JPH01219971A - 文字認識方式 - 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】 〔概　要〕 文字認識方式、特に木構造の辞書により文字を認識する
方式に関し、 書き手に応じて認識誤りを低減させる学習機能を備え、
認識率を向上させる文字認識方式を提供することを目的
とし、 複数本のパスをまとめて部分木となし最終段の部分木の
パスに認識文字が接続される木構造辞書を用いる文字認
識方式であって、最終段の部分木の各パスに、検索ルー
トとなった頻度を表す確率値を更新しながら付与し、こ
の確率値に応じた優先順位をもって検索を行い、またあ
るしきい値以下の確率値を持つパスとその文字は木構造
辞書から削除するように構成する。

〔産業上の利用分野〕

本発明は文字認識方式、特に木構造の辞書により文字を
認識する方式に関する。

木構造の辞書を用いて文字を認識する方式は、ソフトウ
ェアの作成が容易で且つ認識速度が速いという利点を有
し、広く採用されつつある。

〔従来の技術〕

第５図は木構造を使った一般的文字認識方式を説明する
ための図である。この方式は根１を基点となし、検索の
ルートをなすパス（枝に相当）２を複数本まとめて部分
木３．４を構成し、これら部分木の群３．４を階層的に
積み上げ、最終段の部分木４に、認識結果を示す文字が
配列される。

これらが全体として木構造の辞書５をなす。図では、機
械にとって未知の文字「王」を根１に人力し、その特徴
量をパラメータとしてパス２に沿って点線の如く下って
検索し、正しい認識結果「王」を得ている状況を示して
いる。

第６図は文字認識のためのハードウェア構成例を示す図
である。機械にとって未知の文字、例えば「王」を含む
原稿を、ＯＣＲ（ｏｐｔｉｃａｌ　ｃｈａｒａｃｔｅｒ
ｒｅａｄｅｒ）　７にて読み取り、読み取ったパターン
からその未知の文字の特徴量を、特徴量生成部８で生成
し、この特徴量から文字認識部９にて、当該文字を第５
図のパスルートを経て認識する。

第７図は公知の文字認識アルゴリズムを概略的に示す図
であり、特徴量生成部８で生成された特徴量と、予め求
めた第５図の第１段目のｎ個の各平均標準パターン（こ
れは後述するようにテーブルの形で記憶されている）と
のシティ−ブロック距離（以下、単に距離という）を計
算する（ステップ３１）。この結果、ｎ個の距離が得ら
れるが、その内、最も距離の小さい標準パターンを選択
する（ステップ３２）。選択された標準パターンは、今
度は２段目の例えばｍ個の標準パターンの各々との距離
を計算する（ステップ３３）。そして、またこれらｍ個
の標準パターンの内、最も距離の小さい標準パターンを
選択しくステップ３４）、この選択した標準パターンと
最終段の標準パターンとの距離を計算して（ステップ３
５）、認識文字を出力するものである。

〔発明が解決しようとする課題〕

上述した一般的な文字認識方式では学習機能が存在しな
いので、書き手の「くせ」を学習することがなく、誤り
易い文字は毎回同じ認識誤りを生じさせ、認識率が低下
するという問題がある。

本発明は書き手に応じて認識誤りを低減させる学習機能
を備え、認識率を向上させる文字認識方式を提供するこ
とを目的とするものである。

〔課題を解決するための手段〕

第１図は本発明に係る方式を実施するための原理構成を
示す図である。本図の構成は第６図における文字認識部
９に相当する。本発明の文字認識システム１０は、認識
処理部１１と、木構造辞書１２と、確率メモリ１３とか
ら構成される。なお、木構造辞書１２および確率メモリ
１３は共にＲＡＭ（ｒａｎｄｏｍ　ａｃｃｅｓｓ　ｍｅ
ｍｏｒｙ）で構成でき、必要なデータは例えばフロッピ
ーディスクに保存し、使用の際にＲＡＭヘローディング
する。

〔作　用〕

未知文字の特徴量ＣＨは認識処理部１１に人力され、該
処理部１１はラインＬ１を介し辞書１２と共働して、第
５図の検索パスに従い、認識結果ＡＮＳをオペレータに
提供する。オペレータは認識結果ＡＮＳを見てその正誤
を正誤情報Ｇ　／　Ｎ　Ｇとして処理部１１に返す。処
理部１１は情報Ｇ／ＮＧに基づいて、パス毎の確率を更
新する。なお、この確率が付与されるパスは、少なくと
も最終段の部分木（第５図の４）の各々におけるパスで
ある。これらのパス毎の確率を記録しておくのが、確率
メモリ１３であり、ラインＬ２を介して書込みおよび読
出しを行う。

確率の更新に当っては、認識結果が正しいと確率は、例
えば１／６→１１５の如くアップし、逆に認識結果が誤
りのときは確率が、例えば１／２→１／３の如くダウン
し、このような操作を繰り返して書き手の「くせ」を−
層明確に判断できるようになる。なお、認識結果ＡＮＳ
が「なし」のとき、すなわち該当文字が見つからなかっ
たときは、当該部分木内に新たにパスを新設し、且つ、
そのパスに一定の確率、例えば１／２を与えておく。

さらにまた、確率が付与されるいずれの部分木において
も、全パスの確率の和が常に１となるように管理される
。言い換えると、全体゛を１００％とすれば、それぞれ
のパスの％値の総和は１００である。

〔実施例〕

第２図は本発明を説明するための図であり、第５図に対
応する。第２図は、本発明に基づき、最終段部分木４の
各パスに確率が付与された例を示しており、この確率は
ある特定の書き手について学習が進むにつれ、それぞれ
固有の一定値に落ち着く。図中の、１／３，１．’６等
が確率であり、正しく認識する回数が増大するにつれて
１に近づく。

第３図は本発明で用いる木構造辞書と確率メモリの一構
成例を示す図であり、いわゆるポインタテーブルを形成
するＲＡＭである。本図のポインタテーブルは、第２図
に合わせて、第１段、第２段および最終段（第３段）構
成となっており、図の左から右に向かって階層的な構成
となっている。

各段ポインタテーブルは、インデックスＩＤＸで区分さ
れ、例えば第１段のｎｌは２００、第２段のｎ２は１２
００Ｓｎａは３３０３である。ＰＮＴはポインタであり
、次段のポインタを示す。例えば第１段ポインタテーブ
ルのインデックス０は第２段のポインタ０を示しており
、第２段ポインタテーブルのインデックス０．１のいず
れかをアクセスする。

第２段ポインタテーブルの例えばインデックス０にパス
が張られたとすると、最終段ポインタテーブルのインデ
ックス０．１．２のいずれかをアクセスする。

いずれの段においてもどのインデックスにアクセスすべ
きかは、前述の標準パターン（ＦＡＴ）をパラメータに
して判断される。標準パターンベクトルはいわば代表ベ
クトルである。なお、最終段ポインタテーブルの標準パ
ターンには実際の文字（認識結果）が入る。そして本発
明の特徴をなす確率値ＰがＰ。とかＰｌ　とかＰ２とが
の形で入る。Ｐａ　十Ｆ’、＋ｐ２は、既述のとおり１
である。

このＰの瀾は第１図の確率メモリ１３が該当するその他
は、第１図の木構造辞書１２に該当する。

標準パターンベクトルは、階層構造上でのある地点から
見た配下の全ての文字の平均ベクトルであり、それらの
文字の代表ベクトルである。最終段テーブルだけは平均
ベクトルではなく、１つの文字を表すベクトル（特徴量
）である。

第７図において示した距離計算について見ると、本発明
では最終段テーブル以外は通常のベクトル間のシティブ
ロック距離を意味し、最終段のみはベクトル間のシティ
ブロック距離を確率で割った実行距離を指す。

すなわち、未知文字ベクトルをＵ＝　（ｕ、、ｕ２　。

・・・・ｕｒ）、標準パターンベクトルをＶ＝（Ｖ＋　
　・ｖ２　・　・・・’　”ｒ　）とすると、シティブ
ロック距離Ｄ　ｕ　Ｖは この場合の実行距離ＤｕＶ′は、 Ｄｕｖ′＝Ｄｕｖ／ｐｖ ここで、ｐｖは第４図のような最終段の部分木内で標準
パターンベクトルＶがつながっているパスの確率値（０
＜ｐｖ＜１）である。第４図は確率値の付与された部分
木を示す図である。

このような確率値と木構造辞書を使った認識手法は次の
とおり実行される。未知文字ＣＨは、木構造辞書に入り
、まず第１段の標準パターンベクトルと距離計算を行い
、そのうち最も近い数個を候補としてピックアップし、
そのポインタテーブルの内容が指すところを第２段での
対象とする。

第２段では対象内の標準パターンベクトルと未知文字と
の距離計算を行い、そのうち最も近い数個を候補として
ピックアップし、そのポインタテーブルの内容が指すと
ころを次段での対象とする。

この様に次々に階層構造を下りながら、候補を絞ってい
く。最終段では、対象は漢字コードとそれを表すベクト
ル（特徴量）となり、未知文字とこのベクトルとの確率
を考慮した実行距離計算を行い、小さい順に並べ替え、
最も小さいものを認識結果とする。

かくして本発明の学習制御は次のように行われる。

まず認識結果ＡＮＳが正しいときは、認識された文字へ
のパスの確率値を引き上げるとともに当該部分木内の他
のパスの確率値を引き下げる。

認識結果ＡＮＳが誤りのときは、当該文字が当該部分木
内にあるかないかを判別し、 ■　ありの場合はその文字へのパスの確率値を引き下げ
ると共に当該部分木内の他のパスの確率値を引き上げ、 ■　なしの場合は正しい文字に至るパスを新設しく第３
図の第２段のテーブルポインタのインデックスが増える
）、かつ一定の確率値Ｐを与える。

そして認識のためのルート検索においては、上記確率値
に応じた優先順位に従って最終段の該当文字を検索する
。

さらに本発明によれば、木構造辞書を、確率値を用いて
改造することができる。すなわち、認識対象から外れる
頻度が高い文字については、その文字につながるパスの
確率値が、時間を追って引き下げられる。そこで、第３
図の確率値Ｐの欄（確率メモリ１３）を適宜監視し、あ
るしきい値を下まわる確率値が付与されているパスにつ
いては、これらを削除する。これは木構造辞書をなすＲ
ＡＭの容量を増やさずに認識率を高めることができるこ
とを意味する。

実際の装置では、第１図の認識処理部１１はパソコンで
構成されており、木構造辞書１２は既述のとおりフロッ
ピーディスクより供給される。辞書内容の学習は学習ソ
フトウェア（フロッピーディスクで供給）または学習用
ファームを起動して実際に認識を行わせながら実行する
（片側にもう１つの辞書フロッピーディスクをセットし
ておく）このときＣＲＴ　（モニター）上に読込み文字
と認識結果文字を表示しそれらが一致しているかどうか
検査する。誤−１ているとき（一致せず）は、正しい文
字コードを人力すると、辞書に当該文字とこれにつなが
るパスが設定される。このとき、既述のように、パスの
確率値を与える。次回の認識ソフトウェアの起動に際し
ては、新しい辞書フロッピーディスク（前回の文字認識
において、片側にセットされた上述のもう１つの辞書フ
ロ・ノビ−ディスク）がＲＡＭ　（１２）にロードされ
るので、特定の書き手の文字に対しては誤認識しにくく
なる。

〔発明の効果〕

以上説明したように本発明によれば、確率値の併用によ
り認識速度を向上させることができる。

また確率値を利用して使用頻度の低いパスを削除し、木
構造辞書を小さくすることができる。

【図面の簡単な説明】

第１図は本発明に係る方式を実施するための原理構成を
示す図、 第２図は本発明を説明するための図、 第３図は本発明で用いる木構造辞書と確率メモリの一構
成例を示す図、 第４図は確率値の付与された部分木を示す図、第５図は
木構造を使った一般的な文字認識方式を説明するだめの
図、 第６図は文字認識のためのハードウェア構成例を示す図
、 第７図は公知の文字認識アルゴリズムを概略的に示す図
である。 図において、 ２・・・パス、　　　　３，４・・・部分木、訃・・特
徴量生成部、１０・・・文字認識システム、１１・・・
認識処理部、１２・・・木構造辞書、１３・・・確率メ
モリ。 ｖ　　　　　　　　Ｏ＜ｐ＜１ 確率値の付与さｎた部分を示す図 第４図 第５図

Claims (1)

1. 【特許請求の範囲】 １、未知文字の特徴量をパラメータとして検索を行うた
   めのルートをなすパス（２）を複数本ずつまとめて部分
   木（３、４）となし、該部分木（３、４）の群を階層的
   に積み上げて、最終段の部分木（４）のパス（２）に認
   識結果をなす文字を接続してなる木構造辞書（１２）を
   用いて未知文字を認識する文字認識方式において、 前記最終段の部分木（４）の各パス（２）対応に確率値
   （Ｐ）を更新可能に設定する認識処理部（１１）と、 該確率値（Ｐ）を保持する確率メモリ（１３）とを備え
   、 前記確率値（Ｐ）に応じた優先順位に従って最終段の該
   当文字を検索することを特徴とする文字認識方式。 ２、前記確率値（Ｐ）の更新を行う場合、 （ａ）前記の認識結果が正しいときは、認識された文字
   へのパスの確率値（Ｐ）を引き上げると共に当該部分木
   内の他の文字へのパスの確率値（Ｐ）を引き下げ、 （ｂ）前記の認識結果が誤りのときは、当該部分木内に
   正しい文字があるかないか検査し、（ｂ−１）その正し
   い文字がありのときは、その文字へのパスの確率値（Ｐ
   ）を引き上げると共に当該部分木内の他の文字へのパス
   の確率値（Ｐ）を引き下げ、 （ｂ−２）その正しい文字がないときは、その文字およ
   びこれにつながるパスを当該部分木内に形成すると共に
   該パスに一定の確率値（Ｐ）を付与する請求項１記載の
   文字認識方式。 ３、前記パス（２）の確率値（Ｐ）が予め定めたしきい
   値を下まわったとき、当該パス（２）および文字を木構
   造辞書（１２）から削除する請求項２記載の文字認識方
   式。