JPH07509576A

JPH07509576A - 文字の認識方法

Info

Publication number: JPH07509576A
Application number: JP5510153A
Authority: JP
Inventors: イラン，ガブリエル; イサック，シュムエル
Original assignee: アドヴァンスド・リコグニション・テクノロジーズ・インコーポレーテッド
Priority date: 1991-11-29
Filing date: 1992-11-19
Publication date: 1995-10-19
Also published as: IL100198A; CA2124569A1; WO1993011505A1; EP0614557A4; EP0614557A1; IL100198A0; US5659633A; AU3141793A

Abstract

(57)【要約】本公報は電子出願前の出願データであるため要約のデータは記録されません。

Description

【発明の詳細な説明】文字の認識方法（技術分野）本発明は、文字の認識方法に関する。用語「文字」は、本文においては従来の英数字のみならず、数学記号、科学記号、標音記号、速記記号などの如き種々の記号をも含むべくその広義において用いられる。本発明の方法は、手書き文字をリアルタイムに認識するために特に有効であり、従って、本願に関して以下に記述する。

（背景技術）予め印刷された文字をオフラインで、また手書き文字をオンラインでの両方で認識するための多（の文字認識法が、文献に記載されている。これらの提起された方法の詳細な研究は、Ｃ，Ｃ，Ｔａｐｐｃｒｔ、Ｃ，Ｙ、５ｕｅｎおよびＴ。

Ｗａｋａｈａｒａの「オンライン手書き認識技術の現状（Ｔｈｅ　５ｔａＬεｏｒ　Ｌｈｃ　ＡｒＬ　ｉｎ　０ｎ−Ｌ：ｎｃ　Ｈａｎｄｗｒｉｔｉｎｇ　Ｒｅｃｏｇｎｉｔｉｏｎ）Ｊ　（ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｐａｔｔｃｒｎ　Ａｎａｌｙｓｉｓ　ａｎｄ　Ｍａｃｈｉｎｅ　ＩｎＬｃｌｌｉｇｃｎｃｃ、第１２巻、第８部、１９９０年８月、７８７−８０８ページ）なる論文に記載されている。この論文は、２８６件の先行文献を参考として列記している。

（発明の概要）本匝切！すＥ　ｒｌｆｉＪ本発明の主な目的は、手書き文字のオンライン認識のため特に有効にする多くの重要な利点を有する文字認識の新たな方法の提供にあり、本方法の諸特質はまた予め印刷された文字のオフライン認識のためにも有効に使用することができる。

本発明の広範な特質によれば、下記の動作を含む文字を認識する方法が提供される。即ち、（ａ）文字における複数のサンプル点の各々における文字に対する接線角度を測定し、（ｂ）垂直軸からの予め定めた角度内の接線方向を有するこれらの点に上下（Ｕ、　Ｄ）の点の接線方向（ＰＴＤ）を示す識別を、また水平軸から予め定めた角度内の接線方向を有するこれらの点に左右（Ｌ、　Ｒ）のＰＴＤを示す識別を割当て、（ｃ）接線方向がＵ、ＤＳＬ、Ｒの値から前のサンプル点（Ｕ、Ｄ、Ｌ、Ｒ値を有する）の接線方向に関する別のＵ、Ｄ、Ｌ、Ｒ値へ変化する前記サンプル点を決定して、このようなサンプル点を特殊な点として識別し、（ｄ）特殊な点の結果として生じる配置を用いて文字を認識すること。

以下に述べる本発明の望ましい実施態様においては、動作（ｂ）における予め定めた範囲は、各軸から１５°より大きくな（、望ましくはこの範囲は１１°である。

先に述べたように、本方法は、一連の手書きのストローク（ｓ　ｔ　ｒｏｋｅ）として書かれる詩学書き文字のリアルタイム認識のために特に有効であり、この場合前記動作（ｄ）からを結果として生じる特殊な点の配置が時間順のシーケンスである。

以下に述べる本発明の望ましい実施態様における他の特徴によれば、本方法はまた、各手書きのストロークの始点と終点の場所を決定すること、および文字を認識するための特殊な点としてこれら終点の場所を用いることを含む。本発明の望ましい実施態様はまた、文字を認識するための特殊な点として「捩り１点と「尖端」点（共に、以下に定義する）とを用いる。更に、［途切れ（ｂｒｅａｋｉｒ＋ｇ）Ｊおよび「対角（ｄｉａｇｏｎａｌ）Ｊ　（共に、以下に定義する）と呼ばれるある属性が、特殊点のあるものに割当てられ、かつまた文字の識別のため用いられる。

本文に述べる望ましい実施態様における更に別の特徴によれば、特殊点の時間順シーケンスを用いて、これら特殊点を複数の記憶された基準文字の特殊点の記憶されたシーケンスと突合わせることにより文字を認識する。更に、特殊点の記憶されたシーケンスは、これまた各々記憶された基準文字のストローク数を含む索引テーブルに記憶される。予備的なスクリーニング操作が行われ、これにおいては認識されるべき手古き文字のストローク数が、索引テーブルに記憶された基準文字のストローク数と比較され、認識されるべき手書き文字と同じストローク数を持たないこれら基準文字を更に突合わせることはより排除する。

先に述べた望ましい実施態様における更に他の特徴によれば、索引テーブルの１つ以上の基準文字が認識されるべき手書き文字の特殊点のシーケンスと一致するならば、（手書き文字の全ての特殊点の座標を全ての特殊点を網羅する最も小さい矩形に正規化した後）判定動作が行われて、（＋）認識されるべき手書き文字および突合わされた基準文字の各々の対応する点間の距離の２乗の和を計算すること、および（■）このように計算された最も小さな和を持つ基準文字として手書き文字を識別することにより、手書き文字と最もよく一致する基準文字を決定する。

本発明の別の特質によれば、下記の動作を含む手書きのストロークにより手書き文字を認識する方法が提供される。即ち、（ａ）文字のストロークにおける「特殊点」を識別すること、（ｂ）特殊点に属性を割当てること、（ｃ）予め定めたルールに従って特殊点をシーケンスすること、および（ｄ）このシーケンスを基準文字を識別する、前に記憶された基準シーケンスのライブラリと突合わせること。

先に述べた望ましい実施態様の方法は、このように、下記の３つの基本的段階に基くものである。即ち、１、認識されるべき人力文字のストローク数が記憶された各基準文字のストローク数と比較され、異なるストローク数を持つ基準文字が排除される、粗スクリーニング段階と、２、入力された手書き文字から取出された上記の特徴が記憶された基準文字の残りの候補の特徴と比較されて、残りの候補の大半を排除する、微細スクリーニング段階と、３、　（微細スクリーニング段階後に１つ以上の候補がある場合）残る少数の基準文字候補が入力手書き文字と比較されて、どの基！４を一文字が「最良の」一致であるかについて判定が行われる、判定段階と、である。

新規な認識方法の上記特徴は、その通常の作用、即ち「認識」モードについて記載する。しかし、この認識モードは、ユーザの特殊な文字を「学習」するための「学習」モードが先行する。このため、学習モードの間、認識されるべき種々の文字あるいは他の記号がディジタル化タブレット上でユーザにより手書きされ、このような各文字が認識コード（例えば、ＡＳＣＩＩコード）によって識別される。このような名手書き文字の特徴は、その識別内容と共に、索引テーブルに記憶され、次いでユーザによりディジタル化タブレット上に手書きされる毎に文字を識別するための認識モードの間に用いられる。

このように、オンライン認識誤り（例えば、手書き文字の識別時の誤り、あるいは基準文字のいとして入力を認識することができないこと）の場合、認識モードの間に、ユーザは、学習モードへ切換えて、認識されなかった入力の正しい識別コードを入力することにより直ちにこの誤りを訂正することができる。このように、文字が学習されてその後の認識を可能にする。

本発明の主な利点本発明の文字認識方法は、以下に述べる如き多くの重要な利点を有し、そのため本方法を手書き文字のオンライン認識にとって特に有効なものにする。

即ち、１、本方法はどのような言語に対しても適用される。即ち、本方法は、ヘブライ語、英語、アラビア語、などのどんなアルファベット言語のアルファベット文字の認識のため、また特殊な記号、例えば、数学記号および科学記号、標音記号および速記記号の認識のためにも使用することができる。

２、本方法はユーザに対して適用される。即ち、本方法は、歪みおよびスケールの変化の如き不規則的な相違を無視しながら、ユーザの筆記の個人的性癖を「学習」して、じの文字を他の文字がら弁別する特定の特徴を「記憶コするため用いられる。従って、本方法は、署名、特に１つ以上の比較的短いストロークからなる２名を認識し検記するためにも使用される。

３、本方法は、非常に小さなマイクロプロセッサ上でもリアルタイムに実現することができる。即ち、本方法は、遅れもな（リアルタイム認識を行うため、従来のマイクロプロセッサおよびパーソナル・コンピュータにおいて通常の手書き速度より高い認識速度で走らせることができるように、文字情報の小さな部分のみを用いて文字を認識する。

４、本方法は、ハードウェアとは独立的であり、広範囲のディジタル・コンピュータ上で走らせることができる。例えば、入力情報は、どのような形式のディジタル化タブレット（例えば、電磁、感圧、音響方式）からでもよく、また、本方法はハードウェア、ソフトウェア、特殊なシリコン・チップ、あるいはこれらのどのような組合わせでも実現することができる。

本発明の更なる特徴および利点については、以降の記述から明らかになるであろう。

本発明については、添付図面に関して例示としてのみ本文において記述される。

（図面の簡単な説明）図１は、本発明により構成される文字認識装置の一形態を示すブロック図、図２は、本発明の文字認識方法により行われる主要な処理のブロック図、図３ａ乃至図３０は、本発明の望ましい実施態様として以降に述べる文字認識方法を一体として示す図、図４乃至図９は、図３８および図３ｂのフローチャートにより示される文字認識方法の理解に役立つ多数の手書き文字をそれぞれの表４８乃至表９８と共に示す図、および図１０ａおよび図１０ｂは一体として、本文に記載する文字認識方法における学習モード段階を示すフローチャートを示す図である。

（実施例）全システｔ１および動作モード図１は、本発明の方法により手書き文字を認識するための装置の一態様を示すブロック図であり、図２は、文字認識方法に含まれる主要な処理を示すブロック図である。

図１に示される装置は、認識されるべき手書き文字を入力するためのディジタル化タブレット２または他の入力装置を備えた現存のプロセッサ・システムに内蔵されるようになっている。本装置は、ディジタル化タブレット２から入力された情報を受取り、以下に更に詳細に述べる如き文字認識方法を実行し、入力された文字を識別するコードまたは他の識別を出力する主プロセツサ４を含む。主プロセツサ４により出力される識別は、ＦＩＦＯ（先入れ先出し）バッファ６を介して補助プロセッサ８へ送られ、このプロセッサは識別コードを出力端末、即ちパーソナル・コンピュータなどへ出力することにより、主プロセツサ４を認識法を実行するために解放する。

主プロセツサ４は、プロセッサ４を制御する固定プログラムに対するＥＦＲＯＭ（電気的にプログラム可能な読出し専用メモリー）４ａと、ロード可能プログラムに対するＲＡＭ　（ランダム・アクセス・メモリー）４ｂと、データを記憶するための別のＲＡＭ４Ｃとを含む。補助プロセッサ８はまた、固定プログラムに対するＥＦＲＯＭ８ａと、ロード可能プログラムに対するＲＡＭ８ｂと、データに対するＲＡＭ８Ｃとを含む。

図１に示される装置はまた、従来のパネル・スイッチ（その１つがモード・セレクタとして使用される）と、全てブロック１０により全体的に示されるリセットおよびクロック回路などと、ブロック１２により全体的に示される如き電源およびバックアップ・バッテリとを含む。

主プロセツサ４により行われる主要な処理は、図２のブロック図に示される。

このため、タブレットで入力されたデータ２０は特徴抽出プロセス２２の対象となり、このプロセスは、手書き文字を識別するに充分な入力データの選択された幾つかの特徴を抽出する。モード・セレクタ・プロセス２４は、抽出された特徴が学習プロセスか認識プロセスのいずれの対象とされるべがを決定する。学習プロセス（ブロック２６）が選択されるならば、抽出された特徴は認識プロセスにおいて使用される基準文字のライブラリに記憶され、認識プロセス（ブロック２８）が選択されるならば、抽出された特徴が記憶された基準文字の特徴と比較され、入力された手書き文字を識別する決定が出力される。

記憶された基準文字が記憶されるライブラリは、各文字のストローク数および各ストロークの特徴を識別する索引テーブルの形態をなす。ディジタル化タブレット（図１の２）上で筆記する時のスタイラス・ペンを下げる位置からペンを上げる位置までに１つのストロークが決定される。例えば、ある特徴は、１回のストロークからなるが、他の特徴は２回、３回、４回あるいはそれ以上のストローク、　からなり得る。１つの「ドツト」はまた、以下において更に詳細に述べるように、１つのストロークと見做される。

１つの基準文字を識別する各ストロークの特徴については、認識モードの動作だ文字の識別、あるいは文字の識別ができないこと）が経験される時、ユーザは学習モードに再び切換えることによりエラーを直ちに訂正することができ、その結果特徴抽出プロセス２２において抽出される特徴が職別結果（例えば、ＡＳＣＩＩコード）と共に新たな基準文字として記憶されるようになる。本システムは、次に認識モードへ再び切換えられ、これと同時に「学習された」文字がその後正しく認識される可能性が更に太き（なる。

認識モード全体は、図３ａおよび図３ｂのフローチャートにより略図的に示される。これは次の３つの段階からなっている。即ち、（１）粗スクリーニング段階、（２）微細スクリーニング段階、および（３）判定段階、である。

粗スクリーニング段階は、ディジタル化タブレット２を介して入力される如き手書き文字のストローク数を全ての基準文字と単に比較するだけであり、入力された文字のストローク数と異なるストローク数を持つこれらの基準文字が排除される。この段階は、その後入力される文字と比較されねばならない基準文字数を実質的に減少する。

微細スクリーニング段階においては、入力される手書き文字は、図３ａおよび図３ｂに示されるフローチャートに従って処理されて、入力された手書き文字の幾つかの特徴を抽出する。これらの抽出された特徴は、次に粗スクリーニング段階において排除されなかった全ての記憶された基準文字の特徴と比較されて、最終的な判定段階において考察されるべき記憶された基郡文字数を更に減少する。

更に、微細スクリーニング段階は下記を含んでいる。即ち、（ａ）文字上の複数のサンプル点の各々における文字に対する接線の角度を測定すること、（ｂ）垂直軸からの予め定めた角度内の接線方向を持つ点に、上げ（Ｕ）点および下げ（Ｄ）点の接線方向（ＰＴＤ）を示す識別内容を割当てること、また水平軸からの予め定めた角度内の接線方向を持つ点に、左（Ｌ）および右（Ｒ）のＰＴＤを示す識別内容を割当てること、（Ｃ）接線方向がＵ、Ｄ、Ｌ、Ｒ値から前のサンプル点（Ｕ、Ｄ、Ｌ、Ｒ値を持つ）の接線方向に関する別のＵ、Ｄ、Ｌ、Ｒ値へ変化するサンプル点を決定すること、（ｄ）予め定めたルールに従って特殊点を配置すること、および（ｅ）特殊点の結果として得る配置を用いて文字を認識すること。

以下に述べる本発明の望ましい実施態様においては、動作（ｂ）における予め定めた範囲は、各軸から１５°以上ではな（、望ましくは１１°である。

複数のサンプル点の各々の文字の筆跡の接線角度は、文字の筆跡の予め定めた長さの線分の２つの端部を中心における各サンプル点と接続する仮想弦の角度を測定することによって測定される。この弦の長さもまた測定され、これが予め定めた最小長さより小さければ、サンプル点は規定されない接線方向を示す識別が割当てられる。

手書き文字が一連の手書きストロークとして書かれる時に手書き文字のリアルタイム認識のため本方法が用いられる、以下に述べる望ましい実施態様においては、上記の動作（ｄ）から結果として得る特殊点の予め定めた配置が時間順のシ下記の如く４種類の「特殊点」がある。即ち、（ａ）入力される手書き文字に帰属する全てのペンのストロークの筆跡の終点（即ち、「ペン下げ」開始点と「ペン上げ」終了点）（ｂ）　ｆｆｆ跡に対する接線が、水平軸（Ｘ軸）または垂直軸（Ｙ軸）からの予め定めた角度内にある点、（ｃ）接線方向がある局部的な極値（以下本文では、「捩り」点と呼ぶ）を有する、同じ接線方向を持つ種類（ｂ）の２つの特殊点間の点、（ｄ）接線方向が規定されないが、２つの隣接する特殊点の接線が反対方向を有する尖端点。

点（ｂ）および（ｃ）は、接線方向が前の特殊点から４５°以上変化した場合にのみ、「特殊点」と見做される。各特殊点は４つの特徴、即ち、ｒＸＪ位置、ｒＹＪ位置、ｒＰＴＤ　（点の接線方向）」および「属性」を有する。ＰＴＤは、６つのあり得る値のどれか１つを取り得る。即ち、水平軸から予め定めた角度内にあるならば、左（Ｌ）または右（Ｒ）の値、垂直から予め定めた角度内にあるならば、上（Ｕ）または下（Ｄ）の値、ストロークが固定された大きさより小さければ、「ナル（Ｎｕｌｌ）Ｊ値、あるいは、これがストロークの最後の点ならば、「終了」値である。予め定めた角度は、各軸から１５°以上ではな（、望ましくは、以下に述べる望ましい実施態様においては１１°である。

各特殊点は、下記の３つの「属性」のどれか１つが割当てられる。即ち、Ｃａ）鋭い曲率を表わす、「途切れ（ｂｒｅａｋｉｎｇ）Ｊ　（Ｂ）属性：この属性は、反対方向（接線方向における１８０°の変化）を持つ２つのＰＴＤ間に挿入される特殊点に対して用いられる。これは、「鋭い」尖端点の場合における如き筆跡に鋭い湾曲が存在する場合に生じる。このような場合、属性「途切れ」が割当てられた特殊点は、反対方向の隣接する特殊点間のシーケンスに挿入され、「途切れ」特殊点は、第２の隣接点の接線の方向における第１の隣接点の接線方向から９０°だけ変化した接線方向に用いられる。

（ｂ）「終了点」および「捩り点」において生じる如き「対角」　（Ｄ）属性；湾曲に対する接線がＸ軸またはＹ軸から予め定めた角度内にない場合。「対角」特殊点の方向は、先に述べたように、最も近い右、左、上または下の方向へ丸められるが、この点は「対角」　（Ｄ）の属性が与えられる。

（Ｃ）「なし」　、特殊点が」１記の属性のいずれも与えられない場合。

特殊点の順序付はルール特殊点は、下記のルールに従って時間順のシーケンスに並べられる。即ち、１、同じＰＴＤの２つの連続点があってはならない（このような場合は、接線が前の特殊点から４５°以上変化する場合にのみ、サンプル点が特殊点として見做されるという要件によって避けられる。）。

２、反対の（即ち、反対方向の）ＰＴＤの２つの連続点があってはならない。このような場合は、先に述べた如（、「途切れる特殊点」の挿入によって避けられる。

シーケンスの突合わせルール入力される名手書きのストロークの一連の特殊点は、下記のルールに従つて先に述べた粗スクリーニング段階において排除されなかった全ての基準文字の一連の特殊点と突合わされる。即ち、Ａ、シーケンスにおける対応するＰＴＤが一致するならば、２つのシーケンスは増分され、Ｂ、２つのシーケンスにおける対応するＰＴＤが相互に反対方向であるか、あるいは両方の特殊点が「途切れ」特殊点として示されるならば、２つのシーケンスは増分され、Ｃ，２つの対応するＰＴＤが相互に反対方向であり、一方が「Ｂ」　（即ち、「途切れ」値）として識別される属性を持つが、他方が「なし」として識別される属性を持つならば、この２つのシーケンスは増分され、Ｄ、対応する点の一方が「対角」として識別される属性を持ち、他方が持たなければ、（＋）この２つの点はそれらのそれぞれのシーケンスにおける最初のものであり、かつ２つの特殊点の接線方向が相互に反対方向でなければ、「対角」属性を含むシーケンスが増分され、（ｉｉ）この２つの点がシーケンスにおける最初のものでなく、そのいずれもそのシーケンスの最後の点でなく、２つの特殊点の接線方向が相互に反対方向であれば、「対角」属性を持つシーケンスは「２」だけ増分され、（ｔｉｉ）　１つの点が対角であり、他の点がそのシーケンスの最後であるならば、対角属性を含むシーケンスが増分される。

この２つのシーケンスにおける対応する特殊点の突合せは完全なシーケンスに対して継続され、この２つのシーケンスがこのように完了されるならば、「成功した」突合せが存在するものと判定される。一方、２つのシーケンスの突合せは、２つのシーケンスにおける特殊点間で突合せが行われない時は常に終了され、突合せは「不成功な」突合せであると判定される。

このように、微細スクリーニング段階は、識別されるべき手書き文字に対するあり得る多数の候補を排除する。１つ以上の候補が残るならば、認識モードは判定段階へ進む。

図３ａ、図３ｂのフローチャート上記の動作は、図３ａおよび図３ｂのフローチャートに示される。

最初の動作は、ペンの筆跡サンプル点から特殊点を収集すること、およびそれらの座標、ＰＴＤおよび属性を記録すること（ブロック３０）である。先に述べたように、４つの種類の特殊点がある。即ち、（ａ）終点、（ｂ）ｍ跡に対する接線が水平軸または垂直軸に対して平行に近い点、（Ｃ）「捩り」点、および（ｄ）尖端点である。全ての上記の点は、それらのＰＴＤにより、またあれば属性によって識別される。

次に、特殊点は、入力信号のペン・ストローク毎の時間順のシーケンスに接続される（ブロック３１）。このようなシーケンスは、例えば、図４乃至図９の文字、およびそれらの各表４ａ乃至表９ａに示される。

次に、反対方向の連続点が存在するかどうか検査が行われ（ブロック３２）、もし連続点が存在すれば、先に述べたように「途切れ」点がシーケンスに挿入される（ブロック３３）。

次に、接線がＸ軸あるいはＹ軸に対して平行でないかどうかの検査が行われる（ブロック３４）。先に述べたように、これは終点あるいは捩り点において生じ、その場合は接線の方向は最も近いＲ，Ｌ、Ｕ、Ｄ方向へ丸められ、「対角」属性とされる（ブロック３５）。

このように、全ての特殊点か入力された手書き文字の各ストロークに対して収集された後、点の全ての座標がストロークの筆跡を網羅する最も小さな矩形に正規化される（ブロック３６）。

次いで、各文字に対する入力データは、ライブラリ、即ち記憶された基準文字の索引テーブルに記憶された基準文字と比較される（ブロック３７）。

最初に、粗スクリーニング動作が行われ、これにおいては入力記号のストローク数が各基準文字におけるストローク数に比較され（ブロック３８）、一致が存在しなければ、各基準文字が候補リストから排除される（ブロック３９）。このように全ての基準文字が走査（ブロック４ｏ、４１）された後、いずれかの基準文字に関して突合せが生じたかどうかの判定が行われ（ブロック４２）、もしそうでなければ、入力された手書き文字が認識されなかった文字として識別される（ブロック４３）。このような場合、文字は無視することができ、あるいは学習モードを選択することによりライブラリへ追加することができ、その正しい識別を入力してその特徴をライブラリ・モデルに記憶する。

微細スクリーニング段階の間に各基準文字を走査する時、入力された手書き文字における特殊点のシーケンスがライブラリ・モデルの基準文字における点シーケンスと一致するかどうかの検査が行われ（ブロック４５）、もしそうでなければ、基準文字が候補リストから排除される（ブロック４６）。

次に、ライブラリ・モデルにおける全ての基準文字が検査されたかどうが検査が行われ（ブロック４７．４８）、もしそうであれば、候補が選択されたかどうか検査が行われる（ブロック４９）。もしそうでなければ、文字は認識されなかった文字として判定され（ブロック５ｏ）、ブロック４３に関して先に述べたように、この文字は無視されるか、あるいは学習モードにおいてライブラリへ追加される。

このことは、微細スクリーニング段階を完了する。１つ以上の基準文字がこの段階を経るならば、システムは次に判定段階へ進んで、微細スクリーニング段階を通過する文字のどれが入力された手古き文字と最もよく一致するかを判定する。

判定段階においては、正規距離（即ち、２乗距離の和）が認識されるべき手書き文字と微細スクリーニング段階を通過する基を文字の各々の対応する点間で計算され（ブロック５１）、このように計算された最も小さな正規距離を持つ基準文字が選択され（ブロック５２）、このように選択された基準文字のコードが入力された手書き文字の識別として出力される（ブロック５３）。

文字謀職ｐ」廻次に、図４乃至図９に示される如き幾つかの事例に関して認識プロセスにつむ）る特徴を持つ如き基準文字の幾つかの事例を示す。図８は、表８ａの特性を持つディジタル化タブレット２（図１）を介してシステムに入力される１ストロークの手書き文字の事例を示し、この特性は図４乃至図７の基準文字のそれと比較され、図９は、ディジタル化タブレット２を介して入力され、かつ表９ａに記載された特性を持つ２ストロークの手書き文字を示し、この特性もまた索引テーブルに記憶された基準文字と比較されることになる。

最初に、図８に示される入力された手書き文字に関して、この文字が１ストロ一ク文字であるため、粗スクリーニング段階が２ストロ一ク文字である図６の文字ｒｔＪを直ちに排除することが判るであろう。これは、図４、図５および図７の１ストロ一ク文字のみを微細スクリーニング段階において比較されるべ（残す。

先に述べたように、微細スクリーニング段階においては、表８ａに記載される如き図８の入力された手書き文字の特殊点の各シーケンスが、先に述べた「突合せシーケンス・ルール」に従って、それぞれ表４ａ、表５ａおよび表７ａに記載された如き図４、図５および図７の基準文字の各々における特殊点のシーケンスと比較される。

表８ａの特殊点（図８の人力された基準文字）を表４ａ（図４の記憶された基準文字）と比較すると、表８ａにおける点Ｐ１がｒＲＪであり、表４ａにおいてはこれがｒＵＪであることが判るであろう。しかし、表８ａにおけるこの点は属性「Ｄ」　（対角）とされるが、表４ａの点は「ナル」　（空）であり、更に、ＰＴＤはシーケンスにおける最初のものであり相互に反対方向ではない。「突合せシーケンス・ルールＤＪ（＋）によれば、「対角」属性（表８８の点ｐ＋）を含むシーケンスのみが増分される。

次に、表８８の点Ｐ２を表４８の点Ｐ１と比較するよう進む。２つのＰＴＤが等しく（Ｕ）、従って、表８８の点Ｐ１を表４８の点Ｐ２と比較し続ける。これらの２つの点は相互に反対方向（表ＥにおけるｒＬＪおよび表４ａにおける「Ｒ」）である。しかし、表４８における点Ｐ２は属性「Ｂ」　（途切れ）とされるが、表８ａにおける点Ｐ３は属性を持たない。「突合せシーケンス・ルールＣ」によれば、両方のシーケンスが増分される。

ここからは、表４ａの各特殊点Ｐ３〜Ｐ、の全では表８ａの点Ｐ、〜Ｐ１゜と一致し、この場合、これら全ては同じＰＴＤを持ち、従って、図４の基準文字は微細スクリーニング段階を通過する。

図８の入力された手書き文字と対応する表８ａに記載された如き点のシーケンスは、次に、図５に示されたｉＱ’（文字と対応する表５ａの点のシーケンスと比較される。この比較において、表８８の点Ｐ、および表５ａの点Ｐ１が異なるＰＴＤを持ち、更に、両方の属性が「Ｄ」　（対角）であり、従って、「突合せシーケンス・ルール」に従って一致が存在しないことが判るであろう。従って、図５の基準文字は、この微細スクリーニング段階において排除される。

図８の入力された手書き文字と対応する表８ａに記載された如き特殊点は、次に、図７の基準文字と対応する表７ａに現れるものと比較される。表８ａは、表７ａとちょうど同じＰＴＤを持つ同数の特殊点を有し、従って、図７の基準文字は微細スクリーニング段階を通過する。

この突合せ手順は、無論、ライブラリ・モデルの索引テーブルに記憶された他の全ての基カ、艦文字にも継続する。

図４および図７の文字のみが微細スクリーニング段階を通過したものとすれば、その時のプロセスは判定段階へ進んでこれら２つの文字のどれが図８、表８８の入力された手書き文字と最もよく一致するかを判定する。

先に述べたように、判定段階に到達する前に、認識されるべき手書き文字の全ての特殊点の座標は、全ての特殊点を網羅する最も小さな矩形に正規化されている（図３ａ、ブロック３６）。判定段階においては、認識されるべき手書き文字と排除されない基準文字の各々との対応する点間の２乗距離の和が計算され、このように計算された最小の和を持つ基を文字が手書き文字として識別される。

このように、この判定設片１においては、２乗のユークリッド距離（ｄｕｃｌｉｄｅａｎ　ｄｉｓｔａｎｃｅ）が図４（表４ａ）における文字の一致した点間で加算され、本例においては、図４の文字に対するこのような和は６８０である。

同様に、図７（表７ａ）の一致した基鵬文字間の２乗のユークリッド距離が加算され、本例においては、この和は８６である。図７の和が図４の和よりはるかに小さいため、図７の基準文字は、図８（表８ａ）の入力された手書き文字と最もよく一致するものと判定される。

図９は、ディジタル化タブレット２を介して入力される２ストロークの手書き文字を示し、表９ａは、このような２ストロ一ク文字の分析中に抽出される特徴を表わす。

先に述べた粗スクリーニング段階が、全て１ストロ一ク文字に関する図４、図５および図７に示される如き全ての記憶された基準文字を排除すること、また従って、図６に示された２ストロ一ク文字のみをあり得る候補として通すことが判るであろう。

また、表６ａに示される如き図６の２ストロークの基準文字（１）の最初のストロークの全ての抽出された特徴（ＰＴＤおよび属性）も、表９ａにおける図９に示された如き入力された手１（Ｔき文字の最初のストロークのそれと一致することも判るであろう。しかし、表６ａに示される如き図６の基準文字の２番目のストローク（点Ｐ０、Ｐ、。）のＰＴＤは、表９８における点Ｐ８、Ｐ、により示される如き図９の入力された手書き文字における２番目のストロークの抽出された特徴と一致しない。従って、図６に示された基準文字（１）は、微細スクリーニング段階を通らず、従って、判定段階に対するあり得る候補ではないことになる。

記憶された基準文字は、おそらくは、微細スクリーニング段階を通るように図９および表９ａの特徴と対１　する抽出された特徴を持つ文字を含む。しかし、このような文字がなければ、結果は認識されなかった文字となる。このことはシステムにより示されることにな帆この楊合、図９、表９ａに示されるものと対応する手書き文字を認識のため入力する時は常に、このような基準文字があり得る候補としてその後に認識されるように、これらの特徴を持つ基準文字を入力して記憶するために、ユーザは学習モードへ切換える。

主習舌−ド（図１０ａ１図］Ｏｂ）先に述べたように、図１０ａ、図１０ｂに示される如き学習モードは、基準文字モデルの索引テーブルにおいて、入力された各手書き文字が最良の一致を判定するため比較される全ての基準文字の特徴を記憶するために使用される。また先に示したように、文字の識別におけるエラーを訂正するため、あるいはシステムが前には識別ができなかった文字を識別することを可能にするために、認識モードは割込みされて学習モードへ９１換えられる。

このため、学習モードにおいては、先に述べたように、ペンの筆跡の特殊点が収集され、それらの座標および方向が索引テーブルに記録される（図１０ａ１ブロツク７０）。次に、特殊点が、入力信号の各ペン・ストローク毎の点のシーケンスに接続される（ブロック７１）。次に、連続点のいずれかの対が反対方向であるかについて判定が行われ（ブロック７２）、もしそうであれば、認識モードにおいて「途切れ点」が先に述べたと同じ方法で挿入される（ブロック７３）。

反対方向の連続する点が存在しなければ、ある点における接線がＸ軸またはＹ軸と平行でないかどうか判定が行われ（ブロック７４）、もしそうであれば、先に述べたように、僅かに４つのあり得る方向（Ｕ、Ｄ、Ｌ、Ｒ，ブロック７５）のＰＴＤを持つように、同じ方向を持つ２つの連続する点を生じることなく、ｒＤＪ（対角）の属性およびその方向が示される点が前記軸と平行な最も近い方向へ丸められる。

次に、全ての座標が、全ての特殊点を網羅する最小の矩形に正規化される。

この時、オペレータが各文字を識別するコードを入力しくブロック７７）、確認段階（ブロック７８）の後、新たな記録が索引テーブルに記憶される（ブロック７９）。

本発明については１つの望ましい実施態様に関して記述したが、この実施態様が単に例示の目的のため記載されたこと、および本発明の他の多くの変更、修正および応用が可能であることが理解されよう。

特殊点シーケンス１　：　“Ａ′ Ｆｉｇ、　４特殊点シーケンス１−ストローク特殊点シーケンス２−ストロークＦ１９．６特殊点シーケンス１−ストローク特殊点シーケンス１−ストロークＦｉｇ、８特殊点シーケンスＦｉｇ、９Ｆｉｇ、　１０ａｔ＝ｉｇ、　１０ｂ　教示モードのフローチャート（続く）手　続　補　正　書

Claims

【特許請求の範囲】

１．（ａ）文字上の複数のサンプル点の各々における文字に対する接線の角度を測定し、（ｂ）垂直軸から予め定めた角度内の接線方向を有する点に、上（Ｕ）および下（Ｄ）の点の接線方向（ＰＴＤ）を示す識別を割当て、かつ水平軸から予め定めた角度内の接線方向を有する点に、左（Ｌ）および右（Ｒ）のＰＴＤを示す識別を割当て、（ｃ）前記接線方向が、前のサンプル点（Ｕ、Ｄ、Ｌ、Ｒ値を持つ）の接線方向に関して１つのＵ、Ｄ、Ｌ、Ｒ値から別のＵ、Ｄ、Ｌ、Ｒ値へ変化するサンプル点を決定して、かかるサンプル点を特殊点として識別し、（ｄ）予め定めたルールに従って前記特殊点を配置し、（ｅ）特殊点の結果として得る配置を用いて文字を認識する、動作を含む文字認識方法。
２．前記予め定めた角度が、各軸から１５°以上でない請求の範囲第１項記載の方法。
３．前記予め定めた角度が、各軸から約１１°である請求の範囲第２項記載の方法。
４．前記複数のサンプル点の各々における接線角度が、予め定めた長さの線分の２つの端部をその中心における各サンプル点と接続する仮想弦の角度を測定することにより測定される請求の範囲第１項乃至第３項のいずれかに記載の方法。
５．前記弦の長さもまた測定され、予め定めた最小長さより小さければ、前記サンプル点が規定されない接線方向を示す識別が割当てられる請求の範囲第１項乃至第４項のいずれかに記載の方法。
６．（ａ）前記接線方向が局部的な極値を有し、（ｂ）前後の特殊点のＰＴＤが同じ値であり、（ｃ）前記各点の接線方向が前記前後の特殊点から予め定めた角度より大きい如きサンプル点を決定し、前記後者のサンプル点を「捩り」特殊点として識別することを含み、かつ該「捩り」特殊点を前記動作（ｄ）および（ｃ）において含む請求の範囲第１項乃至第５項のいずれかに記載の方法。
７．前記方法が、手書き文字が一連の手書きのストロークとして書かれる時手書き文字のリアルタイム認識のため使用され、前記動作（ｄ）における予め定めたシーケンスから結果として生じる特殊点の配置が時間順のシーケンスである請求の範囲第１項乃至第６項のいずれかに記載の方法。
８．各手書きのストロークの始点と終点との場所を決定することを含み、前記始点および終点の場所を、前記動作（ｄ）および（ｅ）に従って文字を認識するための特殊点としても用いることを更に含む請求の範囲第７項記載の方法。
９．特殊点の前記時間順のシーケンスが、これを複数の記憶された基準文字の特殊点の記憶されたシーケンスと突合せることにより、文字を認識するため用いられる請求の範囲第７項または第８項に記載の方法。
１０．前記動作（ｄ）が、前記シーケンスにおける第１および第２の隣接する特殊点間の１８０°の変化の存在について、手書き文字の接線方向における前記変化のシーケンスを調べ、かかる１８０°の変化の存在を検出すると、属性「途切れ」で認別される更に別の特殊点を前記隣接する特殊点間の前記シーケンスに挿入し、前記更に別の特殊点に、前記第２の隣接する点の接線の方向における前記第１の点の接線方向から９０°だけ変化した接線方向を適用することを含む請求の範囲第９項記載の方法。