JPH0756882A - コンテナのコードを照合する方法及び装置 - Google Patents

Abstract

(57)【要約】 【目的】 コンテナ表面上に表示されたコードとターゲ
ット・コードとを自動的に照合するための方法及び装置
の提供。 【構成】 コード表示のあるコンテナ表面の像を捕える
ステップと、前記捕えられた像をディジタル化して列内
の各画素がそれぞれの量子化レベルを有する画素列を形
成させるステップと、前記画素列を走査して潜在文字を
検出するステップと、前記コード表示の潜在文字を選択
するとともにこれを一纏にグループ分けするステップ
と、前記潜在文字の画素値から認識されたコードを構成
する認識された文字組を判断するステップと、前記目標
コードと前記認識されたコードとを比較するステップ
と、前記目標コードと前記認識されたコードとの比較結
果によって前記認識されたコードを受入れ又は拒絶する
ステップとからなる方法。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明はコンテナのコードを照合
する(verify)方法及び装置に関し、特に、貨物用コンテ
ナ上の識別用コードとターゲット・コードとを照合する
方法及び装置に関する。

【０００２】

【従来の技術】貨物用コンテナには、コンテナの側部表
面上に塗料又はその他の手段で書かれた独自の識別用コ
ード（ＩＤコード）がある。港のコンテナヤードでコン
テナの出入庫を行なう際には常に、このＩＤコードを読
み取ってコンピュータ記録と照合しなければならない。
こうすることによって、正しいコンテナが正しいトラッ
クに牽引されて貨物ターミナルの出入口を通過している
ことが確認される。現在のところは、トラックが出入口
を通過する際に、手作業でこのコードの読取りと照合と
が行なわれている。トラックは、トラックに牽引されて
いる各コンテナ上の各ＩＤコードが確認されている間、
出入口で停止していなければならない。人間によるＩＤ
コード検査は緩慢であり、かつ見過ごしや間違いが起こ
りやすい。各出入口に少なくとも１人の監視員を配置し
ておかなければならず、このために多大な人力が必要に
なる。

【０００３】

【発明の目的】本発明の目的は、現在の照合過程が自動
化されるコンテナ番号認識装置を提供することにある。
本発明の別な目的は、照合過程の効率を高めるコンテナ
番号認識装置を提供するとともに、港にある多数の出入
口を受け持たせるために、出入庫監視員を１人だけ配置
すればすむようにすることにある。従って、本発明は一
面において、コンテナ表面上に表示されているコードと
ターゲット・コードとを照合する方法であって、コード
表示のあるコンテナ表面の像を捕らえるステップと、捕
えられた前記像をディジタル化して列内の各々の画素(p
ixel)がそれぞれの量子化(quantization)レベルを有す
る画素列(pixelarray)を形成させるステップと、前記画
素列を走査して潜在文字（すなわち、文字と認識される
可能性のあるもの。）を検出するステップと、前記コー
ド表示の潜在文字を選択するとともにこれを一纏にグル
ープ分けするステップと、前記潜在文字の画素値から認
識されたコードを構成する一組の認識された文字を判断
するステップと、ターゲット・コードと前記認識された
コードとを比較するステップと、前記ターゲット・コー
ドと認識されたコードとの比較結果によって前記認識さ
れたコードの受入れ又は拒絶を行なうステップとからな
ることを特徴とする、コンテナ表面上に表示されている
コードとターゲット・コードと照合する方法を提供する
ものである。本発明は別な面において、複数個の要素か
らなる列を分析するための神経回路網であって、前記列
が複数個のウィンドウに分割され、入力層を形成する複
数個の入力ノードと出力層を形成する少なくとも１つの
出力ノードとからなり、前記入力層と前記出力層との間
に１つ以上の中間層が配された神経回路網であって、こ
れにおいて前記入力層がそれぞれのウィンドウに各々対
応する複数個の離散的領域に分割され、ウィンドウ内の
各要素の値が前記それぞれのウィンドウに対応した前記
入力層の領域内にある対応する入力ノードに対する入力
を表わし、前記神経回路網内の各ノードが所定の関数に
従って出力を計算し、前記入力層の各領域内にある前記
ノードの前記出力が前記入力層の別の領域内にある前記
ノードの前記出力に接続されない第１の中間層内の特定
のノードに接続され、前記第１の中間層及び後続の中間
層内にある前記ノードの前記出力がすぐ後の層内にある
前記ノードの前記入力に接続され、最後の中間層の前記
出力ノードが前記出力層の前記出力ノードの前記入力に
接続されることを特徴とする、複数個の要素からなる列
を分析するための神経回路網を提供する。また、別な面
において、本発明は、コード表示のあるコンテナ表面の
像を捕らえる像捕獲手段と、前記捕えられた像から画素
列を形成させるデータ処理手段と、前記画素列を走査す
る走査手段と、潜在文字を検出する検出手段と、前記コ
ード表示の潜在文字を選択するとともにこれを一纏にグ
ループ分けする選択・グループ分け手段と、前記潜在文
字の画素値から認識されたコードを構成する一組の認識
された文字を判断する判断手段と、ターゲット・コード
と前記認識されたコードとを比較する比較手段と、前記
ターゲット・コードと認識されたコードとの比較結果に
よって前記認識されたコードの受入れ又は拒絶を行なう
照合手段とからなることを特徴とするコンテナ・コード
照合装置を提供する。

【０００４】

【実施例】本発明をより理解しやすくするために、添付
図面を参照して以下にその実施例を例にとって説明す
る。ＩＳＯ規格コンテナ等の貨物用コンテナは、堅固な
金属性箱状容器からなる。通常はコンテナの少なくとも
１つの表面に塗料で書かれた英数字の文字ストリングか
らなる独自のＩＤコードによって、各コンテナが識別さ
れる。コンテナ表面には、総重量や純重量、原産国等と
いったそれ以外の情報も表示されている。このように、
ＩＤコードは、その他の情報を含んだその他の文字の間
に配置されている。使用環境によって、コンテナ自体に
印や汚れ、へこみが付いていることもよくある。波形や
構造用棒材、汚れその他のノイズによって文字が歪んで
いる場合もある。このように、ＩＤコードの文字の抽出
と認識と照合とを行なう方法及び装置を信頼性のあるも
のにするには、文字及び背景の輝度変化と適切なコント
ラストの本質的な欠如とが問題になる。文字及び背景の
輝度とコントラストとについては、昼間、夜間及び曇天
といった異なる条件下におけるコンテナ表面の照明によ
って変動する。また、ＩＤコードの文字が角度を有した
状態で認識装置に提示され、従って、ＩＤコードと共に
各コンテナ上にあるそれ以外の文字をも示してある図１
ａ及び１ｂに示すように、文字が歪んでしまうこともあ
る。

【０００５】図２において、本発明の実施例である装置
は複数台、この場合は３台のカメラ１、２及び３と、カ
メラ１、２及び３からの信号をＢＮＣ連結６を介してト
ランスピュータ・ネットワーク５へと送信する回線多重
化装置４とからなる。トランスピュータ・ネットワーク
５からのデータの流れはＡＴバス８を介して上位計算機
７に接続され、かつ前記上位計算機によって制御され
る。上位計算機７は、例えば、本体コンピュータ（図示
せず）から得られたコンテナ情報を記憶する出入口用コ
ンピュータ１０に、ＲＳ−２３２シリアル・リンク９に
よって接続されたＰＣ−ＡＴ３８６マイクロコンピュー
タであってもよい。

【０００６】コンテナを積載したトラックが出入口に接
近し出入口で停車する（図３に示すように）と、出入庫
監視員により上位計算機７で照合過程が開始される。３
台の閉回路ＴＶカメラ１、２及び３を用いてコンテナ８
の像が捕えられる。各々の像は、各画素が２５６の濃度
(grey)レベルに変化可能な７２０×５１２個の画素の列
からなる。前記像は、マルチプレクサ４を介してトラン
スピュータ・ネットワーク５へと送られる。トランスピ
ュータ・ネットワーク５は、主トランスピュータとして
機能するとともに、多数の従トランスピュータ１２、１
３及び１４（この場合は３台）に対する実行命令の流れ
を制御する単色フレーム把持装置(framegrabber)１１
と、上位計算機７に接続されて上位計算機７とその他の
トランスピュータとの間の通信を可能にするルート・ト
ランスピュータ１５とからなる。上位計算機７はキーボ
ードと視覚的表示装置とを介したファイルの保存及び入
出力と、上位計算機７からの応答命令信号を受信可能な
本体コンピュータから得られたコンテナ情報の記録が記
憶されている出入口用本体コンピュータとの通信とを受
け持つ。上位計算機７はまた、監視員に対して照合結果
の表示を行なう。コンテナ８又は複数のコンテナを積載
したトラックが出入口に到着すると、出入口用本体コン
ピュータにより、期待されるコンテナ識別コード１６を
含めて、出入口への到着が期待されるコンテナ８に関す
る情報が出入口用コンピュータ１０へと送られる。適切
なカメラ１、２及び３が選択されて、コンテナ８の後部
に焦点が合わせられ、コンテナ８上の文字と背景とのコ
ントラストを良好な水準にするためにフレーム把持装置
のコントラスト設定が調節される。その後、セグメンテ
ーション処理によって、コンテナの像からＩＤコード１
６の各ＩＤ文字に対して外接長方形が配置され抽出され
る。抽出された外接長方形は標準サイズに正規化され、
この情報の文字画素図が、前記文字画素図によって表わ
される可能性の最も高い英数字を計算するネットワーク
文字認識装置へと送られる。コンテナ８から抽出された
像情報に由来する認識された文字からなる提案ＩＤ文字
コードと、出入口用コンピュータ１０から得られた期待
ＩＤコードとの突合せが行なわれる。この２つのＩＤコ
ードの比較により、前記２つのＩＤコードの符合度を示
す信頼測度が得られる。その後、監視員が、前記２つの
ＩＤコードの突合せ比較により判断された信頼測度によ
って、トラックを引き止めるか通過させるかを決定す
る。信頼測度が所定の閾値を上回っていればトラックを
そのまま進ませることができ、そうでない場合には出入
口でトラックを引き止めるわけである。

【０００７】前記コンテナ番号認識装置は、あらゆるサ
イズのコンテナに対応可能である。長さが２０ｆｔ、４
０ｆｔ及び４５ｆｔ（それぞれ６．１ｍ、１２．２ｍ、
１３．７ｍ）、そして高さも８ｆｔ〜９．５ｆｔ（それ
ぞれ２．４ｍ、２．９ｍ）まで様々なコンテナがこれに
含まれる。コンテナを乗せる台の長さもまた、２０ｆ
ｔ、４０ｆｔ又は４５ｆｔ（それぞれ６．１ｍ、１２．
２ｍ、１３．７ｍ）とすることができる。従って、カメ
ラの台数及び配置については、捕えられたコンテナの像
が、ＩＤコード文字を分解しうるだけの適切な品質のも
のになるようにする。

【０００８】装置の運転について、以下により詳細に説
明する。昼間の運転時には、出入口におけるコンテナ８
の自然照明は通常は十分な水準にあり、従って、余分な
照明は不要である。しかし、夕方及び夜間の運転時に
は、蛍光灯１７、１８を用いてコンテナ８に照明をあて
る。図３に示すように、出入口監視員詰所１９に向かっ
てコンテナ８の背後に後部灯１７を配して、背景に対す
るコンテナ８の像のコントラストを高める。コンテナ８
に向かって前部灯１８を配して、ＩＤコード文字１６
等、コンテナ表面上にある特徴の照度を高める。コンテ
ナ表面から抽出される文字をコンテナ表面の背景から分
解可能にするには、背景とターゲット・との間に、全体
像の輝度の少なくとも１５〜２０％の輝度コントラスト
がなければならないことがわかった。照明のわずかな変
化を補償するために、閉回路ＴＶカメラ１、２及び３は
自動絞り機能を有している。

【０００９】出入口用コンピュータ１０からターゲット
・ＩＤコードが受信されると、適切なカメラ１、２又は
３が選択されて、コンテナ８の後部に焦点が合わせられ
る。カメラの視界によって形成される所定の像ウィンド
ウ２０の平均濃度が最適な値になるように、前記選択さ
れたカメラ１、２又は３が、アルゴリズムを用いてフレ
ーム把持装置１１のコントラスト設定を調節するフレー
ム把持装置１１を起動させる。前記アルゴリズムによ
り、ニュートン方法を用いて、式（ｉ）に従って、新し
いコントラスト設定値が計算される。

【００１０】ｉ）新コントラスト＝旧コントラスト＋勾
配（平均−最適平均） 勾配＝△コントラスト／△最終反復時の平均 デルタ演算子（△）は、それぞれ最終反復時と現在との
間におけるコントラスト又は平均濃度の変化を示す。最
適平均値と勾配とは、既に実験的に判断されている。コ
ントラスト設定が確定されると、カメラ１、２又は３に
よって像が捕えられ、マルチプレクサ４を介してフレー
ム把持装置１１へと送られて、そこでさらに処理され
る。前記像は、０〜２５５の量子化レベルに各々変化可
能な７２０×５１２個の画素の列によって構成される。
像内にある全ての潜在文字の位置を判断するとともに、
各潜在文字のまわりに周囲長方形、すなわち、外接長方
形を確立させるために、フレーム把持装置が前記捕えら
れた像を一度に一列ずつ走査する。各列内にある各々の
画素の濃度が量子化され、量子化値に基づいて縦横方向
のセグメントが作成される。横方向セグメント（図４参
照）は、隣接する画素（横方向）が同じ量子化値を有す
る列内にある像の行の一部分と定義される。同様に縦方
向セグメント（図５参照）は、隣接する画素（縦方向）
が同じ量子化値を有する列の一部分である。従って、前
記像は、画素のそれぞれの量子化値によってまとめられ
た多数の画素からなる縦横方向セグメントに分割された
ことになるわけで、前記像がセグメント別に走査可能な
状態になり、これによって時間と記憶空間との両方が節
約される。

【００１１】縦方向セグメントが走査され、文字の右側
境界上にある全てのセグメントが検出される。前記セグ
メントは右境界縦方向セグメント（図４参照）と定義さ
れ、前記セグメントの各々が２つの条件を満たしていな
ければならない。すなわち、縦方向セグメント（Ｖ１）
の左に、少なくともその一部分が必ず前記第１のセグメ
ント（Ｖ１）に隣接した対応する縦方向セグメント（Ｖ
２）があること、及び、前記対応する縦方向セグメント
（Ｖ２）の量子化値と、前記右境界縦方向セグメント
（Ｖ１）の量子化値とは異なっていること、という２つ
の条件を満たしていなければならない。

【００１２】各潜在文字の閾値(threshould)、すなわ
ち、限界は、境界セグメントによって形成される境界に
おける画素の濃度に基いたものになる。像の背景色が白
色であれば、閾値は最低濃度として選択される。像の背
景色が黒色であれば、閾値は最高濃度として選択され
る。前記閾値を用いて、同じ文字に属しているかもしれ
ない何らかの他の成分に潜在文字が接続されているかど
うかが判断される。接続状態にある３つの成分ｈ１〜ｈ
３を示す図４に、接続状態にある横方向セグメントの例
が示されている。文字サイズを所定のレベルに制限する
ことにより、接続状態にある成分の数が減少することに
なる。各々の文字は、文字の空間的範囲を形成する外接
長方形によって取り囲まれる。

【００１３】前記処理により、縦横方向セグメントから
なる文字画素図が作成される。縦横比と文字画素図のヒ
ストグラムとに基づく特徴が計算される。文字画素図に
よって定義された特徴が、発見的規則によって定義され
た許容範囲内にない場合、その特徴はノイズとして削除
される。結果的に得られた許容範囲内の特徴、すなわ
ち、文字はさらに処理されて、特定の文字グループが形
成される。この処理により、像内にある全ての潜在文字
の位置が判断されるとともに、各潜在文字に対する周囲
長方形（外接長方形）が発見される。このようにして文
字は、その相対的な空間座標に基づく近接度と高さとに
よって一纏にグループ分けされて、ＩＤコードに属して
いるはずの文字だけが確保されるのである。

【００１４】図１ａ及び１ｂに、強調表示されたグルー
プ内のＩＤコード文字を示す。これ以外の文字も一纏に
グループ分けされているが、強調表示されてはいない。
こうして、全ての潜在文字の位置が確立され、かつ各文
字が外接長方形で取り囲まれると、全ての外接長方形が
横（ｘ）方向と縦（ｙ）方向とに分類される。これによ
って文字を、横方向行のグループにさらに分類すること
ができる。ＩＤコードは通常、１〜３行の横方向行内に
発生する。あらゆる単離文字はこのステップで廃棄され
る。

【００１５】各グループ内にある文字の極性、すなわ
ち、黒色背景上の白色文字なのか白色背景上の黒色文字
なのかが判断される。一様性のある文字については一方
の極性のものの方が他方の極性のものよりも多いと仮定
して、グループ内にある文字の高さと幅との一様性に基
づいて前記情報が判断される。前記情報は、数理解析と
応用誌（Mathematical Analysis and Applications）６
５：５３１−５４２の、ニュエン HT （Nguyen HT ）
（１９７８）の「無作為集合と信念関数について（Onra
ndom sets and belief functions ）」に開示されてい
る「信念測度」、すなわち、「一様測度」を用いて判断
される。

【００１６】グループ分けされた文字の選択は、像の最
上行から始められる。信念一様性測度が所定のレベルよ
りも上のグループが選択される。本体コンピュータから
得られたターゲット・ＩＤコード内にある文字の総数と
一様性測度とが、選択される文字グループ数の指針とな
る。このステップで、前記像から潜在文字のグループが
識別されたことになる。しかしながら、抽出されたこう
した文字が歪んでいたり、サイズが異なっていたり、背
景が異なっていたりすることもある。従って、まず第１
に各々の文字の画素図を黒色背景上の白色文字に変換す
るとともに、第２にｘ方向とｙ方向との両方向において
計算された倍率を用いて各文字画素図のサイズを標準化
する正規化(normalization)ステップが実行される。通
常は、抽出された文字のサイズが標準サイズよりも大き
いため、結果的に線形圧縮が行なわれることになる。

【００１７】正規化されたグレイ−スケールの文字画素
図が神経回路網に対して入力として提示される。各々の
画素の量子化濃度は、０〜１の値に正規化される。二進
化閾値を選択すると、画素図によって形成される文字の
形に影響が出るため、濃度値は０又は１のいずれにも２
進化されない。２進化によって文字の部分が人工的に接
続又は切断されてしまうかもしれないからである。神経
回路網(neural network)を用いて、標準サイズの文字に
よって形成されたパターン認識が行なわれる。入力文字
におけるノイズ及び変形に対して十分な公差が得られる
ことから、この方法が用いられる。特に、多層正方向送
りのウィンドウを基本とした神経回路網モデルが用いら
れる。図６に、神経回路網の一般的構造を示す。神経回
路網は、入力層と１つ以上の隠れ中間層と出力層とによ
って構成される。正規化された濃度の文字画素図の所定
の領域又はウィンドウが、神経回路網に対する入力とし
て用いられる。図７に示す一実施例では、同等サイズの
２つの長方形の左上の座標と右下の座標とによって形成
される２つのウィンドウが用いられている。前記２つの
長方形が合わさって、文字画素図全体の境界を形成して
いる。前記ウィンドウは神経回路網の入力層へと送ら
れ、各ウィンドウの境界内にある各々の画素によって入
力層の入力ノードが構成される。

【００１８】神経回路網の各ノードでは、次の関数の計
算が行なわれる。 ここで、ｙi ＝ノードｉの出力作用値 ｘj ＝ノードｉに対する第ｊ番目の信号入力 ｗi,j ＝ノードｊからノードｉまでの接続重さ θi ＝偏り（バイアス）

【００１９】前記式において、ｆ（ｘ）は、単調増加の
微分可能関数であって、その出力は０〜１に制限され
る。入力層の入力ノードは、第１の隠れ中間層の第１の
隠れ中間ノードの内の所定のノードに接続される。これ
によって、第１のウィンドウの入力ノードは第１組の所
定の中間ノードに接続され、第２のウィンドウの入力ノ
ードは第２組の所定のノードに接続される。従って、一
方のウィンドウに関連ある入力ノードは完全に、第１の
層内にある所定の隠れ中間ノードに接続され、他方のウ
ィンドウに関連ある第１の層内の隠れ中間ノードには接
続されない。この神経回路網構造の前記２組を図７
（ｉ）に示すとともに、従来形の神経回路網を図７（ｉ
ｉ）に示す。入力層及び第１の中間層以降の後続層に対
しては、連続する層のノードが完全に接続される。

【００２０】本発明の特定の実施例では、Ａ〜Ｚ及び０
〜９、すなわち、文字２６種類及び数字１０種類のわず
か合計３６文字が識別されればよい。従って、出力層
は、各々が特定の文字を表わす３６のノードによって構
成されることになる。ウィンドウを基本としたこの種の
神経回路網を用いることにより、文字画素図内にウィン
ドウを戦略的に配して、混同しやすい文字を区別するこ
とができ、かつ文字分類の精度を高めることができる。
また、図７（ｉｉ）に示す完全に接続された従来形の神
経回路網に比べて、入力層と第１の中間層との間に必要
な対合接続部の数が少なくなり、従って、処理時間と記
憶要件とが削減される。実験結果から、こうした装置の
訓練に要する時間が大幅に削減され、しかも認識性能が
若干高まることがわかった。

【００２１】神経回路網の訓練は、良く知られている次
のようなシグモイド関数を用いて行なわれる。 ｉｉｉ） ｆ（ｘ）＝１／（１＋ｅ（−ｘ／Ｔ））、但
し（−ｘ／Ｔ）は「累乗」を表わす。そして、神経回路
網の運転は、前記訓練用の関数の近似値を用いて行なわ
れる。 ｉｖ） ｆ（ｘ）＝（Ｔ＋ｘ＋｜ｘ｜）／２（Ｔ＋｜ｘ
｜）

【００２２】いずれの場合も、Ｔは非線形制御に用いら
れる変数である。関数はいずれも０と１との間に制限さ
れるとともに単調増加かつ微分可能であることから、類
似の作用が得られる。さらに、Ｔが０に近付くと、いず
れの関数も階段関数となる。Ｔが無限大に近付くと、い
ずれの関数もｆ（ｘ）＝０．５を通る水平線に近付く。
第２の関数の場合は、類似のレベルの認識性能を達成す
るために必要な反復数が第１の関数に比べて多くなるの
で、訓練には第１の関数を用いる。しかしながら訓練後
は、全く認識性能の低下なしに、第１の関数に代えて第
２の関数を用いることができる。

【００２３】コンテナ会社の中には文字の「Ｏ」と数字
の「０」又は「Ｉ」と「１」との双方に全く同じ活字を
用いているところもあるため、好適な実施例において
は、神経回路網ではこれらの区別を試みることはしな
い。しかし、以下に説明する突合せ手順により、こうし
た混同によって起こるあらゆる曖昧さが解明可能にな
る。前述のように、前記装置の目的は特定のコンテナの
ＩＤコードを照合することにあり、これは最終的に、神
経回路網から出力された文字ストリングと本体コンピュ
ータから送られてきたターゲット・ＩＤコード文字スト
リングとを比較する最後の処理ステップによって達成さ
れる。しかし、誤りを犯しうるその他の処理ステップも
含まれているため、前記２つの文字ストリングを単純に
比較できない場合もある。例えば、セグメンテーション
ステップにおいてＩＤコード文字がノイズとして廃棄さ
れ、その結果、認識された文字ストリングから文字が脱
落することもあり、また、コンテナ表面上の汚れや印等
のノイズがＩＤコード文字として処理されて、その結
果、認識された文字ストリング中に文字が挿入されてし
まうこともある。セグメンテーションステップで、文字
の境界が間違って判断されて、このために１つの文字が
２つに分断されてしまう場合もある。また、神経回路網
が文字を間違って認識し、このために特定の文字が誤っ
た文字に置き換えられてしまう場合もある。認識された
文字ストリングは潜在的に誤ったものであるかもしれ
ず、従って、認識された文字ストリングとターゲット・
ＩＤコード・ストリングとの間に最高の符合状態を確立
させるためには、突合せステップを含めなければならな
いことは明らかである。

【００２４】図８において、文字の最上行はターゲット
・ＩＤストリングを表わし、第２行はセグメンテーショ
ンステップ終了後に完成された文字ストリングを表わ
す。神経回路網により、各々が入力画素図と神経回路網
の３６種類の文字出力との間の類似度（すなわち文字の
種類ごとの認識度）を表わす一連の評点が出力される。
図８の行３及び４にそれぞれ、最高評点とその次に高い
評点とが示されている。これらの行の各項目について
は、文字が認識されたコードを示しており、他方、括弧
内の数字がそれに対応する評点を示している。前記例に
示すように、神経回路網が与えた最高評点では、ターゲ
ット・ストリング内の文字「Ｕ」が「Ｏ」（０．７）と
なっており、ターゲット・文字「２」が「７」（０．
６）となっているので、神経回路網は２つの置換の誤り
を犯していることになる。前記例では、セグメンテーシ
ョンステップでも、恐らくは、何らかのノイズに呼応し
て文字「＃」が追加されるという誤りと、ターゲット・
ＩＤコード文字ストリングから文字「０」が脱落すると
いう誤りとの２つの誤りが犯されている。以下に説明す
る手順は、図８の例に対して発見された突合せ経路の図
である図９に示すように、ターゲット・ＩＤコード文字
ストリングの照合問題を２次元経路探索問題に転換する
ことによって、認識ステップとセグメンテーションステ
ップとの両ステップにおけるこうした曖昧さを解消させ
るべく考案されたものであって、その目的は最適な突合
せ経路を発見することにある。

【００２５】好適な実施例において、前記最適な経路
は、音響、音声及び信号処理に関する国際電気電子学会
報（IEEE Transactions on Acoustics, Speech and Sig
nalProcessing）２３：６７〜７２にあるイタクラ
Ｆ．（１９７５）の「音声認識に適用される最小予測残
差原理（Minimum prediction residual principleappli
ed to speech recognition ）」と、音響、音声及び信
号処理に関する国際電気電子学会報（IEEE Transaction
s on Acoustics, Speech and SignalProcessing）２
６：４３〜４９にあるサトウ Ｈ．、チバ Ｓ．（１９７
８）の「音声認識のための動的計画法アルゴリズムの最
適化（Dynamic programmingalgorithm optimisation fo
r spoken word recognition）」とに記載されている動
的計画法マッチング法（Dynamic Time Warping）として
周知の技術によって発見される。前記実施例では、図１
０に示すような局所連続性条件(local conti-nuity con
straints)が定められて、探索部分が制限される。前記
条件により、点（ｉ，ｊ）に到達可能な局所内経路は５
種類（経路１〜５）と特定される。正常な状態、すなわ
ち、この点における文字の挿入又は削除がない状態で
は、経路３がとられるものとする。経路２が選択された
場合は、アルゴリズムにより、認識ストリング内の第
（ｉ−１）番目の文字は挿入の誤りであることが示唆さ
れる。同様に、経路４が選択された場合には、第（ｉ−
１）番目と第ｉ番目の位置との間に脱落があることがわ
かる。経路１及び５は境界条件に対処するために含めら
れている。経路１はターゲット・ＩＤストリングの前後
に位置する無関係な文字に対応し、他方、経路５は、Ｉ
Ｄ文字の最初又は最後の数個が欠けている場合に必要に
なる。このように、経路１及び５は探索部分の最初又は
最後付近でのみ使用される。

【００２６】局所連続性条件の特定が終わると、広域探
索部分(global search area)が決まる。最適な経路を発
見するために、累積突合せ評点(cumulative matching s
core)Ｄi,j の最大値が求められる。前記評点は、以下
のように帰納的に計算可能である。 ｖ） Ｄi−1，j 経路１ Ｄi−2，j−1 ＋Ｓ−ｐ 経路２ Ｄi，j ＝ｍａｘ Ｄi−1，j−1 ＋Ｓ 経路３ Ｄi−1，j−2 ＋Ｓ−ｑ 経路４ Ｄi,j-1 経路５ ここで、Ｓはターゲット・文字ｊに対する神経回路網の
応答、ｐは挿入の誤りに対する罰則(penalty)、ｑは脱
落の誤りに対する罰則である。前記実施例では罰則は
０．２に設定されている。

【００２７】最適な突合せ経路(matching path)を発見
するための基本アルゴリズムは以下のとおりである。
認識されたストリング内の文字数をＩ、ターゲット・Ｉ
Ｄストリング内の文字数をＪとすると、 ステップ１：ｊ＝１〜Ｊについて Ｄ0，j を大きな負数に初期設定 Ｄ0，0 ＝０．０ ステップ２：ｉ＝１〜Ｉ ｊ＝１〜Ｊ＋１について 式（ｖ）に従って、Ｄi，j を計算 列経路i，j に至った局所経路を登録 ステップ３：ｊ＝Ｊ＋１を始点として （ｊ＞＝０）において 列経路i，j を逆に辿って、認識ストリング内の符合文
字を登録

【００２８】ステップ３の終わりに、ターゲット・スト
リングと認識ストリングとの間の最適な符合対が判断さ
れる。オペレータに対してこの結果を直接報告させるこ
ともできる。しかし、オペレータにとって使い易い装置
にするには、全ての種類の誤りを単一の性能指数に集約
する方がよい。これは、以下に説明するような信頼測度
(confidence measure)を定義することによって達成され
る。信頼測度は、些細な間違いに罰則を適用することな
く、装置全体の実際の精度を反映しうるものでなければ
ならない。例えば、挿入の誤りは、できる限り防止すべ
きものではあるが、重大な間違いではない。文字認識に
関しては、認識装置がつけた最高評点は正しい文字に対
応していないかもしれないが、２番目又は３番目に高い
評点を有する文字がこれに対応しているかもしれない。
また、この評点と最高評点との差が小さい場合もある。
このような状況に対応するために、文字の誤認度に従属
する罰則を取り入れる。

【００２９】従って、こうした全ての要因を考慮に入れ
て、性能指数(performance index)、すなわち、信頼測
度は、以下のように計算される。 ここで、Ｎは動的計画法マッチング手順によって発見さ
れた符合文字対の数、評点（ｉ）は第ｉ番目の文字の類
似性の評点である。もし何らかの脱落の誤りがあれば、
ＮはＪ未満になる。文字ｉが正しく認識されていれば、
評点（ｉ）は最高評点となり、かつ最高評点に等しくな
って、総和に対するその文字の貢献度は１となる。全て
の文字のセグメンテーションと認識とが正しく行なわれ
れば、Ｎ個の要素の総和はＪとなり、従って、信頼測度
ＣＭ＝Ｊ／Ｊ＝１となることがわかる。動的計画法マッ
チング処理によって検出された挿入の誤りについては、
前記誤りに関連あるＩＤストリング内には文字がないと
いうことになる。従って、、こうした余分な文字は計算
には含められない。

【００３０】このような、処理全体の最終結果がＣＭ評
点なのである。ＣＭ評点の値は０〜１になる。従って、
オペレータは、ＣＭ評点が閾値よりも高ければコンテナ
のＩＤコード照合を成功とみなせるように、信頼測度の
閾値を特定の値に設定することができる。そうでない場
合には、オペレータは通知を受け、問題を調査すること
ができる。前記好適な実施例において、前記の処理は、
ＰＣ−ＡＴマイクロコンピュータを上位計算機とするト
ランスピュータ５台のネットワークで実行された。コー
ドは、３Ｌコンパイラ（3L Compiler ）を用いて、パラ
レルＣのバージョン２．１．１（Parallel C Ver. 2.1.
1.）で書いたものである。文字の抽出処理と認識処理と
を並行して行ない、他方、主トランスピュータによって
正規化及び突合せの手順に対応した。文字のセグメンテ
ーション処理を並行して行なうために、像全体を５つの
均等な縦帯部分に分割する。各々の処理装置に像の帯部
分１つを割り当てる。４つの縦帯については、文字の最
大許容幅から１を引いた値に等しい量だけｘ方向に重複
させてある。これは、トランスピュータにより全ての文
字を間違いなく完全に抽出させるためである。主トラン
スピュータが根トランスピュータと３台の従トランスピ
ュータとに像の帯部分を分配する。全ての処理装置で潜
在外接長方形の確立が終わり、かつこれが主トランスピ
ュータに送り返されると、主トランスピュータにより文
字抽出のグループ分けステップが遂行される。従処理装
置に文字図を１つずつ分配することにより、認識処理が
並行して行なわれる。画素図の送信と認識結果の受信と
は、主トランスピュータによって制御及び調整される。

【００３１】装置の性能を判断する一方で、装置全体の
精度試験に加えて、文字の抽出処理と認識処理との評価
を別々に行なった。これは、文字抽出時に起こった誤り
は認識ステップに伝搬されるので、個々の処理精度を試
験するために行なわれたものである。セグメンテーショ
ンと文字抽出処理とについては、様々な照明条件の下で
１９１の文字像に対して試験が行なわれた。コンピュー
タ抽出結果、すなわち、文字の外接長方形と、手作業で
抽出された文字の座標とが比較された。表１から、正し
く区分された文字数は像内にある合計文字数の９１．３
６５％を占めていることがわかる。文字像４４１の、よ
り大きなデータベースを用いて、認識処理の評価を行な
った。文字の統計的分布が不均一であることがわかっ
た。たとえば文字「Ｑ」及び「Ｖ」は全く発生しない
が、「Ｕ」は非常に頻繁に現われるのである。他方、サ
ンプルの大きさが十分に大きいために、こうした統計値
は、実際の運転時において個々の文字の各々が発生する
真の確率を反映したものになる。認識実験においては、
前記データベースは訓練用のＤＳ１と試験用のＤＳ２と
の２組に分けられる。ＤＳ１は２２１の像と２２３１の
英数字とで構成され、他方ＤＳ２は残りの２２０の像内
にある２１６７文字を有している。いずれの組にも、英
字のほぼ２倍の数字がある。

【００３２】各コンテナ像の推定照合時間は、約１３．
５秒である。これには、コンテナ情報が出入口用コンピ
ュータから受信されてから認識結果と信頼測度とが出入
口用コンピュータに送り返されるまでの経過時間が含ま
れている。図１（ａ）及び（ｂ）に、前記方法で抽出さ
れたコンテナ・コードの例を示す。抽出された文字とそ
の境界長方形とは、閾値処理の後に示される。文字抽出
処理の堅牢性を向上させるとともに、コンテナ像にノイ
ズがある時にその精度を高める改良方法が考えられる。
コントラストの低い文字と併合状態の文字と部分的に抹
消された文字とを復元するために、さまざまな方法が考
えられている。

【図面の簡単な説明】

【図１】 ａ及びｂは、強調表示されたコンテナ識別コ
ードの例を示す図であって、ａのＩＤコードは暗色背景
上に明色で、ｂのＩＤコードは明色背景上に暗色で強調
表示されている。

【図２】 本発明の一実施例を示すブロック線図であ
る。

【図３】 本発明の実施例の装置を具えた出入口におい
て、所定の位置にあるトラックを示す図である。

【図４】 本発明の一実施例に従った画素列内における
縦横方向セグメントを示す図である。

【図５】 本発明の一実施例に従った右境界縦方向セグ
メントを示す図である。

【図６】 本発明の一実施例に組み込まれた多層神経回
路網の構造を示す略図である。

【図７】 （ｉ）は、本発明の一実施例に用いられる、
ウィンドウを基本とした神経回路網構造を示す図であ
る。（ｉｉ）は、従来技術の神経回路網構造を示す図で
ある。

【図８】 突合せの問題の例を示す図である。

【図９】 図８の例に見られる突合せ経路を示す図であ
る。

【図１０】 本発明の実施例に適用可能な局所連続性条
件を示す図である。

─────────────────────────────────────────────────────

【手続補正書】

【提出日】平成６年６月９日

【手続補正２】

【補正対象書類名】図面

【補正対象項目名】図１

【補正方法】変更

【補正内容】

【図１】

フロントページの続き (72)発明者 リー・チャン・モン 香港 カウルーン、クリア・ウォーター・ ベイ、ホンコン・ユニバーシティ・オブ・ サイエンス・アンド・テクノロジー、タワ ー・ツー ３ エイ、シニア・スタッフ・ クオーター (72)発明者 カンカンハリ・アトレイ・モハン シンガポール国 1027 マニス、ジャラ ン・ヒタム 74 (72)発明者 ラオ・スー・レン シンガポール国 1024 シオン・ロード 53 (72)発明者 ロー・カー・チャン シンガポール国 1542 クラウ、テロッ ク、02−03 ローロン・エル 142 (72)発明者 ゴー・ジット・レン シンガポール国 0314 コモンウェルス・ クローズ 08−143 ブロック 82

Claims (31)

【特許請求の範囲】
1. 【請求項１】 コンテナ表面上に表示されたコードとタ
   ーゲット・コードとを照合する方法において、前記コー
   ド表示のある前記コンテナ表面の像を捕らえるステップ
   と、前記捕えられた像をディジタル化して列内の各画素
   がそれぞれの量子化レベルを有する画素列を形成させる
   ステップと、前記画素列を走査して潜在文字を検出する
   ステップと、前記コード表示の潜在文字を選択するとと
   もにこれを一纏にグループ分けするステップと、前記潜
   在文字の画素値から認識されたコードを構成する認識さ
   れた文字組を判断するステップと、前記ターゲット・コ
   ードと前記認識されたコードとを比較するステップと、
   前記ターゲット・コードと前記認識されたコードとの比
   較結果によって前記認識されたコードを受入れ又は拒絶
   するステップとからなることを特徴とする、コンテナ表
   面上に表示されたコードとターゲット・コードとを照合
   する方法。
2. 【請求項２】 前記認識された文字組が神経回路網によ
   って判断される、請求項１の方法。
3. 【請求項３】 前記列内の前記画素の前記量子化レベル
   が前記神経回路網の入力層の入力ノードに対する入力値
   を表わす、請求項２の方法。
4. 【請求項４】 各入力ノードの前記入力値がそれぞれの
   画素の前記量子化レベルに対応する、請求項３の方法。
5. 【請求項５】 前記画素列が複数のウィンドウに分割さ
   れる、請求項２乃至４のいずれかの方法。
6. 【請求項６】 前記神経回路網が、入力層を形成する複
   数個の入力ノードと出力層を形成する少なくとも１つの
   出力ノードとからなり、前記入力層と前記出力層との間
   に１つ以上の中間層が配されており、前記入力層が、各
   々がそれぞれのウィンドウに対応する複数個の離散的部
   分に分割された神経回路網であって、ウィンドウ内にあ
   る各画素の前記画素値が、それぞれのウィンドウに対応
   する前記入力層の領域内の対応する入力ノードに対する
   入力を表わし、前記神経回路網内の各ノードが所定の関
   数に従って出力を計算し、前記入力層の各領域内にある
   前記ノードの前記出力が前記入力層の別の領域内にある
   前記ノードの前記出力に接続されない第１の中間層内の
   特定のノードに接続され、前記第１の中間層及び後続の
   中間層内にある前記ノードの前記出力がすぐ後の層内に
   ある前記ノードの前記入力に接続され、最後の中間層の
   前記出力ノードが前記出力層の前記出力ノードの前記入
   力に接続される、請求項５の方法。
7. 【請求項７】 前記神経回路網の前記出力が、前記画素
   列によって形成された前記文字と前記神経回路網によっ
   て認識可能な種類の文字との間における認識度をを示す
   一組の評点によって構成される、請求項２乃至６のいず
   れかの方法。
8. 【請求項８】 検出された各々の潜在文字が外接長方形
   によって取り囲まれる、請求項２乃至７のいずれかの方
   法。
9. 【請求項９】 各々の外接長方形が複数個のウィンドウ
   に分割されるとともに、各ウィンドウ内に含まれる前記
   画素の前記量子化値が、前記神経回路網の前記入力層内
   に形成された対応する離散的部分の前記入力値からな
   る、請求項８の方法。
10. 【請求項１０】 前記神経回路網内の各ノードが、関数
    ｙi、 を計算し、 ここで、ｙi ＝ノードｉの出力起動値 ｘj ＝ノードｉに対する第ｊ番目の信号入力 ｗi，j ＝ノードｊからノードｉまでの接続重さ θi ＝偏り である、請求項２乃至９のいずれかの方法。
11. 【請求項１１】前記神経回路網が、関数ｆ（ｘ）、 ｆ（ｘ）＝（ Ｔ＋ｘ＋｜ｘ｜）／２（Ｔ＋｜ｘ｜） を用いて運転される、請求項２乃至１０のいずれかの方
    法。
12. 【請求項１２】 前記神経回路網が、関数ｆ（ｘ）、 ｆ（ｘ）＝１／（１＋ｅ（−ｘ／Ｔ））、但し（−ｘ／
    Ｔ）は「累乗」を表わす、を用いて訓練される、請求項
    ２乃至１１のいずれかの方法。
13. 【請求項１３】 前記神経回路網がトランスピュータ・
    ネットワーク内に含まれる、請求項２乃至１２の方法。
14. 【請求項１４】実質的に同等な量子化レベルを有する横
    方向に隣接した画素からなる横方向セグメントと、実質
    的に同等な量子化レベルを有する縦方向に隣接した画素
    からなる縦方向セグメントとを識別することによって前
    記潜在文字が検出され、１つに接続された前記縦横方向
    セグメントが潜在文字を形成する、前記いずれかの請求
    項の方法。
15. 【請求項１５】 前記コンテナ表面上において空間的に
    互いに横方向に隣接して配された前記潜在文字が一纏に
    グループ分けされる、前記いずれかの請求項の方法。
16. 【請求項１６】 前記横方向にグループ分けされた潜在
    文字だけが選択される、請求項１５の方法。
17. 【請求項１７】 単離状態のあらゆる潜在文字が選択さ
    れる、前記いずれかの請求項の方法。
18. 【請求項１８】 各潜在文字の前景及び背景の極性が判
    断されるとともに、標準極性に変換される、前記いずれ
    かの請求項の方法。
19. 【請求項１９】 前記潜在文字が標準サイズに基準化さ
    れる、前記いずれかの請求項の方法。
20. 【請求項２０】 各画素の前記量子化レベルが、０〜１
    の値に正規化される、前記いずれかの請求項の方法。
21. 【請求項２１】 前記認識されたコードと前記ターゲッ
    ト・コードとの比較が、前記２つのコード間の符合度を
    表わす信頼測度を求めて、前記信頼測度と所定の閾値と
    を比較することによって行なわれる、前記いずれかの請
    求項の方法。
22. 【請求項２２】 前記コード表示のある前記コンテナ
    を、前記コンテナ表面の前記像を捕える役目を果たす像
    捕獲手段に隣接した状態に配置するステップを含む、前
    記いずれかの請求項の方法。
23. 【請求項２３】 前記像のコントラストを高めるため
    に、前記コンテナに人工的に照明があてられる、前記い
    ずれかの請求項の方法。
24. 【請求項２４】 フレーム把持装置に接続された少なく
    とも１台の閉回路ＴＶカメラによって前記像が捕えられ
    る、前記いずれかの請求項の方法。
25. 【請求項２５】 前記フレーム把持装置のコントラスト
    ・パラメータが、ニュートンの逐次代入法によって判断
    される、請求項２４の方法。
26. 【請求項２６】 前記ターゲット・コードを遠隔本体コ
    ンピュータから得る、前記いずれかの請求項の方法。
27. 【請求項２７】 前記ターゲット・コードと前記認識さ
    れたコードとが、動的計画法の手順を用いて比較され
    る、前記いずれかの請求項の方法。
28. 【請求項２８】 複数個の要素からなる列を分析するた
    めの神経回路網であって、前記列が複数個のウィンドウ
    に分割され、入力層を形成する複数個の入力ノードと出
    力層を形成する少なくとも１つの出力ノードとからな
    り、前記入力層と前記出力層との間に１つ以上の中間層
    が配された神経回路網において、前記入力層がそれぞれ
    のウィンドウに各々対応する複数個の離散的領域に分け
    られ、ウィンドウ内の各要素の値が前記それぞれのウィ
    ンドウに対応した前記入力層の領域内にある対応する入
    力ノードに対する前記入力を表わし、前記神経回路網内
    の各ノードが所定の関数に従って出力を計算し、前記入
    力層の各領域内にある前記ノードの前記出力が前記入力
    層の別の領域内にある前記ノードの前記出力に接続され
    ない第１の中間層内の特定のノードに接続され、前記第
    １の中間層及び後続の中間層内にある前記ノードの前記
    出力がすぐ後の層内にある前記ノードの前記入力に接続
    され、最後の中間層の前記出力ノードが前記出力層の前
    記出力ノードの前記入力に接続されることを特徴とす
    る、複数個の要素からなる列を分析するための神経回路
    網。
29. 【請求項２９】 コード表示のあるコンテナ表面の像を
    捕らえる像捕獲手段と、前記捕えられた像から画素列を
    形成させるデータ処理手段と、前記画素列を走査する走
    査手段と、潜在文字を検出する検出手段と、前記コード
    表示の潜在文字を選択するとともにこれを一纏にグルー
    プ分けする選択・グループ分け手段と、前記潜在文字の
    画素値から認識されたコードを構成する一組の認識され
    た文字を判断する判断手段と、ターゲット・コードと前
    記認識されたコードとを比較する比較手段と、前記ター
    ゲット・コードと前記認識されたコードとの比較結果に
    よって前記認識されたコードの受入れ又は拒絶を行なう
    照合手段とからなることを特徴とするコンテナ・コード
    照合装置。
30. 【請求項３０】 前記判断手段が神経回路網である、請
    求項２９のコンテナ・コード照合装置。
31. 【請求項３１】 前記画素列が複数個のウィンドウに分
    割され、前記神経回路網が入力層を形成する複数個の入
    力ノードと出力層を形成する少なくとも１つの出力ノー
    ドとからなり、前記入力層と前記出力層との間に１つ以
    上の中間層が配されており、前記神経回路網において、
    前記入力層がそれぞれのウィンドウに各々対応する複数
    個の離散的領域に分割され、ウィンドウ内の各画素の画
    素値が前記それぞれのウィンドウに対応した前記入力層
    の領域内にある対応する入力ノードに対する前記入力を
    表わし、前記神経回路網内の各ノードが所定の関数に従
    って、出力を計算し、前記入力層の各領域内にある前記
    ノードの前記出力が前記入力層の別の領域内にある前記
    ノードの前記出力に接続されない第１の中間層内の特定
    のノードに接続され、前記第１の中間層及び後続の中間
    層内にある前記ノードの前記出力がすぐ後の層内にある
    前記ノードの前記入力に接続され、最後の中間層の前記
    出力ノードが前記出力層の前記出力ノードの前記入力に
    接続される、請求項３０のコンテナ・コード照合装置。