けられた動的なストローク情報をＮ×Ｍビツト・マツプ
された表示にマツプする開始ステツプを含んでいる。マ
ツプするステツプは、ストロークがＮ×Ｍビツト・マツ
プされた表示の中に完全に含まれるように、時間で順序
付けられた動的なストローク情報を縮尺するステツプを
含んでいる。
【００５２】手書き字号の認識システム１０は、夫々の
書き手が１６００個の字号を書き込んだ２４人以上の書
き手で評価された。エラー率の平均減少率は、オンライ
ンＨＷＲサブシステム１６だけしか使用しない場合に比
べて、４１％減少したことが見出されている。従つて、
本発明を使用すると、手書き字号を認識することにおい
て顕著な改善がなされることが理解できるであろう。
書き手が１６００個の字号を書き込んだ２４人以上の書
き手で評価された。エラー率の平均減少率は、オンライ
ンＨＷＲサブシステム１６だけしか使用しない場合に比
べて、４１％減少したことが見出されている。従つて、
本発明を使用すると、手書き字号を認識することにおい
て顕著な改善がなされることが理解できるであろう。
【００５３】以上、本発明の良好な実施例を参照して本
発明を説明してきたが、本発明は３個以下、あるいは３
個以上のオフラインの（ＯＣＲ）認識装置を用いること
ができるのは自明であろう。例えば、１つのオフライン
認識装置を数字に使用し、他のオフライン認識装置を句
読点のような特殊記号だけに用いることができる。更
に、オフライン認識装置は他の形式で実行することがで
き、神経系的ネツトワークである必要はない。また、本
発明は、英語用の手書きの字号の認識のみに制限される
ものではなく、例えば漢字のような他の言語にも用いる
ことができるのは自明であろう。
発明を説明してきたが、本発明は３個以下、あるいは３
個以上のオフラインの（ＯＣＲ）認識装置を用いること
ができるのは自明であろう。例えば、１つのオフライン
認識装置を数字に使用し、他のオフライン認識装置を句
読点のような特殊記号だけに用いることができる。更
に、オフライン認識装置は他の形式で実行することがで
き、神経系的ネツトワークである必要はない。また、本
発明は、英語用の手書きの字号の認識のみに制限される
ものではなく、例えば漢字のような他の言語にも用いる
ことができるのは自明であろう。
【００５４】
【発明の効果】本発明によれば、手書きの文字、記号の
認識システムにおいて、認識結果の正確度を顕著に向上
することができる。
認識システムにおいて、認識結果の正確度を顕著に向上
することができる。
【図１】オンラインＨＷＲサブシステム及びオフライン
ＨＷＲサブシステムを含む本発明の手書き字号の認識シ
ステムであつて、本発明の第１の実施例に従つて構成さ
れ、動作される手書き字号の認識システムのブロツク図
である。
ＨＷＲサブシステムを含む本発明の手書き字号の認識シ
ステムであつて、本発明の第１の実施例に従つて構成さ
れ、動作される手書き字号の認識システムのブロツク図
である。
【図２】本発明の第２の実施例に従つて構成され、動作
される手書き字号の認識システムのブロツク図である。
される手書き字号の認識システムのブロツク図である。
【図３】本発明の手書き字号の認識方法によつて認識す
るのに適合している３つのタイプの手書き字号を示す図
である。
るのに適合している３つのタイプの手書き字号を示す図
である。
【図４】本発明の手書き字号の認識方法を説明するため
の論理的流れ図である。
の論理的流れ図である。
【図５】図１、または図２のオフラインＨＷＲサブシス
テムによつて使用するために、動的なストローク情報を
静的なビツト・マツプに変換し、そして均等化するため
の方法を説明するための論理的流れ図である。
テムによつて使用するために、動的なストローク情報を
静的なビツト・マツプに変換し、そして均等化するため
の方法を説明するための論理的流れ図である。
【図６】図１、または図２のオフラインＨＷＲサブシス
テムの一部を形成した「筆跡の方向に基づくフイーチ
ヤ」（ＦＤ）を説明するための図である。
テムの一部を形成した「筆跡の方向に基づくフイーチ
ヤ」（ＦＤ）を説明するための図である。
【図７】図１、または図２のオフラインＨＷＲサブシス
テムの一部として付加的に用いられる「湾曲形状に基づ
くフイーチヤ」（ＦＢ）を説明するための図である。
テムの一部として付加的に用いられる「湾曲形状に基づ
くフイーチヤ」（ＦＢ）を説明するための図である。
【図８】図１及び図２のオフラインＨＷＲサブシステム
の実施例を形成する複数個の神経系的ネツトワークへの
入力における、静的なＦＤ及びＦＢコンポーネントの組
合わせを説明するための図である。
の実施例を形成する複数個の神経系的ネツトワークへの
入力における、静的なＦＤ及びＦＢコンポーネントの組
合わせを説明するための図である。
【図９】ストロークのビツト・マツプされたビツト集合
の例であつて、「筆跡の方向に基づくフイーチヤ」（Ｆ
Ｄ）の取り出しを説明するための図である。
の例であつて、「筆跡の方向に基づくフイーチヤ」（Ｆ
Ｄ）の取り出しを説明するための図である。
【図１０】静的なフイーチヤ・ベクトルの取り出しの前
に、入力ストロークの平均化及び縮尺化を説明するため
の図である。
に、入力ストロークの平均化及び縮尺化を説明するため
の図である。
【図１１】静的なフイーチヤ・ベクトルの取り出しの前
に、入力ストロークの平均化及び縮尺化を説明するため
の図である。
に、入力ストロークの平均化及び縮尺化を説明するため
の図である。
【図１２】静的なフイーチヤ・ベクトルの取り出しの前
に、入力ストロークの平均化及び縮尺化を説明するため
の図である。
に、入力ストロークの平均化及び縮尺化を説明するため
の図である。
【図１３】神経系的ネツトワーク認識装置の出力スコア
と疑似確率との間の変換を説明するためのグラフであ
る。
と疑似確率との間の変換を説明するためのグラフであ
る。
１０、１０' 手書き字号の認識（ＨＷＲ）システム １２ デイジタイザ・タブレツト １４ スタイラス（ペン） １６ オンラインＨＷＲサブシステム １８、２９ 複製装置 ２０ ベクトルからラスタ変換器 ２２ オフラインＨＷＲサブシステム ２４ 併合処理装置 ２５ ＦＤプロセツサ ２６ セグメント化プロセツサ ２７ ＦＢプロセツサ
───────────────────────────────────────────────────── フロントページの続き (72)発明者 ウイリアム・デイビッド・モドリン アメリカ合衆国 フロリダ州、ボカ・ラト ン、ノースイースト・ツゥエンティス・ス トリート 255 (72)発明者 コッタパラム・エム・モヒューディン アメリカ合衆国 カリフォルニア州、サン ノゼ、クウェイル・クリーク・サークル 1086 (72)発明者 高橋 弘晏 神奈川県横浜市緑区たちばな台１丁目18− 29
Claims (20)
- 【請求項１】ユーザからの手書き字号の入力に応答し
て、時間で順序付けられたストローク情報を出力するた
めの手書き字号変換手段と、 上記手書き字号変換手段の出力に接続されている入力を
有し、時間で順序付けられたストローク情報が表わそう
と意図している可能性のある少なくとも１つの字号を含
む第１のリストを決定するための第１の決定手段と、 上記手書き字号変換手段の上記出力に接続されている入
力を有し、時間で順序付けられたストローク情報を静的
なストローク情報に変換するための変換手段と、 上記手書き字号変換手段の出力に接続された入力を有
し、静的なストローク情報が表わす可能性のある少なく
とも１つの字号を含む第２のリストを決定するための第
２の決定手段と、 上記第１の決定手段の出力に接続された第１の入力と、
第２の決定手段の出力に接続された第２の入力とを有
し、時間で順序付けられたストローク情報が表わそうと
意図している可能性の高い少なくとも１つの字号を含む
第３のリストを与えるために、上記第１のリスト及び少
なくとも１つの上記第２のリストを併合する手段とから
なる手書き字号の認識システム。 - 【請求項２】上記変換手段は静的なストローク情報の筆
跡に基づいて１つ、またはそれ以上のストローク・フイ
ーチヤを発生する第１の発生手段を含む請求項１記載の
手書き字号の認識システム。 - 【請求項３】上記変換手段は静的なストローク情報の凸
形状及び凹形状に基づいて１つ、またはそれ以上のスト
ローク・フイーチヤを発生する第２の発生手段を含む請
求項２記載の手書き字号の認識システム。 - 【請求項４】上記第２の決定手段は第１のストローク・
フイーチヤを受け取るために、上記変換手段に接続され
た複数個の入力ノードを有する少なくとも１つの神経系
的ネツトワーク手段を含み、上記少なくとも１つの神経
系的ネツトワーク手段は第１のストローク・フイーチヤ
に応答して少なくとも１つの可能性のある字号を出力す
るための少なくとも１つの出力ノードを有する請求項２
記載の手書き字号の認識システム。 - 【請求項５】上記変換手段は時間で順序付けられたスト
ローク情報に応答して、時間で順序付けられたストロー
ク情報をＮ×Ｍビツト・マツプされた表示に変換する手
段を含み、上記第１の発生手段はビツト・マツプされた
表示に応答する請求項２記載の手書き字号の認識システ
ム。 - 【請求項６】上記時間で順序付けられたストロークの変
換手段はストロークがＮ×Ｍビツト・マツプされた表示
中に完全に含まれるように、時間で順序付けられたスト
ローク情報を縮尺する手段を含む請求項５記載の手書き
字号の認識システム。 - 【請求項７】ユーザからの手書き字号の入力に応答し
て、時間で順序付けられた動的なストローク情報を与え
るステツプと、 時間で順序付けられた動的なストローク情報を静的なス
トローク情報に変換するステツプと、 時間で順序付けられた動的なストローク情報が表わそう
と意図している可能性のある少なくとも１つの字号を含
む第１のリストを決定するステツプと、 静的なストローク情報が表わしている可能性のある少な
くとも１つの字号を含む第２のリストを決定するステツ
プと、 時間で順序付けられた動的なストローク情報が表わそう
と意図している可能性のある少なくとも１つの字号を含
む第３の均質化リストを与えるために第１のリスト及び
第２のリストを併合するステツプとからなる手書き字号
の認識システムの動作方法。 - 【請求項８】変換するステツプは静的なストローク情報
の筆跡の方向に基づいた１つ、またはそれ以上の第１の
ストローク・フイーチヤを発生するステツプを含む請求
項７記載の手書き字号認識システムの動作方法。 - 【請求項９】変換するステツプは静的なストローク情報
の凸形状及び凹形状に基づいた１つ、またはそれ以上の
第２のストローク・フイーチヤを発生するステツプを含
む請求項７記載の手書き字号認識システムの動作方法。 - 【請求項１０】第２のリストを決定するステツプは第１
のストローク・フイーチヤを受け取るための複数個の入
力ノードを持つ少なくとも１つの神経系的ネツトワーク
手段により行なわれることと、少なくとも１つの神経系
的ネツトワーク手段は第１のストローク・フイーチヤに
応答して可能性ある少なくとも１つの字号を出力するた
めの少なくとも１つの出力ノードを有することとを含む
請求項８記載の手書き字号認識システムの動作方法。 - 【請求項１１】変換するステツプは時間で順序付けられ
た動的なストローク情報をＮ×Ｍビツト・マツプされた
表示にマツプするステツプを含む請求項７記載の手書き
字号認識システムの動作方法。 - 【請求項１２】マツプするステツプはストロークがＮ×
Ｍビツト・マツプされた表示の中に完全に含まれるよう
に、時間で順序付けられた動的なストローク情報を縮尺
するステツプを含む請求項１１記載の手書き字号認識シ
ステムの動作方法。 - 【請求項１３】動的なストローク情報を表わす１つ、ま
たはそれ以上のフイーチヤ・ベクトルを入力するステツ
プと、 １つ、またはそれ以上のフイーチヤ・ベクトルを１つ、
またはそれ以上のフイーチヤ・ベクトルのＮ×Ｍ表示に
変換するステツプと、 Ｎ×Ｍ表示の中の複数個のプリミテイブ・フイーチヤの
個々の１つの発生をカウントするステツプと、 カウントされた発生に応答して、Ｎ×Ｍビツト・マツプ
されたイメージが表わす１つ、またはそれ以上の符号を
含む少なくとも１つの第１のリストを発生するステツプ
と、 フイーチヤ・ベクトルに応答して、フイーチヤ・ベクト
ルが表わす１つ、またはそれ以上の符号を含む少なくと
も１つの第２のリストを発生するステツプと、 フイーチヤ・ベクトルが表わす１つ、またはそれ以上の
符号を含む第３のリストを、少なくとも１つの第１のリ
スト及び第２のリストから発生するステツプとからなる
手書き字号の認識方法。 - 【請求項１４】フイーチヤ・ベクトルをセグメント化す
るステツプを含む請求項１３に記載の手書き字号の認識
方法。 - 【請求項１５】少なくとも１つの第１のリストを発生す
るステツプは、プリミテイブ・フイーチヤの発生をカウ
ントした信号を、少なくとも１つの神経系的ネツトワー
ク手段の入力に印加するステツプを含み、上記少なくと
も１つの神経系的ネツトワークは少なくとも１つの所定
の記号を認識するように訓練されていることを含む請求
項１３に記載の手書き字号の認識方法。 - 【請求項１６】少なくとも１つの第１のリストを発生す
るステツプは、プリミテイブ・フイーチヤの発生をカウ
ントした信号を複数個の神経系的ネツトワーク手段の個
々の入力に印加することと、複数個の神経系的ネツトワ
ークの各々は記号の所定のクラスの中で少なくとも１つ
の所定の記号を認識するように訓練されていることとを
含む請求項１３に記載の手書き字号の認識方法。 - 【請求項１７】プリミテイブ・フイーチヤの発生をカウ
ントするステツプは、 Ｎ×Ｍビツト・マツプされたイメージを複数個のスライ
スに区切るステツプと、 プリミテイブ・フイーチヤのインスタンスを位置付ける
ために、Ｎ×Ｍビツト・マツプされたイメージ上にｉ×
ｊマスクを適用するステツプと、 複数個のスライスの各々の中の位置付けられたインスタ
ンスをカウントするステツプとを含む請求項１３記載の
手書き字号の認識方法。 - 【請求項１８】マスクを適用するステツプは筆跡の方向
に基いてプリミテイブ・フイーチヤを識別するステツプ
を含む請求項１７に記載の手書き字号の認識方法。 - 【請求項１９】凸形状及び凹形状に基いてプリミテイブ
・フイーチヤを識別するステツプを含む請求項１７に記
載の手書き字号の認識方法。 - 【請求項２０】マスクを適用するステツプは筆跡の方向
に基いてプリミテイブ・フイーチヤの第１の組を識別
し、かつ、凸形状及び凹形状に基いてフイーチヤ・ベク
トルの第２の組を識別するステツプを含む請求項１７に
記載の手書き字号の認識方法。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US61495 | 1993-05-12 | ||
| US08/061,495 US6011865A (en) | 1993-05-12 | 1993-05-12 | Hybrid on-line handwriting recognition and optical character recognition system |
| US061495 | 1993-05-12 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06348904A true JPH06348904A (ja) | 1994-12-22 |
| JP2700130B2 JP2700130B2 (ja) | 1998-01-19 |
Family
ID=22036160
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6059239A Expired - Fee Related JP2700130B2 (ja) | 1993-05-12 | 1994-03-29 | 手書き文字の認識システム及び認識方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US6011865A (ja) |
| EP (1) | EP0624853A3 (ja) |
| JP (1) | JP2700130B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009506464A (ja) * | 2005-08-29 | 2009-02-12 | マイクロソフト コーポレーション | 筆跡入力のスタイルを意識した使用 |
Families Citing this family (50)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB9701793D0 (en) | 1997-01-29 | 1997-03-19 | Gay Geoffrey N W | Means for inputting characters or commands into a computer |
| US6167411A (en) * | 1998-06-22 | 2000-12-26 | Lucent Technologies Inc. | User interface for entering and editing data in data entry fields |
| US7155033B1 (en) * | 1999-02-01 | 2006-12-26 | Thomson Licensing | Coarse representation of visual object's shape for search/query/filtering applications |
| US7016885B1 (en) * | 2001-08-28 | 2006-03-21 | University Of Central Florida Research Foundation, Inc. | Self-designing intelligent signal processing system capable of evolutional learning for classification/recognition of one and multidimensional signals |
| US20040146200A1 (en) * | 2003-01-29 | 2004-07-29 | Lockheed Martin Corporation | Segmenting touching characters in an optical character recognition system to provide multiple segmentations |
| US7283669B2 (en) * | 2003-01-29 | 2007-10-16 | Lockheed Martin Corporation | Fine segmentation refinement for an optical character recognition system |
| US20050111735A1 (en) * | 2003-11-21 | 2005-05-26 | International Business Machines Corporation | Video based handwriting recognition system and method |
| US7428516B2 (en) * | 2005-06-23 | 2008-09-23 | Microsoft Corporation | Handwriting recognition using neural networks |
| US7633493B2 (en) * | 2006-06-19 | 2009-12-15 | International Business Machines Corporation | Camera-equipped writing tablet apparatus for digitizing form entries |
| US7724957B2 (en) * | 2006-07-31 | 2010-05-25 | Microsoft Corporation | Two tiered text recognition |
| JP4873554B2 (ja) * | 2006-12-25 | 2012-02-08 | 株式会社リコー | 画像配信装置および画像配信方法 |
| US8768062B2 (en) | 2010-11-09 | 2014-07-01 | Tata Consulting Services Limited | Online script independent recognition of handwritten sub-word units and words |
| JP5418576B2 (ja) * | 2011-11-28 | 2014-02-19 | コニカミノルタ株式会社 | 情報閲覧装置及び表示制御プログラム |
| US9591339B1 (en) | 2012-11-27 | 2017-03-07 | Apple Inc. | Agnostic media delivery system |
| US9774917B1 (en) | 2012-12-10 | 2017-09-26 | Apple Inc. | Channel bar user interface |
| US10200761B1 (en) | 2012-12-13 | 2019-02-05 | Apple Inc. | TV side bar user interface |
| US9532111B1 (en) | 2012-12-18 | 2016-12-27 | Apple Inc. | Devices and method for providing remote control hints on a display |
| US10521188B1 (en) | 2012-12-31 | 2019-12-31 | Apple Inc. | Multi-user TV user interface |
| US12149779B2 (en) | 2013-03-15 | 2024-11-19 | Apple Inc. | Advertisement user interface |
| US20140361983A1 (en) * | 2013-06-09 | 2014-12-11 | Apple Inc. | Real-time stroke-order and stroke-direction independent handwriting recognition |
| US9465985B2 (en) | 2013-06-09 | 2016-10-11 | Apple Inc. | Managing real-time handwriting recognition |
| US9495620B2 (en) | 2013-06-09 | 2016-11-15 | Apple Inc. | Multi-script handwriting recognition using a universal recognizer |
| US9330331B2 (en) | 2013-11-11 | 2016-05-03 | Wipro Limited | Systems and methods for offline character recognition |
| AU2015280256A1 (en) | 2014-06-24 | 2016-10-13 | Apple Inc. | Column interface for navigating in a user interface |
| CN110221698B (zh) | 2014-06-24 | 2022-05-13 | 苹果公司 | 计算设备上的字符识别 |
| KR102773445B1 (ko) | 2014-06-24 | 2025-02-27 | 애플 인크. | 입력 디바이스 및 사용자 인터페이스 상호작용 |
| CN106446896B (zh) * | 2015-08-04 | 2020-02-18 | 阿里巴巴集团控股有限公司 | 一种字符分割方法、装置及电子设备 |
| DK201670582A1 (en) | 2016-06-12 | 2018-01-02 | Apple Inc | Identifying applications on which content is available |
| DK201670581A1 (en) | 2016-06-12 | 2018-01-08 | Apple Inc | Device-level authorization for viewing content |
| DK179329B1 (en) | 2016-06-12 | 2018-05-07 | Apple Inc | Handwriting keyboard for monitors |
| US11966560B2 (en) | 2016-10-26 | 2024-04-23 | Apple Inc. | User interfaces for browsing content from multiple content applications on an electronic device |
| CN108509955B (zh) * | 2017-02-28 | 2022-04-15 | 柯尼卡美能达美国研究所有限公司 | 用于字符识别的方法、系统和非瞬时计算机可读介质 |
| US10346702B2 (en) | 2017-07-24 | 2019-07-09 | Bank Of America Corporation | Image data capture and conversion |
| US10192127B1 (en) | 2017-07-24 | 2019-01-29 | Bank Of America Corporation | System for dynamic optical character recognition tuning |
| US12307082B2 (en) | 2018-02-21 | 2025-05-20 | Apple Inc. | Scrollable set of content items with locking feature |
| AU2019100574B4 (en) | 2018-06-03 | 2020-02-20 | Apple Inc. | Setup procedures for an electronic device |
| CN113711169A (zh) | 2019-03-24 | 2021-11-26 | 苹果公司 | 包括内容项的可选表示的用户界面 |
| US11962836B2 (en) | 2019-03-24 | 2024-04-16 | Apple Inc. | User interfaces for a media browsing application |
| US11467726B2 (en) | 2019-03-24 | 2022-10-11 | Apple Inc. | User interfaces for viewing and accessing content on an electronic device |
| US11683565B2 (en) | 2019-03-24 | 2023-06-20 | Apple Inc. | User interfaces for interacting with channels that provide content that plays in a media browsing application |
| WO2020243645A1 (en) | 2019-05-31 | 2020-12-03 | Apple Inc. | User interfaces for a podcast browsing and playback application |
| US11863837B2 (en) | 2019-05-31 | 2024-01-02 | Apple Inc. | Notification of augmented reality content on an electronic device |
| US11194467B2 (en) | 2019-06-01 | 2021-12-07 | Apple Inc. | Keyboard management user interfaces |
| CN110956133A (zh) * | 2019-11-29 | 2020-04-03 | 上海眼控科技股份有限公司 | 单字符文本归一化模型训练方法、文本识别方法及装置 |
| US11843838B2 (en) | 2020-03-24 | 2023-12-12 | Apple Inc. | User interfaces for accessing episodes of a content series |
| US11899895B2 (en) | 2020-06-21 | 2024-02-13 | Apple Inc. | User interfaces for setting up an electronic device |
| CN112132050B (zh) * | 2020-09-24 | 2024-03-29 | 北京计算机技术及应用研究所 | 联机手写汉字识别算法及可视化关键笔画评估方法 |
| US11720229B2 (en) | 2020-12-07 | 2023-08-08 | Apple Inc. | User interfaces for browsing and presenting content |
| US11934640B2 (en) | 2021-01-29 | 2024-03-19 | Apple Inc. | User interfaces for record labels |
| CN115620314B (zh) * | 2022-10-28 | 2026-04-17 | 网易有道信息技术（北京）有限公司 | 文本识别方法、答案文本的验证方法、装置、设备及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6059489A (ja) * | 1983-09-12 | 1985-04-05 | Oki Electric Ind Co Ltd | 文字認識装置 |
| JPS61143887A (ja) * | 1984-12-18 | 1986-07-01 | Matsushita Electric Ind Co Ltd | 文字認識装置 |
| JPH01156889A (ja) * | 1987-12-14 | 1989-06-20 | Nippon Telegr & Teleph Corp <Ntt> | オンライン手書き文字認識方式 |
| JPH04279965A (ja) * | 1991-03-07 | 1992-10-06 | Koizumi Sangyo Kk | パターン認識装置 |
Family Cites Families (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US31692A (en) * | 1861-03-12 | Improvement in mowing-machines | ||
| JPS6249483A (ja) * | 1985-08-28 | 1987-03-04 | Hitachi Ltd | 実時間手書き文字認識の文字入力方式 |
| NL265383A (ja) * | 1960-05-31 | |||
| USRE31692E (en) | 1972-05-02 | 1984-10-02 | Optical Recognition Systems, Inc. | Combined magnetic optical character reader |
| US3949363A (en) * | 1974-06-28 | 1976-04-06 | Recognition Equipment, Incorporated | Bar-Code/MICR/OCR merge |
| US4024500A (en) * | 1975-12-31 | 1977-05-17 | International Business Machines Corporation | Segmentation mechanism for cursive script character recognition systems |
| JPS5580183A (en) * | 1978-12-12 | 1980-06-17 | Nippon Telegr & Teleph Corp <Ntt> | On-line recognition processing system of hand-written character |
| JPS5827551B2 (ja) * | 1979-05-18 | 1983-06-10 | 日本電信電話株式会社 | オンライン手書き文字認識方式 |
| JPS59725A (ja) * | 1982-06-28 | 1984-01-05 | Canon Inc | 入力装置 |
| JPS5975375A (ja) * | 1982-10-21 | 1984-04-28 | Sumitomo Electric Ind Ltd | 文字認識装置 |
| JPS5998283A (ja) * | 1982-11-27 | 1984-06-06 | Hitachi Ltd | パターン切出しおよび認識方法、ならびにそのシステム |
| US4628532A (en) * | 1983-07-14 | 1986-12-09 | Scan Optics, Inc. | Alphanumeric handprint recognition |
| JPS60136892A (ja) * | 1983-12-26 | 1985-07-20 | Hitachi Ltd | オンライン手書き図形認識装置 |
| GB8404827D0 (en) * | 1984-02-24 | 1984-03-28 | De La Rue Co Plc | Sign verification |
| JPH0650538B2 (ja) * | 1984-03-28 | 1994-06-29 | 株式会社日立製作所 | 手書き文字・図形認識の認識モード指定方法 |
| US4731857A (en) * | 1984-06-29 | 1988-03-15 | International Business Machines Corporation | Recognition system for run-on handwritten characters |
| JPS6180478A (ja) * | 1984-09-27 | 1986-04-24 | インタ−ナショナル ビジネス マシ−ンズ コ−ポレ−ション | デ−タ入力・表示システム |
| US4764972A (en) * | 1985-05-23 | 1988-08-16 | Nec Corporation | Continuous characters recognition system |
| JPS6282486A (ja) * | 1985-10-08 | 1987-04-15 | Hitachi Ltd | オンライン手書き図形認識装置 |
| US4837842A (en) * | 1986-09-19 | 1989-06-06 | Holt Arthur W | Character and pattern recognition machine and method |
| JPH07107708B2 (ja) * | 1986-09-26 | 1995-11-15 | 株式会社日立製作所 | パタ−ン認識方法 |
| US4805225A (en) * | 1986-11-06 | 1989-02-14 | The Research Foundation Of The State University Of New York | Pattern recognition method and apparatus |
| US5034989A (en) * | 1987-12-11 | 1991-07-23 | Loh Shiu Chang | On-line handwritten character recognition apparatus with non-ambiguity algorithm |
| DE3822671A1 (de) * | 1988-07-05 | 1990-01-11 | Kromer Theodor Gmbh & Co Kg | Verfahren und vorrichtung zum elektronischen vergleichen von linienzuegen |
| US5109426A (en) * | 1989-11-10 | 1992-04-28 | National Research Development Corporation | Methods and apparatus for signature verification |
| US5029223A (en) * | 1990-02-02 | 1991-07-02 | International Business Machines Corporation | Constraint driven-on line recognition of handwritten characters and symbols |
| US5105468A (en) * | 1991-04-03 | 1992-04-14 | At&T Bell Laboratories | Time delay neural network for printed and cursive handwritten character recognition |
| US5491758A (en) * | 1993-01-27 | 1996-02-13 | International Business Machines Corporation | Automatic handwriting recognition using both static and dynamic parameters |
-
1993
- 1993-05-12 US US08/061,495 patent/US6011865A/en not_active Expired - Fee Related
-
1994
- 1994-03-29 JP JP6059239A patent/JP2700130B2/ja not_active Expired - Fee Related
- 1994-04-15 EP EP94105890A patent/EP0624853A3/en not_active Ceased
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6059489A (ja) * | 1983-09-12 | 1985-04-05 | Oki Electric Ind Co Ltd | 文字認識装置 |
| JPS61143887A (ja) * | 1984-12-18 | 1986-07-01 | Matsushita Electric Ind Co Ltd | 文字認識装置 |
| JPH01156889A (ja) * | 1987-12-14 | 1989-06-20 | Nippon Telegr & Teleph Corp <Ntt> | オンライン手書き文字認識方式 |
| JPH04279965A (ja) * | 1991-03-07 | 1992-10-06 | Koizumi Sangyo Kk | パターン認識装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009506464A (ja) * | 2005-08-29 | 2009-02-12 | マイクロソフト コーポレーション | 筆跡入力のスタイルを意識した使用 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP0624853A3 (en) | 1995-02-22 |
| US6011865A (en) | 2000-01-04 |
| JP2700130B2 (ja) | 1998-01-19 |
| EP0624853A2 (en) | 1994-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2700130B2 (ja) | 手書き文字の認識システム及び認識方法 | |
| Bhattacharya et al. | On recognition of handwritten Bangla characters | |
| JP2667954B2 (ja) | 静的及び動的パラメータを使用する自動手書き文字認識装置及び方法 | |
| Perwej et al. | Neural networks for handwritten English alphabet recognition | |
| US11837001B2 (en) | Stroke attribute matrices | |
| EP1971957B1 (en) | Methods and apparatuses for extending dynamic handwriting recognition to recognize static handwritten and machine generated text | |
| CN113673432B (zh) | 手写识别方法、触摸显示设备、计算机设备及存储介质 | |
| JP2005228328A (ja) | デジタルインク質疑検索装置及びその方法 | |
| Alijla et al. | Oiahcr: online isolated arabic handwritten character recognition using neural network. | |
| CN101354749B (zh) | 字典制作方法、手写输入方法和设备 | |
| CN101326518B (zh) | 用于墨水笔记的手写体识别的方法和装置 | |
| Maheshwari et al. | A systematic review of automation in handwritten character recognition | |
| EP4086744B1 (en) | Gesture stroke recognition in touch-based user interface input | |
| Xie et al. | Prototype pruning by feature extraction for handwritten mathematical symbol recognition | |
| Jung et al. | On-line recognition of cursive Korean characters using graph representation | |
| Abirami et al. | Handwritten mathematical recognition tool | |
| Hamplová et al. | Instance segmentation of characters recognized in palmyrene aramaic inscriptions | |
| Vuori | Adaptation in on-line recognition of handwriting | |
| Oladele et al. | Offline Yorùbá handwritten word recognition using geometric feature extraction and support vector machine classifier | |
| Ladwani et al. | Novel approach to segmentation of handwritten Devnagari word | |
| Imama et al. | A Slice-based Character Recognition Technique for Handwritten Devanagari Script | |
| Srihari et al. | Written Language Input | |
| KR100204618B1 (ko) | 문자 또는 도형의 인식 방법 및 시스템 | |
| Welekar et al. | Survey on existing techniques for writer verification | |
| Mandal et al. | A Novel Approach of Normalization for Online Handwritten Characters using Geometrical Parameters on a 2D Plane |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |