JPS6355686A - パタ−ン認識方法 - Google Patents
パタ−ン認識方法Info
- Publication number
- JPS6355686A JPS6355686A JP61199066A JP19906686A JPS6355686A JP S6355686 A JPS6355686 A JP S6355686A JP 61199066 A JP61199066 A JP 61199066A JP 19906686 A JP19906686 A JP 19906686A JP S6355686 A JPS6355686 A JP S6355686A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- categories
- distance
- category
- pair
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title description 8
- 238000012567 pattern recognition method Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 238000010606 normalization Methods 0.000 abstract description 2
- 239000013598 vector Substances 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000003909 pattern recognition Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Landscapes
- Character Discrimination (AREA)
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。
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、文字や音声の入力パターンを高精度で認識で
きる実用性の高いパターン認識方法に関するものである
。
きる実用性の高いパターン認識方法に関するものである
。
パターン認識方法の従来例の１つにパターンマツチング
法がある。これは、予め各カテゴリーに対して学習デー
タを用いて作成された標準パターンと入力パターンとの
間で距離計算を行ない、最小距離（最大類似度）を有す
るカテゴリーを認識結果とするもので、かすれ文字等に
有用な方法である。
法がある。これは、予め各カテゴリーに対して学習デー
タを用いて作成された標準パターンと入力パターンとの
間で距離計算を行ない、最小距離（最大類似度）を有す
るカテゴリーを認識結果とするもので、かすれ文字等に
有用な方法である。
しかしながら、パターンマツチング法では、標準パター
ンを作成する際、一般に、他カテゴリーとの関係を考慮
に入れておらず、また、類似文字の距離の接近により識
別不能となるいわゆるリジェクトが発生するという問題
があった。
ンを作成する際、一般に、他カテゴリーとの関係を考慮
に入れておらず、また、類似文字の距離の接近により識
別不能となるいわゆるリジェクトが発生するという問題
があった。
このような問題点を解決するために本発明は、パターン
マツチングの結果により距離チェ・ツクを行ない、他カ
テゴリーとの距離の接近がない場合はパターンマツチン
グの結果を認識結果とし、他カテゴリーとの距離の接近
がある場合は接近するカテゴリーの組を類似文字の組と
して検出し、予め学習データを用いて作成しておいた対
判定辞書により人カバターンがどのカテゴリーであるか
の識別を行ない、すべての識別で否定されないカテゴリ
ーを認識結果とするようにしたものである。
マツチングの結果により距離チェ・ツクを行ない、他カ
テゴリーとの距離の接近がない場合はパターンマツチン
グの結果を認識結果とし、他カテゴリーとの距離の接近
がある場合は接近するカテゴリーの組を類似文字の組と
して検出し、予め学習データを用いて作成しておいた対
判定辞書により人カバターンがどのカテゴリーであるか
の識別を行ない、すべての識別で否定されないカテゴリ
ーを認識結果とするようにしたものである。
本発明においては、類似文字に対しても高精度の認識を
行なうことができる。
行なうことができる。
第１図は、本発明に係わるパターン認識方法の一実施例
を説明するためのパターン認識系を示す系統図である。
を説明するためのパターン認識系を示す系統図である。
入力パターンは２値化部１で多値パターンから２値パタ
ーンへ変換され、前処理部２でノイズ除去・正規化等の
処理が施され、ボカシ部３で例えばガウス型フィルタに
より入力パターンの画像サイズを変換する。予め学習デ
ータを用いて各カテゴリーの標準パターンを作成し、得
られた標準パターンを辞書７に格納しておく。マツチン
グ部４では、入力パターンと標準パターンとのマツチン
グが行なわれ、各カテゴリーの標準パターンに対する入
力パターンの距離が計算される。
ーンへ変換され、前処理部２でノイズ除去・正規化等の
処理が施され、ボカシ部３で例えばガウス型フィルタに
より入力パターンの画像サイズを変換する。予め学習デ
ータを用いて各カテゴリーの標準パターンを作成し、得
られた標準パターンを辞書７に格納しておく。マツチン
グ部４では、入力パターンと標準パターンとのマツチン
グが行なわれ、各カテゴリーの標準パターンに対する入
力パターンの距離が計算される。
前記距離を基に、距離チェック部５で、相異なるカテゴ
リーの距離差が予め定めておいた闇値より小さいカテゴ
リーの組を類似文字の組として検出し、対判定部８へ転
送する。相異なるカテゴリー間の距離差が上記闇値以上
であれば、パターンマツチングの結果を認識結果として
判定部６へ出力する。
リーの距離差が予め定めておいた闇値より小さいカテゴ
リーの組を類似文字の組として検出し、対判定部８へ転
送する。相異なるカテゴリー間の距離差が上記闇値以上
であれば、パターンマツチングの結果を認識結果として
判定部６へ出力する。
対判定部８では、予め類似文字の組として検出されたカ
テゴリーの学習データを用いてオフライン時に対判定辞
書作成部１０で作成しておいた対判定辞書９により類似
文字間の識別を行なう。判定部６では、入力パターンの
属するカテゴリーが決定される。
テゴリーの学習データを用いてオフライン時に対判定辞
書作成部１０で作成しておいた対判定辞書９により類似
文字間の識別を行なう。判定部６では、入力パターンの
属するカテゴリーが決定される。
第１図の構成のうち対判定部８および対判定辞書作成部
１０以外の部分は公知の技術から比較的容易に構成でき
るので説明を省略し、対判定部８および対判定辞書作成
部１０について詳細に説明する。
１０以外の部分は公知の技術から比較的容易に構成でき
るので説明を省略し、対判定部８および対判定辞書作成
部１０について詳細に説明する。
まず、対判定辞書作成部１０について説明する。
第２図は、対判定辞書作成部１０の詳細な構成を示す系
統図である。以下、各処理について説明する。カテゴリ
ーｉとカテゴリーｊ （ｉ≠ｊ）とが類似文字の組とし
て距離チェック部５より送られてきたとする。クラス内
共分散行列計算部１１では、次式によりクラス内共分散
行列Σ８を求める。
統図である。以下、各処理について説明する。カテゴリ
ーｉとカテゴリーｊ （ｉ≠ｊ）とが類似文字の組とし
て距離チェック部５より送られてきたとする。クラス内
共分散行列計算部１１では、次式によりクラス内共分散
行列Σ８を求める。
Σｗ＝ （Ｎ、Σ＜＋ ＮｊΣｉ） ／ （Ｎ１＋Ｎｊ
） ・・−・（１）ここで、Σｉ、Σｊはそれぞれカテ
ゴリーｉ、ｊの共分散行列で、Ｎ、、 ＮＪはそれぞれ
カテゴリーｉ、ｊの学習データ数である。
） ・・−・（１）ここで、Σｉ、Σｊはそれぞれカテ
ゴリーｉ、ｊの共分散行列で、Ｎ、、 ＮＪはそれぞれ
カテゴリーｉ、ｊの学習データ数である。
クラス間共分散行列計算部１２では、次式によりクラス
間共分散行列Σ８を求める。
間共分散行列Σ８を求める。
Σｍ＝ （ｕニーＪ」）（＃ニーＪユ）Ｔ・・・・（２
）ここで、Ｊユ、ＬＬはそれぞれカテゴリーｉ、ｊの平
均ベクトルで、Ｔは転置を表わす。
）ここで、Ｊユ、ＬＬはそれぞれカテゴリーｉ、ｊの平
均ベクトルで、Ｔは転置を表わす。
判別ベクトル計算部１３では、判別分析により判別ベク
トル、Ｗ−を求める。判別分析は、相異なるカテゴリー
を識別する上で有用な特徴を抽出する手法である。判別
分析の評価基準Ｊ （Ｗ）を次式で定義する。
トル、Ｗ−を求める。判別分析は、相異なるカテゴリー
を識別する上で有用な特徴を抽出する手法である。判別
分析の評価基準Ｊ （Ｗ）を次式で定義する。
Ｊ （異）＝異７ΣｍＷ／ （ｗＴΣ、ｗ）、、、、（
３１Ｊ （Ｗ）を最大とする判別ベクトル！は最大識別
能力を有するベクトルで、次式により与えられる。
３１Ｊ （Ｗ）を最大とする判別ベクトル！は最大識別
能力を有するベクトルで、次式により与えられる。
先＝Σ８（Ｌ、−ム）・・・・（４）
ここで、αをスカラー量としたときのＪ（αＷ）＝Ｊ（
光）より、Ｊ （Ｗ）は、Ｗ−の大きさに対し不変であ
るので、異を次式により正規化する。
光）より、Ｊ （Ｗ）は、Ｗ−の大きさに対し不変であ
るので、異を次式により正規化する。
！＝Σ％、ｌ（ムーム）／１１Σ賀ムーム）１１・・・
・（５）ここでＩｔ ｘ Ｉｆはベクトル五〇ノルムで
ある。
・（５）ここでＩｔ ｘ Ｉｆはベクトル五〇ノルムで
ある。
闇値設定部１４では、判別ベクトル計算部１３で得られ
たベクトル立上にカテゴリーｉ、ｊの全学習データを射
影して一次元データ分布を形成し、−次元データ分布上
で誤り率が最小となるように閾値Ｗ０を設定する。
たベクトル立上にカテゴリーｉ、ｊの全学習データを射
影して一次元データ分布を形成し、−次元データ分布上
で誤り率が最小となるように閾値Ｗ０を設定する。
例として第３図に二次元空間（ｘｉ、ｘ２）内のカテゴ
リーｉ、ｊに対して得られた判別ベクトル、Ｗ−を示し
、第４図に判別ベクトルＷ、上に２つのカテゴリーの学
習データを射影することにより形成された一次元データ
分布上での閾値ｗ０を示す。
リーｉ、ｊに対して得られた判別ベクトル、Ｗ−を示し
、第４図に判別ベクトルＷ、上に２つのカテゴリーの学
習データを射影することにより形成された一次元データ
分布上での閾値ｗ０を示す。
第４図においては、入力パターン五と判別へクトル豊と
の内積値異丁五が閾値ｗ０より小さい場合は入力パター
ン玉はカテゴリーｉに属すと決定され、閾値ｗ０より大
きい場合は入力パターンエはカテゴリーｊに属すと決定
される。
の内積値異丁五が閾値ｗ０より小さい場合は入力パター
ン玉はカテゴリーｉに属すと決定され、閾値ｗ０より大
きい場合は入力パターンエはカテゴリーｊに属すと決定
される。
次に、例として数字・カタカナ混在の認識系を用いて対
判定辞書９の構成を説明する。例えば、１とノ、７とり
、コとワ、工とユが類似文字の組として登録されたとす
る。このとき対判定辞書９の構成は表のようになる。
判定辞書９の構成を説明する。例えば、１とノ、７とり
、コとワ、工とユが類似文字の組として登録されたとす
る。このとき対判定辞書９の構成は表のようになる。
カテゴリー１とノの組に対し、Ｗｌ／は１とノとを識別
する判別ベクトルで、ｗ、１ノはそれの闇値である。他
の類似文字の組に対しても同様に判別ベクトルと閾値と
が格納されている。
する判別ベクトルで、ｗ、１ノはそれの闇値である。他
の類似文字の組に対しても同様に判別ベクトルと閾値と
が格納されている。
最後に対判定部８について説明する。対判定部８では、
距離チェック部５で検出された類似文字の組が対判定辞
書９内に登録されていた場合、その判別ベクトル立と入
力パターン五との内積演算が行なわれ、次に、内積値、
菫Ｔ五Ｔｏ閾値Ｗ０との大小関係により、カテゴリーｉ
ｔ ｊのどちらのカテゴリーのパターン”であるか識
別される。その際、入力パターンが属さないと判定され
たカテゴリーは否定される。一般に、複数個の類似文字
の組が登１景されている場合、すべての識別で否定され
ないカテゴリーが認識結果として出力される。
距離チェック部５で検出された類似文字の組が対判定辞
書９内に登録されていた場合、その判別ベクトル立と入
力パターン五との内積演算が行なわれ、次に、内積値、
菫Ｔ五Ｔｏ閾値Ｗ０との大小関係により、カテゴリーｉ
ｔ ｊのどちらのカテゴリーのパターン”であるか識
別される。その際、入力パターンが属さないと判定され
たカテゴリーは否定される。一般に、複数個の類似文字
の組が登１景されている場合、すべての識別で否定され
ないカテゴリーが認識結果として出力される。
このことを表の対判定辞書９の構成を用いて具体的に説
明する。正解が７であるパターンが入力され、パターン
マツチングにより計算された距離に対し、距離チェック
部５で７．り、ワの距離が接近しているとして出力され
、対判定部８にパターンが入力されたとする。表に示す
ように、対判定辞書９には７とり、７とワという２つの
類似文字の組が登録されている。まず、入力パターンが
７とりのいずれであるかということが１．■、とＷｏｑ
とを用いて識別され、続いて７とワのいずれである
かということが、Ｗ−１とｗｏ、 とを用いて識別さ
れる。このとき、７とりでりが否定され、７とワでワが
否定されたときだけ、７が認識出力として出力される。
明する。正解が７であるパターンが入力され、パターン
マツチングにより計算された距離に対し、距離チェック
部５で７．り、ワの距離が接近しているとして出力され
、対判定部８にパターンが入力されたとする。表に示す
ように、対判定辞書９には７とり、７とワという２つの
類似文字の組が登録されている。まず、入力パターンが
７とりのいずれであるかということが１．■、とＷｏｑ
とを用いて識別され、続いて７とワのいずれである
かということが、Ｗ−１とｗｏ、 とを用いて識別さ
れる。このとき、７とりでりが否定され、７とワでワが
否定されたときだけ、７が認識出力として出力される。
もし、７とりでりが否定され、７とワで７が否定された
ならば、７は認識結果として出力されない。本実施例の
場合、対判定部８が積和演算主体であるので、積和演算
型の汎用パターンマツチング回路により対判定部８を容
易に構成できるという利点がある。
ならば、７は認識結果として出力されない。本実施例の
場合、対判定部８が積和演算主体であるので、積和演算
型の汎用パターンマツチング回路により対判定部８を容
易に構成できるという利点がある。
本実施例では、第４図に示すように、１つの閾値Ｗ０に
より入力パターンが２つのカテゴリーのうちのいずれに
入るかという識別を行なったが、誤読率低減のため、２
つに闇値を用いて一次元データ分布を３つの領域に分割
しリジェクＨＩ域を設定することも可能である。
より入力パターンが２つのカテゴリーのうちのいずれに
入るかという識別を行なったが、誤読率低減のため、２
つに闇値を用いて一次元データ分布を３つの領域に分割
しリジェクＨＩ域を設定することも可能である。
以上説明したように本発明は、他カテゴリーとの距離の
接近がない場合はパターンマツチングの結果を認識結果
とし、他カテゴリーとの距離の接近がある場合は接近す
るカテゴリーの組を類似文字の組として検出し、対判定
辞書により入力パターンがどのカテゴリーであるかの識
別を行ない、すべての識別で否定されないカテゴリーを
認識結果とすることにより、類似文字の距離が接近して
も識別不能となることがなくなり、高精度のパターン認
識を行なうことができる効果がある。
接近がない場合はパターンマツチングの結果を認識結果
とし、他カテゴリーとの距離の接近がある場合は接近す
るカテゴリーの組を類似文字の組として検出し、対判定
辞書により入力パターンがどのカテゴリーであるかの識
別を行ない、すべての識別で否定されないカテゴリーを
認識結果とすることにより、類似文字の距離が接近して
も識別不能となることがなくなり、高精度のパターン認
識を行なうことができる効果がある。
また、類似文字の組を増加すれば、パターン認識を更に
高精度のものとすることができる効果がある。
高精度のものとすることができる効果がある。
第１図は本発明に係わるパターン認識方法の一実施例を
説明するためのパターン認識系を示す系統図、第２図は
第１図のパターン認識系を構成する対判定辞書作成部の
構成を示す系統図、第３図は二次元空間内の２つのカテ
ゴリーに対して得られた判別ベクトル−■を示す図表、
第４図は判別ベクトル立上に射影して得られた一次元デ
ータ分布と閾値Ｗ０とを示す図表である。 １・・・２値化部、２・・・前処理部、３・・・ボカシ
部、４・・・マツチング部、５・・・距離チェック部、
６・・・判定部、７・・・辞書、８・・・対判定部、９
・・・対判定辞書、１０・・・対判定辞書作成部、１１
・・・クラス内共分散行列計算部、１２・・・クラス間
共分散行列計算部、１３・・・判別ベクトル計算部、１
４・・・闇値設定部。
説明するためのパターン認識系を示す系統図、第２図は
第１図のパターン認識系を構成する対判定辞書作成部の
構成を示す系統図、第３図は二次元空間内の２つのカテ
ゴリーに対して得られた判別ベクトル−■を示す図表、
第４図は判別ベクトル立上に射影して得られた一次元デ
ータ分布と閾値Ｗ０とを示す図表である。 １・・・２値化部、２・・・前処理部、３・・・ボカシ
部、４・・・マツチング部、５・・・距離チェック部、
６・・・判定部、７・・・辞書、８・・・対判定部、９
・・・対判定辞書、１０・・・対判定辞書作成部、１１
・・・クラス内共分散行列計算部、１２・・・クラス間
共分散行列計算部、１３・・・判別ベクトル計算部、１
４・・・闇値設定部。
Claims (1)
- パターンマッチングの結果により距離チェックを行ない
、他カテゴリーとの距離の接近がない場合はパターンマ
ッチングの結果を認識結果とし、他カテゴリーとの距離
の接近がある場合は接近するカテゴリーの組を類似文字
の組として検出し、予め学習データを用いて作成してお
いた対判定辞書により入力パターンがどのカテゴリーで
あるかの識別を行ない、すべての識別で否定されないカ
テゴリーを認識結果とすることを特徴とするパターン認
識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP61199066A JPS6355686A (ja) | 1986-08-27 | 1986-08-27 | パタ−ン認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP61199066A JPS6355686A (ja) | 1986-08-27 | 1986-08-27 | パタ−ン認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS6355686A true JPS6355686A (ja) | 1988-03-10 |
Family
ID=16401541
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP61199066A Pending JPS6355686A (ja) | 1986-08-27 | 1986-08-27 | パタ−ン認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS6355686A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03217996A (ja) * | 1990-01-12 | 1991-09-25 | Internatl Business Mach Corp <Ibm> | 手書き文字識別方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS58207183A (ja) * | 1982-05-27 | 1983-12-02 | Nec Corp | 文字識別方式 |
-
1986
- 1986-08-27 JP JP61199066A patent/JPS6355686A/ja active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS58207183A (ja) * | 1982-05-27 | 1983-12-02 | Nec Corp | 文字識別方式 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03217996A (ja) * | 1990-01-12 | 1991-09-25 | Internatl Business Mach Corp <Ibm> | 手書き文字識別方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Terrillon et al. | Comparative performance of different chrominance spaces for color segmentation and detection of human faces in complex scene images | |
| Ismail et al. | Off-line Arabic signature recognition and verification | |
| Coetzer et al. | Offline signature verification using the discrete radon transform and a hidden Markov model | |
| Bharathi et al. | Off-line signature verification based on chain code histogram and support vector machine | |
| EP0436819B1 (en) | Handwriting recognition employing pairwise discriminant measures | |
| Arora et al. | Recognition of non-compound handwritten devnagari characters using a combination of mlp and minimum edit distance | |
| Upadhyay et al. | A review on different facial feature extraction methods for face emotions recognition system | |
| Fernando et al. | Novel approach to use HU moments with image processing techniques for real time sign language communication | |
| Boles et al. | Personal identification using images of the human palm | |
| Gour et al. | Fingerprint feature extraction using midpoint ridge contour method and neural network | |
| Ghosh et al. | Gender classification and age detection based on human facial features using multi-class SVM | |
| Han et al. | Off-line cursive handwriting segmentation | |
| Toh | Fingerprint and speaker verification decisions fusion | |
| CN120032165B (zh) | 基于SigPConvNeXt模型的离线签名鉴别系统和方法 | |
| Silva et al. | POEM-based facial expression recognition, a new approach | |
| JPS6355686A (ja) | パタ−ン認識方法 | |
| Xu et al. | Coin recognition method based on SIFT algorithm | |
| Singh et al. | Survey on offline signature recognition and verification schemes | |
| RU2826893C1 (ru) | Способ валидации ответов систем локализации и идентификации документов с помощью глобальных особенностей | |
| KR102752892B1 (ko) | 얼굴의 부분영역으로 얼굴인증을 수행하는 방법 | |
| Tutsoy et al. | Analysis of facial characteristics | |
| Hengaju et al. | Artificial neural network for face detection and recognition | |
| Krithik et al. | Feature Identification based Automatic Sign and Photo Detection in a Document | |
| Kaur | A review on pattern recognition using genetic algorithms | |
| Estrela et al. | CHILDATTEND: A Neural Network based Approach to Assess Child Attendance in Social Project Activities. |