JP2023047133A - 情報処理装置、情報処理システム、及びプログラム - Google Patents

Abstract

【課題】光学文字認識処理が必要な電子文書か、光学文字認識処理が不要な電子文書であるかを決定することができる情報処理装置及びプログラムを提供する。
【解決手段】プロセッサを備え、前記プロセッサは、アプリケーションプログラムによりテキスト情報を保持したまま生成された電子文書又は文書読取装置により画像を読み込むことで生成された電子文書を受け付け、受け付けた前記電子文書のうち、テキストを表す部分を含む電子文書について、前記アプリケーションプログラムにより生成されたか又は前記文書読取装置により生成されたかの種別判定を実行し、前記種別判定の結果に基づいて、前記電子文書に対して光学文字認識処理を実行するか否かを決定する。
【選択図】図５

Description

本発明は、情報処理装置、情報処理システム、及びプログラムに関する。

特許文献１には、一般のアプリケーションソフトで作成された文書情報に対して文字情報を解析する文字情報解析手段と、文書情報を読み取る読み取り手段と、該読み取った文書情報の文書構造を解析する解析手段と、該解析手段により文字部であると解析された文書情報については、文字情報を作成する作成手段と、該作成された文字情報を含む文書情報と前記解析された文字情報とを記憶する記憶手段と、前記記憶された文字情報を検索する検索手段と、を有することを特徴とする電子ファイリング装置が開示されている。

特開平８－１６１３５０号公報

電子文書には、アプリケーションプログラムによりテキスト情報を保持したまま生成された電子文書と、文書読取装置により画像を読み込むことで生成される電子文書とが存在する。

かかる電子文書を管理する際に、アプリケーションプログラムによりテキスト情報を保持したまま生成された電子文書については、光学文字認識処理を実行する必要はない。しかし、文書読取装置により画像を読み込むことで生成された電子文書については、電子文書のテキスト検索を可能とするためには、光学文字認識処理が必要である。

本発明は、光学文字認識処理が必要な電子文書か、光学文字認識処理が不要な電子文書であるかを決定することができる情報処理装置及びプログラムを提供することを目的とする。

第１態様に係る情報処理装置は、プロセッサを備え、前記プロセッサは、アプリケーションプログラムによりテキスト情報を保持したまま生成された電子文書又は文書読取装置により画像を読み込むことで生成された電子文書を受け付け、受け付けた前記電子文書のうち、テキストを表す部分を含む電子文書について、前記アプリケーションプログラムにより生成されたか又は前記文書読取装置により生成されたかの種別判定を実行し、前記種別判定の結果に基づいて、前記電子文書に対して光学文字認識処理を実行するか否かを決定する。

第２態様に係る情報処理装置は、前記プロセッサは、前記電子文書のうち、前記文書読取装置により生成されたと判定された電子文書について前記光学文字認識処理を実行して当該電子文書のテキストデータを生成し、当該電子文書に当該テキストデータを埋め込んで記憶させる。

第３態様に係る情報処理装置は、前記プロセッサは、前記テキストデータから予め定められた属性データを抽出し、前記電子文書に埋め込んで当該電子文書の属性情報として記憶させる。

第４態様に係る情報処理装置は、前記プロセッサは、前記電子文書の頁全面に画像が存在し、かつ、テキスト情報は透明文字で描画されているか否かにより前記種別判定を実行する。

第５態様に係る情報処理装置は、前記電子文書には、当該電子文書を生成した生成元に関する生成元情報が記憶されており、前記プロセッサは、前記電子文書内の前記生成元情報により前記種別判定を実行する。

第６態様に係る情報処理装置は、前記プロセッサは、前記文書読取装置の機種情報について予め定められた生成元情報に、一致する機種情報が含まれているか否かにより前記種別判定を実行する。

第７態様に係る情報処理装置は、前記文書読取装置により画像を読み込むことで生成された電子文書に含まれるテキスト情報は、当該文書読取装置による画像の読み込みの際に行われる光学文字認識処理により当該電子文書に埋め込まれた情報である。

第８態様に係る情報処理プログラムは、コンピュータに、アプリケーションプログラムによりテキスト情報を保持したまま生成された電子文書又は文書読取装置により画像を読み込むことで生成された電子文書を受け付け、受け付けた前記電子文書のうち、テキストを表す部分を含む電子文書について、前記アプリケーションプログラムにより生成されたか又は前記文書読取装置により生成されたかの種別判定を実行し、前記種別判定の結果に基づいて、前記電子文書に対して光学文字認識処理を実行するか否かを決定する処理を実行させる。

第１態様によれば、光学文字認識処理が必要な電子文書か、光学文字認識処理が不要な電子文書であるかを決定することができる、という効果を有する。

第２態様によれば、光学文字認識処理をしない場合に比べ、電子文書のテキスト検索を可能とすることができる。という効果を有する。

第３態様によれば、電子文書の属性情報をテキスト検索で見つけることができる、という効果を有する。

第４態様によれば、アプリケーションプログラムにより生成された電子文書と、文書読取装置により生成された電子文書との相違点から種別判定を実行することができる、という効果を有する。

第５態様によれば、アプリケーションプログラムにより生成された電子文書と、文書読取装置により生成された電子文書とを、電子文書の生成元情報から種別判定することができる、という効果を有する。

第６態様によれば、予め定められた機種情報で、アプリケーションプログラムにより生成された電子文書と文書読取装置により生成された電子文書との種別判定をすることができる、という効果を有する。

第７態様によれば、文書読取装置により生成された電子文書についての２回の光学文字認識処理により、文字認識の精度を向上させることができる、という効果を有する。

第８態様によれば、光学文字認識処理が必要な電子文書か、光学文字認識処理が不要な電子文書であるかを決定することができる、プログラムを提供することができる。

本発明の実施形態に係る情報処理システムの概略構成図である。 本発明の実施形態に係る画像形成装置の概略ブロック図である。 本発明の実施形態に係る情報処理装置の概略ブロック図である。 本発明の実施形態に係る情報処理装置の動作の一例を示すフローチャートである。 図４に示す種別判定処理１のサブルーチンを示すフローチャートである。 図４に示す種別判定処理２のサブルーチンを示すフローチャートである。 本発明の実施形態に係る電子文書の頁全面に画像が存在し、かつ、テキスト情報が透明文字で描画されている状態を示す説明図である。 本発明の実施形態に係る電子文書から抽出したテキスト情報と画像との一覧を示す説明図である。

（実施形態）
以下、本開示の実施形態の一例を、図面を参照しつつ説明する。なお、各図面において同一又は等価な構成要素および部分には同一の参照符号を付与している。また、図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。

図１を用いて、本実施形態に係る情報処理システム１０の一例を説明する。
図１は、本実施形態に係る情報処理システム１０の概略構成の一例を示す図である。
図１に示すように、本実施形態に係る情報処理システム１０は、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）２０、画像形成装置４０と、情報処理装置６０とを含んで構成されている。ここで、画像形成装置４０は文書読取装置の一例である。

ＰＣ２０、画像形成装置４０及び情報処理装置６０は、ネットワークＮを介して接続されている。このネットワークＮには、例えば、インターネット、ＬＡＮ（＝Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（＝Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）等が適用される。

本実施形態におけるＰＣ２０は、情報処理システム１０において、電子文書を情報処理装置６０へ記憶させる。

本実施形態における画像形成装置４０は、印刷機能や、コピー機能、ファクシミリ機能、スキャナ機能などの各種の機能を有するものである。画像形成装置４０は、情報処理システム１０において、電子文書を情報処理装置６０へ記憶させる。

本実施形態における情報処理装置６０は、ＰＣ２０及び画像形成装置４０から送信された電子文書を記憶する。

本実施形態における情報処理システム１０は、ＰＣ２０や画像形成装置４０から送信された電子文書を記憶すると共に、光学文字認識（ＯＣＲ：Ｏｐｔｉｃａｌ Ｃｈａｒａｃｔｅｒ Ｒｅｃｏｇｎｉｔｉｏｎ）処理により抽出された属性情報や電子文書に埋め込まれたテキストデータについてユーザーからのテキスト検索などを可能にする電子ファイリングシステムである。ここで、電子文書は、ＰＣ２０で作成されたＰＤＦ（Ｐｏｒｔａｂｌｅ Ｄｏｃｕｍｅｎｔ Ｆｏｒｍａｔ）（いわゆるボーンデジタルＰＤＦ）や、画像形成装置４０のスキャナ機能で読み取られたＰＤＦを含む。

画像形成装置４０のハードウェア構成について説明する。

図２は、本実施形態に係る画像形成装置４０のハードウェア構成を示すブロック図である。
図２に示すように、画像形成装置４０は、プロセッサの一例であるＣＰＵ４１（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＯＭ４２（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）４３、ストレージ４４、入力部４５、表示部４６、文書読取部４７、画像形成部４８、通信Ｉ／Ｆ４９を有する。各構成は、バスを介して相互に通信可能に接続されている。

ＣＰＵ４１は、中央演算処理ユニットであり、各種プログラムを実行したり、各部を制御したりする。すなわち、ＣＰＵ４１は、ＲＯＭ４２又はストレージ４４からプログラムを読み出し、ＲＡＭ４３を作業領域としてプログラムを実行する。ＣＰＵ４１は、ＲＯＭ４２又はストレージ４４に記録されているプログラムにしたがって、上記各構成の制御および各種の演算処理を行う。本実施形態では、ＲＯＭ４２又はストレージ４４には、プログラムが格納されている。

ＲＯＭ４２は、各種プログラムおよび各種データを格納する。ＲＡＭ４３は、作業領域として一時的にプログラム又はデータを記憶する。ストレージ４４は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、又はＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）などにより構成され、オペレーティングシステムを含む各種プログラム、および各種データを格納する。

また、本実施形態では、ストレージ４４には、文書読取部４７により読み取られた電子文書などが記憶される。

入力部４５は、マウス等のポインティングデバイス、およびキーボードを含み、各種の入力を行うために使用される。入力部４５では、後述するプラテンガラスなどの台に置かれた文書を光学的に読み取らせる処理を開始させる指示などに使用される。また、本実施形態では、タッチパネル方式の表示部４６が入力部４５として機能している。

表示部４６は、例えば、液晶ディスプレイである。表示部４６は、ＣＰＵ４１の制御に基づき各種の情報を表示する。また、表示部４６は、タッチパネル方式を採用して、入力部４５としても機能する。

文書読取部４７は、印刷機能や、コピー機能、ファクシミリ機能、スキャナ機能などを実現するために、画像形成装置４０の上部に設けられた図示しない自動送り装置の給紙台に置かれた文書や、プラテンガラスなどの台に置かれた文書を１枚ずつ取り込み、取り込んだ文書を読み取った画像を光学的に読み取って電子文書を生成する。

また、文書読取部４７で文書を取り込む際に、画像形成装置４０のスキャナ機能を用いて取り込むことをユーザーが選択した場合は、ＣＰＵ４１は、ＯＣＲ処理を実行する。かかるＯＣＲ処理は、後述する情報処理装置６０が行うＯＣＲ処理と比べて、あらかじめ登録してある単語辞書の数が少ないなどの簡易的な処理である。そして、本実施形態では、ＯＣＲ処理がされた電子文書は、生成されたテキストデータが埋め込まれると共に、ＰＤＦ形式の電子文書として保存される。なお、スキャナ機能を用いて文書を読み取り込む際に、ＯＣＲ処理をしないで文書を読み取ってもよい。

また、画像形成装置４０のスキャナ機能を用いて読み取ったＰＤＦ形式の電子文書には、当該電子文書を生成した生成元に関する生成元情報、本例では画像形成装置４０の機種名や型番などの機種情報が記憶される。また、かかるＰＤＦ形式の電子文書は、後述する通信Ｉ／Ｆ４９を介して情報処理装置６０へ送信される。

画像形成部４８は、文書読取部４７による読み取りによって得られた画像を、紙などの記録媒体に形成、すなわち、印刷するものである。

通信Ｉ／Ｆ４９は、ＰＣ２０及び情報処理装置６０との間で通信を行う機能を有している。通信Ｉ／Ｆ４９は、ＰＣ２０及び情報処理装置６０との間で各種データの送受信を行う通信インタフェースとして機能する。本実施形態では、文書読取部４７により生成した電子文書を情報処理装置６０に送信する。なお、画像形成装置４０から情報処理装置６０への電子文書の送信は、予め定められたタイミング、例えば、予め定められた日時や予め定められた数の電子文書が生成される毎などに実行するが、これに限定されず、電子文書を生成する毎に実行してもよい。また、通信Ｉ／Ｆ４９は、画像形成装置４０を公衆回線に接続し、ＦＡＸ機能を有する他の画像形成装置と文書読取部４７による読み取りによって得られた画像情報を送受信する機能を有している。

つぎに、ＰＣ２０及び情報処理装置６０のハードウェア構成について説明する。

図３は、本実施形態に係るＰＣ２０及び情報処理装置６０のハードウェア構成を示すブロック図である。ＰＣ２０及び情報処理装置６０は、基本的には一般的なコンピュータ構成であるため、情報処理装置６０を代表して説明する。

図３に示すように、ＰＣ６０は、プロセッサの一例であるＣＰＵ６１、ＲＯＭ６２、ＲＡＭ６３、ストレージ６４、入力部６５、表示部６６、通信Ｉ／Ｆ６７を有する。各構成は、バスを介して相互に通信可能に接続されている。

ＣＰＵ６１は、中央演算処理ユニットであり、各種プログラムを実行したり、各部を制御したりする。すなわち、ＣＰＵ６１は、ＲＯＭ６２又はストレージ６４からプログラムを読み出し、ＲＡＭ６３を作業領域としてプログラムを実行する。ＣＰＵ６１は、ＲＯＭ６２又はストレージ６４に記録されているプログラムにしたがって、上記各構成の制御および各種の演算処理を行う。本実施形態では、ＲＯＭ６２又はストレージ６４には、プログラムが格納されている。

ＲＯＭ６２は、各種プログラムおよび各種データを格納する。ＲＡＭ６３は、作業領域として一時的にプログラム又はデータを記憶する。ストレージ６４は、ＳＳＤ、フラッシュメモリなどにより構成され、オペレーティングシステムを含む各種プログラム、および各種データを格納する。

また、本実施形態では、ストレージ６４には、ＰＣ２０又は画像形成装置４０から送信された電子文書が記憶される。電子文書には、アプリケーションプログラム（例えば、ＷｏｒｄやＥｘｃｅｌ（登録商標）など）によりテキスト情報を保持したまま生成された電子文書と、画像形成装置４０の文書読取部４７により画像を読み込むことで生成された電子文書とが含まれる。また、ストレージ６４に記憶されている電子文書のうち、文書読取部４７により生成された電子文書は、ＣＰＵ６１によりＯＣＲ処理が実行される。そして、ＯＣＲ処理により生成されたテキストデータは、当該電子文書に埋め込まれてストレージ６４に記憶される。なお、ＰＣ２０のストレージ２４には、情報処理装置６０に送信される前の当該ＰＣ２０のアプリケーションプログラムによりテキスト情報を保持したまま生成された電子文書が記憶される。ここで、本実施形態では、電子文書について、ＰＤＦ形式の電子文書を例に取り説明する。また、ＰＤＦ形式の電子文書には、当該電子文書を生成した生成元に関する生成元情報、本例では、画像形成装置４０により生成された場合は当該画像形成装置４０の機種情報、ＰＣ２０により生成された場合は、使用されたアプリケーションプログラム名が記憶される。

また、本実施形態では、ストレージ６４には、後述するが、ＯＣＲ処理により生成されたテキストデータからの属性データの抽出の規則が記憶されている。属性データの抽出の規則は、情報処理システム１０の管理者などにより管理及びメンテナンスがされており、必要に応じて更新が行われる。

また、ストレージ６４には、生成者情報データベースが記憶されている。生成者情報データベースは、ＰＤＦ変換の画像形成装置４０の機種名や型番などの機種情報を予め記憶しているデータベースである。生成者情報データベースは、後述するように、ＰＤＦ形式の電子文書が、ＰＣ２０でアプリケーションプログラムにより生成されたか又は画像形成装置４０で文書読取部４７により生成されたかの種別判定で用いられる。生成者情報データベースは、情報処理システム１０の管理者などにより管理及びメンテナンスがされており、画像形成装置４０の新機種が出ると当該新機種名が登録されるなどの更新が行われる。

入力部６５は、マウス等のポインティングデバイス、およびキーボードを含み、各種の入力を行うために使用される。

表示部６６は、例えば、液晶ディスプレイである。表示部６６は、ＣＰＵ６１の制御に基づき各種の情報を表示する。

通信Ｉ／Ｆ６７は、ＰＣ２０及び画像形成装置４０との間で通信を行う機能を有している。通信Ｉ／Ｆ６７は、ＰＣ２０及び画像形成装置４０との間で各種データの送受信を行う通信インタフェースとして機能する。

つぎに、本実施形態の情報処理装置６０の作用の一例について説明する。
図４は、情報処理装置６０が行うＯＣＲ処理の動作の一例を示すフローチャートである。

図４に示すステップＳ１００において、情報処理装置６０のＣＰＵ６１は、ＯＣＲ処理を行う必要のある複数の電子文書のすべてにＯＣＲ処理を実施済みか判定する。ＯＣＲ処理を実施済みであると判定した場合は、処理を終了する。ＯＣＲ処理を実施済みであると判定しない場合、すなわち、ＯＣＲ処理を実行する電子文書がある場合は、次のステップＳ１１０に進む。なお、本実施形態におけるＯＣＲ処理は、複数のＰＤＦ形式の電子文書をまとめて処理する場合に限定されず、情報処理装置６０がＰＤＦ形式の電子文書を受信する毎に行うようにしてもよい。

ステップＳ１１０において、情報処理装置６０のＣＰＵ６１は、種別判定処理１を実行する。ステップＳ１１０における種別判定処理１については、図５を用いて説明する。種別判定は、電子文書についてアプリケーションプログラムにより生成されたか又は文書読取部４７により生成されたかの判定である。

まず、ステップＳ１１１において、情報処理装置６０のＣＰＵ６１は、ＰＤＦ形式の電子文書からテキストデータと画像とを抽出する。そして、次のステップＳ１１２に進む。

ステップＳ１１２において、情報処理装置６０のＣＰＵ６１は、電子文書にテキスト情報が存在するか判定する。そして、次のステップＳ１１３に進む。

ステップＳ１１３において、上述したステップＳ１１２でテキスト情報が存在すると判定した場合は、次のステップＳ１１４に進む。

ステップＳ１１４において、情報処理装置６０のＣＰＵ６１は、電子文書の頁全面に画像が存在し、かつ、テキスト情報が透明文字で描画されているか判定する。そして、次のステップＳ１１５に進む。

ここで、電子文書の頁全面に画像が存在し、かつ、テキスト情報が透明文字で描画されているかの判定について、図７及び図８を用いて説明する。

図７は、電子文書の頁全面に画像が存在し、かつ、テキスト情報が透明文字で描画されている状態を示す図面である。具体的には、図７の例では、電子文書の頁（例えばＡ４用紙サイズ）と同じサイズの画像とがあり、かつ、透明文字が存在している。かかる透明文字は、文書読取部４７で読み取られる際に実行されるＯＣＲ処理により生成されるテキストデータである。透明文字であることを文書読取部４７で生成されたかの種別判定の要件としたのは、アプリケーションプログラムで作成する場合は、透明文字でテキストデータを作成することは考えにくく、又、ＯＣＲ処理により生成されるテキストデータは、画像の視認を妨げないように透明文字で生成されることが多いためである。

また、図８は、電子文書から抽出したテキスト情報と画像との一覧を示す図面である。図８（Ａ）は、例えばＡ４サイズ（２１０ｍｍ×２９７ｍｍ）の電子文書から、画像１つと、テキスト情報２つが抽出された場合である。抽出されたＮｏ．「１」の画像の座標（Ｘ、Ｙ）、幅（Ｗ）、高さ（Ｈ）は、座標（３０，５０）、幅１０ｍｍ，高さ２０ｍｍである。Ｎｏ．「２」のテキスト情報の色は「黒」であり、座標（Ｘ、Ｙ）、幅（Ｗ）、高さ（Ｈ）は、座標（２，５０）、幅３０ｍｍ，高さ２０ｍｍである。Ｎｏ．「３」のテキスト情報の色は「青」であり、座標（Ｘ、Ｙ）、幅（Ｗ）、高さ（Ｈ）は、座標（２，３０）、幅３０ｍｍ，高さ２０ｍｍである。図８（Ａ）に示す例では、Ａ４サイズの頁よりも画像のサイズの方が小さいため、頁の全面に画像が存在せず、又、テキスト情報も透明文字ではない。そのため、図８（Ａ）に示す例は、アプリケーションプログラムにより生成されたＰＤＦ形式の電子文書であると判定される。

また、図８（Ｂ）は、例えばＡ４サイズ（２１０ｍｍ×２９７ｍｍ）の電子文書から、画像１つと、テキスト情報２つが抽出された場合である。抽出されたＮｏ．「１」の画像の座標（Ｘ、Ｙ）、幅（Ｗ）、高さ（Ｈ）は、座標（０，０）、幅２１０ｍｍ，高さ２９７ｍｍである。Ｎｏ．「２」のテキスト情報の色は「透明」であり、座標（Ｘ、Ｙ）、幅（Ｗ）、高さ（Ｈ）は、座標（２，５０）、幅３０ｍｍ，高さ２０ｍｍである。Ｎｏ．「３」のテキスト情報の色は「透明」であり、座標（Ｘ、Ｙ）、幅（Ｗ）、高さ（Ｈ）は、座標（２，３０）、幅３０ｍｍ，高さ２０ｍｍである。図８（Ｂ）に示す例では、Ａ４サイズの頁と画像のサイズとが同じサイズであるため、頁の全面に画像が存在し、又、テキスト情報も透明文字である。そのため、図８（Ｂ）に示す例は、文書読取部４７により生成されたＰＤＦ形式の電子文書であると判定される。

ステップＳ１１５において、上述したステップＳ１１４で、頁全面に画像が存在し、かつ、テキスト情報が透明文字であると判定されない場合は、次のステップＳ１１６に進む。

ステップＳ１１６において、情報処理装置６０のＣＰＵ６１は、スキャナ生成＝Ｆａｌｓｅを返す。すなわち、文書読取部４７で読み取られた電子文書ではなく、アプリケーションプログラムにより生成された電子文書であると判定した記録をする。そして、図５に示す処理を終了し、図４のステップＳ１２０に進む。

一方、上述したステップＳ１１３において、テキスト情報が存在しないと判定した場合は、ステップＳ１１７に進み、スキャナ生成＝Ｔｒｕｅを返す。すなわち、文書読取部４７で読み取られた電子文書であり、アプリケーションプログラムにより生成された電子文書ではないと判定した記録をする。そして、図５に示す処理を終了し、図４のステップＳ１２０に進む。

また、上述したステップＳ１１５において、頁全面に画像が存在し、かつ、テキスト情報が透明文字であると判定された場合は、ステップＳ１１７に進み、そして、図５に示す処理を終了し、図４のステップＳ１２０に進む。

ステップＳ１２０において、情報処理装置６０のＣＰＵ６１は、種別判定処理２を実行する。ステップＳ１２０における種別判定処理２については、図６を用いて説明する。

まず、ステップＳ１２１において、情報処理装置６０のＣＰＵ６１は、ＰＤＦ形式の電子文書から生成者情報を取得する。そして、次のステップＳ１２２に進む。

ステップＳ１２２において、情報処理装置６０のＣＰＵ６１は、生成者情報がストレージ４４に記憶されている生成者情報データベースに含まれているか否かを判定する。生成者情報が生成者情報データベースに含まれていないと判定した場合は、次のステップＳ１２３に進む。

ステップＳ１２３において、スキャナ生成＝Ｆａｌｓｅを返す。すなわち、文書読取部４７で読み取られた電子文書ではなく、アプリケーションプログラムにより生成された電子文書であると判定した記録をする。そして、図６に示す処理を終了し、図４のステップＳ１３０に進む。

一方、上述したステップＳ１２２において、生成者情報がストレージ４４に記憶されている生成者情報データベースに含まれていると判定した場合は、ステップＳ１２４に進み、スキャナ生成＝Ｔｒｕｅを返す。すなわち、文書読取部４７で読み取られた電子文書であり、アプリケーションプログラムにより生成された電子文書ではないと判定した記録をする。そして、図６に示す処理を終了し、図４のステップＳ１３０に進む。

なお、生成者情報が生成者情報データベースに含まれていると判定した場合であっても、予め定められた生成者情報と一致した場合は、スキャナ生成＝Ｔｒｕｅを返さず、スキャナ生成＝Ｆａｌｓｅを返すようにしてもよい。例えば、画像形成装置の機種によっては、文書読取部で読み取られる際に行われるＯＣＲ処理の機能が情報処理装置６０により行われるＯＣＲ処理よりも簡易的な処理ではない場合もあり、再度、情報処理装置６０によりＯＣＲ処理をする必要がないことも考えられるためである。

また、予め定められた生成者情報と一致した場合は、予め定められた条件を満たす場合、例えば、特定の言語などの場合のみ、スキャナ生成＝Ｔｒｕｅを返すことで、再度、情報処理装置６０によるＯＣＲ処理をするようにしてもよい。言語によってはＯＣＲ処理の文字認識精度が低くなる可能性があり、情報処理装置６０により再度ＯＣＲ処理をすることで、文字認識の精度を向上することができるようにするためである。

ステップＳ１３０において、情報処理装置６０のＣＰＵ６１は、スキャナ生成＝Ｔｒｕｅの記録があるか否か、すなわち、文書読取部４７で読み取られた電子文書であるか否かを判定する。スキャナ生成＝Ｔｒｕｅの記録がないと判定した場合は、上述したステップＳ１００に戻る。一方、スキャナ生成＝Ｔｒｕｅの記録があると判定した場合は、次のステップＳ１４０に進む。

ステップＳ１４０において、情報処理装置６０のＣＰＵ６１は、文書読取部４７で読み取られた電子文書に対して、ＯＣＲ処理と、当該ＯＣＲ処理により生成したテキストデータを当該電子文書に埋め込んで記憶する。そして、上述したステップＳ１００に戻る。ここで、ＯＣＲ処理により生成したテキストデータの電子文書への埋め込みは、文書読取部４７で読み取られる際に行われたＯＣＲ処理により埋め込まれたテキストデータに替えて電子文書に埋め込まれることが望ましい。これは、上述したように、文書読取部４７で読み取られる際に行われたＯＣＲ処理は、情報処理装置６０によりステップＳ１４０において行われるＯＣＲ処理よりも簡易的な処理であり、ＯＣＲ処理の文字認識精度が低いなどの不完全なものである可能性があり、情報処理装置６０により行われるＯＣＲ処理により生成されるテキストデータに替えて電子文書を保存する方が、後で当該ＰＤＦ形式の電子文書を検索する際などに情報抽出性能を向上させることができる。

また、情報処理装置６０のＣＰＵ６１は、ＯＣＲ処理により生成されたテキストデータから予め定められた属性データを抽出し、電子文書に埋め込んで当該電子文書の属性情報として記憶させる。属性データは、例えば、電子文書に記載された日付や、宛名、タイトル、項目、ファイル名などである。また、ＯＣＲ処理により生成されたテキストデータからの属性データの抽出は、予め定められた規則に応じて実行される。例えば、頁の右上の予め定められた範囲の座標にある予め定められた桁数の数値は日付データとして抽出する規則や、頁の左上の予め定められた範囲の座標にあるキーワード「殿」や「様」などの左側にあるテキストデータを宛名データとして抽出する規則がある。なお、かかる規則は、情報処理システム１０の管理者などにより設定されるが、これに限定されず、例えば、複数の電子文書を用意し、当該電子文書を教師データとして学習された学習済みモデルに対してＯＣＲ処理により生成されたテキストデータを埋め込んだ電子文書を入力して、属性データを抽出するようにしてもよい。

なお、スキャナ生成＝Ｔｒｕｅの記録がないＰＤＦ形式の電子文書、すなわち、ＰＣ２０のアプリケーションプログラムによりテキスト情報を保持したまま生成された電子文書である場合は、情報処理装置６０によるＯＣＲ処理はされず、属性データの抽出を行う。そして、抽出された属性データを電子文書に埋め込んで電子文書の属性情報として記憶する。アプリケーションプログラムによりテキスト情報を保持したまま生成された電子文書の場合は、文字認識の精度に問題はないためＯＣＲ処理をする必要はなく、そのまま属性データの抽出をする必要性がないためである。

本発明は、上述した実施形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。

なお、上記実施形態では、プログラムがＲＯＭ又はストレージに予め記憶（インストール）されている態様を説明したが、これに限定されない。プログラムは、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＤＶＤ－ＲＯＭ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、及びＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリ等の記録媒体に記録された形態で提供されてもよい。また、プログラムは、ネットワークを介して外部装置からダウンロードされる形態としてもよい。

また、上述した実施形態において、プロセッサとは広義的なプロセッサを指し、汎用的なプロセッサ（例えばＣＰＵ：Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ、等）や、専用のプロセッサ（例えばＧＰＵ：Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ、ＡＳＩＣ：Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ、ＦＰＧＡ：Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ、プログラマブル論理デバイス、等）を含むものである。

また、上述した実施形態におけるプロセッサの動作は、１つのプロセッサによって成すのみでなく、物理的に離れた位置に存在する複数のプロセッサが協働して成すものであってもよい。また、プロセッサの各動作の順序は上述した各実施形態において記載した順序のみに限定されるものではなく、適宜変更してもよい。

１０ 情報処理システム
２０ ＰＣ
４０ 画像形成装置
６０ 情報処理装置
Ｎ ネットワーク

Claims (8)

1. プロセッサを備え、
   前記プロセッサは、
   アプリケーションプログラムによりテキスト情報を保持したまま生成された電子文書又は文書読取装置により画像を読み込むことで生成された電子文書を受け付け、
   受け付けた前記電子文書のうち、テキストを表す部分を含む電子文書について、前記アプリケーションプログラムにより生成されたか又は前記文書読取装置により生成されたかの種別判定を実行し、
   前記種別判定の結果に基づいて、前記電子文書に対して光学文字認識処理を実行するか否かを決定する情報処理装置。
2. 前記プロセッサは、
   前記電子文書のうち、前記文書読取装置により生成されたと判定された電子文書について前記光学文字認識処理を実行して当該電子文書のテキストデータを生成し、当該電子文書に当該テキストデータを埋め込んで記憶させる請求項１に記載の情報処理装置。
3. 前記プロセッサは、
   前記テキストデータから予め定められた属性データを抽出し、前記電子文書に埋め込んで当該電子文書の属性情報として記憶させる請求項２に記載の情報処理装置。
4. 前記プロセッサは、
   前記電子文書の頁全面に画像が存在し、かつ、テキスト情報は透明文字で描画されているか否かにより前記種別判定を実行する請求項１～３のいずれか１項に記載の情報処理装置。
5. 前記電子文書には、当該電子文書を生成した生成元に関する生成元情報が記憶されており、
   前記プロセッサは、
   前記電子文書内の前記生成元情報により前記種別判定を実行する請求項１～４のいずれか１項に記載の情報処理装置。
6. 前記プロセッサは、
   前記文書読取装置の機種情報について予め定められた生成元情報に、一致する機種情報が含まれているか否かにより前記種別判定を実行する請求項５に記載の情報処理装置。
7. 前記文書読取装置により画像を読み込むことで生成された電子文書に含まれるテキスト情報は、当該文書読取装置による画像の読み込みの際に行われる光学文字認識処理により当該電子文書に埋め込まれた情報である請求項１～６のいずれか１項に記載の情報処理装置。
8. コンピュータに、
   アプリケーションプログラムによりテキスト情報を保持したまま生成された電子文書又は文書読取装置により画像を読み込むことで生成された電子文書を受け付け、
   受け付けた前記電子文書のうち、テキストを表す部分を含む電子文書について、前記アプリケーションプログラムにより生成されたか又は前記文書読取装置により生成されたかの種別判定を実行し、
   前記種別判定の結果に基づいて、前記電子文書に対して光学文字認識処理を実行するか否かを決定する処理を実行させるプログラム。

Images