JPH0981690A

JPH0981690A - 手書き文字オンライン認識装置とその字体登録・学習方法

Info

Publication number: JPH0981690A
Application number: JP7239932A
Authority: JP
Inventors: Masaki Nakagawa; 正樹中川; Ban Touu Ree; バントゥーレー
Original assignee: Individual
Current assignee: Individual
Priority date: 1995-09-19
Filing date: 1995-09-19
Publication date: 1997-03-28
Anticipated expiration: 2015-09-19
Also published as: JP2994992B2

Abstract

(57)【要約】【課題】個人の癖字や略字等でも少ない辞書登録数で
高効率で文字認識する。【解決手段】癖字等を一部（例えば言偏部分）に含む
入力文字パターン「語」について辞書登録が行われたと
き、入力文字パターンとこれに対応する標準パターンと
を比較し、標準パターンを構成する部首パターンに類似
しない部分パターン（言偏部分）を検出してこの部分パ
ターンを入力文字パターンから自動的に分割し、この部
分パターンを該当する部首のパターンとして登録する。
言偏部分が同様の癖字となっている「話」が筆記入力さ
れたとき、これとマッチングする標準パターンが、癖字
の「言」と、標準パターン「舌」とを組み合わせ構成さ
れれば、認識率は向上する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明はタブレットから手書
き入力された文字をオンラインで認識する手書き文字オ
ンライン認識装置に係り、特に、標準的な字体と異なる
手書き文字を少ないユーザ登録辞書から高効率で認識す
るのに好適な字体登録・学習方法に関する。

【０００２】

【従来の技術】タブレットから手書き入力された文字パ
ターンを認識する装置では、入力された手書き文字に対
し、予め装置に登録されている標準字体の辞書を用いた
マッチング処理が行われる。手書き入力文字が、標準字
体のように正しい筆順でしかも丁寧に楷書で書かれてい
れば、その認識率は高くなる。しかし、手書き入力文字
の筆順が間違っていると、その入力文字の特徴点列の順
序が標準字体の特徴点列の順序と大きく異なってしま
い、認識率が低くなる。

【０００３】そこで、例えば、情報処理学会第５０回
（平成７年前期）全国大会の予稿集２−６１頁の４Ｄ−
４「ストローク数非依存の高速オンライン手書き文字認
識手法」レー・バン・トゥー等（東京農工大学）に記載
されているように、構造化字体表現を併用する技術が提
案されている。この構造化字体表現を、図１２，図１３
を用いて説明する。

【０００４】図１２に示した例では、「明」という標準
字体パターンを、「日」というパターンと、「月」とい
うパターンとから、下記手順(1)〜(4)により求め、これ
を入力文字と比較するようにしている。 (1) 構成要素「日」の標準パターンを、文字「明」の第
一部分の位置（この場合、偏の位置）とサイズに変換す
る。 (2) 構成要素「月」の標準パターンを、文字「明」の第
二部分の位置（この場合、旁の位置）とサイズに変換す
る。 (3) 上記(1)で変換された標準パターンの終点Ｅを、(2)
で変換された標準パターンの始点Ｓにつなげる。 (4) できたパターンを、１文字のサイズに変換する。

【０００５】上述したように、文字Ａ（上記例では
「明」）が、構成要素Ｂ（上記例では「日」）と構成要
素Ｃ（上記例では「月」）とからなり、文字Ａの標準パ
ターンとして登録された数（筆順や筆跡の違うパターン
数）がｋ個あり、構成要素Ｂとして登録された数がｍ個
あり、構成要素Ｃとして登録された数がｎ個ある場合、
入力文字と比較する標準パターンの全数は、ｍ×ｎ＋ｋ
となる。

【０００６】図１３は、「猫」の標準パターン形成の例
を示す図である。獣偏の標準パターン数が３個あり、草
冠の標準パターン数が３個あり、「田」の標準パターン
数が２個あり、「猫」として１個の標準パターンが登録
されていたとすると、「猫」の全体の標準パターン数
は、３×３×２＋１＝１９個となる。

【０００７】

【発明が解決しようとする課題】上述した構造化字体表
現を採用することで、全ての文字（漢字でいえば、第１
水準および第２水準の合計６３００有余の文字）をユー
ザ登録しなくても、手書き文字の認識率を向上させるこ
とができる。しかし、個人の癖字や略字は、くずした文
字でしかも一筆書きや二筆書き等で書かれるため、上記
の構造化字体表現を採用しても、基になる辞書パターン
が楷書等で書かれていると、全く認識できないことにな
る。また、異字体なども、認識不可能である。このよう
な略字や異字体を高効率で認識できるようにするには、
文字の全てについて個人の癖字等を登録しておく必要が
あり、登録作業に多大な時間を費やさなければならない
という問題がある。

【０００８】本発明の目的は、個人の癖字や略字等も少
ない辞書登録数で高効率で認識可能にする字体登録・学
習方法と手書き文字オンライン認識装置を提供すること
にある。

【０００９】

【課題を解決するための手段】上記目的は、登録されて
いる各種部首パターンの組み合わせで構成される標準パ
ターンと、筆跡を座標データ列として出力するタブレッ
トを用いて取得した入力文字パターンとのマッチング処
理を行って該入力文字パターンの認識を行う手書き文字
オンライン認識装置において、入力文字パターンについ
て辞書登録が行われたとき、該入力文字パターンとこれ
に対応する前記標準パターンとを比較し、該標準パター
ンを構成する部首パターンに類似しない部分パターンを
前記入力文字パターンから自動的に分割し、該部分パタ
ーンを該当する部首のパターンとして登録することで、
達成される。

【００１０】人間は、ある部首など文字の一部について
特異な筆記をする場合、その部首などを字形の一部に含
むすべての文字において、系統的にその特異な筆記をす
る場合が多い。もしある文字でその特異な筆記をする部
分が特定され、その特定部分を登録できれば、上述した
構造化字体表現を採用することで、文字登録の労力は大
幅に軽減されることになる。

【００１１】そこで、筆跡を座標データ列として出力す
るタブレットを用いて取得した文字パターンデータに基
づき筆記文字の認識を行うに際し、標準字体と異なる文
字パターンが登録されたとき、この登録文字パターンに
ついて、更に以下の処理を行う。

【００１２】登録文字パターン（例えば、「語」という
文字で、言偏部分が略字となっている文字パターンとす
る。）と辞書パターンとを照合し、一致する部分パター
ン（「言」「吾」）があるか否かを判定する。一致する
部分パターンがあれば、残りの部分同士が対応するもの
として登録する（上記例で、「吾」部分が一致すれば、
残りの略字部分パターンと「言」とが一致するものとし
て登録する）。そして、この略字部分を、同様の略字部
分を含む他の文字（「詳」「論」等の文字）の構造化字
体表現による認識処理のときに使用する。

【００１３】

【発明の実施の形態】以下、本発明の一実施例を図面を
参照して説明する。図３は、本発明の一実施例に係る手
書き文字オンライン認識装置のうち文字認識のための字
体登録機能を示す構成図である。この文字オンライン認
識装置は、入力文字パターンを分割せずに登録（学習）
するパターン全体学習部１と、入力文字パターンを自動
的に分割し登録（学習）すべき部分を登録（学習）する
自動分割学習部２と、構造化字体表現辞書３と、入力文
字パターンが基本部首のみであるか否かを判定し基本部
首のみのとき（＝分割できないとき）には入力文字パタ
ーンをパターン全体学習部１に渡しそうでない場合には
入力文字パターンを自動分割学習部２に渡す判定部４
と、自動分割学習部２による入力文字の自動分割が失敗
しアプリケーションに対して分割要求が出力され（アプ
リケーションは、この分割要求により、ユーザに対して
自動分割の失敗文字を分割して入力するように促すガイ
ダンスを出力する。）てから入力された分割文字を学習
して構造化字体表現辞書３に登録する被分割指示パター
ン学習部５とからなる。

【００１４】図４は、自動分割学習部２で行われる自動
分割学習処理手順を示すフローチャートである。この図
４で用いている変数と記号の定義は、 In_ptt：正規化された入力パターン B,C：認識結果として出力してほしい文字（被登録文
字） A の構成要素 Cat(A)：文字または部首 A のカテゴリパターンセット
（ A を表す標準パターンの集合） Des_Score：誤認識したときの入力パターンと誤認識結
果との類似度 MaxScore(In_ptt,Cat(A))：入力パターンと Cat(A) の
それぞれとの類似度の最大値である。

【００１５】この図４の処理手順では、まず、入力パタ
ーン In_Ptt から被登録文字Ａ（構成要素ＢとＣから成
る。）の一方の構成要素Ｂの標準パターンと似ている部
分が検出できるか否かを判定する（ステップ１）。この
判定結果が否定（類似しない）であれば後述するステッ
プ５に進み、構成要素Ｂと類似する部分が検出できる場
合には、残りの部分を切り出しこれを構成要素Ｃとして
登録してみる（ステップ２）。そしてこの登録により、
入力パターンと被登録文字のカテゴリパターンセットと
の最大類似度 MaxScore(In_Ptt,Cat(A)) が目的類似度
Des_Score（入力パターンに対して新しい標準パターン
を登録しても、その入力パターンと新しい標準パターン
との類似度が、登録前に誤認識していた標準パターンと
の類似度を越えなければ、登録後も類似度の一番大きい
ものは依然として誤認識していた標準パターンになって
しまう。従って、それを越えることが必要なことから、
Des_Scoreは、目的類似度となる。）より大きくなるか
否かを判定する（ステップ３）。この判定結果が肯定(y
es)であれば学習を終了し、否定(No)であればステップ
２での登録をキャンセルし（ステップ４）、ステップ５
に進む。

【００１６】ステップ５以下では、他方の構成要素Ｃに
対して前述したステップ１〜４と同じ処理を行い、分割
ができなかった場合（ステップ５での判定結果が否定ま
たはステップ８に進んだ場合）には、自動分割学習が失
敗したとしてアプリケーションに対して分割要求を出力
する。

【００１７】図５は、図４のステップ１（構成要素Ｂに
似ている部分を検出する処理）の詳細手順を示すフロー
チャートである。図５の処理では、構成要素Ｂのカテゴ
リパターンセットと比較し、入力パターンのうち最も似
ている部分パターンを検出し、この部分パターンと残り
の部分とを区切る区切り点を返す処理を行う。この図５
のフローチャートの各ステップ内に記載した変数と記号
の定義は、次の通りである。

【００１８】ストローク（ペンをおろしてからあげるま
でに書かれる一つの筆画）の j 番目筆点（公知技術で
求めた特徴点と同じ）は始点であるとき Is_Start(j) = 1 終点であるとき Is_End(j) = 1 Part(X：s〜e)：パターン X の第 s 点から第 e 点ま
での部分パターン Points(X)：パターン X の筆点数 Points1(X)：パターン X の第１部分の筆点数 Points2(X)：パターン X の第２部分の筆点数 n：構成要素 B のカテゴリパターンセットの標準パター
ン数 i : B のカテゴリパターンセット内の標準パターンを指
す指数 PB(i) : B のカテゴリパターンセットの i 番目の標準
パターン Cut_start = 2 ：第１部分の筆点数が最小のときのその
終点 Cut_end = Points(In_Ptt)-3：第１部分の筆点数が最大
のときのその終点 Cut_run : 第１部分の終点を探すための変数 Cut_candidate：第１部分の終点候補 Part_score：入力パターンの第１部分とB カテゴリの標
準パターンとの類似度 Part_maxscore：Part_score の最大値 OK_score：二つのパターンが似ているかどうかを判断す
るための類似度のしきい値以上が定義である。

【００１９】この図５の処理では、入力したパターンが
ある点で二つの部分に分けられ、第１部分は構成要素Ｂ
のある標準パターンに似ていると仮定して、その区切り
点を返す。構成要素Ｂのカテゴリパターンセットのすべ
ての標準パターン PB(i) について、入力パターンの第
１部分の終点（区切り点）が、筆点（特徴点）の２番目
（本実施例では、筆点の始点を０番目としているため、
２番目とは始点から数えて３番目の筆点）から Points
(In_ptt)-3 番目の点（同様に、筆点の最終点から２番
目）までの間にあるとしてその部分パターンを切り出
し、PB(i) とマッチングし、類似度が一番高い標準パタ
ーンと入力パターンの区切り点とを決めて、区切り点を
返す。

【００２０】第１部分を入力パターンの始点から区切り
点までの部分とし、区切り点の次点（もし、それがスト
ロークの終点ならば、さらにその次の点）から入力パタ
ーンの終点までの部分を第２部分として返す。ただし、
この類似度が“０”または小さすぎる（しきい値 OK_sc
ore より小さい）場合は、似ている標準パターンが見つ
からないとして返す。

【００２１】以下、図５の詳細手順を説明する。まずス
テップ１０で、変数ｉと変数Part_maxscoreの値を
“０”とする初期化を行い、次のステップ１１で、変数
ｉの値が、構成要素Ｂの標準パターン数ｎより小さいか
否かを判定する。変数ｉの値は、後述するステップ１８
で“１”づつインクリメントされ、以下の処理が標準パ
ターン数ｎだけ繰り返される。最初はｉ＝０のため、ス
テップ１１の判定結果はYesとなってステップ１２に進
む。ステップ１２では、区切り点を探すための変数Cut_
runの値として変数Cut_startの値（今の場合、“２”）
を入れ、ステップ１３に進む。変数Cut_runの値は、後
述するステップ１７で“１”づつインクリメントされ
る。

【００２２】ステップ１３では、変数Cut_runの値が変
数Cut_endの値以下であるか否かが判定される。本実施
例では、入力パターンの筆点（特徴点）のうちどれが区
切り点になるかを調べるため、区切り点と仮定する点を
入力パターンの筆点上で１点づつ始点側から終点側にず
らしていき、区切り点より前の部分パターンを標準パタ
ーンと比較してその類似度を求めるものである。従っ
て、ステップ１３では、その仮定した区切り点が第１部
分の終点（入力パターンの第２部分の筆点は最小でも２
点あるため、第１部分の終点の最大は、入力パターンの
終点の２点前となる。）に達したか否かを判定する。

【００２３】ステップ１３での判定結果がYesの場合に
は、次のステップ１４に進み、入力パターンの始点から
現在の変数Cut_runの値の筆点までの部分パターンと、
構成要素Ｂのｉ番目の標準パターンとの類似度を求め
る。そして、次のステップ１５では、この類似度が現在
までの類似度スコアの最大値を示す変数Part_maxscore
の値より大きいか否かを判定する。この判定により類似
度が大きくなった場合には、ステップ１６に進み、現在
のCut_runの値を区切り点の終点候補を示す変数Cut_can
didateの値として入れると共に、ステップ１４で求めた
類似度Part_scoreの値を変数Part_maxscoreの値として
入れる。そして、ステップ１７に進み、Cut_runの値を
１つインクリメントしてステップ１３に戻る。ステップ
１５での判定で類似度が小さくなった場合には、ステッ
プ１６を飛び越してステップ１７に進む。

【００２４】ステップ１３からステップ１７までの処理
を繰り返し、Cut_runの値が第１部分の終点に達したと
きは、ステップ１３からステップ１８に進んで変数ｉの
値をインクリメントし、比較対象とする標準パターンを
替え、以降、ステップ１１，１２と進み、ステップ１３
からステップ１７までの処理を繰り返す。

【００２５】比較対象とする標準パターン数すべてにつ
いて処理を終了すると、ステップ１１での判定結果が否
定(No)となり、ステップ１９に進む。このステップ１９
では、変数Part_maxscoreの値がOK_scoreの値（しきい
値）より大きいか否かを判定し、しきい値より大きい場
合には構成要素Ｂの標準パターンに類似する部分パター
ンが見つかったとし、しきい値より小さい場合には標準
パターンに類似する部分パターンは見つからなかったと
判断する。

【００２６】以上が、図４のステップ１の詳細手順であ
る。図４のステップ５の詳細手順は、基本的には図５の
処理手順と同様なため、その詳細な説明は省略する。こ
のステップ５では、標準パターン（構成要素Ｃ）と類似
する第２部分（旁の部分）を検出する。このステップ５
では、仮定した区切り点から終点までの部分を第２部分
として、カテゴリ C の標準パターンとマッチングを繰
り返し、区切り点を探す。そして、成功した場合には、
入力パターンの始点から区切り点の前点（もしそれがス
トロークの始点であれば、さらにその前の点）までの部
分を第１部分として返す。

【００２７】図４に示す自動分割学習方法で、入力パタ
ーンの第１部分あるいは第２部分と似ている構成要素の
標準パターンが辞書にあれば、両部分間が筆画でつなげ
られた入力パターンに対しても、自動分割は成功する。
図１に、具体的な例を示す。図１において、左の箱は略
字の「言」偏で書かれた「語」の入力パターンである。
この入力パターンを自動分割学習したいとする。

【００２８】「語」という漢字は「言」と「吾」からな
るため、それらの標準パターンを決められたサイズ
（「言」は偏のサイズに、「吾」は旁のサイズ）に変換
する。今の場合、「吾」のカテゴリパターンセットは標
準パターンが一個だけあるとする。

【００２９】入力パターンから「吾」の標準パターンと
似ている部分を検出するには次のように行う。Cut_run
を Cut_start から Cut_end までの範囲で、仮定の区切
り点により、入力パターンを二つの部分に分けて、第２
部分を「吾」の標準パターンとマッチングする。類似度
が一番高く、また OK_Score より大きくなる点を最後的
な区切り点とする。図１の例では、点Ｃが区切り点であ
ると決定し、入力パターンの始点からＣの前点Ｃ'まで
の部分を第１部分のパターンとして返す。

【００３０】上述した実施例は、漢字を入力パターンと
した例であるが、本発明は英単語の認識にも適用するこ
とができる。英単語を認識する場合には，接頭語や語
幹，活用語尾などの単位を単語の構成要素と考えること
で，上述した漢字の場合と同様に適用できる。図２にそ
の具体例を示す。単語 <software> は，要素 <soft>と
<ware> からなり，それぞれに，図２の右側に示した標
準パターンが登録されているとする。英単語の場合、単
語の標準パターンは、その構成要素の標準パターンを連
接することで生成される。

【００３１】入力パターンとして、左側に示した個人の
癖字による筆記体のパターンが記入され，それを自動分
割して登録する。この場合、入力パターンから <soft>
または <ware> の標準パターンと似ている部分が検出で
きるか否かを判定する。上述した漢字の例と同様に、Cu
t_run の筆点を Cut_start から Cut_end までの範囲で
の仮定の区切り点として入力パターンを二つの部分に分
け、第１部分を <soft> の標準パターンとマッチング
し、または、第２部分を <ware> の標準パターンとマッ
チングする。そして、類似度が一番高く、また、OK_Sco
re より大きくなる点を最終的な区切り点として、例え
ば第２部分 <ware> を切り出し、残りの部分（癖字がひ
どく辞書パターンとは似ていない部分）を <soft> とし
て構造化字体表現辞書に登録する。

【００３２】図６は、図３に示す被分割指示パターン学
習部５の詳細処理手順を示すフローチャートである。こ
の被分割指示パターンの学習処理は、自動分割学習が成
功しなかったときアプリケーションによりユーザにガイ
ダンスが出力され、ユーザがそれに基づいて分割したパ
ターンを入力したときに起動される。この学習部５に
は、文字全体の入力パターンと、２つの部分パターンの
合わせて３つのパターンが渡される。図６に示すフロー
チャートの各ステップ中に使用した変数と記号の定義
は、以下の通りである。

【００３３】In_Ptt：正規化された入力パターン In_Ptt1, In_Ptt2：正規化された二つの入力部分パター
ン Score1：In_Ptt1 を登録した後の In_Ptt と Cat(A) と
の最大類似度 Score1：In_Ptt2 を登録した後の In_Ptt と Cat(A) と
の最大類似度 Score：In_Ptt1 及び In_Ptt2 を登録した後の In_Ptt
と Cat(A) との最大類似度。

【００３４】まず、ステップ２１で Score1,Score2 を
“０”とする初期化を行う。そして、次のステップ２２
で In_Ptt1 を構成要素Ｂとして登録してみる。次にス
テップ２３で、被登録文字のカテゴリパターンセットと
マッチングしてみてその最大類似度 MaxScore の値を S
core1 に入れてから、構成要素Ｂとしての登録をキャン
セルする（ステップ２４）。

【００３５】次に、ステップ２５で、In_Ptt2 を構成要
素Ｃとして登録してみる。そして、次のステップ２６
で、被登録文字のカテゴリパターンセットとマッチング
してみてその最大類似度 MaxScore の値を Score2 に入
れてから、構成要素Ｃとしての登録をキャンセルする
（ステップ２７）。

【００３６】次のステップ２８で、Score1 ＞ Score2
であるか否かを判定し、Yesであればステップ２９で Sc
ore1 ＞ Des_Score であるか否かを、Noであればステッ
プ３０で Score2 ＞ Des_Score であるか否かを夫々判
定する（Des_Score については図４のフローチャートの
定義参照）。ステップ２９での判定結果がYesであれば
次のステップ３１にて In_Ptt1 を構成要素Ｂとして登
録し、処理を終了する。ステップ３０での判定結果がYe
sであれば次のステップ３２にて In_Ptt2 を構成要素Ｃ
として登録し、処理を終了する。

【００３７】ステップ２９，ステップ３０での判定結果
がNoのときはステップ３３に進み、In_Ptt1 を構成要素
Ｂとして登録すると共に In_Ptt2 を構成要素Ｃとして
登録し、ステップ３４で、この登録した文字を標準パタ
ーンのカテゴリパターンセットとマッチングしてその最
大類似度を Score に入れる。そして、ステップ３５
で、Score ＞ Des_Score であるか否かを判定し、Yesの
場合には処理を終了し、Noの場合にはステップ３３での
登録をキャンセルし（ステップ３６）、全体のパターン
を登録して（ステップ３７）処理を終了する。

【００３８】上述したように、本発明の実施例に係る自
動分割学習では、入力パターンを辞書の標準パターンと
比較しながら、最適な自動分割つまり区切り点を決定す
る。入力パターンが複数の構成要素に分割されない基本
的な字形の漢字の場合には、図１に示すパターン全体学
習部が機能することが多いが、分割可能な字形（漢字）
のパターンに対しては、自動分割学習が効果を発揮す
る。なぜなら、入力パターンが略字または、標準でない
筆順を含んでいても、ほとんどの場合、少なくとも一つ
の部分が辞書の標準パターンと似ているからである。

【００３９】図７に示す様に、「言」の略字を含んだ文
字（上段）と「木」の異字体を含んだ文字（下段）をペ
ンで手書き入力した場合、それらの入力パターンは辞書
の標準パターンと似ていないため、認識されない。そこ
で、適当に選んだ文字例えば「語」と「休」の手書き入
力パターンについて、上述した本発明実施例に係る自動
分割学習により略字の「言」偏と異字体の「木」とを分
離して登録すると、図８に示す様に、認識率が極めて高
くなる。

【００４０】入力パターンと比較する辞書パターンは、
多いほど認識率は高くなるが、一方で認識処理に要する
時間が多大になってしまうという問題がある。そこで、
多数の辞書パターンの中から入力パターンに類似する確
率の高そうな辞書パターンの候補をふるいにかけて取り
出す処理（以下、この処理を「大分類処理」という。）
を、文字認識処理の前に行うのが好ましい。以下、この
大分類処理について説明する。

【００４１】大分類処理では、構造化字体表現辞書から
構成要素を組み合わせて形成される文字パターン、ある
いは、学習用の文字パターンから、それを偏や旁、冠な
どの構成部分に分割しないで得られる特徴（非構造化特
徴）を抽出して標準パターンを作成する。

【００４２】まず、図９（ａ）の様に、文字パターンを
４×４のメッシュに分割する。次に、図９（ｃ）の領域
ACMK、BDNL、CEOM、FHRP のような、隣同士が重なり合
った小領域を考える。そして、それぞれを P00、P01、P
02、P10 というように Pyxと呼ぶことにする。Pyx の x
と y は、左上の小領域を P00 として、x は１つ右に
ずれるごとに、y は１つ下にずれるごとに、夫々１ずつ
大きくする。これにより、P00 から P22 までの九つの
小領域ができる。図９（ｂ）は、図９（ａ）から P03
を取り出した例である。

【００４３】そして、各小領域毎に、入力パターンのス
トロークの各成分（４方向の成分（｜、＼、―、／））
が夫々どれくらい含まれているかを調べる。図１０に、
その値の例を示す。この値を一列にしたものを方向特徴
ベクトルと呼ぶ。

【００４４】大分類処理は、入力パターンからも同様の
特徴を抽出し、これを各文字の標準パターンの特徴とマ
ッチングし、類似度の高い標準パターンの文字カテゴリ
を複数個選択して候補として返す。

【００４５】先に述べた文字認識処理での登録で、どの
構成要素への入力パターンのどこの部分パターンの登録
が必要かは分かっている。文字認識処理における構造化
字体表現辞書では、この構成要素へ新たな部分パターン
をただ１つ登録するだけで、これを字形の一部に含む文
字カテゴリすべてに登録する効果がある。しかし、構成
要素を共有しない非構造化字体表現辞書では、このよう
な方法は実現できない。そこで、登録対象の構成要素を
字形に含んでいる文字カテゴリすべて（どの文字がその
構成要素を字形に含んでいるかは構造化字体表現辞書か
ら分かる）に対して、追加登録したい部分パターンを含
む文字パターンを構造化字体表現辞書から形成し、上に
述べた非構造化特徴を抽出して、その特徴を許すように
非構造化字体表現辞書を更新する。

【００４６】図１１に例を用いて示す。「語」に対して
図１１（ａ）が筆記され、その登録が行われるとする。
この場合、略字の言偏部分が切り出され登録される。こ
の言偏を含む漢字（例えば図１１（ｃ）に示す「論」）
は構造化字体表現辞書から得られる。そこで、切り出さ
れた略字の「言」（図１１（ｂ））や他の言偏の漢字一
つ一つに対して、その方向特徴ベクトルを抽出し、非構
造化字体表現辞書を更新する。

【００４７】

【発明の効果】本発明によれば、略字，異字体などを一
部に含む字形を登録したときに略字，異字体などの部分
パターンを切り出して登録するため、同じ略字，異字体
などを含む他の字形をすべて登録しなくても、この登録
した部分パターンを利用することで認識率を向上させる
ことが可能となる。

【図面の簡単な説明】

【図１】本発明の一実施例に係る手書き文字オンライン
認識装置における漢字の自動分割を具体的に説明する図
である。

【図２】本発明の一実施例に係る手書き文字オンライン
認識装置における英単語の自動分割を具体的に説明する
図である。

【図３】本発明の一実施例に係る手書き文字オンライン
認識装置のうち文字認識のための字体登録機能を示す構
成図である。

【図４】図３に示す自動分割学習部で行われる自動分割
学習処理手順を示すフローチャートである。

【図５】図４のステップ１（構成要素Ｂに似ている部分
を検出する処理）の詳細手順を示すフローチャートであ
る。

【図６】図３に示す被分割指示パターン学習部の詳細処
理手順を示すフローチャートである。

【図７】自動分割による学習前における手書き入力パタ
ーンに対する認識結果を示す図である。

【図８】自動分割による学習後における手書き入力パタ
ーンに対する認識結果を示す図である。

【図９】大分類処理における文字パターン小領域を説明
する図である。

【図１０】大分類処理における方向特徴ベクトルの一例
を示す図である。

【図１１】言偏を含む文字カテゴリへの非構造化字体表
現辞書の説明図である。

【図１２】「明」の標準パターンの形成例を示す図であ
る。

【図１３】「猫」のパターン構成を示す図である。

【符号の説明】

１…パターン全体学習部、２…自動分割学習部、３…構
造化字体表現辞書、４…判定部、５…被分割指示パター
ン学習部。

【手続補正書】

【提出日】平成７年１２月２８日

【手続補正１】

【補正対象書類名】図面

【補正対象項目名】図４

【補正方法】変更

【補正内容】

【図４】

Claims

【特許請求の範囲】

【請求項１】登録されている各種部首パターンの組み
合わせで構成される標準パターンと、筆跡を座標データ
列として出力するタブレットを用いて取得した入力文字
パターンとのマッチング処理を行って該入力文字パター
ンの認識を行う手書き文字オンライン認識装置におい
て、入力文字パターンについて辞書登録が行われたと
き、該入力文字パターンとこれに対応する前記標準パタ
ーンとを比較し、該標準パターンを構成する部首パター
ンに類似しない部分パターンを前記入力文字パターンか
ら自動的に分割し、該部分パターンを該当する部首のパ
ターンとして登録することを特徴とする手書き文字オン
ライン認識装置の字体登録・学習方法。
【請求項２】登録されている部分字形パターンの組み
合わせで構成される標準パターンと、筆跡を座標データ
列として出力するタブレットを用いて取得した入力文字
パターンとのマッチング処理を行って該入力文字パター
ンの認識を行う手書き文字オンライン認識装置におい
て、入力文字パターンについて辞書登録が行われたと
き、該入力文字パターンとこれに対応する前記標準パタ
ーンとを比較し、該標準パターンを構成する部分字形パ
ターンに類似しない部分パターンを前記入力文字パター
ンから自動的に分割し、該部分パターンを該当する部分
字形パターンとして登録することを特徴とする手書き文
字オンライン認識装置の字体登録・学習方法。
【請求項３】登録されている各種部首パターンの組み
合わせで構成される標準パターンと、筆跡を座標データ
列として出力するタブレットを用いて取得した入力文字
パターンとのマッチング処理を行って該入力文字パター
ンの認識を行う手書き文字オンライン認識装置におい
て、入力文字パターンについて辞書登録を行うとき、該
入力文字パターンを構成する部首毎に部分パターンを前
記タブレットから入力させ、各入力部分パターン毎に、
当該入力部分パターンを前記標準パターンの一部として
標準パターンを生成し、各入力部分パターン対応の各標
準パターンと前記入力文字パターンとのマッチング処理
を行って最大類似度を求め、最大類似度が目的類似度を
越える値になったとき該最大類似度を与える入力部分パ
ターンを該当する部首パターンとして登録することを特
徴とする手書き文字オンライン認識装置の字体登録・学
習方法。
【請求項４】請求項３において、最大類似度が目的類
似度に達しないときは、入力部分パターンの組み合わせ
で構成した標準パターンと入力文字パターンとの類似度
を求め、該類似度が目的類似度を越える値になったとき
入力部分パターンの組み合わせを登録することを特徴と
する手書き文字オンライン認識装置の字体登録・学習方
法。
【請求項５】請求項４において、類似度が目的類似度
に達しないときは、入力文字パターン全体を登録するこ
とを特徴とする手書き文字オンライン認識装置の字体登
録・学習方法。
【請求項６】登録されている各種部首パターンの組み
合わせで構成される標準パターンと、筆跡を座標データ
列として出力するタブレットを用いて取得した入力文字
パターンとのマッチング処理を行って該入力文字パター
ンの認識を行う手書き文字オンライン認識装置におい
て、入力文字パターンについて辞書登録が行われたとき
該入力文字パターンとこれに対応する前記標準パターン
とを比較する手段と、比較の結果該標準パターンを構成
する部首パターンに類似しない部分パターンが検出され
たとき該部分パターンを前記入力文字パターンから自動
的に分割する手段と、該部分パターンを該当する部首の
パターンとして登録する手段とを備えることを特徴とす
る手書き文字オンライン認識装置。
【請求項７】登録されている部分字形パターンの組み
合わせで構成される標準パターンと、筆跡を座標データ
列として出力するタブレットを用いて取得した入力文字
パターンとのマッチング処理を行って該入力文字パター
ンの認識を行う手書き文字オンライン認識装置におい
て、入力文字パターンについて辞書登録が行われたとき
該入力文字パターンとこれに対応する前記標準パターン
とを比較する手段と、比較の結果該標準パターンを構成
する部分字形パターンに類似しない部分パターンが検出
されたとき該部分パターンを前記入力文字パターンから
自動的に分割する手段と、該部分パターンを該当する部
分字形パターンとして登録する手段とを備えることを特
徴とする手書き文字オンライン認識装置。
【請求項８】登録されている各種部首パターンの組み
合わせで構成される標準パターンと、筆跡を座標データ
列として出力するタブレットを用いて取得した入力文字
パターンとのマッチング処理を行って該入力文字パター
ンの認識を行う手書き文字オンライン認識装置におい
て、入力文字パターンについて辞書登録を行うとき該入
力文字パターンを構成する部首毎に部分パターンを前記
タブレットから入力させて座標データ列を取得する手段
と、各入力部分パターン毎に当該入力部分パターンを前
記標準パターンの一部として標準パターンを生成し各入
力部分パターン対応の各標準パターンと前記入力文字パ
ターンとのマッチング処理を行って最大類似度を求める
手段と、最大類似度が目的類似度を越える値になったと
き該最大類似度を与える入力部分パターンを該当する部
首パターンとして登録する手段とを備えることを特徴と
する手書き文字オンライン認識装置。
【請求項９】請求項８において、最大類似度が目的類
似度に達しないとき入力部分パターンの組み合わせで構
成した標準パターンと入力文字パターンとの類似度を求
める手段と、該類似度が目的類似度を越える値になった
とき入力部分パターンの組み合わせを登録する手段とを
備えることを特徴とする手書き文字オンライン認識装
置。
【請求項１０】請求項９において、類似度が目的類似
度に達しないとき入力文字パターン全体を登録する手段
を備えることを特徴とする手書き文字オンライン認識装
置。
【請求項１１】字形毎に各字形の標準パターンが有す
る特徴量を辞書に格納しておき、多数の標準パターンと
入力文字パターンとのマッチング処理を行って該入力文
字パターンの文字認識を行うとき該文字認識の処理に先
だって該入力文字パターンが持つ特徴量に類似する特徴
量を有する標準パターンの候補を前記辞書を検索して予
め選択し、該標準パターン候補と前記入力文字パターン
とのマッチング処理を行う手書き文字オンライン認識装
置において、請求項１乃至請求項３のいずれかに記載の
字体登録・学習方法により部分パターンが登録されたと
き当該部分パターンを有する標準パターンの特徴量を求
めて前記辞書を更新する手段を備えることを特徴とする
手書き文字オンライン認識装置。