[发明专利]手写字符识别方法、手写字符识别系统、手写字符识别程序以及存储介质

权利要求书

1.一种字符识别方法，是识别联机手写字符的手写字符识别方法，其特征在于，

对各笔画的每一个笔画利用参数表现来捕获输入的手写字符，对各笔画的每一个笔画进行折线近似，

将上述折线近似的各折线作为从始点到终点的向量而求出，将成为基准的轴与上述各折线所成的角度作为折线角序列而求出，

求出所得到的折线的角顶点的外角序列，

将上述外角序列的正或负的相同符号连续的同符号的外角之和作为涡旋夹角序列，

分层且分割地提取上述求出的各序列的全局特征和根据涡旋夹角序列而分割的各曲线部分中的局部特征或者次局部特征，通过将该提取结果与预先准备的识别对象字符的模板进行比较，从而进行字符识别。

2.根据权利要求1所述的字符识别方法，其特征在于，

在由上述涡旋夹角序列构成的曲线环的前后，将各项分割为前转角、后转角，从而进行识别处理。

3.根据权利要求1所述的字符识别方法，其特征在于，

上述识别对象字符的模板是从学习数据中决定了各序列要素、各特征的上限、下限范围的数据。

4.根据权利要求1所述的字符识别方法，其特征在于，

作为上述折线近似表现，使用将折线的长度作为要素的序列、用其全长进行了标准化的序列、将始点、顶点、终点作为要素的坐标序列，求出端长比、中间长、中间最大长、长度的要素的分布、始点终点间距离的特征。

5.根据权利要求1所述的字符识别方法，其特征在于，

求出某个决定的区间内的折线的加权平均角、外角序列的特征或边界项的值、始点终点间距离、始点/终点/特征或边界点间的距离的特征。

6.根据权利要求1所述的字符识别方法，其特征在于，

在由涡旋夹角序列的各项涡旋夹角区域内、涡旋夹角区域间的特征构成的部分多维特征空间上，由各学习数据构成识别平面，进行字符间的识别。

7.根据权利要求1所述的字符识别方法，其特征在于，

从涡旋夹角序列的各要素的外角序列和与其相当的长度序列中，取长度序列为一个轴，

取外角序列的累积角为另一个轴，通过进行线性插值来构成图表，构成累积角特征函数求出全局弯曲状况的特征，其中所述累积角特征函数作为离该要素的始点的距离的函数连续求出涡旋夹角，另外与其相反作为涡旋夹角的函数连续求出距离。

8.根据权利要求1所述的字符识别方法，其特征在于，

通过求出还包含各笔画的代表折线或者折线集合的延长线的直线群彼此的交点，定量地求出多个笔画间的位置关系。

9.根据权利要求4所述的字符识别方法，其特征在于，

在上述标准化的序列内，忽略规定长度以下的折线。

10.根据权利要求1或者7所述的字符识别方法，其特征在于，

在涡旋夹角序列的各项涡旋夹角区域内，利用上述折线角序列的相邻折线角的变化的模式或者累积角特征函数，将对象字符分解成多个分区，将该分区或边界点的特征利用在与识别对象字符的比较中。

11.根据权利要求1所述的字符识别方法，其特征在于，

将与由上述涡旋夹角序列的各项构成的曲线的涡旋夹角的一半对应的曲线上的点作为中点而求出，在其前后分割各项内的曲线，求出从各分割折线群中提取的微小的曲线的特征，提高识别精确度。

12.一种字符识别系统，是识别联机手写字符的手写字符识别系统，该字符识别系统的特征在于，具备：

输入单元，其联机地输入手写字符；

折线近似单元，其对各笔画的每一个笔画利用参数表现来捕获由上述输入单元输入的数据，对各笔画的每一个笔画进行折线近似；

处理单元，其将由上述折线近似单元折线近似的各折线作为从始点到终点的向量而求出，将成为基准的轴与上述各折线所成的角度作为折线角序列而求出，并求出上述折线的角顶点的外角序列，将上述外角序列的正或负的相同符号连续的同符号的外角之和作为涡旋夹角序列；以及

识别单元，其分层且分割地提取由上述处理单元求出的各序列的全局特征和涡旋夹角序列的各项涡旋夹角区域内的局部特征或者次局部特征，将该提取结果与预先准备的识别对象字符的模板进行比较，从而进行字符识别。