JPS63200289A - オンライン連続文字認識装置 - Google Patents

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】 〔産業上の利用分野〕 本発明は、オンラインで入力された文字の筆跡より文字
を認識するオンライン文字認識装置、特に、１個以上連
続して書かれた文字を認識するオンライン連続文字認識
装置に関する。

〔従来の技術〕

オンライン文字認識装置は、文字を筆記するタブレット
等からオンラインで入力された文字の筆跡データより文
字を認識する装置であり、既にさまざまな装置が発売さ
れている。それらの装置の多くは、パターンマツチング
法による認識処理を行っている。パターンマツチング法
とは、あらかじめ筆記された文字データを標準パターン
として保持しておき、入力された文字パターンとのマツ
チングを行い入力された文字パターンをそれが属するカ
テゴリに対応づける、すなわち、入力された文字パター
ンを最も類似した標準パターンのカテゴリに対応づけ、
この標準パターンのカテゴリを認識結果とする方式であ
る。

この原理に基づくオンライン文字認識において、連続し
て書かれた文字列を一括して認識する方法としては、特
願昭６０４１０７４３号明細書に記載されている方法が
ある。この方法は、まず、連続して書かれた１つの文字
の書き始めの点から次の文字の書き始めの点までのパタ
ーンである連続文字パターンと、孤立して書かれた文字
パターンである孤立パターンとを標準パターンとする。

そして、入力された文字パターンと、標準パターンを連
結した連続標準パターンとの間でパターンマツチングを
行い、最小の相違度（最大の類似度）が得られる標準パ
ターン系列を求め、そのカテゴリ系列を認識結果とする
。ここで、最小相違度は、特願昭５６−１９９０９８号
明細書または特願昭５６−２０８７９１号明細書に記載
されているＤＰマツチング法により求めることができる
。

しかし、この方法では、人力された文字パターンの大き
さ１位置などの正規化は、連続して書かれた文字列全体
に対して一回しか行われなかった。

従って、第５図（ａ）に示すような、１文字ごとに大き
さや位置のずれがある場合には第５図（ｂ）に示すよう
な正解となる連続標準パターンとマツチングしても相違
度は大きくなってしまう。このように、文字列一括正規
化は、正規化やマツチングの精度を低下させ、誤認識の
原因となっていた。

そのような問題点に対処するための方法として、特願昭
６１−００２４５６号明細書に記載されている方法があ
る。以下にこの方法の概略について述べる。

第６図は、特願昭６１−００２４５６号明細書における
一例を示す構成図である。筆跡検出部２１では、タブレ
ット等からオンラインで入力された文字の筆跡データよ
り、文字の位置座標や方向角などの特徴パラメータの時
系列パターンが出力される。入力バッファ２２は、この
特徴パラメータの時系列パターンを入力パターンとし、
この入力パターンを一時保持し、前処理部２３にて入力
パターン全体の大きさ１位置などの正規化が行われる。

一方、標準パターン記憶部２５には、認識対象の各字種
の孤立文字パターンと、文字間パターンとがあらかじめ
標準パターンとして記憶されている。セグメンテーショ
ン部２４では、入力パターンと、標準パターンを連結し
た連続標準パターンとの間でＤＰマツチング法によるパ
ターン間の時間軸対応付けが行われ、各標準パターンの
切れ目に対応する入力パターン上のセグメンテーション
位置が定められる。

正規化部２６では、セグメンテーション部２４にて得ら
れたセグメンテーション位置をもとに入力バッファ２２
より入力パターン中の文字列から１文字を切りだし、位
置、大きさの正規化を行う。認識部２７では、正規化部
２６より得られた１文字の正規化パターンと、標準パタ
ーン記憶部２５の標準パターンとのパターンマツチング
を行い最小相違度の得られた標準パターンのカテゴリが
認識結果として出力される。

〔発明が解決しようとする問題点〕

上述した従来のオンライン文字認識装置において、特願
昭６１−００２４５６号明細書に記載されている方法に
よるオンライン文字認識装置は、マツチングによってセ
グメンテーションを行うものであるが、それでは計算量
が多（なる欠点がある。また、セグメンテーションされ
た各パターンに対して、１文字ずつの認識処理を行うた
め、セグメンテーションエラーは認識時に致命的であり
、セグメンテーションエラーが起きると正しく認識する
ことは不可能である。また、位置や大きさのずれに対処
するために、セグメンテーションを行うが、そのために
は、文字列全体に対してマツチングを行わなくてはなら
ない。つまり、特願昭６０−１１０７．１３号明細書に
記載されているオンライン文字認識装置のもつ欠点と同
様の欠点がある。すなわち、文字列における各文字の大
きさや位置のずれが激しいときには、標準パターンと入
力パターンの相違度が大きくなり、マツチングの精度が
極端に低下してしまう。このようにマツチングの精度が
低下すると、書かれた文字列でない文字列の標準パター
ンとのマツチングによってセグメンテーションされる場
合が増え、その場合には、セグメンテーションエラーが
起きやすい。このようにマツチングの精度の悪さがセグ
メンテーションエラー、すなわち、認識エラーの原因と
なっている。言いかえると、従来技術では大きさや位置
のずれに対応するには限界があった。

本発明の目的は、このような欠点を除去し、計算量が少
なく、セグメンテーションエラーがあっても認識するこ
とが可能であるオンライン連続文字認識装置を提供する
ことにある。

〔問題点を解決するための手段〕

本発明のオンライン連続文字認識装置は、オンライン入
力された文字の筆跡データより筆跡を検出し、文字の特
徴パラメータの時系列パターンを出力する筆跡検出部と
、 前記筆跡検出部の出力する文字の特徴パラメータの時系
列パターンを入力パターンとし、この入力パターンを保
持する入力バッファと、前記入力バッファに保持されて
いる入力パターンを正規化する前処理部と、 前記前処理部の出力する入力パターンのセグメンテーシ
ョンを所定のルールで行い、セグメンテーション情報を
出力するセグメンテーション部と、前記セグメンテーシ
ョン情報により、前記入力バッファに保持されている入
力パターンを読み込み、各セグメントごとに正規化を行
う正規化部と、前記正規化部の各セグメントの正規化パ
ターンの連結を行う連結部と、 １文字を表す孤立文字パターンと文字の終点から次の文
字の始点までの文字間ストロークとを記憶する標準パタ
ーン記憶部と、 前記連結部にて得られた連結正規化パターンと前記標準
パターン記憶部における孤立文字パターンを文字間スト
ロークで連結した標準パターンとの間で類似度を求め最
大の類似度を与える標準パターンのカテゴリ列を出力す
る認識部とを有している。

〔作用〕

本発明は、あらかじめ定められたルールに従ってセグメ
ンテーションを行うセグメンテーション部と、セグメン
テーションされた各セグメントパターンごとに正規化す
る正規化部と、正規化された各セグメントパターンを入
力された順に連結する連結部と、連結された正規化パタ
ーンを入力パターンとして一括して認識処理を行う認識
部とを設けることによって実現できる。すなわち、セグ
メンテーション部では、計算量の多いマツチングを行わ
ずに、特徴パラメータに対してあらかじめ定められたル
ールを適用することによって従来よりも少ない計算量で
セグメンテーションを行う。

次に、正規化部にて正規化された各セグメントの文字パ
ターンを、連結部にて、再び、連結するごとにより、位
置や大きさのずれを正規化した文字列パターンを作成す
る。認識部では作成された文字列パターン全体に対して
認識処理を行い、文字列を求める。

〔実施例〕

次に、本発明の実施例について図面を参照して説明する
。

第１図は、本発明の一実施例を示すブロック図である。

このオンライン連続文字認識装置は、タブレット等から
入力された文字の筆跡情報より、位置座標や方向角など
の特徴パラメータの時系列パターンを出力する筆跡検出
部１１と、筆跡検出部１より出力される一連の連続して
書かれた文字の特徴パラメータの時系列パターンを一時
保持する入力バッファ１２と、入力パターン全体の大き
さ。

位置などの正規化を行う前処理部１３と、正規化された
入力パターンを所定のルールに従ってセグメンテーショ
ンし、セグメンテーション情報を生成するセグメンテー
ション部１４と、得られたセグメンテーション情報に基
づいて、入力バッファに保持されている特徴パラメータ
の時系列パターンを読み込み各セグメントごとに正規化
を行う正規化部１６と、正規化部１６にて求められた入
力パターンの各セグメントの正規化パターンを入力パタ
ーンと同様の順番で連結する連結部１８と、１文字を表
す孤立文字パターンと文字の終点から次の文字の始点ま
での文字間ストロークとを記憶する標準パターン記憶部
１５と、連結部１８にて得られた連結正規化パターンと
標準パターン記憶部１５における標準パターンを連結し
たパターンとの間で類似度を求め最大の類似度を与える
標準パターンのカテゴリ列を出力する認識部１７とで構
成される。

筆跡検出部１１からのパターンは入力バッファ１２に入
力されている。前処理部１３には入力バッファ１２から
のパターンが入力され、前処理部１３からのパターンは
、セグメンテーション部１４に入力されている。正規化
部１６には入力バッファ２からのパターンとセグメンテ
ーション部１４からの信号が入力され、正規化部１６か
らのパターンは連結部１８に入力されている。認識部１
７には、連結部１８からのパターンと標準パターン記憶
部１５からの標準パターンとが入力される。

次に本実施例の動作を説明する。

タブレット等に筆記された文字の筆跡データは、オンラ
インで筆跡検出部１１に入力される。筆跡部１１では、
この筆跡データより筆跡を検出して、筆記された文字の
位置座標、方向角、ペンのアップ・ダウンなどの特徴パ
ラメータの時系列パターンを出力する。入力バッファ１
２は、この特徴パラメータの時系列パターンを入力パタ
ーンとし、一時この入力パターンを保持する。前処理部
１３は、入力バッファ１２に保持されている入力パター
ン全体の大きさ１位置などの正規化を行う。正規化の方
法としては、さまざまな方法が考えられる。例えば、パ
ターンの重心の位置を求め、その重心から全ての点に対
するｙ軸方向の平均距離を一定の値として正規化する方
法が考えられる。前処理された入力パターンは、セグメ
ンテーション部１４に入力される。

セグメンテーション部１４では、特徴パラメータに対す
るセグメンテーションのルールがあらかじめ定められて
おり、そのルールに従って前処理された入力パターンに
対してセグメンテーションを行う。ここで、特徴パラメ
ータとして例えば、位置座標であるＸ座標・Ｘ座標、ペ
ンのアップ・ダウン情報を用いた場合のセグメンテーシ
ョンのルールを、第２図のフローチャート図を参照しな
がら、さらに詳しく説明する。第２図における記号の意
味は、 ■　　：入力パターンのポイント数 ｉ　　：ポイント番号 ＸＨ：ｉにおけるＸ座標 Ｙ、　　：ｉにおけるＸ座標 Ｐｅｎ、：ｉにおけるペンの状態 ＝１：ストローク開始 ＝２：ペンアップ ＝０：ペンダウン Ｎｏ：セグメンテーション位置の候補数３　、（ｎｏ）
　：　ｎｏ番目のセグメンテーション位置の番号 である。

第２図における処理は、まず、ペンがアップし、かつ、
次の点がＸ軸方向へ増加している場合に、その点をセグ
メンテーション位置の候補とし、次に、セグメンテーシ
ョン位置候補の次の点から次のセグメンテーション位置
候補までを１文字と仮定し、ある文字のＸ座標の最大値
よりも次の文字の最小値の方が小さい場合には、１文字
が分離されていると解釈し、セグメンテーション位置の
候補を外す、というものである。

フローチャート図に従って処理の流れを説明する。初め
に、セグメンテーション位置の候補を選び出すためのス
テップについて説明する。まず、セグメンテーションの
候補数ＮＯをθ″、セグメンテーション位置の番号Ｓ　
、（ｎｏ）を“０”とする（ステップ■）。ポイント番
号ｉを“１”とする（ステップ■）。ポイント１におけ
る特徴パラメータにおいて、ペンアップ、かつ、次のポ
イントがＸ軸方向へ増加しているかを判断する（ステッ
プ■）。この条件が成立すると、セグメンテーション位
置の候補数Ｎｏを“１”、かつ、１番目のセグメンテー
ション位置の番号Ｓｔ　（１）を“１”とする（ステッ
プ■）。次に、ｉ＝Ｉか否かの判断を行う　（ステップ
■）。ステップ■において、前記条件が成立しない場合
には、ステップ■に進む。ステップ■においてｉ≠■の
場合、ｉ＝２として（ステップ■）、ステップ■に戻る
。ステップ■〜■を繰り返すことにより、入力パターン
のセグメンテーション位置の候補数ＮＯと、セグメンテ
ーション位置の番号５＝（ｎｏ）とが求まる。この段階
では、セグメンテーション位置候補の次のポイントから
次のセグメンテーション位置候補までは１文字と仮定さ
れている。

ステップ■において、ｉ＝１の場合には、各文字のＸ座
標の最小値および最大値を求める次のステップに進む。

まず、ポイント番号ｉを“１”、番号Ｎｏを“１”とす
る（ステップ■）。次に、１番目の文字のＸ座標の最小
値Ｘ　ｍｉｎ　（１）を“＋ｏｏ″、１番目の文字のＸ
座標の最大値Ｘ　ｍａｘ　（１）を“−（至）”とする
（ステップ■）。これらＸｍ１ｎ（１）およびＸｍａｘ
（１）とポイント１のＸ座標Ｘ１とを対比する（ステッ
プ■）。ステップ［相］において、ｉ≠Ｓ。

（ｎｏ）の場合にはｉ−２として（ステップ■）、ステ
ップ■に戻る。ステップ■〜［相］を繰り返すことによ
り１番目の文字のＸ座標の最小値Ｘｍ１ｎ（１）および
最大値Ｘｍａｘ（１）が求まる（ステップ■）。

ステップ［相］において。１＝３４（ｎｏ）の場合には
、ステップ０に進む。ステップ０において、ｎｏ≠ＮＯ
の場合にはｎｏ＝２として（ステップ＠）、ステップ■
に戻る。ステップ■〜０を繰り返すことにより、入力パ
ターンの全文字のＸ座標の最小値Ｘｍ１ｎ　（ｎｏ）　
　と最大値Ｘ　ｍａｘ　（ｎｏ）　　とが求まる。

ステップ０において、ｎｏ　＝　Ｎｏが成立すれば、不
適切なセグメンテーション位置の候補を外す次のステッ
プに進む。まず、数ＮＮｏを“ＮＯ”、番号ｎ。

を“１”とする（ステップ■）。次に、１番目の文字の
Ｘ座標の最大値Ｘｍａｘ（１）と２番目の文字のＸ座標
の最小値Ｘ　ｍｉｎ　（２）とを比較し、最大値よりも
最小値の方が小さい場合には１文字が分離されていると
解釈しくステップｏ）、セグメンテーション位置の候補
数Ｎｏを１減らすと共に、Ｓ　ｒ　（ｎｏ４１）をＳ　
＝　（ｎｏ）に代入することによりセグメンテーション
位置の候補から外す（ステップ＠ｌ）。ステップＯにお
いて、ｎｏ≠ＮＮｏ−１ならばｎｏ＝２として（ステッ
プ［相］）、ステップ＠に戻る。ステップ［相］〜［相
］を繰り返すことにより、最終的なセグメンテーション
位置が求められる。

以上説明したセグメンテーションのルールは、認識対象
文字の種類や質に依存して定められる。

正規化部１６では、セグメンテーション部１４にて得ら
れたセグメンテーション位置を基に、人カバソファ１２
に保持されている入力パターン中の１文字を切り出し、
大きさ２位置などの正規化を行い、正規化された文字列
パターンを出力する。正規化部１６で行われる正規化処
理は、前処理部１３と同様の処理を用いることができる
。−例として第３図に示すように数字列パターン“１０
０２”が入力されたものとする。この入力パターンは図
示のように０”と“０″との間がペンダウンの状態にあ
る。この場合、セグメンテーション部１４では、“１”
と“００”と“２”とを切り出すセグメンテーション情
報が得られる。このセグメンテーション情報によれば０
゛と“０″との間のセグメンテーション位置が検出でき
ず、セグメンテーションエラーとなっている。正規化部
１６では、このセグメンテーション情報に基づいて、入
力バッファ１２から読み出した入力パターン“１００２
”を、“１”と、連結されたパターン“００”と、“２
”の各セグメントとに切り出し、それぞれ正規化し、第
３図に示すような正規化された各セグメントパターンよ
りなる文字列パターンを作成する。

連結部１８では、正規化された各セグメントパターンを
入力パターンと同様の順序で連結する。連結は、例えば
、第３図に示すように、正規化された各パターンの重心
をｙ軸方向には一致させ、Ｘ軸方向には等間隔に配置し
、前の文字の終端と次の文字の始端をペンアンプの状態
で連結する、という方法を用いることができる。

標準パターン記憶部１５には、認識対象となる文字のパ
ターンがあらかじめ保持されている。保持されているパ
ターンは、認識対象の字種の孤立文字標準パターンと、
文字間パターンである。ここで、孤立文字標準パターン
とは、孤立して書かれた文字のパターンであり、文字間
パターンとは、１つの文字の書き終わりの点から次の文
字の書き始めの点のパターンであり、すなわち、文字と
文字の間のつなぎのストロークである。第４図に、認識
対象文字を数字とした場合の孤立文字標準パターンと文
字間パターンの例を示す。標準パターン記憶部１５は、
これら孤立文字標準パターンを文字間パターンで連結し
たパターンを標準パターンとして記憶している。

認識部１７では、正規化部１６より得られた各セグメン
トごとに正規化された文字列パターンと標準パターン記
憶部１５に記憶されている標準パターンとのマツチング
を行い、最小相違度が得られた標準パターンのカテゴリ
列が認識結果として出力される。なお、認識部１７にお
ける処理は、第６図に示した従来技術におけるセグメン
テーション部２４におけるマツチング処理を用いること
ができる。

認識部１７における処理は、連結された文字列に対して
一括して行うため、セグメンテーションエラーが起きて
も認識が可能となる。

本実施例では、“１００２”と筆記されたうち、“０”
と“０”の間のセグメンテーション位置が検出できず、
セグメンテーションエラーとなっているが、この場合“
ＯＯ”が連結されたパターンに対して正規化が行われ、
このようにセグメンテーションエラーがある場合でも正
規化の効果があることがわかる。

〔発明の効果〕

以上説明した本発明におけるオンライン手書き文字認識
装置では、セグメンテーションをマツチングによってで
はなく、特徴パラメータに対するルールを適用して行う
ため、セグメンテーションに必要な計算量が大幅に減少
する。また、セグメンテーションされた各パターンの正
規化後、再びパターンを連結して文字列全体に対して一
括して認識処理を行うため、セグメンテーションエラー
があっても認識することが可能となる効果がある。

また、そのような場合でも、正規化による効果が期待で
きるため、従来技術よりも認識率が向上するという効果
も生じる。

【図面の簡単な説明】

第１図は、本発明の一実施例を示すブロック図、第２図
は、セグメンテーション部における処理を示すフローチ
ャート図、 第３図は、第１図の実施例の動作を説明するためのパタ
ーンを示す図、 第４図は、標準パターン記憶部に記憶されている標準パ
ターンを示す図、 第５図は、従来技術における問題点を説明するためのパ
ターンを示す図、 第６図は、従来のオンライン文字認識装置の一例を示す
ブロック図である。 １１・・・・・筆跡検出部 １２・・・・・入力バッファ １３・・・・・前処理部 １４・・・・・セグメンテーション部 １５・・・・・標準パターン記憶部 １６・・・・・正規化部 １７・・・・・認識部 １８・・・・・連結部 １唾 帥セロ 腕部 塵：。 第２図（ｂ） ｌ　　１　　＼ Ｘ軸 第３図 第４図 第５図

Claims (1)

【特許請求の範囲】
1. （１）オンライン入力された文字の筆跡データより筆跡
   を検出し、文字の特徴パラメータの時系列パターンを出
   力する筆跡検出部と、 前記筆跡検出部の出力する文字の特徴パラメータの時系
   列パターンを入力パターンとし、この入力パターンを保
   持する入力バッファと、 前記入力バッファに保持されている入力パターンを正規
   化する前処理部と、 前記前処理部の出力する入力パターンのセグメンテーシ
   ョンを所定のルールで行い、セグメンテーション情報を
   出力するセグメンテーション部と、前記セグメンテーシ
   ョン情報により、前記入力バッファに保持されている入
   力パターンを読み込み、各セグメントごとに正規化を行
   う正規化部と、前記正規化部の各セグメントの正規化パ
   ターンの連結を行う連結部と、 １文字を表す孤立文字パターンと文字の終点から次の文
   字の始点までの文字間ストロークとを記憶する標準パタ
   ーン記憶部と、 前記連結部にて得られた連結正規化パターンと前記標準
   パターン記憶部における孤立文字パターンを文字間スト
   ロークで連結した標準パターンとの間で類似度を求め最
   大の類似度を与える標準パターンのカテゴリ列を出力す
   る認識部とを有するオンライン連続文字認識装置。