JP2014078168A - 文字認識装置及びプログラム - Google Patents

Abstract

【課題】数値の認識率が高い文字認識装置及びプログラムを提供する。
【解決手段】文字認識の対象となる画像から数字の文字列である数値を読み取る数値読取り領域を抽出する抽出手段と、数値読取り領域に対し文字認識を行い、数値毎に複数の認識候補を取得する文字認識手段と、数値読取り領域毎に設定された数値範囲に基づいて前記複数の認識候補から確からしい候補を選択する選択手段と、を有する文字認識装置とする。
【選択図】図４

Description

本発明は、文字認識装置及びプログラムに関する。

特許文献１には、数値が記入される複数の数値記入欄および各数値記入欄に記入された数値の合計値が記入される合計値記入欄を有する帳票から、前記複数の数値記入欄および前記合計値記入欄に記入された手書き文字を読み取って文字認識を行い、当該文字認識の結果とその基になったイメージデータとを表示出力して前記文字認識の結果の修正を行い得るようにした文字認識方法であって、前記複数の数値記入欄のそれぞれに対する文字認識の結果の合計値と、前記合計値記入欄に対する文字認識の結果とに相違があると、その旨のメッセージと共に双方の差の値を表示出力することを特徴とする文字認識方法が開示されている。

特許文献２には、診療報酬請求明細書の少なくとも画像入力、蓄積、検索、及び内容点検を行なう伝票文書情報システムにおいて、当該明細書の様式の種類を識別する手段と、当該様式の種類に応じて読み取り領域を抽出する手段と、読み取り領域を設定し文字認識を行なう手段と、当該認識結果のデータを基に記載内容の妥当性を検定する手段とを有することを特徴とする伝票文書情報システムが開示されている。

特許文献３には、郵便物からその上に記載されている宛名を読取る読取手段と、この読取手段による読取内容に応じて文字を認識する文字認識手段と、この文字認識手段で認識された文字から町名を認識する町名認識手段と、上記文字認識手段で認識された文字から数字を認識する数字認識手段と、この数字認識手段で認識された数字と上記町名認識手段で認識された町名とから宛名を作成する作成手段と、上記郵便物に記載される宛名における数字部の確からしさの足切値を個々の宛名に対応して予め記憶している記憶手段と、上記数字認識手段で認識された数字の確からしさを評価値として算出する算出手段と、この算出手段で算出された評価値と、上記作成手段で作成された宛名に対応する上記記憶手段に記憶されている足切値とを比較する比較手段と、この比較手段の結果に応じて上記作成手段で作成された宛名の採用、不採用を判定する判定手段と、を具備したことを特徴とする宛名読取装置が開示されている。

特開２００２−９２５４６号公報 特開平７−１１４６１６号公報 特開平７−３９８１６号公報

本発明の目的は、本発明の構成を備えない場合に比べて、数値の認識率が高い文字認識装置及びプログラムを提供することにある。

請求項１に記載の発明は、文字認識の対象となる画像から数字の文字列である数値を読み取る数値読取り領域を抽出する抽出手段と、数値読取り領域に対し文字認識を行い、数値毎に複数の認識候補を取得する文字認識手段と、数値読取り領域毎に設定された数値範囲に基づいて前記複数の認識候補から確からしい候補を選択する選択手段と、を有する文字認識装置である。

請求項２に記載の発明は、前記選択手段が、設定された数値範囲内にある認識候補の中から確からしい候補を選択する請求項１に記載の文字認識装置である。

請求項３に記載の発明は、前記選択手段が、文字認識と数値認識とにより確からしい候補を選択する請求項１または請求項２に記載の文字認識装置である。

請求項４に記載の発明は、前記数値範囲が、数値の下限値及び上限値により設定される請求項１から請求項３までのいずれか１項に記載の文字認識装置である。

請求項５に記載の発明は、前記数値範囲が、数値の桁数により設定される請求項１から請求項３までのいずれか１項に記載の文字認識装置である。

請求項６に記載の発明は、前記数値範囲が、有効桁数により設定される請求項１から請求項３までのいずれか１項に記載の文字認識装置である。

請求項７に記載の発明は、コンピュータを、文字認識の対象となる画像から数字の文字列である数値を読み取る数値読取り領域を抽出する抽出手段と、数値読取り領域に対し文字認識を行い、数値毎に複数の認識候補を取得する文字認識手段と、数値読取り領域毎に設定された数値範囲に基づいて前記複数の認識候補から確からしいい候補を選択する選択手段と、して機能させるプログラムである。

請求項１、７に記載の発明によれば、本発明の構成を備えない場合に比べて、数値の認識率が向上する。

請求項２に記載の発明によれば、複数の認識候補が数値範囲内に絞り込まれる。

請求項３に記載の発明によれば、本発明の構成を備えない場合に比べて、更に数値の認識率が向上する。

請求項４、５、６に記載の発明によれば、桁数や正負を表す記号を含む数値についても認識率が向上する。

本発明の実施の形態に係る文字認識装置を含む手書き入力システムの一例を示す概略図である。 本発明の実施の形態に係る文字認識装置の制御系の構成の一例を示すブロック図である。 文字認識処理の処理ルーチンの一例を示すフローチャートである。 数値認識処理の処理ルーチンの一例を示すフローチャートである。 （Ａ）は表示される文書画像の一例を示す模式図である。（Ｂ）は数値範囲の設定方法の一例を示す模式図である。 （Ａ）〜（Ｃ）は数値を表す文字列が文字認識される手順を示す模式図である。から符号化画像を構成する単位パターンの一例を示す模式図である。 （Ａ）は数値認識処理前の認識候補の順位を示す図であり、（Ｂ）は数値認識処理後の認識候補の順位を示す図である。

以下、図面を参照して本発明の実施の形態の一例を詳細に説明する。

＜手書き入力システム＞
まず、本実施の形態に係る文字認識装置を含むシステムの一例について説明する。
図１は本発明の実施の形態に係る文字認識装置を含む手書き入力システムの一例を示す概略図である。図１に示すように、手書き入力システム１０は、文字認識装置１２と電子ペン１４とを備えている。電子ペン１４は、有線又は無線の通信回線（図示せず）を介して、文字認識装置１２と通信を行う。文字認識装置１２は、ユーザが使用するコンピュータ等の情報処理装置及び周辺装置である。電子ペン１４は、インクを用いて記録媒体１６上に筆記する筆記具である。同時に、電子ペン１４は、筆記時のペン先周辺の記録媒体１６の画像を撮影して、撮影画像から筆跡情報を取得するペン型の画像読取装置である。

上記の手書き入力システム１０では、利用者が電子ペン１４を用いて記録媒体１６上に筆記する。電子ペン１４は、筆記時のペン先周辺の記録媒体１６上の画像を撮影し、撮影された画像からペン先の移動軌跡を表す筆跡情報を取得する。取得された筆跡情報は文字認識装置１２に送信される。文字認識装置１２は、受信した筆跡情報に基づいて筆跡画像を生成し、筆跡画像に対して文字認識処理を行って文書情報を取得する。即ち、手書き画像に係る画像情報を、文書情報（テキストデータ）に変換する。

数値（数字の文字列）は、カンマや小数点等の桁数を表す記号、プラスやマイナス等の正負を表す記号を含む場合が多く、認識率が低いのが通常である。特に、図６（Ａ）に示すように、手書き入力された数値は一見して読み取り難く、手書き入力された数値の認識率は更に低下する。本実施の形態では、数値読み取り領域について数値範囲を設定して再度文字認識を行う「数値認識処理」を実行することにより、文字認識処理における数値の認識率を向上させる。

なお、図１に示す手書き入力システム１０は、文字認識装置１２が手書き画像に係る画像情報を取得するための構成の一例である。本実施の形態では、文字認識装置１２により数値を含む文書画像に係る画像情報が取得されればよい。文書画像に係る画像情報は、電子ペンから取得した画像情報に限定される訳ではなく、手書き画像に係る画像情報に限定される訳でもない。文字認識装置１２は、電子ペン以外の外部装置から、文書画像に係る画像情報を取得してもよい。ここで外部装置としては、スキャナ等の画像読取装置、他の情報処理装置等が挙げられる。

＜文字認識装置＞
（文字認識装置の構成）
次に、文字認識装置１２の構成について説明する。
図２は本発明の実施の形態に係る文字認識装置の制御系の構成の一例を示すブロック図である。図２に示すように、文字認識装置１２は、制御部２０、情報取得部２２、情報出力部２４、通信部２６、及び記憶部２８を備えている。なお、文字認識装置１２の構成は一例であり、不要な機能部を削除したり、新たな機能部を追加したり、各部の構成、配置を変更してもよい。

制御部２０は、装置全体の制御及び各種演算を行うコンピュータとして構成されている。即ち、制御部２０は、ＣＰＵ２０Ａ、各種プログラムを記憶したＲＯＭ２０Ｂ、プログラムの実行時にワークエリアとして使用されるＲＡＭ２０Ｃ、各種情報を記憶する不揮発性メモリ２０Ｄ、及びＩ／Ｏ２０Ｅを備えている。ＣＰＵ２０Ａ、ＲＯＭ２０Ｂ、ＲＡＭ２０Ｃ、不揮発性メモリ２０Ｄ、及びＩ／Ｏ２０Ｅの各々は、バス２０Ｆを介して接続されている。

情報取得部２２、情報出力部２４、通信部２６、及び記憶部２８の各部は、制御部２０のＩ／Ｏ２０Ｅに接続されている。制御部２０は、情報取得部２２、情報出力部２４、通信部２６、及び記憶部２８の各部との間で情報の授受を行い、各部を制御する。

情報取得部２２は、利用者に操作に応じて情報を取得する情報取得手段である。情報出力部２４は、利用者に操作に応じて情報を出力する情報出力手段である。取得される情報及び出力される情報には、電子情報、文書情報、画像情報、音声情報等の各種情報が含まれる。

情報取得部２２としては、マウス、キーボード、スキャナ、マイク、カメラ、各種ドライブ等が挙げられる。情報出力部２４としては、ディスプレイ等の画像表示部、プリンタ等の画像出力部、スピーカ等の音声出力部が挙げられる。本実施の形態では、情報取得部２２としてマウス及びキーボード等の操作部を備え、情報出力部２４としてディスプレイ等の画像表示部を備える例について説明する。

通信部２６は、有線又は無線の通信回線を介して外部装置と通信を行うためのインターフェースである。記憶部２８は、ハードディスク等の記憶装置である。記憶部２８には、各種プログラムや各種データが記憶されている。本実施の形態では、後述する「文字認識処理」を実行する文字認識プログラム３０、文字認識処理用の文字辞書３２、数字辞書３３等が記憶されている。

なお、本実施の形態では、文字認識プログラム３０等の制御プログラムが、記憶部２８に予め記憶されている場合について説明するが、制御プログラムは、ＲＯＭ２０Ｂ、不揮発性メモリ２０Ｄ等、他の記憶装置に記憶されていてもよい。また、制御プログラムを、情報取得部２２や通信部２６を介して外部から取得してもよい。例えば、情報取得部２２を構成する各種ドライブを介して、ＣＤ−ＲＯＭ等の情報記録媒体から取得してもよい。

また、本実施の形態では、文字認識の対象となる文書画像に係る画像情報についても、予め取得されて記憶装置に記憶されていてもよく、情報取得部２２や通信部２６を介して外部から取得してもよい。例えば、図１に示すシステムでは、通信部２６を介して電子ペンから取得した筆跡情報に基づいて筆跡画像が生成され、筆跡画像が文字認識の対象とされる。

（文字認識処理）
次に、文字認識装置１２で実行される「文字認識処理」について説明する。
図３は「文字認識処理」の処理ルーチンの一例を示すフローチャートである。「文字認識処理」は、制御部２０のＣＰＵ２０Ａにより実行される。「文字認識処理」は、情報取得部２２を構成する操作部を介して、利用者により文字認識の対象となる文書画像が特定されると共に文字認識処理の実行が指示されると開始される。

まず、ステップ１００で、文字認識の対象となる文書画像に係る画像情報を取得する。次に、ステップ１０２で、文字認識の対象となる文書画像からテキスト領域を抽出して、読取り領域を設定する。次に、ステップ１０４で、設定された読取り領域に対して文字辞書及び数字辞書を用いて文字認識処理を実行する。次に、ステップ１０６で、数値読み取り領域について数値範囲を設定して再度文字認識を行う「数値認識処理」を実行する。数値認識処理については次に詳細に説明する。最後に、ステップ１０８で、数値認識処理の結果が反映された文字認識の最終結果を記憶して、ルーチンを終了する。

（数値認識処理）
ここで「数値認識処理」について説明する。
図４は数値認識処理の処理ルーチンの一例を示すフローチャートである。図５（Ａ）は表示される文書画像の一例を示す模式図であり、図５（Ｂ）は数値範囲の設定方法の一例を示す模式図である。図６（Ａ）〜（Ｃ）は数値を表す文字列が文字認識される手順を示す模式図である。図７（Ａ）は数値認識処理前の認識候補の順位を示す図であり、図７（Ｂ）は数値認識処理後の認識候補の順位を示す図である。

図４に示すように、まず、ステップ２００で、文字認識の対象となる文書画像から数値を読み取る数値読み取り領域を抽出する。次に、ステップ２０２で、画像表示部に数値読み取り領域を表示させる。次に、ステップ２０４で、数値読み取り領域毎に数値範囲を設定するための設定画面を表示して、利用者からの設定を受け付ける。

例えば、図５（Ａ）に示すように、画像表示部には文書画像１８が表示される。文書画像１８は、実線で表示されたテキスト領域４０と、網掛けで表示されたグラフィック領域４２とを含んで構成されている。テキスト領域４０は、文字列（数字、記号を含む）で構成された領域である。グラフィック領域４２は、図形、写真等、文字列以外のオブジェクトで構成された領域である。

テキスト領域４０は、複数の数値読み取り領域５０を含んでいる。図５（Ａ）に示す例では、６個の数値読み取り領域５０_１から５０_６が、矩形状の領域として図示されている。各領域を区別する必要が無い場合には、数値読み取り領域５０と総称する。利用者が操作部を操作することにより、数値読み取り領域５０が特定される。図５（Ａ）に示す例では、カーソル等の特定手段６０により数値読み取り領域５０_５が特定されて、他の数値読み取り領域５０とは異なる色で表示されている。

数値読み取り領域５０が特定されると、例えば、図５（Ｂ）に示すように、特定された領域について数値範囲を設定するための設定画面７０が表示される。図５（Ｂ）に示す例では、設定画面７０は、数値範囲の下限値を設定するためのボックス７２と、数値範囲の上限値を設定するためのボックス７４とを含んでいる。例えば、下限値を「１．００」とし、上限値を「５．００」とすることで、数値範囲は１．００以上５．００以下の範囲に設定される。

図４に戻って、次に、ステップ２０６で、全部の数値読み取り領域５０について数値範囲の設定が完了したか否かを判定する。数値範囲の設定が完了している場合には、ステップ２０８に進む。数値範囲の設定が完了するまでは、ステップ２０６の判定を繰り返し行う。

次に、ステップ２０８で、１つの数値読み取り領域５０を選択する。次に、ステップ２１０で、選択された数値読み取り領域５０の数値に対し１文字毎に文字認識を行う。次に、ステップ２１２で、数字の文字列である数値について複数の認識候補を取得する。次に、ステップ２１４で、複数の認識候補から設定された数値範囲外の認識候補を除外して、認識候補を絞り込む。次に、ステップ２１６で、絞り込んだ認識候補の中から最も確からしい認識候補を選択する。

例えば、図６（Ａ）に示すように、数値読み取り領域５０は、数値５２の画像を含んでいる。図６（Ａ）に示す例では、数値５２は「４．６７」であり、「４」、「．」、「６」及び「７」の４文字からなる文字列である。文字認識の際には、数値読み取り領域５０が１文字に対応した文字領域に分割されて、１文字毎に文字認識が行われる。

図６（Ｃ）に示すように、小数点に対応した文字領域を狭くする等して精度を高めた文字認識では、数値読み取り領域５０が、数字に対応した文字領域５４_１〜５４_３と小数点に対応した文字領域５４_４とに分割される。文字領域５４_１では文字５２_１（数字「４」）が認識され、文字領域５４_２では文字５２_２（数字「６」）が認識され、文字領域５４_３では文字５２_３（数字「７」）が認識される。文字領域５４_４では文字５２_４（小数点「．」）が認識される。これらの組合せとして「４．６７」という数値が認識される。

しかしながら、数値が小数点等の記号を含む場合には、数値読み取り領域５０を１文字に対応した文字領域に分割することが難しくなる。また、手書き入力された数値では、癖字等により認識が困難になる場合もある。図６（Ａ）に示す例でも、小数点が小さくて認識され難く、「６」と「８」の区別が難しい。例えば、図６（Ｂ）に示すように、数値読み取り領域５０が、数字に対応した文字領域５４_１〜５４_３に分割されてしまうと、「４６７」と認識されることになる。従って、文字認識によれば「４．６７」以外に複数の認識候補が取得される。

図７（Ａ）に示すように、数値認識処理を実施する前の文字認識処理では、数値５２の認識候補として、「４６７」、「４.６７」、「４８７」、「４.８７」、「４６．７」等が取得される。これらの数値は、記載された順序で確からしいと判断されている。即ち、数値認識処理を実施する前の文字認識の結果では、数値５２は「４６７」と認識されている。なお、文字認識での「確からしさ」の判断は、特徴量を用いて画像としての類似度を算出する等により行われている。類似度が高いほど確からしさは大きくなる。

図５（Ｂ）に示すように、本実施の形態では、数値５２の数値範囲が１．００以上５．００以下の範囲に設定されている。従って、図７（Ｂ）に示すように、数値認識処理を実施した後の文字認識処理では、「４６７」、「４８７」、「４６．７」が認識候補から除外されて、認識候補は「４.６７」及び「４.８７」に絞り込まれる。これらの数値は、記載された順序で確からしいと判断されている。即ち、数値認識処理を実施後の文字認識の結果では、数値５２は「４.６７」と認識されている。以上の通り、本実施の形態では、文字認識と数値認識とにより認識候補が選択される。

図４に戻って、次に、ステップ２１８で、全部の数値読み取り領域５０について数値認識処理が終了したか否かを判定する。全部の数値読み取り領域５０について数値認識処理が終了している場合には、ステップ２２０に進む。数値認識処理が終了していない数値読み取り領域５０がある場合には、ステップ２０８に戻り、ステップ２０８からステップ２１８の手順を繰り返し行う。

次に、ステップ２２０で、数値認識処理を実施後の文字認識の結果を反映させて、文字認識の最終結果を取得してルーチンを終了する。本実施の形態では、数値認識処理を実施することで、複数の認識候補が数値範囲内に絞り込まれて、数値の認識率が向上する。

上記の処理では、数値を含む文書画像から数値読み取り領域を抽出し、抽出された領域毎に数値範囲を設定する例について説明したが、例えば帳票の数値記入欄のように、数値が書き込まれる前の数値読み取り領域に対して数値範囲を設定してもよい。この場合は、数値読み取り領域を含む文書画像が、画像表示部にフォーマットとして表示される。数値が書き込まれる前に、数値読み取り領域の各々に対して数値範囲が設定される。

そして、数値が書き込まれた後の文書画像が取得される。例えば、数値記入欄を有する文書画像が印刷された用紙が利用者に配布され、利用者によって数値記入欄に数値が書き込まれる。数値が書き込まれた用紙が光学的に読み取られて、数値を含む文書画像が取得される。数値を含む文書画像に対しては、図４のステップ２０８〜ステップ２２０と同様にして「数値認識処理」が実行される。

なお、上記各実施の形態で説明した文字認識装置及びプログラムの構成は一例であり、本発明の主旨を逸脱しない範囲内においてその構成を変更してもよいことは言うまでもない。

例えば、上記の実施の形態では、数値範囲を下限値と上限値とで設定する例について説明したが、数値範囲の設定方法はこれに限定される訳ではない。４桁、５桁等のように、数値の桁数により数値範囲を設定してもよい。例えば、４桁とした場合は、１０００から９９９９までが数値範囲となる。また、有効数字を小数点４桁、小数点５桁等のように、有効桁数により数値範囲を設定してもよい。例えば、有効数字を小数点４桁とした場合は、０．１３２０×１０^６等、桁数や正負を表す記号を含む数値についても認識率が向上する。

１０ 手書き入力システム
１２ 文字認識装置
１４ 電子ペン
１６ 記録媒体
１８ 文書画像
２０ 制御部
２２ 情報取得部
２４ 情報出力部
２６ 通信部
２８ 記憶部
３０ 文字認識プログラム
３２ 文字辞書
３３ 数字辞書
４０ テキスト領域
４２ グラフィック領域
５０ 数値読取り領域
５２ 数値
５４ 文字領域
６０ 特定手段
７０ 設定画面
７２ ボックス
７４ ボックス

Claims (7)

1. 文字認識の対象となる画像から数字の文字列である数値を読み取る数値読取り領域を抽出する抽出手段と、
   数値読取り領域に対し文字認識を行い、数値毎に複数の認識候補を取得する文字認識手段と、
   数値読取り領域毎に設定された数値範囲に基づいて前記複数の認識候補から確からしい候補を選択する選択手段と、
   を有する文字認識装置。
2. 前記選択手段が、設定された数値範囲内にある認識候補の中から確からしい候補を選択する請求項１に記載の文字認識装置。
3. 前記選択手段が、文字認識と数値認識とにより確からしい候補を選択する請求項１または請求項２に記載の文字認識装置。
4. 前記数値範囲が、数値の下限値及び上限値により設定される請求項１から請求項３までのいずれか１項に記載の文字認識装置。
5. 前記数値範囲が、数値の桁数により設定される請求項１から請求項３までのいずれか１項に記載の文字認識装置。
6. 前記数値範囲が、有効桁数により設定される請求項１から請求項３までのいずれか１項に記載の文字認識装置。
7. コンピュータを、
   文字認識の対象となる画像から数字の文字列である数値を読み取る数値読取り領域を抽出する抽出手段と、
   数値読取り領域に対し文字認識を行い、数値毎に複数の認識候補を取得する文字認識手段と、
   数値読取り領域毎に設定された数値範囲に基づいて前記複数の認識候補から確からしいい候補を選択する選択手段と、
   して機能させるプログラム。

Images