CN1243462A - 识别分配信息的方法和装置 - Google Patents

Abstract

本发明涉及到借助视频编码站的邮件分配信息识别。按照本发明在视频编码站的图象屏幕上显示的各自的分配信息借助于一个由麦克风(60)和语言输入模块(70)组成的语言输入单元和在必要时附加地借助于键盘(50)被输入。这样被输入的数据被组合成一个完整的、按照可信度评价的分配信息建议的表并且被显示出来,此时不可信的建议在这以前已经被剔除掉了。

Description

识别分配信息的方法和装置

本发明涉及到按照独立权利要求前序部分的一种方法和一种装置和特别有利的是可以应用于确定在邮件上用非字符文字书写的分配信息。

分配信息的自动阅读系统，特别是(OCR)地址在信件处理领域是众所周知的并且被叙述在DE 195 31 392中。用现代化的OCR-信件分类设备处理效率为每秒钟10封信，也就是说每小时可以达到36.000封信或更多。然而识别可靠性在很大程度上随着书写在信件封面上地址信息的文字形式和总体质量而变化。在一个成功识别的情况下有关的信件可以使用一种机器可读取的条形码。这种条形码经过一个进一步的机器处理可以达到一个任意希望的分类规则。特别是使用条形码可以使信件分类到邮局运行的分类平台上，在其上信件按照它们的分配的排列次序通过送进装置被分类。

亚洲区域的经济趋势和增长的邮件普及率导致了提高致力于地域性文字自动识别的努力，以便限制成本和提高邮件服务。其中与西方国家情况不同的是，在西方国家中邮件自动机代表了一种已经建立了的技术，因而对这些识别系统出现了新的要求，这是来源于，在亚洲区域中的大多数国家使用中国文字符号作为邮件的局域的地址。与西方的字符文字的字母不同，中文的文字符号是构成为表意符号的。每一个这样的表意符号可以代表一个字。代替一种用30至60个数目字母的文字是3000至6000个常用的不同的中文文字，每个中文文字具有一个自己的特征形式。中文的文字符号系统的这种实际上的不封闭性和单个符号的表意结构导致了与西方字符文字系统相比较OCR-系统有效性的降低。此外还由于，在邮件上的地址或者以立式或者以水平方向出现以及常常中文和西方文字混合出现，因而带来麻烦。

因为原则上自动阅读系统的识别率不仅对于西方而且对于中文文字符号变化是很大的，因而有必要，通过不同方式的手动干预对它给予支持。当不能自动阅读的信件驳回时简单的干预是进行一种手分类方法。当然随着劳动成本的增加因而出现的成本高得很不经济。此外，这种手动分类的邮件在一个以后的时间点上不再可能毫无问题地使用机器被继续分类，这样就产生了两个相互分开的邮件流，它们必须在一个一定的时间点上重新用手动被融合在一起。

为了避免OCR-驳回邮件手动分类的这种缺点，开发了邮件的一个手动编码的各种方法。所有这些方法使用的是通过操作员的干预，以便将条形码用一种方式放在邮件上，它是牢固的并且要求，用同样的机器进行一个机器分类，它们处理OCR-阅读过的和条形编码的邮件。

一种另外的方法，为了能在被驳回的邮件上编码，使用所谓的手动编码站。在这些手动编码站上邮件被物理地先后次序排列地经过一个操作员，此时操作员对于每个这样的邮件根据需要信息的多少编码，以便在确定位置上清楚地识别。此时被输入的地址借助于一个目录被转化成一个分类条形码，被放在邮件上。这个被编码的邮件随后借助于条形码分类机(BCS)被进一步处理，它们在机械上与OCR-相应的BCS是一样的。这样的手动编码站作为第一个是从美国-邮政和皇家邮政在70年代时引进的。这种装置的主要缺点在于必须将邮件从OCR-邮件流中分开和对于操作员来说在识别经过他面前的邮件时人类工程学方面的困难。

处理被OCR-驳回的邮件的另一个进展是开发了在线-视频编码系统(OVS)。在一个OVS中为了编码将邮件的一个视频图象展现给一个操作员，以代替在手动编码站上的物理的邮件。视频图象被显示给操作员，而此时物理的邮件被保持在延迟的路段上。在这个延迟的路段上一般来说邮件以运动方式保持一个时间间隔，它足够使OVS-操作员将必要的分类信息输入到相关的图象上。一般延迟路段允许一个延迟为10至30秒之间。延迟路段愈长，成本以及对于维护的要求和设备的物理尺寸也就愈高，愈大。

使用OVS的主要问题在于，所提供的时间只够一个仔细的输入邮政编码(ZIP)或邮局编码(PC)，否则，就要使用一个长得不实际的延迟路段。

一旦存在一个ZIP或PC，OVS就可以有效地用于用中文符号注明地址的邮件上。当然这类邮件的份额在很多东方国家很少并且在可预见的未来还将保持。

因而开发了专用的编码系统，以便使在线-延迟时间尽可能保持得很小。

为了提高编码效率和/或可能输入所有的地址元素，也就是说，ZIP/PC，街道/信箱号，收件人/信箱号，收件人/公司，开发了各种现有技术的方法。主要的有以下一些：

预览-编码

在预览-编码时同时显示两个邮件图象；一个在另外一个的上面。此时下面的图象是主动的，也就是说，它的数据是被编码的。经过一个适当的训练对于操作员来说是可能的，将信息在下面的图象上编码，当他们从上面的图象中用视觉已经得到地址信息时。上面的图象随后变为主动和过程被继续。用预览-编码使之成为可能，在前后连续的图象进行编码时辨认的和运动的功能的一个完整的重叠使操作员-生产率提高一倍。

提炼编码

在实际可达到的在线-延迟-时间之内只有ZIP/PC地址元素可以被操作员可靠地输入，在提炼编码时被输入与街道有关的地址组成部分的确定的关键组成部分。此外提炼编码是建立在专门开发的规则基础上的，在其中固定长度的编码被用作为进入一个地址目录的进入关键字。例如皇家邮政使用一个提炼公式，它是建立在开始的三个和最后的两个字母的基础上的。此时专门的规则必须被操作员学会，以避免多余的地址信息并且考虑一定的不同的特征例如方向，例如东，西或分类例如街，巷，路。

提炼编码除了它的一定的有效性以外还具有一些较大的缺点；特别是复杂的提炼规则，它常常要求考虑到一条街道名字的末尾，而这些组成部分在手写的邮件上一般是写的最不清楚的。此外人们发现不清楚的提炼有一个很高的比率，其中在一个目录中的多个登录对应于提炼编码，这样就不可能进行明确的分类分离。此外还要考虑，操作员的输入生产率降低了，一旦代替一个简单的重复的键盘输入必须由操作员作出决策时。

补充编码

补充编码与提炼编码相反对于每个被编码的地址进行一个可以变化的输入。重要的是在地址输入时与地址目录进行一次校准，直到一个明确的一致性被达到时。通过显示地址的剩余部分，一旦一个明确的部分一致性被识别时，一个加速效应被达到。然而这种技术的问题出现在，必须给操作员一个输入停止-信号并且被识别的地址剩余部分的一个显示是必要的。这将导致输入生产率的一个降低和使一个预览编码成为不可能。

理论上所有被叙述的视频编码技术也都可以被应用在具有中文文字符号的邮件上，虽然缺少中文文字符号的快速输入技术使它的可应用性停留在介于两者之间。

操作员-辅助的OCR-技术

为了提高在线-处理地址信息美国邮政试验了操作员-辅助的OCR-技术。其中为了提高效率地址图象部分被突出出来，在这里OCR-识别失去作用。因为操作员在译解错误的字母时很慢并且部分甚至也许是整个的识别错误，例如出现分段问题，在这种方法中操作员生产率往往低于将相应的地址简单的重新输入。

脱机-编码

因为在上述的编码技术中没有能够达到一个纯粹的在线-编码时的高生产率，不久前引入了一个脱机-编码系统，如在US PS 49 92 649中叙述的。在这个系统中在不能被识别地址的邮件上安排了一个附加的信息，一个跟踪识别(TID)。不能被识别地址的邮件被外存储，而这些邮件的图象为了编码被展现在操作员面前，此时没有秒范围的时间限制。随后邮件被传送到TID-阅读机。TID被与输入的地址信息相联接。在此基础上也可以将一个普通的条形码-分类信息放到邮件上，这样相应的邮件和一般的OCR-阅读的邮件一样也可以被处理了。虽然脱机-视频编码方法显示了所有地址组成部分编码的一个有效方法，但是对不能被识别地址的邮件的进一步处理则要求附加的工作量和一个相应的复杂的后勤服务。

操作员辅助的OCR-技术原则上也适用于具有中文文字符号的邮件，但是到目前为止这种符号的快速输入尚没有可能。

这种不能令人满意的局面还由于以下原因变得更加严重，对操作员在必要的培训和所要求的知识方面提出了相对高的要求。在本发明的独立权利要求1和7中存在的问题是，分配信息是以地址的形式，特别是在邮件上是用手写体的非字母文字，用已知的解决方法对工作人员相对比较低的要求就能快速编码。

借助于语言输入单元的编码输入即使对于相对不熟练的工作人员来说也能使一个地址信息很快地输入成为可能并且特别优越的是在用中文文字符号没有邮政编码(ZIP)的手写体地址编码时。

本发明的有利的实施例可以从从属权利要求中获悉。

如果按照权利要求2在语言输入时附加地使用键盘作为编码输入，特别是对于数字分配信息组成部分或者是比较大的目标区域借助于功能键，这样输入就可以更可靠些地被完成。通过不同输入介质输入的分配信息的组成部分随后被组合成完整的分配信息。

此外也是适当的，按照权利要求3为了提高识别安全性同时在一个OCR-单元中分析地址并且将分配信息建议与通过输入过程得到的建议组合成为具有新的可靠性分配信息建议的一个总表。

有利的还有，按照权利要求4将OCR-单元的分配信息建议与用键盘输入的数据相关联，以便修正错误。

在本发明的一个另外的有利的结构中借助于统计学求得的可靠性的阈值按照权利要求5将不可信的分配信息建议从总表中剔除掉，这样就可以快速和可靠的恰当地得到最后的选定。

有利的还有，按照权利要求6特别是比较大的目标区域的常用地址用一个功能键来表示。

以下本发明借助于附图被进一步说明。其中表示：

附图1一个按照本发明的装置的一个简图

附图2在邮件编码时的一个数据流。

附图1表示了为实施本发明方法的一个信件分配装置的一个简图。一个OCR-信件分类机10是由一个输入装置11组成的，它连续地将邮件从一个存储器12中抽出来并且用大约每秒钟10个邮件的速度传送到一个高分辨率的作为获取邮件图象装置的视频扫描器17上。随后邮件在一个延迟路段13上被传送。一般来说邮件在它的封面上有分配信息，特别是地址信息。在一个OCR-单元20上完成对一个邮件图象上地址信息的一个分析，而邮件图象是从视频扫描器7中得到的。在一个完整的分析情况下一个条形码打印机4被起动并且具有一个相应的条形码的邮件被放入为了以后分类的分类格子16中。OCR-单元20是由具有，用以存储邮件图象的，联合存储器22的一个或多个微处理器21组成的。此外OCR-单元还包括一个字典23，它具有ZIP-编码，城市名和街道名和或许另外的与地址有关的信息。在分析地址信息时出现的图象最好进行一个由地址目录得到的登录的特征控制的减少，这样就产生了一个子字典形式。在单个登录时同时被赋予了可信度，这样在分析时一个大量的数据是从被认作为是正确的已知的地址中产生出来。此外装置还包括一个处理单元30以及一个一定数量的视频编码站40，它们是与处理单元30直接或通过一个局域网(LAN)31相连接的。有利的是工作站被用作为视频编码站。如果一个图象的OCR-分析不完全成功的话，这个图象被从OCR-单元20传送到处理单元30，它可以控制一个TID条形码打印机15并且将相应的图象传送到视频编码站40中的一个。TID条形码打印机15在相应的邮件上打印上一个识别码TID，它在以后的一个时间点上有可能将被分析的地址信息与物理的邮件联系在一起。在这种情况下图象分析最好是脱机进行，虽然原则上在一个足够长的延迟时间内用视频编码的一个在线-分析也是可能的。在后面情况下TID也可以在一个以后的时间点上被放在邮件上，也就是说如果视频编码在一个确定规定的时间内不能够执行一个完整的分析时。

如简图所示，在每个视频编码站40连接上作为键盘输入的一个键盘50和由一个麦克风60和一个语言识别模块70组成的一个语言输入装置。

按照附图2的具有附加信息的一个邮件(例如信件，大批量信件，包裹)的图象(以2个或多个灰度级)作为输入取决于前面的处理结果(例如定向，地址块的位置)；一个图形链被准备好作为输出，它包括了与邮件图象有关的分配信息。

邮件图象被显示在视频编码站的图象屏幕100上，此时可能的地址区(ROIs)用彩色被框起来并且用从1开始的连续数字被标志上。操作员决策，是否邮件图象包括了一个可以看见的和为了进行分配充分的邮政编码(ZIP)110。如果是，操作员通过键盘将它输入给120。输入结束以后ZIP的有效性借助于可靠的ZIP的一个表格被检查130，140。对无效的ZIP给出一个警告信号(例如声音信号)150并且等待重新输入120。对于有效的ZIP这个被作为结果输出并且这个邮件的处理就结束了。

如果邮件图象不包含充分的ZIP时，操作员按一个警告键(例如ESC)并且检查，是否邮件图象的定向和被选定的地址区域(ROI)被确定为正确的200。如果不是这种情况，他通过功能键选择正确的定向和/或用数字键210选择正确的ROI。

符号识别(OCR)通过一个决策被引入，是否在优先的-ROI上是手写体还是机器字体。这个决策是通过一个统计学相匹配的分类器准备好的300和由操作员操作的(用空格键)以及修正的(用例如“H”以及“M”键)310/400。

如果出现一个手写体地址，则被起动借助于语言输入和手输入的多媒体识别。此外优先的-ROI被同时用手动-OCR 320处理；操作员用功能键输入城市名(如果是已定义的)以及用数字键330输入地址的数字组成部分(例如房子号码)；同时他在被连接上的麦克风340上说出城市名(如果在功能键上没有定义的话)或在另外的情况下街道名。麦克风的模拟语言信号被转化成数字数据并且由语言识别模块处理341，此时一个被分析出的具有可信度的候补表被制作出来。

手动-OCR 320的结果与被输入的键盘编码330这样进行相关350，将城市名，如果存在的话，与由手动-OCR得到的城市名，进行比较，在出现冲突的情况下的那个被修正，并且作为数字地址组成部分的数字顺序，在位置和数值上与OCR-结果进行比较并且在出现冲突情况下的那个被修正。作为相关的结果则出现一个被分析的具有可信度的由没有，一个或几个符号链组成的表，它们各自对应于一个被形成的地址。

语言识别341的结果与被输入的键盘编码330是这样组合在一起的360，地址组成部分(城市名，街道名，房屋号码等)以正确的排列顺序被排成一个符号链。对于来自语言识别341的每个后备被产生一个相应的符号链。

在步骤350和360中被制成的符号链表被组合成用统一格式的一个总表和当符号链一致时具有累集的可信度370。借助于由统计学匹配的可信度阈值有足够的不可信的结果被从总表中剔除掉380。在这以后出现一个地址抉择的表。如果出现一个机器字体的地址，优先的-ROI用传统方式被以机器字体为参数的一个OCR来处理410。

步骤380或410的结果用一个传统的地址翻译器500来处理，它检查句法形式和对于每个地址抉择字典的存在，从字典中确定相应的ZIP和各自由ZIP和完整的或足够长的清楚的地址符号顺序组成的一个或多个结果的抉择，作为结果被准备好。

地址翻译器的结果以一个选定菜单(多种选择)的形式被显示在图象屏幕上500，其中具有最大可信度的那个结果抉择出现在第一个位置上。操作员现在通过邮件图象100与菜单500的比较检查出，是否与邮件相应的结果包含在菜单里520。如果是这种情况，他就用数字键在正确的结果530上作上标记(以及用空格键，它对应于第一个抉择)。与被选定的抉择对应的ZIP被作为结果输出，并且这个邮件的处理就结束了。

如果正确的结果没有包含在菜单中，操作员就用字母键盘记录简化发音的或者一个另外的适当的编码600。被输入的符号顺序用传统的地址翻译器的一个继续调用来处理。并且将结果重新用菜单形式表示出来610。操作员如同在步骤530那样从630中选择正确的结果以及如果正确的结果不包括在菜单中，他操作REJECT否决-键640，它导致将现实邮件的一个最终抛弃。这个必须随后用手分配或类似的方法被进一步被处理。

Claims (9)

1.借助于视频编码站(40)对邮件分配信息的识别方法，在视频编码站上被接受的、数字化的和被存储的包括有邮件封面分配信息的图象被连续传送，其中所得到的分配信息用字典进行校对，

其特征为，

-在视频编码站(40)的图象屏幕上被显示的各自的分配信息是完全地或部分地借助于被连接上的具有一个麦克风(60)和语言识别模块(70)的一个语言输入单元被输入的，并且从在语言输入单元中产生的按照可信度评价过的分配信息建议中在字典校对以后具有最高可信度的一个建议或多个建议作为确认/选定被显示在视频编码站(40)的图象屏幕上。

2.按照权利要求1的方法，

其特征为，

-视频编码站(40)的图象屏幕上被显示的各自的分配信息中至少已经存在的数字部分是借助键盘(50)和名字是借助语言输入单元被输入的，

-对于每个分配信息，借助键盘(50)输入的数据和通过语言输入得到的数据，按照可信度评价的名字后备被组合成完整的分配信息建议的一个表，

-经过字典校对以后具有最高可信度的分配信息一个或多个分配信息建议对于有效的分配信息作为确认/选定被显示在视频编码站(40)的图象屏幕上。

3.按照权利要求1或2的方法，

其特征为，

各自的分配信息另外在一个OCR-单元(20)内被分析，作为结果的是经过可信度评价后的分配建议的一个表，并且这个表与至少是用语言输入得到的经过可信度评价后的分配信息建议的表被组合成为具有统一格式的和由两个表中得到的可信度的一个总表，从这个总表中经过字典校对以后的具有最高可信度的候补名单被送到视频编码站(40)的图象屏幕上。

4.按照权利要求3的方法，

其特征为，

OCR-单元(20)的分配建议与通过键盘输入的数据进行相关分析，并且在有冲突的情况下要进行一个修正并且在结果中包括的经过可信度评价后的分配信息建议表被用于构成总表。

5.按照权利要求1至4的方法，

其特征为，

在一个可信度过滤器中借助于统计学得到的可信度尺度的阈值不可信的分配信息建议被从总表中剔除掉。

6.按照权利要求2的方法，

其特征为，

除了分配信息的数字部分通过键盘以外大批邮件的目的地是通过功能键被输入的。

7.邮件分配信息识别装置，具有

-为了得到邮件图象的一个装置(17)，

-对于邮件封面代表分配信息的图象进行自动分析的一个OCR-单元(20)，

-对于包括有分配信息的邮件封面的图象进行视频编码的一个装置，具有至少一个视频编码站(40)，

-一个处理单元(30)，它控制视频编码装置的输入-和输出单元和OCR-单元(20)之间的数据流，

其特征为，

在每个视频编码站(40)上连接一个由一个麦克风(60)和一个语言识别模块(70)组成的语言输入单元，并且借助于处理单元(30)从语言输入单元的分配信息建议中经过字典校对后将具有最高可信度的分配信息建议作为选定或确认传送到各自的视频编码站(40)的图象屏幕上。

8.按照权利要求7的装置，

其特征为，

在处理单元(30)中从借助语言输入单元产生的名字建议和键盘输入信号中产生完整的分配信息建议，

9.按照权利要求7或8的装置，

其特征为，

在处理单元(30)中从通过至少是由语言输入得到的、按照可信度评价的分配信息建议表和此外由OCR-单元(20)产生的按照可信度评价的分配信息建议的一个表产生一个由两个表中带来可信度的分配信息建议总表，它的最可信的建议被传送给一个视频编码站(40)并且在那里被显示出来。

Images