JPH09147052A - オンライン手書き文字認識方法及びオンライン手書き文字認識のための文字記述方法 - Google Patents

Abstract

(57)【要約】 【課題】 オンライン手書き文字認識の辞書のサイズを
縮小する。 【解決手段】 入力文字のストロークをそのバウンディ
ングボックスのサイズで正規化してから準位相構造を解
析し（ステップ２００）、その準位相構造とストローク
辞書１１４内の基本ストロークの準位相構造とのマッチ
ングにより入力文字の各ストロークのストローク・タイ
プを決定する（ステップ２０２）。各ストロークのスト
ローク・タイプとそのバウンディングボックスの対角点
又は始点，終点の座標を用いて、文字認識１１６内の文
字モデルとのマッチングを行ない文字カテゴリを同定す
る（ステップ２０４）。文字モデルは、各ストロークの
ストローク・タイプ及びバウンディングボックスの対角
点又は始点，終点の座標、ストローク数、文字コードに
より記述される。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、オンライン手書き
文字認識技術に係り、特に、カテゴリ数の多い漢字等を
扱う場合に好適なオンライン手書き文字認識技術に関す
る。

【０００２】

【従来の技術】図４は、オンライン手書き文字認識シス
テムの一般的な処理フローを示している。図４におい
て、タブレット（デジタイザ）と電子ペン（筆記具）の
組合せ等の手段により文字の筆跡データ（ｘ，ｙ座標値
の時系列）が入力される（ステップ４０１）。入力され
た手書き文字の筆跡データが認識エンジンに渡されて文
字認識がなされ、認識結果として文字コードが得られ
（ステップ４０２）、この文字コードが出力される（ス
テップ４０３）。本発明は、このようなオンライン手書
き文字認識システムの認識処理（ステップ４０２）に係
わるものである。

【０００３】このような認識処理の技術として、準位相
構造解析法による特開平３−１０８０７９号の「線図形
特徴抽出及び認識方法」が知られている。この従来技術
においては、平面上のｘ−ｙ単調曲線を基に、４種類の
プリミティブを定義し、プリミティブに対する連結演算
を行なってプリミティブ系列を生成し、プリミティブ系
列を接続して単純曲線の準位相的構造を求めることによ
り手書き文字の形状を表現する。この方法は、文字形状
の大局的構造に着眼するため、手書き文字のような変形
の多様さに柔軟に対処できるという強みがある。また、
文字形状の定量的記述には、プリミティブ系列毎に、単
純な線分に対して中心点、幅、高さ、凹凸の度合が用い
られ、複雑な曲線に対して中心点、始点、終点、幅、高
さが用いられる。

【０００４】

【発明が解決しようとする課題】しかし、上記従来技術
によれば、認識の対象範囲を漢字まで拡張した場合、認
識用辞書が膨大になるため、メモリサイズ及び処理速度
の観点から、パーソナルコンピュータのレベルのマシン
上で実用的なオンライン手書き文字認識システムを構築
することは極めて困難である。その理由を詳しく述べ
る。

【０００５】第１の理由は、準位相構造解析法が湾曲の
少ない曲線もしくは直線の記述に弱いことである。例え
ば、図５に示すような水平線（又は垂直線）に近い線分
又は湾曲の少ない曲線は、別々の構造を持たせるように
している。そのような線分はある程度統合可能である
が、凹凸のある曲線は統合できない。そのため、認識用
辞書内のモデルの数が多くなる。第２の理由は、曲線の
定量的記述部分が複雑であるため、認識用辞書内のモデ
ルのサイズが大きくなることである。第３の理由は、大
多数の漢字が湾曲の少ない線分からなっていることと、
漢字のカテゴリ数が非常に多いことである（英数字、記
号、ひらがなのカテゴリ数は１００未満であるのに対
し、漢字はＪＩＳ第１水準の２９６５字と第２水準の３
３９０字がある）。

【０００６】本発明の目的は、認識対象の範囲を漢字ま
で拡張した場合にも、パーソナルコンピュータレベルの
マシン上で高精度のオンライン手書き文字認識システム
の構築を可能にする新規なオンライン手書き文字認識方
法を提供することにある。本発明のもう一つの目的は、
オンライン手書き文字認識のために好適な文字記述方法
を提供することにある。

【０００７】

【課題を解決するための手段】上記目的を達成するた
め、本発明によれば、新規なオンライン手書き文字認識
方法と、そのための新規な文字記述方法が提供される。

【０００８】請求項１記載の発明によるオンライン手書
き文字認識方法は、予め、手書き文字サンプルのデータ
より文字の基本ストロークを抽出し、各基本ストローク
に対し固有のストローク・タイプを割り当てておくとと
もに、認識対象の各文字カテゴリ毎に、少なくとも文字
を構成する各ストロークのストローク・タイプ並びに位
置及びサイズの情報を定義しておき、認識処理の第１段
階において入力文字の各ストロークのストローク・タイ
プを決定し、認識処理の第２段階において該入力文字の
各ストロークのストローク・タイプ並びに位置及びサイ
ズの情報に基づいて該入力文字の文字カテゴリを同定す
ることを特徴とするものである。

【０００９】請求項２記載の発明は、請求項１記載の発
明によるオンライン手書き文字認識方法において、認識
処理の第１段階で、入力文字の各ストロークをそのバウ
ンディングボックスのサイズにより正規化してから準位
相構造の解析を行ない、得られた準位相構造と、予めス
トローク辞書として用意された基本ストロークの準位相
構造とのマッチング処理により、該入力文字の各ストロ
ークのストローク・タイプを決定することを特徴とする
ものである。

【００１０】請求項３記載の発明は、請求項１記載の発
明によるオンライン手書き文字認識方法において、認識
処理の第２段階で、入力文字の各ストロークと、文字辞
書として用意された文字モデルの対応関係を持つストロ
ークとの間の変形を計算し、全ての対応関係を持つスト
ロークにつき計算した変形を平均して該入力文字と該文
字モデルとの間の変形量とし、最小の変形量が得られた
文字モデルの文字カテゴリを認識結果とすることを特徴
とするものである。

【００１１】請求項４記載の発明は、請求項３記載の発
明によるオンライン手書き文字認識方法において、スト
ロークの位置及びサイズの情報として、ストロークが単
純な線分の場合にはそのバウンディングボックスの対角
点座標を用い、ストロークが複雑な曲線の場合にはその
始点及び終点の座標を用い、入力文字と文字モデルとの
マッチング処理において、対応関係を持つストローク間
の変形として、ストロークのバウンディングボックスの
対角点の距離又はストロークの始点及び終点の距離を用
いることを特徴とするものである。

【００１２】請求項５記載の発明は、請求項３記載の発
明によるオンライン手書き文字認識方法において、入力
文字のストロークと文字モデルのストロークとが、スト
ローク・タイプが同一であり、かつ、線分のストローク
の場合には相互間の角度が所定値より小さいときに対応
関係を持つと判断し、入力文字の１のストロークが文字
モデルの２以上のストロークと対応関係を持つと判断さ
れた場合には入力文字と文字モデルとの変形量が最小に
なるように該２以上のストロークより１のストロークを
選ぶことによりストロークの１対１の対応関係を確定す
る、ことを特徴とするものである。

【００１３】請求項６記載の発明による文字記述方法
は、予め手書き文字サンプルのデータより文字の基本ス
トロークを抽出し、各基本ストロークに対し固有のスト
ローク・タイプを割り当てておき、文字を構成するスト
ロークのストローク・タイプを文字の定性的記述に用
い、文字を構成するストロークのバウンディングボック
スの対角点座標又はストロークの始点及び終点の座標を
文字の定量的記述に用いることを特徴とするものであ
る。

【００１４】

【発明の実施の形態】本発明の実施の形態を明らかにす
るため、本発明の実施例について図面を用い説明する。

【００１５】図１は、本発明を実施するためのハードウ
エア構成の一例を示すブロック図である。図１におい
て、１００は座標入力用デジタイザと表示装置とが組み
合わされたタブレットであり、電子ペン１０２と組合せ
てオンライン手書き文字入力のために使用される。タブ
レット１００の表面より、表示装置の表示内容を透視で
きる。１０４はタブレット１００の座標入力及び表示を
制御するためのタブレット制御部である。１０６はオン
ライン手書き文字入力及び認識のための処理及び各部の
制御を行なうＣＰＵであり、このＣＰＵ１０６により実
行される処理や制御のためのプログラムやパラメータは
プログラムメモリ１０８に格納されている。１１０は入
力された手書き文字のデータ等を一時的に記憶するため
のデータメモリである。１１２は認識結果データ等を外
部に出力するための出力制御部である。１１４及び１１
６はそれぞれ文字認識に利用されるストローク辞書及び
文字辞書（具体的には、それらを格納したＲＡＭもしく
はＲＯＭ）であるが、その詳細については後述する。

【００１６】ここで、以下の説明に利用されるいくつか
の用語もしくは概念について定義する。

【００１７】＜点，ｐ＞電子ペン１０２の先端（ペン
先）がタブレット１００に接触し、その接触位置がある
時刻に探知されたとき、その時刻の接触点の座標値
（ｘ，ｙ）を点と呼び、ｐ＝（ｘ，ｙ）と記す。

【００１８】＜ストローク，ｓ＞電子ペン１０２を用い
てタブレット１００上に文字を手書きする時、ペン先が
タブレット１００に接触したことをペンダウン、ペン先
がタブレット１００から離れたことをペンアップと呼
ぶ。そして、ペンダウンからペンアップまでのペン先の
移動軌跡を表わす点の時系列をストロークとし、ストロ
ークｓがｎ個の点p_1，p_2，...，p_n（ｎ≧１）からな
るとき ｓ＝（p_1，p_2，...，p_n） と記す。なお、点はストロークの特殊ケース（ｎ＝１）
である。

【００１９】＜手書き文字筆跡，Ｃ＞手書き文字筆跡と
は、ストロークの時系列のことである。混乱が生じない
かぎり、手書き文字筆跡を「文字」と呼んでも差し支え
がない。ある文字Ｃがｗ個のストローク（ｗ≧１）で書
かれ、ストロークの書き順が s_1，...，s_w である
とき、 Ｃ＝（s_1，...，s_w） と記す。点又はストロークは文字の特殊ケースである。

【００２０】＜バウンディングボックス，ＢＢ（Ｂound
ing Ｂox）＞バウンディングボックスとは、点、スト
ローク又は文字を囲む長方形のことである。バウンディ
ングボックスは、その左上と右下の２対角点の座標で示
す。すなわち、点ｐ＝（ｘ，ｙ）のバウンディングボッ
クスは ＢＢ（ｐ）＝（(x，y)，(x，y)） である。また、 ストロークｓ＝（p_1，p_2，p_3，...，p_n） ＝（(x_1，y_1)，(x_2，y_2)，(x_3，y_3)，...，(x_n，y_n)） のバウンディングボックスは ＢＢ（ｓ）＝（(x_min_s，y_min_s)，(x_max_s，y_max_
s)） である。ここで、 x_min_s＝min｛x_1，x_2，x_3，...，x_n｝ y_min_s＝min｛y_1，y_2，y_3，...，y_n｝ x_max_s＝max｛x_1，x_2，x_3，...，x_n｝ y_max_s＝max｛y_1，y_2，y_3，...，y_n｝ である。また、文字Ｃ＝（s_1，s_2，...，s_w）のバウ
ンディングボックスは ＢＢ（Ｃ）＝（(x_min_C，y_min_C)，(x_max_C，y_max_
C)） である。ここで、 x_min_C＝min｛x_min_s_1，x_min_s_2，...，x_min_s_
w｝ y_min_C＝min｛y_min_s_1，y_min_s_2，...，y_min_s_
w｝ x_max_C＝max｛x_max_s_1，x_max_s_2，...，x_max_s_
w｝ y_max_C＝max｛y_max_s_1，y_max_s_2，...，y_max_s_
w｝ である。

【００２１】次に、本実施例における認識処理の内容を
説明する。図２は認識処理の流れを示す概略フローチャ
ートである。

【００２２】最初のステップ２００において、手書き入
力された文字の各ストロークを、そのバウンディングボ
ックスＢＢ（ｓ）のサイズによって正規化し、正規化後
の各ストロークの準位相構造を解析する。従来の準位相
構造解析法では文字単位で各ストロークの準位相構造を
解析するため、文字のバウンディングボックスＢＢ
（Ｃ）のサイズによって各ストロークを正規化した。こ
れに対し、本実施例では、ストローク単位で準位相構造
を解析するため、ストロークの正規化に、ストロークの
バウンディングボックスＢＢ（ｓ）のサイズを使う。

【００２３】このステップ２００において、正規化前の
各ストロークの幾何学的パラメータとして、次のいずれ
かの座標値を検出する。すなわち、 １）ストロークが、図３（ａ）に示すストローク３０１
のような単純な線分の場合、そのバウンディングボック
スの対角点（左上、左下の各点）の座標値を検出する。
他方、 ２）ストロークが、図３（ｂ）に示すストローク３０２
のような複雑な曲線の場合、ストロークの始点座標（ｘ
０，ｙ０）と終点座標（ｘ１，ｙ１）を検出する。

【００２４】このように、ストロークが単純な線分の場
合と複雑な曲線の場合とで、特徴点のとり方、つまり幾
何学的パラメータのとり方を変えることにより、少ない
データ量で多様なストロークの定量的記述を的確に行な
うことができる。このことは、文字辞書１１６内の文字
モデルの記述においても同様であり、文字辞書１１６の
サイズの縮小に寄与する。

【００２５】次のステップ２０２において、手書き入力
された文字の各ストロークに関し、前ステップ２００で
解析された準位相構造とストローク辞書１１４に登録さ
れているストロークモデル（基本ストローク）の準位相
構造とのマッチングを行ない、ストロークのタイプを決
定する。かくして、入力文字（又はその各ストローク）
は、ストローク・タイプにより定性的に記述され、スト
ロークのバウンディングボックスの対角点座標又はスト
ロークの始点及び終点の座標によって定量的に記述され
たことになる。このような文字記述方法は、文字辞書１
１６内のモデルのサイズを小さくできるため、文字辞書
１１６のサイズ縮小に寄与する。

【００２６】なお、ストローク辞書１１４は、次のよう
にして作成されている。手書き文字サンプルのデータベ
ースを用意しておき、データベース中の手書き文字サン
プルの各ストロークを、そのバウンディングボックスＢ
Ｂ（ｓ）のサイズで正規化してから、準位相構造を解析
する。そして、準位相構造の統合可能なストロークを１
つの集合体にまとめて統計計算を行ない、それぞれの集
合体を代表するモデルを基本ストロークとして抽出す
る。基本ストロークのモデルは、その準位相構造とスト
ローク・タイプにより記述される。基本ストロークの種
類は、漢字を含めた文字のカテゴリ数と比較にならない
ほど少ない。

【００２７】以上のようにして入力文字（その各ストロ
ーク）が定性的、定量的に記述されると、次のステップ
２０４において文字辞書１１６とのマッチング処理によ
り入力文字の文字カテゴリを同定する。

【００２８】文字辞書１１６は、手書き文字サンプルの
データベースから、基本ストロークをベースにして作成
された文字モデルが登録されている。各文字モデルは、
１）文字カテゴリの文字コード、２）ストローク数ｎ、
３）各ストロークのストローク・タイプ（対応した基本
ストロークのタイプ）と、そのバウンディングボックス
の対角点の座標（単純な線分のストロークの場合）又は
ストロークの始点及び終点の座標（複雑な曲線のストロ
ークの場合）により記述されている。このような文字記
述方法によれば各文字モデルのサイズは小さできるた
め、認識対象範囲をＪＩＳ第２水準の漢字まで広げた場
合でも、文字辞書１１６のサイズは、準位相構造解析法
による認識用辞書のサイズに比べ遥かに小さくなり、メ
モリサイズの制約が厳しいパーソナルコンピュータにお
いても文字辞書１１６の格納に支障はない。

【００２９】入力文字と文字辞書１１６の文字モデルと
のマッチングは、まず、入力文字のストロークと、それ
に対応した文字文字モデルのストロークとの間の変形量
（ストロークレベルの変形量）を計算する。ストローク
レベルの変形量は、単純な線分のストロークの場合に
は、それらのバウンディングボックスの対角点の間の距
離を用い、単純な線分でないストロークの場合は、それ
らの始点及び終点の間の距離を用いる。そして、全ての
対応ストローク間の変形量を平均して、文字レベルの変
形量とし、これが最小の文字モデルの文字カテゴリを認
識結果とし、その文字コードを出力する。なお、入力文
字とストローク数が一致しない文字モデルは候補から除
外される。

【００３０】＜ストロークの対応関係＞入力文字と文字
モデルのストロークの対応関係は、次の２原則により確
定される。 原則１：ストロークが単純な線分の場合、ストローク・
タイプが同じで、かつ、ストローク相互間の角度がある
閾値（例えば１５度）より小さいこと。複雑な曲線のス
トロークの場合はストローク・タイプが同じであるこ
と。 原則２：入力文字のあるストロークが、原則１によれば
文字モデルの複数のストロークと対応関係を持つ場合、
全ストロークの変形量の合計値が最小になるように対応
関係を調整し、ストロークの１対１の対応関係を確定す
る。

【００３１】＜ストロークレベル、文字レベルの変形量
の計算＞入力文字Ｃ＝（s_1，...，s_w）と文字モデル
Ｍ＝（t_1，....，t_w）とのマッチングを想定する。入
力文字のあるストロークｓ＿ｉが文字モデルＭのあるス
トロークｔ＿ｊと対応しているとする。ここでストロー
クｓ＿ｉ（１≦ｉ≦ｗ）は、ｓ＿ｉ＝（(x_i_1，y_i_
1)，(x_i_2，y_i_2)，...，(x_i_m，y_i_m)）そのバウ
ンディングボックスＢＢ（ｓ）は、 ＢＢ（ｓ）＝（(x_min_s，y_min_s)，(x_max_s，y_max_
s)） である。また、ストロークｔ＿ｊ（１≦ｊ≦ｗ）は、 ｔ＿ｊ＝（(x_j_1，y_j_1)，(x_j_2，y_j_2)，...，(x_
j_n，y_j_n)） そのバウンディングボックスＢＢ（ｔ）は、 ＢＢ（ｔ）＝（(x_min_t，y_min_t)，(x_max_t，y_max_
t)） である。そして、２点（ｘ１，ｙ１），（ｘ２，ｙ２）
間の距離を次のように定義する。 ｄｐ((x1，y1)，(x2，y2))＝ｓｑｒｔ((x1-x2)*(x1-x2)
＋(y1-y2)*(y1-y2)） ただし、ｓｑｒｔ（）は（）の平方根を意味する。

【００３２】以上の定義に基づき、対応ストローク間の
距離は次のように計算される。まずストロークｓ＿ｉが
単純な線分の場合、ｓ＿ｉとｔ＿ｊとの距離は、 ｄ＿ｉ＝（ｄｐ（(x_min_s，y_min_s)，(x_min_t，y_mi
n_t)）＋ｄｐ（(x_max_s，y_max_s)，(x_max_t，y_max_
t)））／２ により求められる。ストロークｓ＿ｉが単純な線分でな
い（複雑な曲線である）場合、ｓ＿ｉとｔ＿ｊの距離
は、 ｄ＿ｉ＝（ｄｐ（(x_i_1，y_i_1)，(x_j_1，y_j_1)）＋
ｄｐ（(x_i_m，y_i_m)，(x_j_n，y_j_n)））／２ によって求められる。そして、入力文字Ｃと文字モデル
Ｍとの変形量は、ストローク間距離すなわちストローク
レベルの変形量の平均、すなわち、 ｄ（Ｃ，Ｍ）＝（ｄ＿１＋ｄ＿２＋．．．ｄ＿ｗ）／ｗ として求められる。

【００３３】以上に述べたように、本実施例においては
手書き文字のストロークのタイプの確定のために準位相
構造解析法を利用するが、基本ストロークは文字に比べ
てカテゴリ数が遥かに少ないため、ストローク辞書１１
４は従来の準位相構造解析法による認識用辞書に比べ非
常に小さくなる。その結果として、ストローク辞書との
マッチングのための処理量も少ない。また、文字レベル
のマッチングのための文字辞書１１６は、カテゴリ数が
非常に多いが、そのモデルは前述のような少ないデータ
で記述されるため、準位相構造解析法による従来の認識
用辞書に比べて小さく、その結果として、文字辞書１１
６とのマッチングのための処理量も少なく、処理アルゴ
リズムも単純でプログラムサイズも小さくなる。

【００３４】なお、本実施例では、ストローク・タイプ
の確定のために準位相構造解析法（ただし、従来と異な
りストロークの正規化にストロークのバウンディングボ
ックスのサイズを用いる）を利用したが、他の方法を用
いることも可能である。どのような方法を用いようと、
十分な精度でストローク・タイプを確定できるならば、
同等の文字認識率を達成できる。

【００３５】

【発明の効果】以上、実施例に基づき詳細に説明したよ
うに、本発明は、基本ストロークとストローク・タイプ
という概念を導入し、認識処理の第１段階で入力文字の
各ストロークのストローク・タイプを決定する。認識対
象範囲を漢字まで拡張した場合においても、基本ストロ
ークの種類はかなり少ないため、ストローク・タイプの
決定のために必要な辞書（ストローク辞書）のサイズは
十分に小さくなる。

【００３６】また、本発明は、ストロークのストローク
・タイプによって文字を定性的に記述し、ストロークの
位置及びサイズの情報、より具体的には単純な線分のス
トロークの場合にはストロークのバウンディングボック
スの対角点座標、複雑な曲線のストロークの場合には、
その始点及び終点の座標を用いて、文字を定量的に記述
する。このような文字記述方法によれば、従来の準位相
構造解析法による場合に比べ遥かに少ないデータ量で文
字の記述が可能である。したがって、認識処理の第２段
階で入力文字の文字カテゴリを同定するために必要な辞
書（文字辞書）のサイズを、従来の準位相構造解析法の
場合より遥かに小さくできる。

【００３７】このように、本発明によれば、認識対象範
囲を漢字まで拡張しても、認識用辞書のサイズがそれほ
ど大きくならない。また、辞書のサイズが小さくなれ
ば、その分だけ認識のための処理量も少なくなる。さら
に、文字記述が単純であるため、認識処理そのものも単
純になり、そのプログラムもコンパクトにすることがで
きる。したがって、本発明によれば、メモリサイズやＣ
ＰＵ能力が制約されるパーソナルコンピュータ程度のマ
シン上で、認識対象を漢字まで拡張した、認識精度の高
いオンライン手書き文字認識システムを構築可能であ
る。

【図面の簡単な説明】

【図１】本発明を実施するためのハードウエア構成の一
例を示すブロック図である。

【図２】本発明の一実施例における認識処理の概略フロ
ーチャートである。

【図３】（ａ）単純な線分のストロークの幾何学的パラ
メータの説明図である。 （ｂ）複雑な曲線のストロークの幾何学的パラメータの
説明図である。

【図４】オンライン手書き文字認識システムの一般的な
処理の流れを示すフローチャートである。

【図５】準位相構造解析法が不得意な直線又は湾曲の少
ない曲線の例を示す図である。

【符号の説明】

１００ タブレット １０２ 電子ペン １０４ タブレット制御部 １０６ ＣＰＵ １０８ プログラムメモリ １１０ データメモリ １１２ 出力制御部 １１４ ストローク辞書 １１６ 文字辞書 ３０１ 単純な線分のストロークの例 ３０２ 複雑な曲線のストロークの例

Claims (6)

【特許請求の範囲】
1. 【請求項１】 予め、手書き文字サンプルのデータより
   文字の基本ストロークを抽出し、各基本ストロークに対
   し固有のストローク・タイプを割り当てておくととも
   に、認識対象の各文字カテゴリ毎に、少なくとも文字を
   構成する各ストロークのストローク・タイプ並びに位置
   及びサイズの情報を定義しておき、 認識処理の第１段階において入力文字の各ストロークの
   ストローク・タイプを決定し、認識処理の第２段階にお
   いて該入力文字の各ストロークのストローク・タイプ並
   びに位置及びサイズの情報に基づいて該入力文字の文字
   カテゴリを同定することを特徴とするオンライン手書き
   文字認識方法。
2. 【請求項２】 請求項１記載のオンライン手書き文字認
   識方法において、認識処理の第１段階で、入力文字の各
   ストロークをそのバウンディングボックスのサイズによ
   り正規化してから準位相構造の解析を行ない、得られた
   準位相構造と、予めストローク辞書として用意された基
   本ストロークの準位相構造とのマッチング処理により、
   該入力文字の各ストロークのストローク・タイプを決定
   することを特徴とするオンライン手書き文字認識方法。
3. 【請求項３】 請求項１記載のオンライン手書き文字認
   識方法において、認識処理の第２段階で、入力文字の各
   ストロークと、文字辞書として用意された文字モデルの
   対応関係を持つストロークとの間の変形を計算し、全て
   の対応関係を持つストロークにつき計算した変形を平均
   して該入力文字と該文字モデルとの間の変形量とし、最
   小の変形量が得られた文字モデルの文字カテゴリを認識
   結果とすることを特徴とするオンライン手書き文字認識
   方法。
4. 【請求項４】 請求項３記載のオンライン手書き文字認
   識方法において、ストロークの位置及びサイズの情報と
   して、ストロークが単純な線分の場合にはそのバウンデ
   ィングボックスの対角点座標を用い、ストロークが複雑
   な曲線の場合にはその始点及び終点の座標を用い、入力
   文字と文字モデルとのマッチング処理において、対応関
   係を持つストローク間の変形として、ストロークのバウ
   ンディングボックスの対角点の距離又はストロークの始
   点及び終点の距離を用いることを特徴とするオンライン
   手書き文字認識方法。
5. 【請求項５】 請求項３記載のオンライン手書き文字認
   識方法において、入力文字のストロークと文字モデルの
   ストロークとが、ストローク・タイプが同一であり、か
   つ、線分のストロークの場合には相互間の角度が所定値
   より小さいときに対応関係を持つと判断し、入力文字の
   １のストロークが文字モデルの２以上のストロークと対
   応関係を持つと判断された場合には入力文字と文字モデ
   ルとの変形量が最小になるように該２以上のストローク
   より１のストロークを選ぶことによりストロークの１対
   １の対応関係を確定する、ことを特徴とするオンライン
   手書き文字認識方法。
6. 【請求項６】 予め、手書き文字サンプルのデータより
   文字の基本ストロークを抽出し、各基本ストロークに対
   し固有のストローク・タイプを割り当てておき、文字を
   構成するストロークのストローク・タイプを文字の定性
   的記述に用い、文字を構成するストロークのバウンディ
   ングボックスの対角点座標又はストロークの始点及び終
   点の座標を文字の定量的記述に用いることを特徴とす
   る、オンライン手書き文字認識のための文字記述方法。