JPH01201787A - 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〕 本発明は帳票に書かれた文字を自動認識する文字認識装
置に係シ、特に制限なく自由に書かれた自由手書き文字
を認識する文字認識装置に関するものである。

〔従来の技術〕

従来の文字認識装置としては２種類の型式がある。その
１つは不特定多数の筆記者よシ書かれた文字データをも
とに認識辞書を作成し、入力文字と認識辞書間の類似度
に基づき入力文字のカテゴリーを決定する手法である。

他の１種は特定の筆記者の書かれた文字データを学習し
て認識辞書として登録し、上述の手法と同様入力文字と
認識辞書間の類似度に基づき入力文字のカテゴリーを決
定する手法である。

〔発明が解決しようとする課問題〕

上述した従来の文字認識装置における前者の不特定多数
の筆記者によシ書かれた文字データをもとに認識辞書を
作成する手法では、−船釣な字形のデータに対しては高
い認識性能を有するが、自由に書かれた個性的な字形の
データが入力された場合には認識性能は低下するという
課題があった。

筆記者による字形の差異の例、を示す第２図を用いて説
明を行うと、図において、Ａは筆記者Ａ、Ｂは筆記者Ｂ
を示し、（ａ）はカテゴリー′″１″、Φ）はカテゴリ
ー＠７″を示す。筆記者Ｂの書いた（ｂ）に示すカテゴ
リー′″７″のデータは筆記者Ａの書いた０３）Ｋ示す
カテゴリー＠７”のデータよシむしろ筆記者Ａの書いた
（ａ）に示すカテゴリー″′１”のデータとの類似度が
高い◇仮に筆記者Ａの書いた字形を一般的な字形とした
場合、作成された認識辞書では筆記者Ａの書いた文字の
認識性能は良いが、法記者Ｂの書いた文字は誤認識する
可能性が高い。

また、後者の文字認識装置に学習機能を有し、特定の筆
記者によシ書かれた文字における特徴の統計量をもとに
認識辞書を修正する手法では、既に学習した個性的な字
形に対しては高い認識性能を有するが未学習の字形デー
タが入力されると認識性能は大きく低下し、複数の筆記
者によシ書かれた文字データが混在する場合高い認識性
能は得られないという課題があった。

〔課題を解決するための手段〕

本発明の文字認識装置は、類似カテゴリー名を指定する
レジスタと、このレジスタによって指定されたカテゴリ
ーの特徴データを格納する特徴バッファと、この特徴バ
ッファ内のデータと入力文字特徴値間の類似度計算を行
う類似度計算回路と、同一フィールド内の異カテゴリー
データとの類似度差に基づき候補カテゴリーを選択する
手段を備えてなるものである◇ 〔作用〕 本発明においては、予め類似カテゴリーをレジスタにセ
ットしておくことで、レジスタにセットされているカテ
ゴリーに関しては既に認識処理済みの特徴データを特徴
バッファに知識として保存し、この知識を利用しフィー
ルド全体である筆記者の書いた異カテゴリーの相対的特
徴差によシ判定する。

〔実施例〕

以下、図面に基づき本発明の実施例を詳細に説明する。

第１図は本発明の一実施例を示すブロック図で、データ
の流れを示すものである◇ 図において、１はスキャナ部、２は前処理部、３は特徴
抽出部、４はｎ次元ベクトル、５は認識辞書部で、この
認識辞書部５には従来の文字認識装置と同様不特定多数
の書かれた文字データよシ学習した認識辞書を格納して
おく。７は類似度計算回路、９は判定回路、１０．．３
８はこの判定回路９の出力、１１．１２は類似カテゴリ
ー名を指定するレジスタ、１３．１４はこのレジスタ１
１゜１２の各出力、１５．１６は比較器、１７．１８は
この比較器１５．１６の各出力、１９．２０はゲート回
路、２１．２２はレジスタ１１　、ｌ　２によってそれ
ぞれ指定されたカテゴリーの特徴データを格納する特徴
バッファ、２３，２４はこの特徴バッファ２１．２２の
各出力、２５．２６はそれぞれ特徴バッファ２．１．２
２内のデータと入力文字特徴値間の類似度計算を行う類
似度計算回路、２７．２８はこの類似度計算回路２５．
２６の各出力、２９は比較器、３０は比較器２９の出力
、３１は信号線、３２．３６は選択器で、この選択器３
２．３８は同一フィールド内の異カテゴリーデータとの
類似度差に基づき候補カテゴリーを選択する手段を構成
している。３３は選択器３２からの入力信号、３４は判
定回路９からの入力信号、３５は信号線、３１は判定結
果、３９は候補判定部、４０はとの候補判定部３９の出
力である。

つぎにこの第１図に示す実施例の動作を説明するＯ まず、スキャナ部１はＣＯＤよシ得られたイメージデー
タに対してＡ／Ｄ変換を行った後２値化する。

前処理部２はスキャナ部１よシ得られた２値データに対
して個々の文字に切り出す操作、ノイズ除去処理などを
行う。そして、特徴抽出部３において、文字データは４
に示すｎ次元ベクトルｆ＝（ｆ１ｆ！・・・、ｆｎ）に
変換され、認識辞書部５に格納されているカテゴリーに
の辞書を６に示すｆｋ＝　（ｆｌｋ　、　ｔ、ｋ・＝　
ｐ　ｔｎｋ）としたとき８に示す類似度値θには下記（
１）式にて求められる。

つぎに、判定回路９ではカテゴリーにとの類似度値＃に
の最大値をａｋｊ工としたとき’ｋｊｘ　＝　ＭＨｘ　
’ｋ　　　　　　−−・・・（２）となる出力１０に示
すｋｊｌにカテゴリーを判定する。同様に、出力３８に
示す類似度値が第２番目に大きいカテゴリーをｋｊ、と
する。そして、初期値として特徴バッファ２１の内容は
ｆｚ、＝Ｑ、特徴バッファ２２の内容は’ｔｓ＝ｏが与
えられておシ、類似度計算回路２５の出力２１である？
ｔ０＝０、類似度計算回路２Ｂの出力２８であるψ６．
＝０となる。そして、比較器２９においてＡ＝Ｂが成シ
立ち信号線３１がハイレベルとなシ選択器３６の出力と
して判定結果３７には入力信号３４であるｋｊが選択さ
れる。すなわち、初期値は判定回路９の出力１０である
ｋｊｌと判定結果３１の内容は等しくなる◇ また、レジスタ１１．１２には予め類似度の大きいペア
のカテゴリーを登録しておく。例えば、第２図に示した
例のように、（ａ）カテゴリー′″１”と（ｂ）カテゴ
リー＠７”は比較的類似度が大きいためレジスタ１１の
内容ｔ１には１”を格納し、レジスタ１２の内容１ｔに
は７”を格納する。そして、判定結果３７において判定
結果が＠１”のときレジスタ１１の内容ｔ１と等しくな
シ比較器１５においてイネーブル信号Ｃ０が発生し特徴
バッファ２１には特徴ベクトルｆの成分が格納される。

同様に判定結果３７において判定結果が′７″のときレ
ジスタ１２の内容１．と等しくなシ比較器１６において
イネーブル信号Ｃ１が発生し特徴バッファ２２には特徴
ベクトルｆの成分が格納される。

そして、新たに前処理部２よシ文字が入力され、判定結
果３７において′１”と′″７″７″以外ゴリーに判定
されたとき、例えば、ｋｊ＝５のとき、比較器１５の出
力１１（イネーブル信号Ｃｓ）はｋｊｌ笑ｔ、よｐｖ−
一レベル、比較器１Ｂの出力１８（イネーブル信号Ｃｔ
　）はｋｊｘ’Ｅｔｔよジローレベルとなシ、信号線３
５はハイレベルとカシ選択器３６にて判定結果３７には
ｋｊｌが選択される。

また、候補判定部３９において第１候補ｋｊ０がレジス
タ１１の内容ｔｔ（１３，レジスタ１２の内容ｔ！α４
のどちらも等しく々いとき、または第２候補ｋｊ、がレ
ジスタ１１の内容ｔ　１（１３レジスタ１２の内容Ａ！
　（１４）のどちらにも等しく麦いときには、候補判定
部３９の出力４０．信号線３５はハイレベルとなシ、選
択器３６にて判定結果３７にはｋｊ、が選択される◇ そして、入力された文字に対して判定結果３１で′″１
”または７″のカテゴリーに判定されたとき、例えば、
ｋｊ＝７のとき、類似度計算回路２５において’ｔｌ　
ｊ類似度計算回路２６において’ｔｓが計算される。

ただし、ａ：正の定数 Ｍｉｎ（Ａ、Ｂ）はＡとＢの小さい値を選択する関数で
ある。

ここで、〔Ａ〕は（３）式においては す０ そして、比較器２９にてψ□、〉ψ６．と判定されたと
き選択器３２ではＬｌが選択され、信号線３５はローレ
ベルであるため選択器３６では入力信号３３が選択され
る０す々わち、判定結果３７はｔｌとなる。

同様に比較器２９にてψ□、くψ６．と判定されたとき
選択器３２ではｔ、が選択され、信号線３５はローレベ
ルであるため選択器３６では入力信号３３が選択される
。すなわち、判定結果３７はＬｌとなる。

上記判定結果が決定した後、例えば判定結果３７がｔ、
であつ九とき比較器１５よシイネーブル信号ＣＩが発生
し特徴データｆは特徴バッファ２１に格納されｒｚｔの
内容は更新される。

以上がデータの流れである。

第３図はフィールドの例を示す説明図で、具体的な帳票
データを示したものである。６８，６９・・・・・・７
１は帳票におけるフィールドである。本発明は１つのフ
ィールドデータは同−俺記者が記入する可能性が極めて
高いことを利用する。

第４図は従来の文字認識装置と本発明の文字認識装置と
の差異を認識結果から説明した図で、あるフィールドに
書かれた文字データ例を示すものである。この第４図に
おいて、（ａ）は従来の文字認識装置０認識結果を示し
たものであり、Φ）は本発明の文字認識装置の認識結果
を示したものである。

そして、７２，７３・・・・・・７９は文字記入例を示
す。

従来の文字認識装置では第１図の認識辞書部５のみ用い
各文字独立に判定するため７５に示すような文字では′
１”と判定する。ところが本発明では予めレジスタ１１
．１２に類似カテゴリーである′″１”と７”を登録し
ておけば、７２で示す第１文字目を１１”と認識した時
点で特徴バッファ２１には第１文字目の特徴データを格
納する。こむで、第２文字目７３．第３文字目７４はレ
ジスタ１１゜１２の内容と値が等しくないため従来の装
置と本発明の間に差異はない。そして、第４文字目１５
では判定回路９の結果は＠１″と判定するが特徴バッフ
ァ２１との類似度ψ６□の値が小さいため（３）式の値
が負となシ選択器３２ではＡ、を選択するＯすなわち、
判定結果は７”となシ特徴バッファ２２には、第４文字
目１５の特徴が格納される。第５文字目７６は、特徴バ
ッファ２１との類似性が高く′″１”と判定し、第７文
字目７８は特徴バッファ２２との類似性が高く＠７″と
判定するＯそして、１つのフィールドが終了した時点で
特徴バッファの内容はクリアされる。

なお、上記実施例においては、特徴バッファを２個用い
る場合を例にとって説明したが、本発明はこれに限定さ
れるものではなく、任意の数に拡張可能であシ、フィー
ルド単位の処理を行単位。

帳票単位に拡張することも容易である。

〔発明の効果〕

以上説明したように本発明は、予め類似カテゴリーをレ
ジスタにセットしておくことでレジスタにセットされて
いるカテゴリーに関しては、既に認識処理済みの特徴デ
ータを特徴バッファに知識として保存し、この知識を利
用しフィールド全体である筆記者の書いた異カテゴリー
の相対的特徴差により判定することができる効果がある
０また、従来の文字認識装置では認識辞書との類似度の
差でしか認識不可能であったが、本発明では同一フィー
ルドに書かれている異カテゴリーのデータとの特徴差も
情報として用い、よシ高精度の認識を可能にしたという
点において極めて有効である◇

【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
娘記者による字形の差異の例を示す説明図、第３図はフ
ィールドの例を示す説明図、第４図は従来の文字認識装
置と本発明による文字認識装置との差異を認識結果から
説明した図である０１１．１２・・・・レジスタ、２１
，２２争−・・特徴バッファ、２５，２６・・・・類似
度計算回路、３２，３３・拳・・選択器０

Claims (1)

【特許請求の範囲】
1. 類似カテゴリー名を指定するレジスタと、このレジスタ
   によつて指定されたカテゴリーの特徴データを格納する
   特徴バッファと、この特徴バッファ内のデータと入力文
   字特徴値間の類似度計算を行う類似度計算回路と、同一
   フィールド内の異カテゴリーデータとの類似度差に基づ
   き候補カテゴリーを選択する手段とを備えてなることを
   特徴とする文字認識装置。