JPH08293003A

JPH08293003A - 文字列抽出方法およびその方法を用いた文字列抽出装置、およびその装置を用いた文字列認識処理装置ならびに文字列認識処理システム

Info

Publication number: JPH08293003A
Application number: JP7124474A
Authority: JP
Inventors: Tokumasa Yakura; 得正矢倉; Toru Fujii; 徹藤井; Masahito Kawade; 雅人川出; Motoki Yotsui; 元記四ツ井
Original assignee: Omron Corp; Omron Tateisi Electronics Co
Current assignee: Omron Corp
Priority date: 1995-04-24
Filing date: 1995-04-24
Publication date: 1996-11-05

Abstract

(57)【要約】【目的】認識対象となる文字列を正確に抽出する。【構成】画像データ設定部１により抽出対象となる文
字列のモデルが設定されると、画像切出し部２は、対象
物の画像データから所定の領域の画像を切り出して文字
抽出部３へと与える。文字抽出部３が与えられた画像内
に存在するすべての文字とその特徴量とを抽出すると、
分類処理部４は各文字の特徴量を用いて連続する文字毎
にグループ分けを行ってグループ毎の特徴量を抽出す
る。比較処理部５は、各グループの特徴量データを前記
モデル画像の特徴量データＴと比較して、最もモデルに
近い特徴量データを有するグループを抽出対象として判
別する。判別されたグループの特徴量データは出力処理
部６に与えられ、ここで文字列に関わるデータが取り出
されて出力される。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、複数個の文字を含む
画像から特定の文字列を抽出するための方法および装置
に関し、さらにこの発明は、複数個の文字列が記された
対象物の画像から各文字列を抽出して認識処理する装置
ならびにシステムに関連する。

【０００２】

【従来の技術】近年、種々の文字列が記された対象物を
撮像して得られた画像より特定の文字列を抽出して認識
処理を行う装置が開発されている。この種の装置では、
対象物の画像上に処理対象の文字列を含む所定の処理領
域を設定した後、パターンマッチングなどの手法を用い
て領域内に含まれる文字を順次抽出し、その抽出結果か
ら文字列の認識処理を行っている。

【０００３】

【発明が解決しようとする課題】しかしながら上記の方
法では、領域内に含まれる文字をすべて認識結果とする
ため、領域内に認識対象以外の文字が含まれるとその文
字も同様に抽出してしまい、認識結果が誤ったものとな
る。このため処理領域の設定位置や大きさを厳密に定め
ておく必要があるが、対象物の位置決め精度が悪い場合
や画像内に認識対象以外の文字が多く含まれる場合に
は、目的とする文字列を正確に抽出するように領域を設
定することは難しくなり、認識精度が著しく低下する。

【０００４】ところで、斜め方向に伸びる線分に沿って
書かれた文字列を抽出する方法として、まず線分の傾き
角度を求め、その傾き角度に応じて線分近傍の文字を順
次抽出する方法が提案されている（特開昭６２−２８１
０８６号公報）。この方法を応用すれば、文字列が傾い
ている場合でもその傾き角度を求めて文字の抽出を行う
ことができる。しかしながらこの場合も、画像上に認識
対象以外の文字が含まれていると、文字列単位で傾き角
度を求めることは困難となるから、認識精度の低下は免
れ得ない。

【０００５】この発明は上記問題に着目してなされたも
ので、画像内に含まれる複数の文字を連続性を有する文
字列毎のグループにグループ分けし、各グループの特徴
量をあらかじめ設定された文字列の特徴量のモデルと比
較することにより、認識対象となる文字列のみを正確に
抽出する文字列抽出方法およびその装置を提供すること
を目的とする。

【０００６】またこの発明は、名刺など複数個の文字列
を有する対象物について上記の処理を実行し、抽出され
た各文字列を認識処理することにより、各文字列の有す
る情報を正確に把握できる文字列認識装置およびそのシ
ステムを提供することを目的とする。

【０００７】

【課題を解決するための手段】

＜課題を解決するために案出した技術思想＞複数の文字
列が含まれる画像の中から、処理対象の文字列を、画像
の回転や平行移動があっても安定に抽出するという前記
目的を達成するために案出した技術思想は、つぎのとお
りである。すなわち、画像内に含まれる複数の文字を連
続性を有する文字列毎にグループ分けし、各グループの
文字列の特徴量をあらかじめ登録された文字列の特徴量
のモデルと比較して、抽出対象のグループを判別して処
理対象の文字列を抽出するものである。

【０００８】この技術思想のもとに、文字列抽出方法と
して請求項１，２，３に記載した手法を用い、文字列抽
出装置として請求項４，５，６に記載した手段を用い
た。さらに文字列認識処理装置として請求項７に記載し
た手段を用い、文字列認識処理システムとして請求項８
に記載した手段を用いた。

【０００９】＜特許請求の範囲に記載した特殊な用語の
定義＞特許請求の範囲に記載した特殊な用語の意味をつ
ぎのように明確化するとともに、実施例での対応部分等
を説明する。

【００１０】「連続性を有する文字列」所定の直線また
は曲線上にほぼ位置する文字列である。実施例では、直
線上にほぼ等間隔で並ぶ文字の列を、連続性を有する文
字列としている。しかし、連続性を有する文字列として
は、直線上に限らず、円弧や放物線などの曲線上に並ぶ
文字列であってもよい。

【００１１】

【作用】画像内に含まれる複数個の文字は、連続性を有
する文字列毎のグループにグループ分けされる。各グル
ープの特徴量は抽出対象となる文字列の特徴量のモデル
と比較され、このモデルに最も近い特徴量を有するグル
ープがモデルに対応していると判定される。このグルー
プに含まれる文字の情報を出力することにより、目的と
する文字列が正確に抽出される。

【００１２】請求項２および５の発明では、２つの文字
間において、各文字の画像上における並び方向の差異が
所定の誤差範囲内におさまるという関係が成立すれば、
これらの文字は同一のグループに分類される。

【００１３】請求項３および請求項６の発明では、各グ
ループと文字列のモデルとの間で比較する特徴量とし
て、文字の大きさに関わるデータを用いるので、認識対
象の文字列が位置ずれしたり回転したりしている場合で
も、簡単かつ正確に文字列を抽出できる。

【００１４】請求項７の発明では、複数個の特定文字列
を有する対象物を撮像して得られた画像から所定の範囲
内に含まれるすべての文字を抽出した後、これらの文字
を連続性を有する文字列毎のグループにグループ分けす
る。各グループの特徴量を各文字列の特徴量のモデルと
比較することにより各モデルに対応するグループが判別
され、これらグループの有する文字情報が各処理対象の
文字列として認識処理される。

【００１５】請求項８の発明では、複数個の特定文字列
を有する複数個の対象物を順次撮像して得られた画像か
らそれぞれ複数個の文字が抽出され、上記と同様にグル
ープ分けされた後、各文字列の特徴量のモデルに対応す
るグループが決定される。これらのグループの有する文
字の情報が個別に認識処理された後、その認識結果が対
象物毎に記録され、必要に応じて読み出される。

【００１６】

【実施例】図１は、この発明の一実施例にかかる文字列
抽出装置の構成を示す。この文字列抽出装置は、例えば
紙などの所定位置に文字列が書かれた対象物の画像を取
り込み、その画像から文字列を抽出するもので、モデル
画像データ設定部１，画像切出し部２，文字抽出部３，
分類処理部４，比較処理部５，出力処理部６などをその
構成として含んでいる。

【００１７】前記モデル画像データ設定部１は、抽出処
理に先立ち、抽出対象となる文字列のモデル画像を設定
するためのもので、さらにこのモデル画像より後述する
特徴量モデルデータＴを抽出し、内部のメモリに格納す
る。

【００１８】モデル画像が設定されると、つぎに画像切
出し部２による画像の切出し処理へと移行する。この処
理は、図示しない撮像装置や他の画像処理装置などから
対象物の画像データを取り込んで、この画像から認識対
象の文字列を含む所定領域の画像を切り出すもので、切
り出された画像は文字抽出部３へと出力される。なおこ
の画像の切出し位置は、あらかじめオペレータによって
設定したり、前記のモデル画像設定時のデータから抽出
するなどの方法により得られるものである。

【００１９】文字抽出部３は、各種の文字フォントデー
タを記憶するメモリを備え、パターンマッチングの手法
を用いて与えられた画像内に存在するすべての文字を抽
出する。このフォントデータは、各文字について、回転
角度が０度のデータ（以下「基準フォントデータ」とい
う）と所定角度ずつ回転した複数個のデータ（以下「回
転フォントデータ」という）とを具備しており、画像内
に存在するすべての文字について、各文字の基準フォン
トデータや各回転フォントデータをマッチングさせるこ
とにより、各文字の文字種と回転角度とが抽出される。
さらに文字抽出部３は、抽出された各文字について、文
字の位置や大きさなどに関わるデータを抽出した後、こ
れら各文字毎の特徴量をベクトルの形にまとめて（以下
「特徴量データ」という）分類処理部４へと出力する。

【００２０】図２は、前記の特徴量抽出の一例を示す。
図示例では、画像切出し部２により切り出された画像中
の文字Ｌ_iについて前記したパターンマッチングを実行
した結果、その文字種ｃ_i（図示例では「１」）と傾き
角度ａ_iとが抽出されている。また文字抽出部３は、抽
出した傾きａ_iに応じて文字を含む所定の矩形領域ｒ_i
を設定した後、この領域ｒ_iの左下の頂点ｐ_iのｘ，ｙ
座標（ｘ_i，ｙ_i）を文字Ｌ_iの位置データとして抽出
する。さらに文字の幅として領域ｒ_iの横辺の長さｗ_i
が、文字の高さとしては領域ｒ_iの縦辺の長さｈ_iが、
それぞれ抽出される。

【００２１】上記の文字Ｌ_iの特徴量データＭ_iとおい
てこれをベクトルの形にすると、つぎの（１）式のよう
になる。

【００２２】

【数１】

【００２３】なお（１）式中、ｇ_iは後述するグループ
分けのためのパラメータ（以下「グループデータ」とい
う）であり、初期状態では「０」が設定される。

【００２４】図１に戻って、分類処理部４は、文字抽出
部３から与えられた各文字の特徴量データを用いて後述
する手順により各文字の連続性をチェックし、連続する
文字毎にグループ分けを行う。さらに分類処理部４は、
各グループ毎に所属する文字の特徴量データを用いてグ
ループの特徴量を求め、これをベクトルの形にまとめた
特徴量データを生成して比較処理部５へ出力する。

【００２５】比較処理部５は、前記モデル画像データ設
定部１から特徴量モデルデータＴを読み出し、与えられ
た各グループ毎の特徴量データを順次特徴量モデルデー
タＴと比較する。その結果最もモデル画像に近い特徴量
データを有するグループを抽出対象の文字列であると判
定し、そのグループの特徴量データを出力処理部へと出
力する。

【００２６】出力処理部６は、与えられたグループの特
徴量から文字種に関わる要素を取り出し、これを抽出結
果として外部へ出力する。

【００２７】図３（１）（２）は、前記分類処理部４に
よるグループ分け処理の原理を示す。この実施例では、
前記した文字Ｌ_iと同じ手順で、文字Ｌ_k，Ｌ_Sが抽出
され、それぞれの文字の特徴量データＭ_k，Ｍ_Sが抽出
されていることを前提としている。なお図中、ｘ_k，ｙ
_kは文字Ｌ_kの位置データ（文字Ｌ_kを含む領域ｒ_kの
頂点ｐ_kの座標）を、ｘ_S，ｙ_Sは文字Ｌ_Sの位置デー
タ（文字Ｌ_Sを含む領域ｒ_Sの頂点ｐ_Sの座標）をそれ
ぞれ示す。

【００２８】前記したように、第１の文字Ｌ_iの傾きは
ａ_iであるから、この文字Ｌ_iが位置する直線式はつぎ
の（２）式で表される。

【００２９】

【数２】

【００３０】第２の文字Ｌ_kがこの文字Ｌ_iに連続する
文字であれば、文字Ｌ_kは上記の（２）式で表される直
線上に存在するはずである。したがって文字Ｌ_kが文字
Ｌ_iに連続するための必要十分条件は、つぎの（３）式
で表される。なお式中のεはあらかじめ設定された誤差
である。

【００３１】

【数３】

【００３２】つぎに第３の文字Ｌ_Sが文字Ｌ_kに連続す
る文字であれば、連続する文字はほぼ等間隔で並んでい
るものと考えられるので、文字Ｌ_Sの位置は、（ｘ₂＋
（ｘ₂−ｘ₁），ｙ₂＋（ｙ₂−ｘ₁））で表される点
の近傍となるはずである。したがって文字Ｌ_Sが文字Ｌ
_iおよび文字Ｌ_kに連続する必要十分条件は、つぎの
（４）（５）式で表される。

【００３３】

【数４】

【００３４】

【数５】

【００３５】文字Ｌ_kおよびＬ_Sが上記の（３）〜
（５）式の条件を満たしたとき、３つの文字Ｌ_i，
Ｌ_k，Ｌ_Sは連続しているものと判断され、同じグルー
プに分類される。分類処理部４はさらにこのグループに
ついて、前記した各文字の特徴量データＭ_i，Ｍ_k，Ｍ
_Sを読み出して、文字の幅や高さの平均値を求め、さら
に各文字間の距離ｄ₁，ｄ₂（図３（２）に示す）を求
めてその平均値を算出した後、これら平均値と各文字の
文字種などをベクトルの形にした特徴量データを作成す
る。

【００３６】いまｊ番目のグループＧ_jについて、各文
字間の平均距離ｍｄ_j，平均文字幅ｍｗ_j，平均文字高
さｍｈ_jがそれぞれ算出されているものとすると、この
グループＧ_jの特徴量データＣＧ_jは、つぎの（６）式
に示すベクトルで表される。

【００３７】

【数６】

【００３８】なおα_jは、グループＧ_j内の文字種を抽
出された順に並べた文字列を示すデータ（図３の場合
「１２３」）であり、ｎ_jはグループに属する文字の数
を示すデータ（図３の場合「３」）である。

【００３９】図４は、上記の文字列抽出装置の制御手順
を示す。なお以下の説明で、Ｎは前記文字抽出部２によ
り抽出された文字の数を、ＮＮは前記分類処理部４によ
り設定されたグループの総数をそれぞれ示す。

【００４０】まずステップ１（図中「ＳＴ１」で示す）
で、モデル画像データ設定部１により抽出対象の文字列
のモデルとなる文字列の画像が設定されると、画像切出
し部２は対象物の画像を取り込み、その中から所定の領
域の画像データを取り出して文字抽出部３へと出力する
（ステップ２）。

【００４１】つぎに文字抽出部３は、与えられた画像デ
ータを順次走査してパターンマッチング処理を行い、画
像中に含まれる各文字の文字種，傾き，位置データ，文
字幅，文字の高さの各特徴量を抽出し、さらに前記グル
ープデータとして、初期値「０」を設定する（ステップ
３，４）。これらの特徴量は、前記した（１）式のベク
トルの形にまとめられ、位置データのｘ座標の昇順に
（ｘ座標が同値であるものはｙ座標の昇順に）出力さ
れ、分類処理部４内の内部のメモリに格納される。

【００４２】図５は、各文字の特徴量データの格納状態
を示すもので、抽出されたＮ個の文字Ｌ₁〜Ｌ_Nの特徴
量データＭ₁〜Ｍ_Nについて、設定された各ベクトル要
素が順次格納される。

【００４３】図４に戻って、分類処理部４は、ステップ
５で分類処理の対象とする文字を特定するためのカウン
タｉに、またステップ６で特定された文字のグループデ
ータｇ_iを設定するためのカウンタｊに、共に初期値
「１」を設定し、以下ステップ７〜ステップ１９の処理
を繰り返し行って連続する文字を抽出するとともに、そ
の抽出結果に基づき各文字をグループ分けする。

【００４４】まず分類処理部４は、ステップ７で前記カ
ウンタｉが抽出文字の総数Ｎを越えたかどうかを判定す
る。現段階ではカウンタｉは「１」であるからステップ
７の判定は「ＮＯ」となってステップ８へと進み、第１
の文字Ｌ₁の特徴量データＭ₁（図５に示す）が読み出
され、そのグループデータｇ₁が「０」であるか否かが
チェックされる。

【００４５】前記したように、グループデータｇ₁は初
期段階では「０」に設定されているので、この場合ステ
ップ８の判定は「ＹＥＳ」となり、分類処理部４は、グ
ループデータｇ₁の値としてカウンタｊの値をセットす
る。現段階ではカウンタｊは「１」であるから、この場
合、第１の文字Ｌ₁は第１番目のグループに分類された
ことになる。

【００４６】つぎに分類処理部４は、前記（３）式のｘ
_i，ｙ_iに現在読み出されている位置データ（この場合
ｘ₁，ｙ₁）を代入し、さらに他の文字の特徴量データ
Ｍ₂〜Ｍ_Nを順次読み出してその位置データを前記
（３）のｘ_k，ｙ_kに代入して（３）式を実行し、得ら
れた値が誤差ε以下であるか否かをチェックする（ステ
ップ１０）。この結果、条件を満たす文字があれば、そ
の文字を文字Ｌ_iに連続する文字Ｌ_kとして特定し、そ
の文字Ｌ_kのグループデータｇ_kとしてｊを設定する
（ステップ１１，１２）。なお（１）式を満たす文字が
複数個見つかった場合は、文字Ｌ_iに最も近い文字が文
字Ｌ_kとして特定される。

【００４７】さらに分類処理部４は、文字Ｌ_i，Ｌ_kの
位置データを前記（４）（５）式に代入すると共に、こ
の２文字以外の文字の位置データを順次（４）式の
ｘ_S，（５）式のｙ_Sに代入して両式を実行し、これら
の結果が共に誤差ε以下となる文字の有無をチェックす
る。そしてこの条件を満たす文字が見つかると、これを
文字Ｌ_kに連続する文字Ｌ_Sとして特定し、この文字Ｌ
_Sのグループデータｇ_Sとしてカウンタｊの値を設定す
る（ステップ１４，１５）。この処理が終わると分類処
理部４は、つぎのステップ１６で、さらに連続する文字
がないかどうかをチェックするために前記文字Ｌ_SをＬ
_kに置き換え、再びステップ１３に戻って同様の処理を
実行する。

【００４８】前記ステップ１４の判定が「ＮＯ」のと
き、すなわち文字Ｌ_kに連続する文字Ｌ_Sが発見されな
かったときは、分類処理部４はステップ１７でカウンタ
ｉの値がＮ以下であることを確認した後、つぎのステッ
プ１８でカウンタｊをインクリメントする。

【００４９】ステップ１８でのインクリメント処理後、
またはステップ１１あるいは１７の判定が「ＮＯ」とな
ったとき、ステップ１９でカウンタｉがインクリメント
され、新たな文字Ｌ_iについて再びステップ７以下の処
理が実行される。この場合、この文字Ｌ_iが既に他の文
字に連続するものとして処理されていれば、グループデ
ータｇ_iに「１」以上の値が設定されているので、ステ
ップ８の判定が「ＮＯ」となり、ステップ９〜１８の処
理はスキップされる。

【００５０】全ての文字について上記の処理が行われる
と、ステップ７の判定が「ＹＥＳ」となってステップ２
０へと移行し、分類処理部４は、グループ総数ＮＮに前
記カウンタｊの最終値を設定する。さらに分類処理部４
は、メモリ内の各文字の特徴量データをグループデータ
が等しいもの毎にまとめて前記（６）式に示したグルー
プの特徴量データを生成し、順次比較処理部５へと出力
する。

【００５１】出力された各グループＧ₁〜Ｇ_NNの特徴量
データＣＧ₁〜ＣＧ_NNは、図６に示す如く、比較処理部
５の内部のメモリに順次格納される。比較処理部５は、
この他に、前記モデル画像データ設定部１から特徴量モ
デルデータＴを読み出してメモリの他の領域に記憶して
おり、各グループＧ_jの特徴量データＣＧ_jの要素のう
ち、文字数ｎ_j, 文字間の平均距離ｍｄ_j，平均文字幅
ｍｗ_j，平均文字高さｍｈ_jをつぎの（７）〜（１０）
式の条件に基づき順次特徴量モデルデータＴと比較する
（ステップ２２）。なお下式中、ｎ_t, ｍｄ_t，ｍ
ｗ_t，ｍｈ_tは、特徴量モデルデータＴについての要素
であって、それぞれ文字数，文字間の平均距離，平均文
字幅、平均文字高さを示す。

【００５２】

【数７】

【００５３】

【数８】

【００５４】

【数９】

【００５５】

【数１０】

【００５６】上式中、εw ，εh は、それぞれ文字の
幅，高さについての許容できる誤差であって、比較処理
部５は、上記の各式をすべて満たすグループのうち、そ
の特徴量がもっともモデルデータに近いグループを抽出
対象のグループとして決定し、その特徴量データを出力
処理部６へと出力する。

【００５７】出力処理部６は、与えられたグループの特
徴量データの中から前記文字列に関わる要素αを取り出
し、これを抽出結果として出力する（ステップ２３）。

【００５８】上記の文字列抽出方法によれば、例えばテ
ストの答案用紙の受験番号や各種の製品に付けられる製
造番号など、対象物の決められた場所に書かれた文字列
を簡単かつ正確に抽出する事が可能となる。

【００５９】また抽出対象の文字列は一列に限らず、複
数の文字列を抽出することも可能である。この場合、あ
らかじめ各文字列について個別のモデル画像データを設
定しておき、対象物の画像から前記と同様の方法で文字
の抽出とグループ分けとを行った後、各グループの特徴
量データをそれぞれの特徴量モデルデータと比較して、
各モデルに対応するグループを抽出し、これら抽出され
たグループの文字列に関わる要素を取り出すようにすれ
ばよい。この方法によれば、名刺や顧客カードなど複数
個のデータを有する対象物から各情報を読み取ってデー
タベースを構築することが出来る。

【００６０】図７は、名刺の情報を管理するためのデー
タベースシステムの概略構成を示すもので、イメージス
キャナ７，制御装置８，磁気ディスク装置９，モニタ１
０，キーボード１１などを構成として含んでいる。

【００６１】前記制御装置８は、ＣＰＵ１２，ＲＯＭ１
３，ＲＡＭ１４から成る制御部に、画像入力ボード１５
（Ａ／Ｄ変換部１６，画像メモリ１７を含む），ディス
クインターフェイス１８，Ｉ／Ｏインターフェイス１９
がバスを介して接続されて成る。なおＣＰＵ１２は、前
記図１の各部の機能のうちメモリ以外のすべての機能を
具備しており、ＲＡＭ１４は前記した文字やグループに
ついての特徴量データ、演算結果などを記憶する。また
ＲＯＭ１３には、一連の制御プログラムが記憶されるほ
か、前記した文字抽出処理のために特定されたかな、漢
字、数字、英字など各種文字毎の基準フォントデータお
よび回転フォントデータが記憶される。

【００６２】イメージスキャナ７により生成された名刺
の画像データは、前記画像入力ボード１５のＡ／Ｄ変換
部１６に入力されてディジタル変換された後、画像メモ
リ１７に格納される。ＣＰＵ１２は、画像メモリ１７か
ら所定の領域内の画像データを取り出してその中に含ま
れる全ての文字を抽出した後、前記した条件に基づき、
各文字をグループ分けし、各グループの特徴量データを
ＲＡＭ１４に格納する。

【００６３】前記磁気ディスク装置９には、認識対象と
なる各文字列のモデル画像の特徴量を記憶するためのモ
デルデータファイル２０と、各認識対象の文字列を処理
した結果を記憶するためのデータベースファイル２１と
が設定されている。図８は、前記モデルデータファイル
２０のデータ構成の一例であって、名前、住所など名刺
に記載される各種のデータ種毎に文字種、文字間隔、文
字幅、文字の高さなどの特徴量モデルデータが設定され
ている。

【００６４】上記の特徴量モデルデータのうち、文字種
は文字列を構成する文字の種類（漢字、カナ、数字、英
字など）を示す。また文字間隔，文字幅，文字の高さは
第１の実施例と同様のデータであって、各データ種別毎
に文字の最大値（ＤＮ，ＤＡ，・・・・）および最小値
（ｄｎ，ｄａ，・・・・）が記憶される。

【００６５】ＣＰＵ１２はＲＡＭ１４内から各グループ
の特徴量データを順次読みだして、その特徴量データを
前記モデルデータファイル２０の各モデルデータと比較
し、各データ種毎にモデルに最も近い特徴量を有するグ
ループを特定する。なおこの比較処理には、第１の実施
例で用いた方法のみならず、相関演算やファジイ推論な
どを用いても良い。

【００６６】全てのグループについて比較処理が終わる
と、さらにＣＰＵ１２は、特定された各グループから文
字列に関するデータを取り出し、これを対応するモデル
と同種のデータであると認識処理した後、その文字列を
前記データベースファイル２１へと格納する。

【００６７】図９は、データベースファイル２１のデー
タ構成例を示すもので、各名刺のデータが項目毎に抽出
されて該当する領域に格納されている。なおこの場合、
各名刺のデータは、前記イメージスキャナ７で読み取ら
れた順に蓄積されていくが、必要に応じてデータの並び
換えを行うことができる。

【００６８】オペレータがキーボード１１を操作して、
特定のデータ種をキーとする検索を行うと、ＣＰＵ１２
は前記データベースファイル２１より該当するデータを
取り出し、その結果をＩ／Ｏインターフェイス１９を介
してモニタ１０に出力する。なお、データベースファイ
ル２１から特定のデータのみを取り出して新たなデータ
ベースファイルを作成するよう構成しても良い。

【００６９】

【発明の効果】この発明は上記の如く、所定の画像内に
含まれる文字を全て抽出した後、これらの文字を文字の
連続性に基づいてグループ分けし、その中から抽出すべ
き文字列のモデルに対応するグループを決定して、その
グループに含まれる文字の情報を出力するようにしたか
ら、画像内に抽出対象以外の文字が含まれている場合
や、処理領域の位置決め精度が悪い場合でも、目的とす
る文字列を簡単かつ正確に抽出することができる。

【００７０】請求項２および５の発明では、画像上にお
ける並び方向の差異が所定の誤差範囲内におさまる文字
同士を同一のグループに分類するようにしたから、画像
内に含まれる文字列毎のグループ分けが実現する。

【００７１】請求項３および６の発明では、各グループ
と文字列のモデルとの間で文字の大きさに関わるデータ
を比較するようにしたので、認識対象の文字列が位置ず
れしたり回転したりしている場合でも、目的とする文字
列を正確に抽出することが出来る。

【００７２】請求項７の発明では、画像内に含まれる複
数の文字列について上記の方法を適用したので、各文字
列を簡単かつ正確に抽出することができる。

【００７３】請求項８の発明では、複数の文字列を有す
る対象物の画像を順次取り込み、各対象物の画像から各
文字を抽出して認識処理した後、その結果を記憶するよ
うにしたから、各対象物の情報を用いたデータベースを
簡単に構築することができる。

【図面の簡単な説明】

【図１】この発明の一実施例である文字列抽出装置の回
路構成を示すブロック図である。

【図２】文字の特徴量データを抽出する方法を示す説明
図である。

【図３】文字の連続性をチェックする方法を示す説明図
である。

【図４】文字列の抽出の制御手順を示すフローチャート
である。

【図５】抽出されたすべての文字の特徴量データを記憶
した状態を示す説明図である。

【図６】設定されたすべてのグループの特徴量データを
記憶した状態を示す説明図である。

【図７】この発明の文字列抽出方法を用いたデータベー
スシステムの回路構成を示すブロック図である。

【図８】モデルデータファイルのデータ構成を示す説明
図である。

【図９】データベースファイルのデータ構成を示す説明
図である。

【符号の説明】

１モデル画像データ設定部２画像切出し部３文字抽出部４分類処理部５比較処理部６出力処理部８制御装置９磁気ディスクファイル

───────────────────────────────────────────────────── フロントページの続き (72)発明者四ツ井元記京都府京都市右京区花園土堂町10番地オムロン株式会社内

Claims

【特許請求の範囲】

【請求項１】複数個の文字を含む画像から特定の文字
列を抽出するための方法であって、前記の画像内の全ての文字を抽出する第１の工程と、抽出された各文字を連続性を有する文字列毎のグループ
にグループ分けする第２の工程と、各グループ毎の特徴量をそれぞれあらかじめ登録された
文字列の特徴量のモデルと比較して抽出対象のグループ
を判別した後、そのグループに含まれる文字の情報を抽
出結果として出力する第３の工程とを一連に実施するこ
とを特徴とする文字列抽出方法。
【請求項２】前記第２の工程は、画像上における並び
方向の差異が所定の誤差範囲内におさめられる文字同士
を同じグループに分類することを特徴とする請求項１に
記載された文字列抽出方法。
【請求項３】前記第３の工程において比較される特徴
量は、文字列に含まれる文字の大きさに関わるデータで
ある請求項１に記載された文字列抽出方法。
【請求項４】複数個の文字を含む画像から特定の文字
列を抽出するための装置であって、抽出対象となる文字列の特徴量のモデルを記憶するモデ
ル記憶手段と、前記画像上に所定の処理領域を設定してこの領域内に含
まれるすべての文字を抽出する文字抽出手段と、前記文字抽出手段により抽出された文字を連続性を有す
る文字列毎のグループにグループ分けする分類手段と、設定された各グループ毎の特徴量を抽出する特徴量抽出
手段と、前記特徴量抽出手段により抽出された各グループの特徴
量を前記モデル記憶手段に記憶された文字列の特徴量の
モデルと比較してモデルに対応するグループを判別する
判別手段と、前記判別手段により判別されたグループ内の文字の情報
を抽出結果として出力する出力手段とを備えて成る文字
列抽出装置。
【請求項５】前記分類手段は、前記処理領域内の画像
上における並び方向の差異が所定の誤差範囲内におさめ
られる文字同士を同一のグループに分類する手段である
請求項４に記載された文字列抽出装置。
【請求項６】前記判別手段は、各グループと文字列の
モデルとの間で文字列に含まれる文字の大きさに関わる
データを比較する請求項４に記載された文字列抽出装
置。
【請求項７】複数個の文字列が記された対象物の画像
から各文字列を抽出してそれぞれ所定の認識処理を行う
装置であって、抽出対象となる各文字列の特徴量のモデルを記憶するモ
デル記憶手段と、対象物を撮像して得られた画像上に所定の処理領域を設
定してこの領域内に含まれるすべての文字を抽出する文
字抽出手段と、前記文字抽出手段により抽出された文字を連続性を有す
る文字列毎のグループにグループ分けする分類手段と、設定された各グループ毎の特徴量を抽出する特徴量抽出
手段と、前記特徴量抽出手段により抽出された各グループの特徴
量を前記モデル記憶手段に記憶された各文字列の特徴量
のモデルと比較して、各モデルに対応するグループを判
別する判別手段と、前記判別手段により判別された各グループの文字の情報
をそれぞれ抽出して認識処理を行う認識処理手段とを備
えて成る文字列認識処理装置。
【請求項８】複数個の文字列が記された複数個の対象
物についてそれぞれ各文字列を抽出し、抽出された各文
字列に所定の認識処理を行うシステムであって、前記複数個の対象物の画像を順次取り込む画像入力手段
と、抽出対象となる各文字列の特徴量のモデルを記憶するモ
デル記憶手段と、前記画像入力手段により取り込まれた対象物の画像上に
所定の処理領域を設定し、この領域内に含まれるすべて
の文字を抽出する文字抽出手段と、前記文字抽出手段により抽出された文字を連続性を有す
る文字列毎のグループにグループ分けする分類手段と、設定された各グループ毎の特徴量を抽出する特徴量抽出
手段と、前記特徴量抽出手段により抽出された各グループの特徴
量を前記モデル記憶手段に記憶された各文字列の特徴量
のモデルと比較して、各モデルに対応するグループを判
別する判別手段と、前記判別手段により判別された各グループの文字の情報
をそれぞれ抽出して認識処理する認識処理手段と、前記認識処理手段による処理結果を対象物毎に記憶する
記憶手段と、前記記憶手段に記憶されたデータを所定の出力指示に応
じた形態で読み出すデータ出力手段とを備えて成る文字
列認識処理システム。