JPH1063784A - 文字認識方法および装置 - Google Patents
文字認識方法および装置Info
- Publication number
- JPH1063784A JPH1063784A JP8223720A JP22372096A JPH1063784A JP H1063784 A JPH1063784 A JP H1063784A JP 8223720 A JP8223720 A JP 8223720A JP 22372096 A JP22372096 A JP 22372096A JP H1063784 A JPH1063784 A JP H1063784A
- Authority
- JP
- Japan
- Prior art keywords
- character
- probability
- character recognition
- correct reading
- candidate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Character Discrimination (AREA)
Abstract
(57)【要約】 （修正有）
【課題】 文字認識結果の正読確率を信頼度として出力
することにより、後処理を容易にするとともに、異なる
文字認識手法を統合した文字認識を可能とする。 【解決手段】 文字認識手段１により文字パターンの文
字認識を行い、得られた候補文字の距離値から確率パラ
メータ算出手段２により確率パラメータを算出する。一
方、変換テーブル生成手段４は文字パターン、正解文字
コードの集合から確率パラメータを正読確率に変換する
変換テーブル５を生成する。正読確率出力手段３は、確
率パラメータに対応する正読確率を変換テーブル５から
読み出して出力する。また、正読確率を用いて、高速だ
が低精度の第１の文字認識手段６ａ、及び低速だが高精
度の第２の文字認識手段６ｂを統合し、高速高精度の文
字認識を行うことができる。
することにより、後処理を容易にするとともに、異なる
文字認識手法を統合した文字認識を可能とする。 【解決手段】 文字認識手段１により文字パターンの文
字認識を行い、得られた候補文字の距離値から確率パラ
メータ算出手段２により確率パラメータを算出する。一
方、変換テーブル生成手段４は文字パターン、正解文字
コードの集合から確率パラメータを正読確率に変換する
変換テーブル５を生成する。正読確率出力手段３は、確
率パラメータに対応する正読確率を変換テーブル５から
読み出して出力する。また、正読確率を用いて、高速だ
が低精度の第１の文字認識手段６ａ、及び低速だが高精
度の第２の文字認識手段６ｂを統合し、高速高精度の文
字認識を行うことができる。
Description
【０００１】
【発明の属する技術分野】本発明は文字認識方法および
装置に関し、さらに詳細には、高精度かつ高速な文字認
識を実行するために、文字認識結果の信頼度を出力する
ことができる文字認識方法および装置に関するものであ
る。近年、オフィスにおけるワークフローの効率化のた
めに文書を電子的にファイリングし、必要に応じてコー
ド化するための文字認識装置が強く求められている。特
に、文字認識装置は文字列情報のコード化のために必須
であり、実用化と広範囲にわたる普及のために、認識精
度を維持したままでの高速な文字種推定が求められてい
る。
装置に関し、さらに詳細には、高精度かつ高速な文字認
識を実行するために、文字認識結果の信頼度を出力する
ことができる文字認識方法および装置に関するものであ
る。近年、オフィスにおけるワークフローの効率化のた
めに文書を電子的にファイリングし、必要に応じてコー
ド化するための文字認識装置が強く求められている。特
に、文字認識装置は文字列情報のコード化のために必須
であり、実用化と広範囲にわたる普及のために、認識精
度を維持したままでの高速な文字種推定が求められてい
る。
【０００２】文字認識結果の信頼度を出力することによ
り、文字認識結果の信頼度は低いが高速な文字認識手法
と、文字認識結果の信頼度は高いが低速な文字認識手法
とを統合することが可能となり、その結果、両者の長所
をとった文字認識結果の信頼度が高くかつ高速な文字認
識機能を提供することができる。また、文字認識結果の
信頼度により、検査・修正の対象を絞り込むことがで
き、後処理を効率化することもできる。すなわち、文字
認識結果の信頼度を出力する文字認識装置は、実用的な
文書認識装置を構築する上で重要な技術要素としての役
割を果す。
り、文字認識結果の信頼度は低いが高速な文字認識手法
と、文字認識結果の信頼度は高いが低速な文字認識手法
とを統合することが可能となり、その結果、両者の長所
をとった文字認識結果の信頼度が高くかつ高速な文字認
識機能を提供することができる。また、文字認識結果の
信頼度により、検査・修正の対象を絞り込むことがで
き、後処理を効率化することもできる。すなわち、文字
認識結果の信頼度を出力する文字認識装置は、実用的な
文書認識装置を構築する上で重要な技術要素としての役
割を果す。
【０００３】
【従来の技術】信頼度を出力する文字認識方式として
は、文字認識結果の第１候補の距離値をそのまま信頼度
として用いる文字認識方式が知られている。図７は上記
した従来の文字認識方式を説明する図であり、同図によ
り従来技術について説明する。
は、文字認識結果の第１候補の距離値をそのまま信頼度
として用いる文字認識方式が知られている。図７は上記
した従来の文字認識方式を説明する図であり、同図によ
り従来技術について説明する。
【０００４】同図において、認識対象となる文字パター
ンから特徴を抽出し（Ｓ１）、特徴ベクトルを得る。次
に、認識辞書Ｄ１に格納された各文字に対する代表特徴
ベクトルと上記文字パターンから得られた特徴ベクトル
とを照合するために、距離値を算出する（Ｓ２）。つい
で、上記距離値をソートして、第１，第２、第３、…の
候補文字とその距離値ｄ１，ｄ２，…を得る。そして、
上記第１の候補文字の距離値ｄ１を文字認識結果の信頼
度として出力する。
ンから特徴を抽出し（Ｓ１）、特徴ベクトルを得る。次
に、認識辞書Ｄ１に格納された各文字に対する代表特徴
ベクトルと上記文字パターンから得られた特徴ベクトル
とを照合するために、距離値を算出する（Ｓ２）。つい
で、上記距離値をソートして、第１，第２、第３、…の
候補文字とその距離値ｄ１，ｄ２，…を得る。そして、
上記第１の候補文字の距離値ｄ１を文字認識結果の信頼
度として出力する。
【０００５】
【発明が解決しようとする課題】上記した第１候補の文
字認識結果をそのまま信頼度として出力する文字認識方
式は、出力された文字認識結果の信頼度と、その結果の
正読確率との間の対応関係が明確でないため、次のよう
な問題が発生する。 従来の文字認識方式を単独で用いて信頼度の低い文
字認識結果をリジェクトしたりあるいは誤りの訂正の対
象とする場合の信頼度のしきい値の設定を行うに際し、
上記のように信頼度とその結果の正読確率との間の対応
関係が明確でないため、実験的にしきい値を求めるなど
の手続きが必要となり、煩雑であるという問題が発生す
る。
字認識結果をそのまま信頼度として出力する文字認識方
式は、出力された文字認識結果の信頼度と、その結果の
正読確率との間の対応関係が明確でないため、次のよう
な問題が発生する。 従来の文字認識方式を単独で用いて信頼度の低い文
字認識結果をリジェクトしたりあるいは誤りの訂正の対
象とする場合の信頼度のしきい値の設定を行うに際し、
上記のように信頼度とその結果の正読確率との間の対応
関係が明確でないため、実験的にしきい値を求めるなど
の手続きが必要となり、煩雑であるという問題が発生す
る。
【０００６】 従来の第１の候補の距離値をそのまま
信頼度として用いる場合、異なった２つの文字認識手法
を統合して両者の持つ長所を兼ね備えた文字認識装置を
構築しようとしても、それぞれの文字認識手法において
得られた信頼度は、それぞれの文字認識手法の出力する
距離値、文字認識手法に依存した性質を持つため、例え
ば信頼度が高い方を出力するという統合方法をとる場
合、信頼度を互いに比較することが困難となる。
信頼度として用いる場合、異なった２つの文字認識手法
を統合して両者の持つ長所を兼ね備えた文字認識装置を
構築しようとしても、それぞれの文字認識手法において
得られた信頼度は、それぞれの文字認識手法の出力する
距離値、文字認識手法に依存した性質を持つため、例え
ば信頼度が高い方を出力するという統合方法をとる場
合、信頼度を互いに比較することが困難となる。
【０００７】本発明は上記した事情に鑑みなされたもの
であり、本発明の第１の目的は、文字認識結果の正読確
率の推定値を信頼度として出力することにより、信頼度
の意味付けを明確にでき、後処理を容易にした文字認識
方法および装置を提供することである。本発明の第２の
目的は、文字認識結果の正読確率の推定値を信頼度とし
て出力することにより、異なる文字認識手法の信頼度を
互いに比較できるようにし、異なる文字認識手法を統合
した高精度かつ高速な文字認識を可能とすることであ
る。
であり、本発明の第１の目的は、文字認識結果の正読確
率の推定値を信頼度として出力することにより、信頼度
の意味付けを明確にでき、後処理を容易にした文字認識
方法および装置を提供することである。本発明の第２の
目的は、文字認識結果の正読確率の推定値を信頼度とし
て出力することにより、異なる文字認識手法の信頼度を
互いに比較できるようにし、異なる文字認識手法を統合
した高精度かつ高速な文字認識を可能とすることであ
る。
【０００８】
【課題を解決するための手段】図１は本発明の原理図で
ある。図１（ａ）は、文字認識結果から正読確率を出力
する本発明の請求項１〜３、請求項５〜請求項７の原理
図を示している。同図において、１は文字パターンから
文字認識を行う文字認識手段、２は文字認識手段により
得られた候補文字の距離値から認識結果の確信度を示す
確率パラメータを算出する手段、３は正読確率出力手段
であり、上記確率パラメータ算出手段２により得られた
確率パラメータに対応する正読確率を確率パラメータ−
正読確率変換テーブル５から読み出して出力する。ま
た、４は確率パラメータ−正読確率変換テーブル生成手
段であり、文字パターン、正解文字コードの集合から確
率パラメータを正読確率に変換するための変換テーブル
５を生成する。
ある。図１（ａ）は、文字認識結果から正読確率を出力
する本発明の請求項１〜３、請求項５〜請求項７の原理
図を示している。同図において、１は文字パターンから
文字認識を行う文字認識手段、２は文字認識手段により
得られた候補文字の距離値から認識結果の確信度を示す
確率パラメータを算出する手段、３は正読確率出力手段
であり、上記確率パラメータ算出手段２により得られた
確率パラメータに対応する正読確率を確率パラメータ−
正読確率変換テーブル５から読み出して出力する。ま
た、４は確率パラメータ−正読確率変換テーブル生成手
段であり、文字パターン、正解文字コードの集合から確
率パラメータを正読確率に変換するための変換テーブル
５を生成する。
【０００９】図１（ｂ）は、正読確率を用いて高速だが
低精度の第１の文字認識手段と、低速だが高精度の第２
の文字認識手段を統合し、高速かつ高精度の文字認識を
行うようにした、本発明の請求項４，請求項８の原理図
を示している。同図において、６ａは高速だが低精度の
第１の文字認識手段であり、文字パターンから高速、低
精度の文字認識を行い候補文字、距離値を出力する。７
は正読確率推定手段であり、上記距離値より確率パラメ
ータを求め、確率パラメータ−正読確率変換テーブル５
を参照して正読確率を推定する。８は正読確率比較手段
であり、正読確率推定手段７で推定した正読確率をしき
い値と比較する。６ｂは低速だが高精度の第２の文字認
識手段であり、上記正読確率推定手段７で推定した正読
確率がしきい値より低いとき、低速、高精度の文字認識
を行う。９は認識結果出力手段であり、正読確率推定手
段７で推定した正読確率がしきい値より大きいとき、第
１の文字認識手段６ａによる文字認識結果を出力し、正
読確率推定手段７で推定した正読確率がしきい値より大
きいとき、第２の文字認識手段６ｂによる文字認識結果
を出力する。
低精度の第１の文字認識手段と、低速だが高精度の第２
の文字認識手段を統合し、高速かつ高精度の文字認識を
行うようにした、本発明の請求項４，請求項８の原理図
を示している。同図において、６ａは高速だが低精度の
第１の文字認識手段であり、文字パターンから高速、低
精度の文字認識を行い候補文字、距離値を出力する。７
は正読確率推定手段であり、上記距離値より確率パラメ
ータを求め、確率パラメータ−正読確率変換テーブル５
を参照して正読確率を推定する。８は正読確率比較手段
であり、正読確率推定手段７で推定した正読確率をしき
い値と比較する。６ｂは低速だが高精度の第２の文字認
識手段であり、上記正読確率推定手段７で推定した正読
確率がしきい値より低いとき、低速、高精度の文字認識
を行う。９は認識結果出力手段であり、正読確率推定手
段７で推定した正読確率がしきい値より大きいとき、第
１の文字認識手段６ａによる文字認識結果を出力し、正
読確率推定手段７で推定した正読確率がしきい値より大
きいとき、第２の文字認識手段６ｂによる文字認識結果
を出力する。
【００１０】図１に示すように本発明は次のようにして
前記課題を解決する。 （１）文字パターンを入力とし、文字認識手段により、
入力された文字パターンに対応する複数の候補文字とそ
れぞれに対応する距離値を算出し、予め定義された式に
基づき上記距離値から確率パラメータを計算し、確率パ
ラメータとそれに対応する正読確率を格納したテーブル
を参照して、確率パラメータに対応する正読確率を出力
する。 （２）上記（１）において、候補文字の第１の候補の距
離値と第２の距離値の比に基づいて確率パラメータを算
出する。
前記課題を解決する。 （１）文字パターンを入力とし、文字認識手段により、
入力された文字パターンに対応する複数の候補文字とそ
れぞれに対応する距離値を算出し、予め定義された式に
基づき上記距離値から確率パラメータを計算し、確率パ
ラメータとそれに対応する正読確率を格納したテーブル
を参照して、確率パラメータに対応する正読確率を出力
する。 （２）上記（１）において、候補文字の第１の候補の距
離値と第２の距離値の比に基づいて確率パラメータを算
出する。
【００１１】（３）上記（１）（２）において、予め与
えられた学習文字パターン集合に対する確率パラメータ
を計算し、同じ確率パラメータを持つ学習文字パターン
数と、その中で第１候補が正解であった学習文字パター
ンの比を正読確率の推定値として、確率パラメータと正
読確率の変換テーブルを生成する。 （４）文字パターンを入力とし、比較的高速かつ低精度
の第１の文字認識手段で文字認識を行い、文字認識結果
として得られた候補文字の距離値から確率パラメータを
計算し、上記確率パラメータとそれに対応する正読確率
を格納したテーブルを参照して、上記確率パラメータに
対応する正読確率の推定値を求め、上記正読確率の推定
値が所定のしきい値より大きいとき、上記第１の文字認
識手段により得られた文字認識結果を出力し、上記正読
確率が所定のしきい値より小さいとき、比較的低速で高
精度な第２の文字認識手段を用いて上記文字パターンに
ついて文字認識を行い、上記第２の文字認識手段により
得られた文字認識結果を出力する。
えられた学習文字パターン集合に対する確率パラメータ
を計算し、同じ確率パラメータを持つ学習文字パターン
数と、その中で第１候補が正解であった学習文字パター
ンの比を正読確率の推定値として、確率パラメータと正
読確率の変換テーブルを生成する。 （４）文字パターンを入力とし、比較的高速かつ低精度
の第１の文字認識手段で文字認識を行い、文字認識結果
として得られた候補文字の距離値から確率パラメータを
計算し、上記確率パラメータとそれに対応する正読確率
を格納したテーブルを参照して、上記確率パラメータに
対応する正読確率の推定値を求め、上記正読確率の推定
値が所定のしきい値より大きいとき、上記第１の文字認
識手段により得られた文字認識結果を出力し、上記正読
確率が所定のしきい値より小さいとき、比較的低速で高
精度な第２の文字認識手段を用いて上記文字パターンに
ついて文字認識を行い、上記第２の文字認識手段により
得られた文字認識結果を出力する。
【００１２】（５）文字認識装置を、文字パターンを入
力とし、入力された文字パターンから複数の候補文字と
それぞれに対応する距離値を出力する文字認識手段と、
文字認識手段により得られた複数の候補文字とそれぞれ
に対応する距離値を用いて予め定義された式に基づき確
率パラメータを算出する確率パラメータ計算手段と、確
率パラメータのそれぞれに対応する正読確率の推定値を
記憶した変換テーブルと、変換テーブルを参照し、上記
確率パラメータ計算手段により求めた確率パラメータに
対応した正読確率を求めて出力する正読確率出力手段と
から構成する。
力とし、入力された文字パターンから複数の候補文字と
それぞれに対応する距離値を出力する文字認識手段と、
文字認識手段により得られた複数の候補文字とそれぞれ
に対応する距離値を用いて予め定義された式に基づき確
率パラメータを算出する確率パラメータ計算手段と、確
率パラメータのそれぞれに対応する正読確率の推定値を
記憶した変換テーブルと、変換テーブルを参照し、上記
確率パラメータ計算手段により求めた確率パラメータに
対応した正読確率を求めて出力する正読確率出力手段と
から構成する。
【００１３】（６）上記（５）において、確率パラメー
タ計算手段は、文字認識手段により得られた複数の候補
文字の第１の候補文字の距離値と第２の候補文字の距離
値の基づき確率パラメータを算出する。 （７）上記（５）（６）における正読確率の推定値を記
憶した変換テーブルを、予め与えられた学習文字パター
ン集合に対する確率パラメータを計算し、同じ確率パラ
メータを持つ学習文字パターン数と、その中で第１候補
が正解であった学習文字パターンの比より正読確率の推
定値を求め、各正読確率の推定値とそれぞれに対応する
確率パラメータを記憶手段に記憶することにより生成す
る。
タ計算手段は、文字認識手段により得られた複数の候補
文字の第１の候補文字の距離値と第２の候補文字の距離
値の基づき確率パラメータを算出する。 （７）上記（５）（６）における正読確率の推定値を記
憶した変換テーブルを、予め与えられた学習文字パター
ン集合に対する確率パラメータを計算し、同じ確率パラ
メータを持つ学習文字パターン数と、その中で第１候補
が正解であった学習文字パターンの比より正読確率の推
定値を求め、各正読確率の推定値とそれぞれに対応する
確率パラメータを記憶手段に記憶することにより生成す
る。
【００１４】（８）文字認識装置を、入力された文字パ
ターンの文字認識を行う比較的高速かつ低精度の第１の
文字認識手段と、入力された文字パターンの文字認識を
行う比較的低速で高精度な第２の文字認識手段と、確率
パラメータとそれに対応する正読確率を格納した変換テ
ーブルと、候補文字の距離値から確率パラメータを計算
し、上記変換テーブルを参照して、上記確率パラメータ
に対応する正読確率の推定値を求める正読確率推定手段
と、上記第１の文字認識手段により得られた候補文字の
ついて上記正読確率推定手段により求めた正読確率の推
定値を所定のしきい値と比較し、上記正読確率が所定の
しきい値より大きいとき、上記第１の文字認識手段によ
り得られた文字認識結果を出力し、上記正読確率の推定
値が所定のしきい値より小さいとき、上記第２の文字認
識手段により得られた文字認識結果を出力する正読確率
比較手段から構成する。
ターンの文字認識を行う比較的高速かつ低精度の第１の
文字認識手段と、入力された文字パターンの文字認識を
行う比較的低速で高精度な第２の文字認識手段と、確率
パラメータとそれに対応する正読確率を格納した変換テ
ーブルと、候補文字の距離値から確率パラメータを計算
し、上記変換テーブルを参照して、上記確率パラメータ
に対応する正読確率の推定値を求める正読確率推定手段
と、上記第１の文字認識手段により得られた候補文字の
ついて上記正読確率推定手段により求めた正読確率の推
定値を所定のしきい値と比較し、上記正読確率が所定の
しきい値より大きいとき、上記第１の文字認識手段によ
り得られた文字認識結果を出力し、上記正読確率の推定
値が所定のしきい値より小さいとき、上記第２の文字認
識手段により得られた文字認識結果を出力する正読確率
比較手段から構成する。
【００１５】本発明の請求項１〜３および請求項５〜７
の発明においては、上記（１）〜（３）および（５）〜
（７）のように構成したので、意味付けが明確な正読確
率を文字認識結果の評価基準として使用することがで
き、後処理が容易となる。本発明の請求項４，８の発明
においては、上記（４），（８）のように構成したの
で、異なる文字認識手法を統合した、高速で高精度な文
字認識結果を得ることができる。
の発明においては、上記（１）〜（３）および（５）〜
（７）のように構成したので、意味付けが明確な正読確
率を文字認識結果の評価基準として使用することがで
き、後処理が容易となる。本発明の請求項４，８の発明
においては、上記（４），（８）のように構成したの
で、異なる文字認識手法を統合した、高速で高精度な文
字認識結果を得ることができる。
【００１６】
【発明の実施の形態】図２は本発明の第１の実施例のシ
ステムの構成を示す図であり、同図は、確率パラメータ
から正読確率を得るテーブルを設け、候補文字の距離値
から確率パラメータを算出し、上記テーブルを参照して
確率パラメータに対応した正読確率を読み出すことによ
り、正読確率を出力できるようにした文字認識装置の構
成を示している。
ステムの構成を示す図であり、同図は、確率パラメータ
から正読確率を得るテーブルを設け、候補文字の距離値
から確率パラメータを算出し、上記テーブルを参照して
確率パラメータに対応した正読確率を読み出すことによ
り、正読確率を出力できるようにした文字認識装置の構
成を示している。
【００１７】同図において、１１は認識対象となる文字
パターン、Ｄ１は複数の文字の文字コードとその特徴ベ
クトルと格納した認識辞書、１２は文字認識手段であ
る。文字認識手段１２は文字パターン１１から特徴を抽
出して特徴ベクトルを求め、上記認識辞書に格納された
各文字の特徴ベクトルと照合し距離値を算出する。そし
て、距離値が近い順にソートして、各文字コードとその
距離値ｄ１，ｄ２，ｄ３，…を第１，第２，…の候補と
して出力する。１３は確率パラメータ算出手段であり、
例えば、上記第１候補文字の距離値ｄ１と第２の候補文
字の距離値ｄ２に基づき次の式（１）により確率パラメ
ータｒを算出する。 ｒ＝ｄ２／（ｄ１＋ｄ２） （１）
パターン、Ｄ１は複数の文字の文字コードとその特徴ベ
クトルと格納した認識辞書、１２は文字認識手段であ
る。文字認識手段１２は文字パターン１１から特徴を抽
出して特徴ベクトルを求め、上記認識辞書に格納された
各文字の特徴ベクトルと照合し距離値を算出する。そし
て、距離値が近い順にソートして、各文字コードとその
距離値ｄ１，ｄ２，ｄ３，…を第１，第２，…の候補と
して出力する。１３は確率パラメータ算出手段であり、
例えば、上記第１候補文字の距離値ｄ１と第２の候補文
字の距離値ｄ２に基づき次の式（１）により確率パラメ
ータｒを算出する。 ｒ＝ｄ２／（ｄ１＋ｄ２） （１）
【００１８】Ｄ２は文字パターンと正解文字コードの集
合を格納した記憶手段、１５は確率パラメータ−正読確
率変換テーブル生成手段であり、上記記憶手段Ｄ２に格
納された文字パターンと正解文字コードの集合に基づ
き、後述するように確率パラメータ−正読確率変換テー
ブルＴ(r) を生成する。１４は正読確率出力手段であ
り、上記確率パラメータ算出手段１３により算出した確
率パラメータｒに対応する正読確率を上記確率パラメー
タ−正読確率変換テーブルＴ(r) から読み出し正読確率
ｐを出力する。
合を格納した記憶手段、１５は確率パラメータ−正読確
率変換テーブル生成手段であり、上記記憶手段Ｄ２に格
納された文字パターンと正解文字コードの集合に基づ
き、後述するように確率パラメータ−正読確率変換テー
ブルＴ(r) を生成する。１４は正読確率出力手段であ
り、上記確率パラメータ算出手段１３により算出した確
率パラメータｒに対応する正読確率を上記確率パラメー
タ−正読確率変換テーブルＴ(r) から読み出し正読確率
ｐを出力する。
【００１９】上記文字パターン１１から第１候補，第２
候補，…およびその距離値ｄ１，ｄ２，ｄ３…を得る手
法は周知であるので、以下、確率パラメータ−正読確率
変換テーブルＴ(r) の生成について説明する。図３は上
記確率パラメータ−正読確率変換テーブルＴ(r) を生成
する手法の一例を説明する図である。同図において、ま
ず、ステップＳ１において、文字パターン、正解文字コ
ードの集合からなる学習データを格納した記憶手段Ｄ３
から第１番目の文字パターンと正解文字コードとを読み
だす。ステップＳ２において文字認識を行い、第１，第
２，第３，…の候補と距離値ｄ１，ｄ２，…を得る。す
なわち、前記したように、認識辞書（図示せず）に格納
された各文字と上記文字パターンとを照合して距離値を
算出し、距離値が近い順にソートして、各文字コードと
その距離値ｄ１，ｄ２，ｄ３，…を得る。
候補，…およびその距離値ｄ１，ｄ２，ｄ３…を得る手
法は周知であるので、以下、確率パラメータ−正読確率
変換テーブルＴ(r) の生成について説明する。図３は上
記確率パラメータ−正読確率変換テーブルＴ(r) を生成
する手法の一例を説明する図である。同図において、ま
ず、ステップＳ１において、文字パターン、正解文字コ
ードの集合からなる学習データを格納した記憶手段Ｄ３
から第１番目の文字パターンと正解文字コードとを読み
だす。ステップＳ２において文字認識を行い、第１，第
２，第３，…の候補と距離値ｄ１，ｄ２，…を得る。す
なわち、前記したように、認識辞書（図示せず）に格納
された各文字と上記文字パターンとを照合して距離値を
算出し、距離値が近い順にソートして、各文字コードと
その距離値ｄ１，ｄ２，ｄ３，…を得る。
【００２０】ステップＳ３において、上記第１候補の文
字コードと記憶手段Ｄ３から読みだした正解文字コード
を比較して正読、誤読の判定を行い、正読／誤読の判定
結果を得る。一方、ステップＳ４において、前記式
（１）により確率パラメータＲを計算する。ステップＳ
５において、判定結果が正読であるか誤読であるかを調
べる。判定結果が正読の場合には、ステップＳ６に行
き、同図に示すヒストグラム（最初は全ての値が０に設
定されている）のｒn ≦Ｒ≦ｒn ＋δｒの正解文字数Ｎ
ok（ｒ n ）の値に１を加え、ステップＳ７に行き、ヒス
トグラムのｒn ≦Ｒ≦ｒn ＋δｒの学習パターン数Ｎ
（ｒn ）の値に１を加える。
字コードと記憶手段Ｄ３から読みだした正解文字コード
を比較して正読、誤読の判定を行い、正読／誤読の判定
結果を得る。一方、ステップＳ４において、前記式
（１）により確率パラメータＲを計算する。ステップＳ
５において、判定結果が正読であるか誤読であるかを調
べる。判定結果が正読の場合には、ステップＳ６に行
き、同図に示すヒストグラム（最初は全ての値が０に設
定されている）のｒn ≦Ｒ≦ｒn ＋δｒの正解文字数Ｎ
ok（ｒ n ）の値に１を加え、ステップＳ７に行き、ヒス
トグラムのｒn ≦Ｒ≦ｒn ＋δｒの学習パターン数Ｎ
（ｒn ）の値に１を加える。
【００２１】また、判定結果が誤読の場合には、ステッ
プＳ７に行き上記と同様ヒストグラムのｒn ≦Ｒ≦ｒn
＋δｒの学習パターン数Ｎ（ｒn ）の値に１を加える。
次いで、ステップＳ８において、記憶手段Ｄ３に記憶さ
れた全ての文字パターンについて、正解文字数Ｎok（ｒ
n ）、学習パターン数Ｎ（ｒn ）を求めたかを判定し、
全ての学習パターンについて計算が終わっていない場合
にはステップＳ１に戻り、上記処理を繰り返す。全ての
学習パターンについて計算が終了すると、ステップＳ９
に行き、上記ヒストグラムの全ｒの値について、Ｐ（ｒ
n ）＝Ｎok（ｒn ）／Ｎ（ｒn ）を計算し、正読確率Ｐ
（ｒn ）を求める。その結果、各確率パラメータｒn に
ついて同図に示す変換テーブルＴ(rn ) を得る。
プＳ７に行き上記と同様ヒストグラムのｒn ≦Ｒ≦ｒn
＋δｒの学習パターン数Ｎ（ｒn ）の値に１を加える。
次いで、ステップＳ８において、記憶手段Ｄ３に記憶さ
れた全ての文字パターンについて、正解文字数Ｎok（ｒ
n ）、学習パターン数Ｎ（ｒn ）を求めたかを判定し、
全ての学習パターンについて計算が終わっていない場合
にはステップＳ１に戻り、上記処理を繰り返す。全ての
学習パターンについて計算が終了すると、ステップＳ９
に行き、上記ヒストグラムの全ｒの値について、Ｐ（ｒ
n ）＝Ｎok（ｒn ）／Ｎ（ｒn ）を計算し、正読確率Ｐ
（ｒn ）を求める。その結果、各確率パラメータｒn に
ついて同図に示す変換テーブルＴ(rn ) を得る。
【００２２】なお、上記のようにして得た変換テーブル
Ｔ(rn ) は離散的なｒn の値に対する正読確率Ｐ(rn )
であるが、任意のｒの値に対する正読確率Ｐ(r) は、ｒ
n ≦ｒ≦ｒn+1 （ｒn+1 ＝ｒn ＋δｒ）よりｒn とｒ
n+1 を求め、ｒn に対する正読確率Ｐ(rn ) とｒn+1 に
対する正読確率Ｐ(rn+1 ）から補間演算により求めるこ
とができる。上記のようにして変換テーブルＴ(r) を生
成することにより、図２に示した確率パラメータ算出手
段１３により計算した確率パラメータｒから正読確率Ｐ
(rn) を得ることができる。上記のようにして、正読確
率を求めることにより、信頼度の意味付けが明確にな
り、後処理が容易となる。
Ｔ(rn ) は離散的なｒn の値に対する正読確率Ｐ(rn )
であるが、任意のｒの値に対する正読確率Ｐ(r) は、ｒ
n ≦ｒ≦ｒn+1 （ｒn+1 ＝ｒn ＋δｒ）よりｒn とｒ
n+1 を求め、ｒn に対する正読確率Ｐ(rn ) とｒn+1 に
対する正読確率Ｐ(rn+1 ）から補間演算により求めるこ
とができる。上記のようにして変換テーブルＴ(r) を生
成することにより、図２に示した確率パラメータ算出手
段１３により計算した確率パラメータｒから正読確率Ｐ
(rn) を得ることができる。上記のようにして、正読確
率を求めることにより、信頼度の意味付けが明確にな
り、後処理が容易となる。
【００２３】次に、上記正読確率を用いて異なる文字認
識手法を統合し、高精度かつ高速な文字認識を行うこと
ができるようにした実施例について説明する。図４は上
記した第２の実施例のシステムの構成を示す図である。
同図において、２１は認識対象となる文字パターン、２
２は文字パターンから特徴ベクトルを抽出する特徴ベク
トル抽出手段である。Ｄ１１はＭ次元の特徴ベクルトを
持つＬ文字種（例えば３６００文字種）の文字を格納し
た第１の認識辞書、２３は大分類照合手段であり、大分
類照合手段２３は上記第１の認識辞書Ｄ１１に格納され
たＬ文字分の特徴ベクトル（Ｍ次元）と上記文字パター
ン２１の特徴ベクトルを照合し、距離が小さい順にＫ２
個（例えばＫ２＝３００）の候補文字を出力する。
識手法を統合し、高精度かつ高速な文字認識を行うこと
ができるようにした実施例について説明する。図４は上
記した第２の実施例のシステムの構成を示す図である。
同図において、２１は認識対象となる文字パターン、２
２は文字パターンから特徴ベクトルを抽出する特徴ベク
トル抽出手段である。Ｄ１１はＭ次元の特徴ベクルトを
持つＬ文字種（例えば３６００文字種）の文字を格納し
た第１の認識辞書、２３は大分類照合手段であり、大分
類照合手段２３は上記第１の認識辞書Ｄ１１に格納され
たＬ文字分の特徴ベクトル（Ｍ次元）と上記文字パター
ン２１の特徴ベクトルを照合し、距離が小さい順にＫ２
個（例えばＫ２＝３００）の候補文字を出力する。
【００２４】Ｄ１２はＮ次元（Ｍ≦Ｎ）の特徴ベクルト
を持つＬ文字種の文字を格納した第２の認識辞書、２４
は詳細分類照合手段である。詳細分類照合手段２４は、
まず、上記大分類照合手段２３が出力するＫ２個の候補
文字の内、距離値が小さいＫ１（Ｋ１≦Ｋ２；例えばＫ
１＝７０）文字分の特徴ベクトル（Ｎ次元）を上記第２
の認識辞書Ｄ１２から読み出して文字パターン２１の特
徴ベクトルと照合し、その結果得られた候補文字の正読
率が低い場合には、大分類照合手段２３が出力するＫ２
文字分の候補文字の特徴ベクトル（Ｎ次元）を第２の認
識辞書Ｄ１２から読み出して、文字パターン２１の特徴
ベクトルと照合する。
を持つＬ文字種の文字を格納した第２の認識辞書、２４
は詳細分類照合手段である。詳細分類照合手段２４は、
まず、上記大分類照合手段２３が出力するＫ２個の候補
文字の内、距離値が小さいＫ１（Ｋ１≦Ｋ２；例えばＫ
１＝７０）文字分の特徴ベクトル（Ｎ次元）を上記第２
の認識辞書Ｄ１２から読み出して文字パターン２１の特
徴ベクトルと照合し、その結果得られた候補文字の正読
率が低い場合には、大分類照合手段２３が出力するＫ２
文字分の候補文字の特徴ベクトル（Ｎ次元）を第２の認
識辞書Ｄ１２から読み出して、文字パターン２１の特徴
ベクトルと照合する。
【００２５】２５は、確率パラメータ算出手段であり、
上記詳細分類照合手段２４により得られた候補文字の距
離値から例えば前記式（１）により確率パラメータｒを
算出する。２６は、正読確率比較手段であり、確率パラ
メータ算出手段２５により求めた確率パラメータｒに対
応する正読確率Ｐ（ｒ）を確率パラメータ−正読確率変
換テーブルＴ（ｒ）から読み出し、予め定められたしき
い値Ｐthと比較する。そして、上記詳細分類照合手段２
４において、Ｋ１文字分の照合結果により得られた候補
文字の正読確率が上記しきい値Ｐthより大きい場合に
は、その候補文字を認識結果として出力し、上記正読確
率が上記しきい値Ｐthより小さい場合には、詳細分類照
合手段２４に対して上記Ｋ２文字分の照合を依頼する。
上記詳細分類照合手段２４により得られた候補文字の距
離値から例えば前記式（１）により確率パラメータｒを
算出する。２６は、正読確率比較手段であり、確率パラ
メータ算出手段２５により求めた確率パラメータｒに対
応する正読確率Ｐ（ｒ）を確率パラメータ−正読確率変
換テーブルＴ（ｒ）から読み出し、予め定められたしき
い値Ｐthと比較する。そして、上記詳細分類照合手段２
４において、Ｋ１文字分の照合結果により得られた候補
文字の正読確率が上記しきい値Ｐthより大きい場合に
は、その候補文字を認識結果として出力し、上記正読確
率が上記しきい値Ｐthより小さい場合には、詳細分類照
合手段２４に対して上記Ｋ２文字分の照合を依頼する。
【００２６】図５、図６は図４の文字認識システムの動
作を示すフローチャートであり、同図により本実施例の
動作をさらに詳細に説明する。認識対象となる文字パタ
ーンが与えられると、ステップＳ１において、特徴抽出
を行い、Ｎ次元の特徴ベクトルを求める。ステップＳ２
において、第１の認識辞書Ｄ１１からＬ文字分のＭ次元
の特徴ベクトルを読み出し、読み出したＬ文字種の文字
と上記認識対象となる文字パターン（Ｍ次元）との距離
計算（Ｌ×Ｍ次元）を行い、候補文字とその距離値ｄ
１’，ｄ２’，ｄ３’，…を得る。ステップＳ３におい
て、Ｋ＝７０に設定し、ステップＳ４において、上記ス
テップＳ２で得た候補文字から、距離値の小さい順にＫ
（＝７０）文字分の文字を取り出す。
作を示すフローチャートであり、同図により本実施例の
動作をさらに詳細に説明する。認識対象となる文字パタ
ーンが与えられると、ステップＳ１において、特徴抽出
を行い、Ｎ次元の特徴ベクトルを求める。ステップＳ２
において、第１の認識辞書Ｄ１１からＬ文字分のＭ次元
の特徴ベクトルを読み出し、読み出したＬ文字種の文字
と上記認識対象となる文字パターン（Ｍ次元）との距離
計算（Ｌ×Ｍ次元）を行い、候補文字とその距離値ｄ
１’，ｄ２’，ｄ３’，…を得る。ステップＳ３におい
て、Ｋ＝７０に設定し、ステップＳ４において、上記ス
テップＳ２で得た候補文字から、距離値の小さい順にＫ
（＝７０）文字分の文字を取り出す。
【００２７】ステップＳ５において、上記Ｋ文字分のＮ
次元の特徴ベクトルを第２の認識辞書Ｄ１２から読み出
し、読み出したＫ文字分の文字と上記認識対象となる文
字パターン（Ｎ次元）との距離計算（Ｋ×Ｎ次元）を
行う。ステップＳ６において、上記距離計算の結果得
られた候補文字の距離値を小さい方からソートし、第
１，第２，…の候補文字とその距離値ｄ１，ｄ２，…を
得る。ステップＳ７において、上記距離値ｄ１，ｄ２に
基づき前記式（１）により確率パラメータｒを求め、図
６のステップＳ８において、変換テーブルＴ（ｒ）を参
照して上記確率パラメータｒに対応した正読確率Ｐを求
める。なお、変換テーブルＴ（ｒ）に上記確率パラメー
タｒに一致する値が格納されていない場合には、前記し
たように補間により正読確率Ｐを求める。
次元の特徴ベクトルを第２の認識辞書Ｄ１２から読み出
し、読み出したＫ文字分の文字と上記認識対象となる文
字パターン（Ｎ次元）との距離計算（Ｋ×Ｎ次元）を
行う。ステップＳ６において、上記距離計算の結果得
られた候補文字の距離値を小さい方からソートし、第
１，第２，…の候補文字とその距離値ｄ１，ｄ２，…を
得る。ステップＳ７において、上記距離値ｄ１，ｄ２に
基づき前記式（１）により確率パラメータｒを求め、図
６のステップＳ８において、変換テーブルＴ（ｒ）を参
照して上記確率パラメータｒに対応した正読確率Ｐを求
める。なお、変換テーブルＴ（ｒ）に上記確率パラメー
タｒに一致する値が格納されていない場合には、前記し
たように補間により正読確率Ｐを求める。
【００２８】ステップＳ９において、上記処理が２回目
であるかを調べ、２回目でない場合には、ステップＳ１
０において、正読確率Ｐ（ｒ）と予め定められたしきい
値Ｐthとを比較する。正読確率Ｐ（ｒ）がしきい値Ｐth
以上の場合には、上記候補文字と距離値、正読率、確率
パラメータ等を文字認識結果として出力する。また、正
読確率Ｐ（ｒ）がしきい値Ｐthより小さい場合には、図
５のステップＳ１１に行き、Ｋ＝３００に設定してステ
ップＳ４に戻り、ステップＳ２で得た候補文字から、距
離値の小さい順に３００文字分の文字を取り出し、上記
と同様に、ステップＳ５で距離計算を行う。そして、
ステップＳ７〜ステップＳ８において、上記と同様に正
読確率Ｐを求め、ステップＳ１２において、得られた候
補文字と距離値、正読率、確率パラメータ等を文字認識
結果として出力する。
であるかを調べ、２回目でない場合には、ステップＳ１
０において、正読確率Ｐ（ｒ）と予め定められたしきい
値Ｐthとを比較する。正読確率Ｐ（ｒ）がしきい値Ｐth
以上の場合には、上記候補文字と距離値、正読率、確率
パラメータ等を文字認識結果として出力する。また、正
読確率Ｐ（ｒ）がしきい値Ｐthより小さい場合には、図
５のステップＳ１１に行き、Ｋ＝３００に設定してステ
ップＳ４に戻り、ステップＳ２で得た候補文字から、距
離値の小さい順に３００文字分の文字を取り出し、上記
と同様に、ステップＳ５で距離計算を行う。そして、
ステップＳ７〜ステップＳ８において、上記と同様に正
読確率Ｐを求め、ステップＳ１２において、得られた候
補文字と距離値、正読率、確率パラメータ等を文字認識
結果として出力する。
【００２９】以上のように本実施例においては、大分類
照合を行ったのち、まず、Ｋ１文字分の候補文字につい
て詳細分類照合を行って正読確率を求め、正読確率がし
きい値以上のとき、上記詳細分類照合による文字認識結
果を出力し、上記正読確率がしきい値より小さいとき、
Ｋ２文字（Ｋ１≦Ｋ２）文字分の候補文字について詳細
分類照合を行ってその結果を文字認識結果として出力し
ており、比較的精度は低いが高速なＫ１文字分の候補文
字による照合処理と、高精度だが比較的低速なＫ２文字
分（Ｋ１≦Ｋ２）の照合処理を統合して文字認識を行っ
ているので、高速で高精度な文字認識を行うことができ
る。
照合を行ったのち、まず、Ｋ１文字分の候補文字につい
て詳細分類照合を行って正読確率を求め、正読確率がし
きい値以上のとき、上記詳細分類照合による文字認識結
果を出力し、上記正読確率がしきい値より小さいとき、
Ｋ２文字（Ｋ１≦Ｋ２）文字分の候補文字について詳細
分類照合を行ってその結果を文字認識結果として出力し
ており、比較的精度は低いが高速なＫ１文字分の候補文
字による照合処理と、高精度だが比較的低速なＫ２文字
分（Ｋ１≦Ｋ２）の照合処理を統合して文字認識を行っ
ているので、高速で高精度な文字認識を行うことができ
る。
【００３０】なお、上記第１、第２の実施例において
は、第１候補文字の距離値ｄ１と第２の候補文字の距離
値ｄ２に基づき前記式（１）により確率パラメータｒを
算出しているが、例えば、第１，第２の候補文字の距離
値ｄ１，ｄ２に加えて、第３，第４，…の候補文字の距
離値ｄ３，ｄ４，…を使用して確率パラメータを算出し
たり、あるいは、上記距離値の逆数を用いて確率パラメ
ータを算出する等、上記式（１）以外の式を用いて確率
パラメータを算出してもよい。
は、第１候補文字の距離値ｄ１と第２の候補文字の距離
値ｄ２に基づき前記式（１）により確率パラメータｒを
算出しているが、例えば、第１，第２の候補文字の距離
値ｄ１，ｄ２に加えて、第３，第４，…の候補文字の距
離値ｄ３，ｄ４，…を使用して確率パラメータを算出し
たり、あるいは、上記距離値の逆数を用いて確率パラメ
ータを算出する等、上記式（１）以外の式を用いて確率
パラメータを算出してもよい。
【００３１】
【発明の効果】以上説明したように、本発明において
は、以下の効果を得ることができる。 （１）認識結果の確信度を示す確率パラメータと正読確
率の変換テーブルを生成するとともに、文字認識結果よ
り候補文字の距離値より確率パラメータを算出し、上記
変換テーブルを参照して文字認識結果の正読確率を求め
ているので、意味付けの明確な正読確率を文字認識結果
の評価基準として使用することができ、文字認識結果の
後処理を容易にすることができる。
は、以下の効果を得ることができる。 （１）認識結果の確信度を示す確率パラメータと正読確
率の変換テーブルを生成するとともに、文字認識結果よ
り候補文字の距離値より確率パラメータを算出し、上記
変換テーブルを参照して文字認識結果の正読確率を求め
ているので、意味付けの明確な正読確率を文字認識結果
の評価基準として使用することができ、文字認識結果の
後処理を容易にすることができる。
【００３２】（２）文字パターンを入力とし、比較的高
速かつ低精度の第１の文字認識手段で文字認識を行い、
上記文字認識結果として得られた候補文字の距離値から
確率パラメータを計算し、上記確率パラメータとそれに
対応する正読確率を格納したテーブルを参照して、上記
確率パラメータに対応する正読確率の推定値を求め、上
記正読確率の推定値が所定のしきい値より大きいとき、
上記第１の文字認識手段により得られた文字認識結果を
出力し、上記正読確率が所定のしきい値より小さいと
き、比較的低速で高精度な第２の文字認識手段を用いて
上記文字パターンについて文字認識を行い、上記第２の
文字認識手段により得られた文字認識結果を出力するよ
うにしているので、高速で高精度な文字認識を行うこと
ができる。
速かつ低精度の第１の文字認識手段で文字認識を行い、
上記文字認識結果として得られた候補文字の距離値から
確率パラメータを計算し、上記確率パラメータとそれに
対応する正読確率を格納したテーブルを参照して、上記
確率パラメータに対応する正読確率の推定値を求め、上
記正読確率の推定値が所定のしきい値より大きいとき、
上記第１の文字認識手段により得られた文字認識結果を
出力し、上記正読確率が所定のしきい値より小さいと
き、比較的低速で高精度な第２の文字認識手段を用いて
上記文字パターンについて文字認識を行い、上記第２の
文字認識手段により得られた文字認識結果を出力するよ
うにしているので、高速で高精度な文字認識を行うこと
ができる。
【図１】本発明の原理図である。
【図２】本発明の第１の実施例のシステムの構成を示す
図である。
図である。
【図３】図２における変換テーブルＴ(r) の生成を説明
する図である。
する図である。
【図４】本発明の第２の実施例のシステムの構成を示す
図である。
図である。
【図５】第２の実施例のシステムの動作を説明する図で
ある。
ある。
【図６】第２の実施例のシステムの動作を説明する図
（続き）である。
（続き）である。
【図７】従来例である。
１ 文字認識手段 ２ 確率パラメータ算出手段 ３ 正読確率出力手段 ４ 確率パラメータ−正読確率変換テーブル生成手
段 ５ 確率パラメータ−正読確率変換テーブル ６ａ 第１の文字認識手段 ６ｂ 第２の文字認識手段 ７ 正読確率推定手段 ８ 正読確率比較手段 ９ 認識結果出力手段 １１ 認識対象となる文字パターン １２ 文字認識手段 １３ 確率パラメータ算出手段 １５ 確率パラメータ−正読確率変換テーブル生成手
段 １４ 正読確率出力手段 ２１ 認識対象となる文字パターン ２２ 特徴ベクトル抽出手段 ２３ 大分類照合手段 ２４ 詳細分類照合手段 ２５ 確率パラメータ算出手段 ２６ 正読確率比較手段 Ｄ１ 認識辞書 Ｄ２ 学習データを格納した記憶手段 Ｄ１１ 第１の認識辞書 Ｄ１２ 第２の認識辞書 Ｔ(r) 確率パラメータ−正読確率変換テーブル
段 ５ 確率パラメータ−正読確率変換テーブル ６ａ 第１の文字認識手段 ６ｂ 第２の文字認識手段 ７ 正読確率推定手段 ８ 正読確率比較手段 ９ 認識結果出力手段 １１ 認識対象となる文字パターン １２ 文字認識手段 １３ 確率パラメータ算出手段 １５ 確率パラメータ−正読確率変換テーブル生成手
段 １４ 正読確率出力手段 ２１ 認識対象となる文字パターン ２２ 特徴ベクトル抽出手段 ２３ 大分類照合手段 ２４ 詳細分類照合手段 ２５ 確率パラメータ算出手段 ２６ 正読確率比較手段 Ｄ１ 認識辞書 Ｄ２ 学習データを格納した記憶手段 Ｄ１１ 第１の認識辞書 Ｄ１２ 第２の認識辞書 Ｔ(r) 確率パラメータ−正読確率変換テーブル
Claims (8)
- 【請求項１】 文字パターンを入力とし、文字認識手段
により、入力された文字パターンに対応する複数の候補
文字とそれぞれに対応する距離値を算出し、 予め定義された式に基づき上記距離値から確率パラメー
タを計算し、 上記確率パラメータとそれに対応する正読確率を格納し
たテーブルを参照して、上記確率パラメータに対応する
正読確率を出力することを特徴する文字認識方法。 - 【請求項２】 候補文字の第１の候補の距離値と第２の
距離値の比に基づいて確率パラメータを算出することを
特徴とする請求項１の文字認識方式。 - 【請求項３】 予め与えられた学習文字パターン集合に
対する確率パラメータを計算し、 同じ確率パラメータを持つ学習文字パターン数と、その
中で第１候補が正解であった学習文字パターンの比を正
読確率の推定値として、確率パラメータと正読確率の変
換テーブルを生成することを特徴とする請求項１または
請求項２の文字認識方法。 - 【請求項４】 文字パターンを入力とし、比較的高速か
つ低精度の第１の文字認識手段で文字認識を行い、 上記文字認識結果として得られた候補文字の距離値から
確率パラメータを計算し、 上記確率パラメータとそれに対応する正読確率を格納し
たテーブルを参照して、上記確率パラメータに対応する
正読確率の推定値を求め、 上記正読確率の推定値が所定のしきい値より大きいと
き、上記第１の文字認識手段により得られた文字認識結
果を出力し、 上記正読確率が所定のしきい値より小さいとき、比較的
低速で高精度な第２の文字認識手段を用いて上記文字パ
ターンについて文字認識を行い、上記第２の文字認識手
段により得られた文字認識結果を出力することを特徴と
する文字認識方法。 - 【請求項５】 文字パターンを入力とし、入力された文
字パターンから複数の候補文字とそれぞれに対応する距
離値を出力する文字認識手段と、 上記文字認識手段により得られた複数の候補文字とそれ
ぞれに対応する距離値を用いて予め定義された式に基づ
き確率パラメータを算出する確率パラメータ計算手段
と、 確率パラメータのそれぞれに対応する正読確率の推定値
を記憶した変換テーブルと、 上記変換テーブルを参照し、上記確率パラメータ計算手
段により求めた確率パラメータに対応した正読確率を求
めて出力する正読確率出力手段を備えたことを特徴する
文字認識装置。 - 【請求項６】 上記確率パラメータ計算手段は、文字認
識手段により得られた複数の候補文字の第１の候補文字
の距離値と第２の候補文字の距離値の基づき確率パラメ
ータを算出することを特徴する請求項５の文字認識装
置。 - 【請求項７】 正読確率の推定値を記憶した変換テーブ
ルは、予め与えられた学習文字パターン集合に対する確
率パラメータを計算し、同じ確率パラメータを持つ学習
文字パターン数と、その中で第１候補が正解であった学
習文字パターンの比より正読確率の推定値を求め、各正
読確率の推定値とそれぞれに対応する確率パラメータを
記憶手段に記憶することにより生成されることを特徴と
する請求項５または請求項６の文字認識装置。 - 【請求項８】 入力された文字パターンの文字認識を行
う比較的高速かつ低精度の第１の文字認識手段と、 入力された文字パターンの文字認識を行う比較的低速で
高精度な第２の文字認識手段と、 確率パラメータとそれに対応する正読確率を格納した変
換テーブルと、 候補文字の距離値から確率パラメータを計算し、上記変
換テーブルを参照して、上記確率パラメータに対応する
正読確率の推定値を求める正読確率推定手段と、 上記第１の文字認識手段により得られた候補文字のつい
て上記正読確率推定手段により求めた正読確率の推定値
を所定のしきい値と比較し、上記正読確率が所定のしき
い値より大きいとき、上記第１の文字認識手段により得
られた文字認識結果を出力し、 上記正読確率の推定値が所定のしきい値より小さいと
き、上記第２の文字認識手段により得られた文字認識結
果を出力する正読確率比較手段を備えたことを特徴とす
る文字認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP22372096A JP3421200B2 (ja) | 1996-08-26 | 1996-08-26 | 文字認識方法および装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP22372096A JP3421200B2 (ja) | 1996-08-26 | 1996-08-26 | 文字認識方法および装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH1063784A true JPH1063784A (ja) | 1998-03-06 |
| JP3421200B2 JP3421200B2 (ja) | 2003-06-30 |
Family
ID=16802629
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP22372096A Expired - Fee Related JP3421200B2 (ja) | 1996-08-26 | 1996-08-26 | 文字認識方法および装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3421200B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102314252A (zh) * | 2010-06-30 | 2012-01-11 | 汉王科技股份有限公司 | 一种手写字符串的字符切分方法和装置 |
| JP2016018353A (ja) * | 2014-07-08 | 2016-02-01 | 富士通株式会社 | 情報処理装置、情報処理方法及びプログラム |
-
1996
- 1996-08-26 JP JP22372096A patent/JP3421200B2/ja not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102314252A (zh) * | 2010-06-30 | 2012-01-11 | 汉王科技股份有限公司 | 一种手写字符串的字符切分方法和装置 |
| JP2016018353A (ja) * | 2014-07-08 | 2016-02-01 | 富士通株式会社 | 情報処理装置、情報処理方法及びプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3421200B2 (ja) | 2003-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kolcz et al. | A line-oriented approach to word spotting in handwritten documents | |
| RU2641225C2 (ru) | Способ выявления необходимости обучения эталона при верификации распознанного текста | |
| US6834121B2 (en) | Apparatus for rough classification of words, method for rough classification of words, and record medium recording a control program thereof | |
| JP2000353215A (ja) | 文字認識装置および文字認識プログラムを記録した記録媒体 | |
| JPH0981730A (ja) | パターン認識方法及び装置及びコンピュータ制御装置 | |
| KR100617292B1 (ko) | 지문 인식 방법 및 그 장치 | |
| CN103329166A (zh) | 图像检索装置和方法、图像处理装置和方法 | |
| JP3099771B2 (ja) | 文字認識方法、装置及び文字認識プログラムを記録した記録媒体 | |
| JPH1166238A (ja) | 手書き文字認識方法 | |
| JP3099797B2 (ja) | 文字認識装置 | |
| CN120371976A (zh) | 基于人工智能的个性化智能问答系统 | |
| JPH1063784A (ja) | 文字認識方法および装置 | |
| JP2002063548A (ja) | 手書き文字認識方法 | |
| JP2003022446A (ja) | 署名照合装置、署名照合方法およびその方法をコンピュータに実行させるプログラム | |
| JP2001014465A (ja) | 物体認識方法及び物体認識装置 | |
| JPH0458073B2 (ja) | ||
| JP3897999B2 (ja) | 手書き文字認識方法 | |
| JPH08263655A (ja) | パターン認識方法 | |
| JP2856409B2 (ja) | 文字認識装置および方法 | |
| JP2001243425A (ja) | オンライン文字認識装置およびオンライン文字認識方法 | |
| JP4215385B2 (ja) | パターン認識装置、パターン認識方法およびその方法をコンピュータに実行させるプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
| JP4320124B2 (ja) | パターン認識方法、装置及びプログラム | |
| JP2851865B2 (ja) | 文字認識装置 | |
| CN120931905A (zh) | 一种基于跨模态一致性循环的目标检测模型训练方法 | |
| CN117076695A (zh) | 图文跨模态检索方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20030408 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080418 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090418 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090418 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100418 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110418 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110418 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120418 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130418 Year of fee payment: 10 |
|
| LAPS | Cancellation because of no payment of annual fees |