JP3375766B2 - 文字認識装置 - Google Patents

Description

【発明の詳細な説明】 【０００１】 【産業上の利用分野】本発明は、文書画像から切り出し
た文字の認識装置に関する。 【０００２】 【従来の技術】近年、多量の名刺、手紙、葉書、文献リ
スト等を画像読み取り装置で読み取って資料化、いわゆ
るデータベース化することが行われている。以下、これ
らの用途のための従来の文字認識方法の一例について図
面を参照しながら説明する。図１１は、その概略の内容
を示すものである。本図において、Ｓ１０１は文書画像
から認識対象文字の位置を検出し、文字画像を切り出す
文字切り出しステップである。その手法であるが、文書
画像をＸ軸２、Ｙ軸３方向に正投象し、各文字を構成す
る黒画素の連続性を調べて行若しくは列を切り出す。な
お、この場合、複雑な書面によっては、その文書画像全
体をＸ軸方向２、Ｙ軸方向３の少なくも一方向に幾つか
に分割した上で正投象し、行若しくは列を求めることも
なされている。この上で、更に各行若しくは列毎に更に
Ｘ方向２若しくは、Ｙ方向３に正投象し、黒画素の連続
性を調べて文字を切り出すことが一般的である。 【０００３】Ｓ１０２は、文字切り出しステップＳ１０
１で切り出した文字画像を認識辞書と照合し、認識候補
文字を抽出する文字認識ステップである。その手法は、
文字を構成する線の方向、折れ具合等の特徴を辞書と比
較したりする。なお、以上の他、決定木法も採用された
りする。Ｓ１０３は、文字切り出しステップＳ１０１で
切り出した認識対象文字の相互の位置を用いて単語を検
出する単語検出ステップである。その手法であるが、日
本語、中国語等いわゆるべた書きの言語では、一応の文
字認識結果をもとになされる形態素解析、最長一致法等
と一体不可分のものとなっている。一方、欧米系の言語
では、単語間の余白の有無が第一の判断基準となってい
る。 【０００４】Ｓ１０４は、単語検出ステップＳ１０３で
検出した単語をキーワード辞書１０６と照合し、各単語
を項目に分類する項目分類ステップである。Ｓ１０５
は、項目分類ステップＳ１０４で分類した各項目に属す
る単語を、項目に対応する項目別単語辞書１０７と照合
し、単語を修正する単語修正ステップである。 次に、
以上の主構成の文字認識方法について、以下その動作内
容についてもう少し詳しくかつ具体的に説明する。 【０００５】文字切り出しステップＳ１０１では、図２
に示す文書画像１から認識対象文字の位置を検出し、文
字画像を切り出す。その結果は、図３に示す文字列Ｌ
１，Ｌ２…、文字ＣＬ１−１，ＣＬ１−２，…，ＣＬ２
−１，…となる。文字列Ｌ４を例にとると、その各文字
の切り出し結果は、図５に示す値となる。次に、文字認
識ステップＳ１０２であるが、切り出した文字画像を認
識辞書と照合し、認識候補文字を抽出する。その結果
は、図４に示すようになる。 【０００６】単語検出ステップＳ１０３では、文字認識
ステップ１０２の結果をふまえて更に、文字切り出しス
テップＳ１０１で切り出した認識対象文字の位置を用い
て単語を検出する。この場合、欧米文の文書画像である
ため、既述のごとく、原則として単語間の余白を利用す
る。しかしながら、認識対象の文書は名刺であり、更に
欧米文では「１」、「Ｉ」等の文字は「Ｗ」等の文字に
比較して文字巾が狭くなり、この一方で相隣合う文字と
の間隔が広くなる。そのため、この原則をそのまま適用
するのは妥当でない。そこで、以下の規則をも採用す
る。 【０００７】各文字列毎に、文字列に属する文字の最大
高さＭＡＸ（Ｈｉ）を求め、隣合う文字間隔長Ｄｉが
（２／３）・ＭＡＸ（Ｈｉ）以上であれば単語の区切り
とする。これにより、図１２に示す単語Ｗ１０１，Ｗ１
０２，…となり、文字列Ｌ４は１単語となる。項目分類
ステップＳ１０４では、単語検出ステップＳ１０３で検
出した単語を図１３に示すキーワード辞書１０６と照合
し、各単語に属する文字数の（２／３）文字以上がキー
ワードと一致すればキーワードの属する項目とする。こ
の結果、各単語は図１４に示す項目となる。単語修正ス
テップＳ１０５で、項目分類ステップＳ１０４で分類し
た各項目に属する単語を、図１５に示すような項目に対
応する項目別単語辞書１０７と照合し、単語を修正す
る。この結果、図１６に示す認識結果となる。ただし、
「ＯＴＨＥＲＳ」項目に分類された単語は対応する項目
別単語辞書が存在しないので、認識誤りが修正されな
い。 【０００８】なお、漢字文書について、たとえ印刷され
た文字であっても文字認識精度の困難性もあり、経費を
無視しない限り実用化からほど遠いのが実情である。ま
た、ディジタイザーへの入力でなく、Ｌ／Ｅ変換による
読み取りでは、手書き文字については、たとえ数字やア
ルファベットのみであっても、郵便番号のごとく記載位
置や字体について厳格な制限を設けない限り完全な信頼
性は今一つであるのが実情である。 【０００９】 【発明が解決しようとする課題】しかしながら上記のよ
うな文字認識方法では、以下のような問題がある。 （１）文字列内の文字高さを利用して単語の区切りを検
出しているので、文字間隔長及び単語間隔長の狭い文字
列の場合には単語検出ミスを起こし易い。しかも、えて
して名刺、葉書等にかかる文字、単語が多い。 【００１０】（２）１単語がキーワード辞書に登録され
ているキーワードに一致するか否かを照合しているの
で、類似あるいは同一のキーワードを持つ項目に分類ミ
スを起こし易い。しかも、えてして名刺、葉書等では地
名や人名を流（使）用した会社名等類似するキーワード
が多い。 （３）キーワード辞書に登録されていないと項目分類で
きない。しかも、えてして名刺、葉書等の記載内容は多
様である。 【００１１】（４）キーワード辞書と単語辞書に同様の
データが含まれているため、どうしても辞書サイズが大
きくなる。 本発明は上記問題点に鑑みなされたものであり、文字間
隔長及び単語間隔長が狭い文字列についても精度良く単
語が検出可能、項目分類の自動修正が可能、キーワード
辞書に登録されていない項目についても文字種判定可
能、キーワード辞書と単語辞書の容量削減が可能、文字
切り出しミスあるいは単語検出ミスを許容してキーワー
ド辞書あるいは単語辞書と照合可能な文字認識方法及び
装置を提供することを目的とする。 【００１２】次に、手書き文字や漢字についても実用的
なＬ／Ｅ変換による文字認識方法や装置が望まれてい
る。このため本発明はマンマシーンシステムをも使用す
ることにより、手書き文字や漢字に対しても使用可能な
文字認識方法や装置を提供することをも目的とする。 【００１３】 【００１４】 【００１５】 【００１６】 【００１７】 【００１８】 【００１９】 【００２０】 【００２１】 【００２２】 【００２３】 【００２４】 【課題を解決するための手段】上記目的を解決するため
に、請求項１の発明においては、文書画像から認識対象
文字の位置を検出して文字画像を切り出す文字切り出し
部と、前記文字切り出し部で切り出した文字画像を認識
辞書と照合し、認識候補文字を抽出する文字認識部と、
前記文字認識部の結果に併せて前記文字切り出し部で切
り出した認識対象文字の位置を用いて単語を検出する単
語検出部と、単語を意味内容の面から特定するのに役立
つ情報たる項目を登録してあるキーワード辞書と、前記
単語検出部で検出した単語をキーワード辞書と照合する
キーワード辞書照合部と、前記キーワード辞書照合部に
て照合できた各単語に一旦意味内容に関係ある情報たる
項目を仮付与する項目仮付与部と、周囲の単語の項目に
合わせて前記項目仮付与部にて仮付与された項目に必要
な修正を施し、前記キーワード照合部にて照合できなか
った各単語に新たに項目を分類する項目分類部と、前記
項目分類部で分類した各項目に属する単語を、項目に対
応する項目別単語辞書と照合して単語に必要な修正を施
す単語修正部とを有し、前記キーワード辞書は、住所と
氏名との単語を含む単語辞書と、住所と氏名との単語以
外の単語を含むキーワード辞書とから構成され、前記項
目別辞書は、前記単語辞書と、住所と氏名との単語以外
の単語を含む項目別単語辞書とから構成され、前記単語
辞書は、予め設定された出現頻度で区分された住所又は
氏名を示す単語が項目別に記載されており、前記キーワ
ード辞書として用いられるときには、出現頻度の大きな
単語とだけ照合され、前記項目別辞書として用いられる
ときには、項目別の単語全体と照合されることを特徴と
している。 【００２５】 【００２６】 【００２７】 【００２８】 【００２９】 【００３０】 【００３１】 【００３２】 【００３３】 【００３４】 【作用】請求項１の発明においては、以下の作用がなさ
れる。文字切り出し部は、文書画像から認識対象文字の
位置を検出して文字画像を切り出す。文字認識部は、前
記文字切り出し部で切り出した文字画像を認識辞書と照
合し、認識候補文字を抽出する。単語検出部は、前記文
字認識部の結果に併せて前記文字切り出し部で切り出し
た認識対象文字の位置を用いて単語を検出する。キーワ
ード辞書は、単語を意味内容の面から特定するのに役立
つ情報たる項目を登録してある。キーワード辞書照合部
は、前記単語検出部で検出した単語をキーワード辞書と
照合する。項目仮付与部は、前記キーワード辞書照合部
にて照合できた各単語に一旦意味内容に関係ある情報た
る項目を仮付与する。項目分類部は、周囲の単語の項目
に合わせて前記項目仮付与部にて仮付与された項目に必
要な修正を施し、前記キーワード照合部にて照合できな
かった各単語に新たに項目を分類する。単語修正部は、
前記項目分類部で分類した各項目に属する単語を、項目
に対応する項目別単語辞書と照合して単語に必要な修正
を施す。前記キーワード辞書は、住所と氏名との単語を
含む単語辞書と、住所と氏名との単語以外の単語を含む
キーワード辞書とから構成され、前記項目別辞書は、前
記単語辞書と、住所と氏名との単語以外の単語を含む項
目別単語辞書とから構成され、前記単語辞書は、予め設
定された出現頻度で区分された住所又は氏名を示す単語
が項目別に記載されており、前記キーワード辞書として
用いられるときには、出現頻度の大きな単語とだけ照合
され、前記項目別辞書として用いられるときには、項目
別の単語全体と照合されるので、キーワード辞書と項目
別単語辞書とに単語辞書の内容を重複して登録する必要
がない。 【００３５】 【実施例】以下、本発明の実施例を図面を参照しながら
説明する。 （第１実施例）図１は、本発明に係る文字認識方法の第
１実施例の概略処理を示すものである。本図において、
Ｓ１は、文書画像から認識対象文字の位置を検出し、文
字画像を切り出す文字切り出しステップである。 【００３６】Ｓ２は、文字切り出しステップＳ１で切り
出した文字画像を認識辞書と照合し、認識候補文字を抽
出する文字認識ステップである。Ｓ３は、文字切り出し
ステップＳ１で切り出した認識対象文字の位置を用いて
単語を検出する単語検出ステップである。Ｓ４は、単語
検出ステップＳ３で検出した単語を住所・氏名以外キー
ワード辞書６と住所・氏名辞書８からなるキーワード辞
書と照合し、各単語を項目に分類する項目分類ステップ
である。 【００３７】Ｓ５は、項目分類ステップＳ４で分類した
各項目に属する単語を、住所・氏名辞書８と住所・氏名
以外項目別単語辞書７からなる項目に対応する項目別単
語辞書と照合し、単語を修正する単語修正ステップであ
る。そして、上記各ステップの処理の原理は、従来技術
と基本的には同じである。このため、以下に本実施例
の、ひいては本発明の固有の構成、内容、手順を主に説
明する。 【００３８】従来例と同じく、図２に示す文書画像を用
いてその動作を説明する。文字切り出しステップＳ１
で、図２に示す文書画像から認識対象文字の位置を検出
し、文字画像を切り出すと、図３に示す文字列Ｌ１，Ｌ
２…、文字ＣＬ１−１，ＣＬ１−２，…，ＣＬ２−１，
…となる。更に、例えば文字列Ｌ４の各文字の切り出し
結果は、図５に示す値となる。 【００３９】文字認識ステップ２で文字切り出しステッ
プＳ１で切り出した文字画像を認識辞書と照合し、認識
候補文字を抽出する。その結果は、図４に示すようにな
る。単語検出ステップＳ３で、文字認識ステップの結果
に併せて文字切り出しステップ１で切り出した認識対象
文字の位置を用いて単語を検出する。同一文字列内の認
識対象文字のＸ軸方向の開始・終了位置Ｘｓｉ・Ｘｅｉ
から隣合う認識対象文字の文字間隔長Ｄｉ＝Ｘｓ（ｉ＋
１）−Ｘｅｉのヒストグラム（histogram,柱状図表）を
求め、ヒストグラムにおける文字間隔長の小さい値から
の第１ピークが終了する文字間隔長を単語区切りと見な
す文字間隔長の閾値Ｔとし、Ｄｉ＞Ｔが成立する文字Ｃ
ｉを単語の区切り文字とする。ここに、Ｄ_i は、図２に
示す文字列がアルファベットであるため、各列における
Ｘ軸方向の黒画素の連続性を調べることにより容易求め
られる。なお、ヨーロッパ語族で使用されるギリシャ文
字、アルファベット及びアラビア（正確には、インド）
数字には、漢字の「川」、平仮名の「い」のごとく水平
に分離した文字は存在しないため、このような単純な処
理で充分である。 【００４０】次に、Ｄ_i の規格化、あるいはヒストグラ
ムを作成する際の柱の太さの範囲分けであるが、印刷さ
れたアルファベット及びアラビア数字では、「Ｉ」や
「１」の存在のため、文字間隔に多少のバラツキが生じ
る。しかし、文字の種類が限定されるため、文字間隔の
バラツキは組合せが少なく、ひいては平均文字高さの
０．１倍まで、０．１倍以上０．１５倍まで、０．１５
倍以上０．２倍まで等容易に規格化することが可能とな
る。本実施例では名刺を対象としているため、文字間隔
が書籍に比較して大きく、このため規格化にあたっての
範囲は比較的大きくしている。従って、ヒストグラムの
作成はＤ_i についての規格化を行った後、各規格化の範
囲毎に該当する文字数で定まる高さを求めて作成するこ
ととなる。この手順を図１７に示す。 【００４１】図５に、切り出し結果を示した文字列Ｌ４
について文字間隔長Ｄ_i のヒストグラムを求める。その
結果は、図６に示すようになり、文字間隔長の小さい値
からの第１ピークの終了値「４」が単語区切りと見なす
文字間隔長の閾値Ｔの値となり、Ｄ_i ＞Ｔが成立する認
識対象文字ＣＬ４−３とＣＬ４−１２が単語の区切り文
字となる。なお、この際の第１ピークの終了するｉの値
を求める際の手順（アルゴリズム）を図１８の（１）に
示す。本図において、ＮＨ_i は文字間隔長がＤ _i である
文字の個数を示す。そして、ステップａ１〜ａ３は文字
間隔長の第１のピークの山を捜し出すためのものであ
り、同じくａ４〜ａ６は第１のピークの終了値を捜し出
すためのものである。上記アルゴリズムにおいて、例え
ば図１８の（２）、同（３）に示すようなヒストグラム
では、矢印部が第１のピークの山と判断される。同じ
く、図１７の（４）、同（５）、同（６）に示すような
ヒストグラムでは、矢印部が単語仕切り位置と判断され
る。 【００４２】更に、文字コード「，」、
「−」、「：」、「；」、「／」、「）」等を認識候補
文字に持つ認識対象文字を単語の区切り文字と見なし、
単語を検出する。文字列Ｌ４では、認識対象文字ＣＬ４
−８が単語の区切り文字となる。図２に示す文書画像か
ら全ての単語を検出すると、図７に示す単語Ｗ１，Ｗ
２，…となる。図８に、キーワード辞書及び項目別単語
辞書を構成する住所・氏名以外キーワード辞書６と、住
所・氏名辞書８と、住所・氏名辞書以外項目別単語辞書
７を示す。住所・氏名辞書８の氏名辞書は、予め設定さ
れた単語の出現頻度を示す識別子「頻度α」及び「頻度
β」で区切られている。また、住所・氏名辞書８の住所
辞書は、州名及び各州の市名を文字数毎に分けて作成し
ている。キーワード辞書のキーワード及び項目別単語辞
書の単語は全て小文字で構成され、認識候補文字の大文
字は小文字に置き換えられて照合される。なお、ここで
キーワード辞書、項目別単語辞書等は文字認識の対象と
なっている文書の種類、内容に応じて作成され、更に文
書の種類、内容に応じて換装可能となっている。ただ
し、換装のための構成等は、いわば周知の技術であるた
め、わざわざの説明は省略する。 【００４３】項目分類ステップＳ４で、単語検出ステッ
プＳ３で検出した単語をキーワード辞書と照合し、照合
できた各単語に一旦項目を付与する。住所・氏名以外キ
ーワード辞書６のキーワードと、住所・氏名辞書８の氏
名辞書のうち識別子「頻度α」及び「頻度β」で区切ら
れた頻度の高い氏名からなるキーワードと、住所・氏名
辞書８の住所辞書のうち州名からなるキーワードと、検
出した各単語の認識候補文字を全て小文字に置き換えて
照合し、各単語に属する文字の第３位までの認識候補文
字がキーワードと一致すればキーワードの属する項目と
すると、図７に示す各単語は図９のキーワード辞書照合
欄に示す項目となる。 【００４４】更に、項目分類ステップＳ４では、周囲の
単語の項目に合わせて、以下に示す一連のルールに照ら
し合わせて一旦付与された項目を修正する。 （１）同一文字列内の単語で「ＳＥＣＴＩＯＮ」項目と
「ＴＩＴＬＥ」項目が隣合えば両方の単語を「ＴＩＴＬ
Ｅ」項目とする。 （２）「ＳＴＲＥＥＴ」項目の単語の左隣りの単語に項
目が分類されていなければ「ＳＴＲＥＥＴ」項目とす
る。 【００４５】（３）「ＳＴＡＴＥ」項目の単語の左隣り
の単語に項目が分類されていなければ「ＣＩＴＹ」項目
とする。 （４）「ＳＴＡＴＥ」項目の単語の右隣りの単語に項目
が分類されていなければ単語内の文字数を計数し、５文
字であれば更に各文字の第１位認識候補文字の数字文字
種を計数し、３文字以上数字であれば「ＺＩＰ」（郵便
番号）項目とする。 【００４６】（５）同一文字列内で隣合う３単語に項目
が分類されていなければ単語内の文字数を計数し、左の
単語が３〜５文字かつ中の単語が３〜４文字かつ右の単
語が４文字で、各々の単語第１候補文字の文字種の５割
以上が数字であれば「ＴＥＬ」（電話番号）項目とす
る。上記のルールに照らし合わせて図９のキーワード照
合欄に示す項目を修正すると、図９の項目修正欄に示す
項目となる。 【００４７】単語修正ステップＳ５で、項目分類ステッ
プＳ４で分類した各項目に属する単語を、項目に対応す
る項目別単語辞書と照合し、単語を修正する。住所・氏
名以外項目別単語辞書７の単語と、住所・氏名辞書８の
全単語と、検出した各単語の認識候補文字を全て小文字
に置き換えて各項目別に照合し、各単語に属する文字の
第３位までの認識候補文字が単語と一致すれば認識結果
を修正する。図７に示す各単語を図９の項目修正欄に示
す項目の単語辞書と照合して認識候補文字を修正する
と、図１０に示す認識結果となる。 【００４８】 【００４９】なお、本実施例では認識対象の言語、文字
が英文、アルファベットであったため、文字列は横一列
であったが、平仮名等和文であれば、文字列は縦に切り
出されたりするのは勿論である。また、本実施例では決
定木法を採用していないが、決定木による文字認識につ
いては、別途本願出願人が特願平５−６８５８６号「決
定木型文字認識装置」李榮隆 発明等にて公開している
周知技術であるため、その説明は省略する。 （第２実施例）本発明の第２実施例は、日本語で記載さ
れた名刺の文字を読み取っていわゆるデータベース化す
るものである。既述のごとく、Ｌ／Ｅ変換での漢字の読
み取りは、文字数が多い上に図形として複雑であるた
め、経費を無視しない限り実用性、信頼性に今一つであ
るのが現状である。しかしながら、名刺であるならば、 （１）会社名、役職名、姓名等単語の記載される位置は
大体定まっている。更に、単語間には多少の隙間が設け
られており、図形の面から単語を切り出すのが容易なこ
とが多い。そして、漢字ではないが、郵便番号、電話番
号、ファクス番号も同様である。 【００５０】（２）会社名、姓名等は大きな形状の文字
とされ、電話番号は小さい形状の数字とされる等、記載
項目によって記載される文字の形状等が大体定まってい
る。また、この面からも単語の切出しが容易である。 （３）横書きならば姓名の前に、縦書きならば姓名の上
に役職名が記載される、郵便番号は住所の左（上）方
等、記載される項目相互の位置関係も大体定まってい
る。 【００５１】（４）太字体等特殊な字体かつ形状が大き
く、しかも色彩が付されておれば、会社名か製品名等、
その他にも記載項目を分類等するのに役立つ一般的な規
則が幾つか存在する。 （５）項目が定まれば、認識対象の文字、単語が大きく
限定される。例えば、役職名であるならば、「部長」、
「課長」、「主任」等であり、資格であるならば、「弁
護士」、「弁理士」、「工学博士」等であり、住所であ
るならば「市」、「町」等がつく、企業名であるならば
「株式会社」、「会社」等がつく。しかもこの際、
「長」、「主」、「市」、「士」等比較的認識が容易と
なる文字が含まれていることが多い上に、記載位置もほ
ぼ定まっている。例えば「主」なら最上（左）位、
「長」なら最下（右）位である。更に、この場合、役職
名ならばせいぜい３字まで等単語の内容と文字数にも関
係がある。 【００５２】（６）電話番号、郵便番号等が記載されて
いるのが普通であるが、今日印刷された数字の読み取り
は特に困難はない。また、数字の前の郵便記号、数字列
中の「（」、「）」、「−」及び数字の桁数も項目の分
類、番地等の数字と区分けしての認識に役立つ。次に、
特に在日外国人の場合、仮名文字やアルファベットも使
用されることが多いが、これも同様である。更に、アル
ファベットが使用されるのは、会社名や姓名に多い。 【００５３】（７）我国では、姓は多数存在するが、そ
れでも「上田「、「田中」、「佐藤」、「鈴木」、「吉
田」等１００以下の姓がほとんどを占める。しかも、そ
の姓を構成する文字は、「田」、「中」、「木」等認識
が比較的簡単な漢字が多い上に、上記１００姓名の多く
に重複して使用されている。韓国では、「金」等４つの
姓が９０％を占める。名についても、「子」、「知」、
「智」、「郎」、「夫」等極く少数かつ簡単な漢字が多
く使用される。 【００５４】（８）人の姓の文字数は通常２以内、多く
ても３であり、４以上はまれである。名についても、通
常３以内、多くても４以内である。このため、記載位置
や形状や字体等とあいまって、字数をも考慮すれば名刺
等の姓名を見出すのはより容易となる。そして、「姓」
と「名」におけるこれらの傾向は企業名等にも存在す
る。 【００５５】（９）住所は、名刺の場合にはほとんどが
「東京」、「大阪」等極く少数の大都市、しかも所在す
る「区」も「中央区」等限定されるだけでなく、極く近
くに記載されている、そして認識精度の高い郵便番号、
電話番号の記載から確認することが可能である。しか
も、地名の記載順序も上位概念（広範囲）順となってい
る。 【００５６】（１０）認識対象の漢字は、都市名、役職
名、人名等で共通するものが多数存在する。以上を総合
すると、 （１）図形としての単語の配置や配列あるいは色彩や形
状上の特徴、単語を構成する文字数、他の単語との図形
的な関係等に一定の規則があり、これから単語の意味内
容を分類することが可能である。 【００５７】（２）意味内容が分類されれば、第１に認
識すべき文字や単語も大きく絞られてくる。第２に、他
の単語等から認識すべき文字の確認や絞り込みや必要な
修正を行なうことが可能である。 （３）照合用の文字辞書、単語辞書も意味内容に応じて
区分けして作成したり、更には照合に使用される頻度を
考慮してデータを配列したり、共有したりし得、これに
より検索、照合の高速化と辞書に要する記憶資源の節約
が図れる。 【００５８】なお、以上のことは、定期券、運転免許証
等の身分証明証や会員証、特許証を含む表彰状、定価
表、卒業名簿、各種の業務用の郵便葉書や医療検査報告
書や発注伝票や納品書等にも見受けられる。更には、月
日は最上位等新聞にも見受けられる。また、外国人の名
刺等でも見出される規則（法則）である。ただし、外国
人の名刺等では、名が姓より先に記載されている、縦書
きはまず存在しない、会社名も人名と同じ大きさの文字
であることが多い、等多少の規則の相違があるのは勿論
である。 【００５９】ところで、これらの書類を機械のみで完全
にデータベース化するのは現状では困難であるが、上記
特徴をふまえた上で文字認識等行うようにすれば、認識
対象の文字や単語が大幅に限定されるだけでなく、記載
位置や他の文字からの情報も得られるため、認識率が向
上し、大幅に人の作業を減少させることが可能となる。 【００６０】すなわち、例えば多数の人の名刺をデータ
ベース化する場合、読み込んだ名刺に相当する画像をＣ
ＲＴに表示させる。ここに、「相当する画像」とは、名
刺中の文字の配列、位置関係はそのままであるが、文字
認識に成功した文字はあらかじめ用意してある文字フォ
ントを使用した活字体として表示し、文字形状が複雑あ
るいは項目分類に応じての登録等なされていないこと等
のため、認識率の低いと予想される漢字、認識不能の漢
字等はその部分を白い四角線の枠で囲んで表示する、あ
るいは反転表示させる。その表示を見て、人が肉眼で本
物の名刺と照合しつつ確認を行い、反転表示等された部
分の誤りはキーボード入力等により訂正する。 【００６１】これにより、全てを人手で入力するのに比
較して大幅に作業が簡易化される。この際、名刺なら
ば、住所等小さい文字はＣＲＴ上では比較的大きく表示
するようにすると、人による確認の効率化が図られる。
また、「人名」等の分類項目も併せて表示するようにす
れば、データベース化の一層の効率も図られる。図１９
に、本実施例における漢字認識の際の処理の流れを示
す。本図において、一番最後の「漢字認識終了」のステ
ップは、読み取りの対処とする文書、書類の内容如何に
よっては、アルファベット等読み取り精度の高い文字の
認識結果を反映しての必要な修正をも含むのは勿論であ
る。 【００６２】図２０に、名刺を対象とした姓名、役職
（ケースにより資格も含む）の読み取り及び認識の際の
処理の流れを示す。図２１に、同じく、名刺を対象とし
た住所の認識の際の処理の流れを示す。なお、本図にお
いて、「郵便番号、電話番号等認識」のステップは、逆
に郵便番号、電話番号等の認識の際には、「念のため読
み取った上認識した漢字の都市名等の記載との照合」と
いう内容のステップとなる。 【００６３】図２２に、読み取り、一応認識した名刺の
人による確認の上でのデータベース化の際の処理の流れ
を示す。なお、本図において、「多数の名刺を一枚毎に
読み込む」というステップは、名刺一枚、一枚を認識し
て読み込むという意味であり、これがなされるならば、
数枚をＡ４の紙に並べてコピーしてＬ／Ｅ変換では一度
に読み込むことを排除するものではない。 【００６４】また「認識結果をＣＲＴに表示、この際、
認識率の低い漢字、登録されていない漢字は白枠で囲
む」ステップは、他の態様でもよいのは勿論である。た
とえば、人による参照、確認に使用するため、ＣＲＴの
右半分にかかる表示をし、左半分には読み取ったままの
図形としての名刺を表示するようにしてもよい。 【００６５】なお、本実施例が前提としている漢字文書
の認識については、例えば、別途本願出願人が特願平６
−５７３６４号「文字認識装置」 高倉 穂 他３名発
明、特願平６−５７３６２号「文字認識装置および文字
認識方法」 江村 里志 他３名発明、特願昭６３−３
１２２８８号「文字認識方法」 竹之内 磨理子 他１
名発明 等にて開示されているいわば周知の技術である
ため、その説明については省略する。また、認識した文
字を基になされる単語の切出しについては、形態素解
析、最長一致法等も採用されるが、これも周知の技術で
あるため、その説明は省略する。 【００６６】なお、文字列ルール及び項目毎の単語辞書
は、認識対象の書類の種類に応じて作成されているが、
これは別途ディスク等に記憶されているものを処理対象
の書類に応じて、必要なものに取り換えるようにしても
よいし、使用者が一々作成してもよい。例えば、納品票
や発注伝票にあっては、キーワード、単語辞書の内容
は、使用者が自己の業務に係る商品名、役務名を入力す
ることとなろう。また、文字列ルールとしては、商品等
の記載位置は掛線等により認識される。更に、商品の個
数を示す数字等と郵便番号等の数字区別は、郵便記号、
記載位置や桁数でなされよう。 【００６７】次に、本実施例では漢字認識を例にとった
が、この思想そのものは手書きのアルファベット文書の
認識にも利用しえるのは勿論である。なお、この際、単
語の切り出しは第１実施例と同じくヒストグラムのピー
ク等が利用されるのも勿論である。以上、本発明を実施
例にもとづいて説明してきたが、本発明は何も上記実施
例に限定されないのは勿論である。すなわち、以上のよ
うなものも本発明に包含される。 【００６８】（１）製造等の都合で、本発明の必要不可
欠の構成要素（要件、事項、ステップ）を２つに分けて
いる、複数の事項を１のものとしている、あるいは適宜
これらを組み合わせている。あるいは、文書画像から認
識対象文字の位置を検出して文字画像を切り出す文字切
り出しステップと該ステップで切り出した文字画像を認
識辞書と照合して候補文字を抽出する文字認識ステップ
と間に、前者のステップでＬ／Ｅ変換機で切り出した文
字を一旦フロッピーディスク等に記憶させた上Ｌ／Ｅ変
換機と別体の文字認識装置に読み出させる等他のステッ
プが介在している。 【００６９】（２）文字認識の対象は、氏名、役職、生
年月日、住所、勤務先等の記載された企業の従業員名簿
や大学の卒業者名簿等名刺以外のものとしている。ま
た、これにあわせて、単語等の記載位置、項目分類、認
識対象漢字の追加や変更を可能としている。更に、「平
成」、「昭和」、「大正」、「明治」が各々「平」、
「昭」、「大」、「明」や「Ｈ」、「Ｓ」、「Ｔ」、
「Ｍ」とされる等これらにあわせての参照文字数も変更
可能としている。更に、「大正」に「１６」年以降はな
い等所定の数字情報を漢字認識の確認や修正に使用する
ようにしている。 【００７０】なお、「文字列」とは１字のみをも含み、
単語とは郵便記号や姓の「金」のごとく一字のみのもの
をも含む。 （３）認識対象の文字は、日本語、英語に限定されず、
ドイツ文字、ハングル文字等としている。更に、これに
併せて項目分類やキーワードの内容が例えばドイツの都
市名等としている。更にまた、記載順序もこれに併せて
必要な変更がなされている。 【００７１】（４）近年、名刺には企業の商品名、登録
された図形、商標、本人の写真等をも記載することが多
い。このため、これらについては、記載位置やビットマ
ップデータとしての大きさからこれと認識して、文字認
識の対象外とするプログラムが組み込まれている。 （５）名刺における企業名等重要な項目については、
赤、青等の色彩が付されていることも多い。このため、
項目分類に色彩をも参照するようにしている。字体につ
いても同様である。更に、名刺であるが、米国において
は、企業名も大きな文字で目立つ位置に記載されている
等国情をも考慮している。 【００７２】（６）既述のごとく、Ｌ／Ｅ変換で読み取
った場合には、現状では、たとえアルファベット等であ
っても手書き文字に対しては文字認識率は完全とはいい
難い。特に漢字がそうである。しかしながら、将来手書
き文字に対する文字認識率が向上したときに、手書き文
字に対して本発明を採用する。あるいは、また、本発明
の趣旨をその向上の一環として使用する。これにより、
発注伝票、注文書の処理も可能となる。また、このた
め、切り出した文字からの候補文字の抽出は、認識辞書
との照合、決定木法等以外のもの、将来開発されえる手
法としている。 【００７３】（７）形状が簡単である等のため文字認識
の精度が高い文字は、たとえ漢字であってもこれを単語
認識に重み付けをして使用する。具体的には、「二」、
「三」等である。 （８）現存の文字認識装置に、本発明に係るプログラム
を記憶させたり、必要な改造を行ったりして、本発明に
係る作用、効果を備えさせる。 【００７４】 【００７５】 【００７６】 【００７７】また、項目分類ステップで単語をキーワー
ド辞書と照合する際又は単語修正ステップで単語を単語
辞書と照合する際に、隣合う複数個の単語を結合した場
合についてもキーワード辞書又は単語辞書と照合するこ
とにより、たとえ文字切り出しミスあるいは単語検出ミ
スがあってもキーワード辞書あるいは単語辞書と照合可
能となる。 【００７８】また、項目分類ステップで単語をキーワー
ド辞書と照合する際又は単語修正ステップで単語を単語
辞書と照合する際に、特定の単語については、その単語
の文字数とキーワード辞書又は単語辞書のデータの文字
数とを比較し、文字数の多い方の単語又はキーワード辞
書及び単語辞書のデータの構成文字を削除して照合する
ことにより、たとえ文字切り出しミスあるいは単語検出
ミスがあってもキーワード辞書あるいは単語辞書と照合
可能となる。 【００７９】 【発明の効果】以上説明してきたように、本発明は、住
所と氏名との単語を項目別に登録した単語辞書内のデー
タを出現頻度で区分し、単語辞書の一部をキーワード辞
書と共用することにより、キーワード辞書と単語辞書の
容量を削減することが可能となる。また照合速度も向上
する。

【図面の簡単な説明】 【図１】本発明に係る文字認識方法の第１実施例の概略
処理図である。 【図２】上記実施例における認識対象として入力された
画像の説明図である。 【図３】上記実施例における、そして図２に示す入力画
像の文字切り出し結果の様子を示す図である。 【図４】同じく、認識候補文字の抽出結果の様子を示す
図である。 【図５】同じく、入力画像の第４文字列の文字切り出し
結果の様子を示す図である。 【図６】同じく、単語検出方法に使用するヒストグラム
の様子を示す図である。 【図７】同じく、単語検出結果の様子を示す図である。 【図８】上記実施例におけるキーワード辞書と項目別単
語辞書の内容の一部を示した図である。 【図９】上記実施例における入力された画像中の文字、
単語の項目分類方法の図である。 【図１０】上記実施例における入力された画像を中の文
字、単語に対する最終認識結果を示す図である。 【図１１】従来の文字認識方法の処理の概略を示す図で
ある。 【図１２】従来の文字認識方法による単語検出結果の一
例を示す図である。 【図１３】従来の文字認識方法に使用するキーワード辞
書の内容の一部を示した図である。 【図１４】従来の文字認識方法における項目分類結果の
様子を示す図である。 【図１５】従来の文字認識方法に使用する項目別単語辞
書の内容を示す図である。 【図１６】従来の文字認識方法における最終認識結果の
様子を示す図である。 【図１７】第１実施例におけるＤ_i の規格化を行う際の
流れ図である。 【図１８】第１実施例において、文字間隔のヒストグラ
ムを作成する際の流れ図である。 【図１９】本発明の第２実施例の漢字認識の際の流れ図
である。 【図２０】上記実施例において、姓名、役職の認識の際
の流れ図である。 【図２１】上記実施例において、住所の認識の際の流れ
図である。 【図２２】上記実施例におけるマン・マシーンシステム
の流れ図である。 【符号の説明】 Ｓ１ 文字切り出しステップ Ｓ２ 文字認識ステップ Ｓ３ 単語検出ステップ Ｓ４ 項目分類ステップ Ｓ５ 単語修正ステップ ６ 住所・氏名以外キーワード辞書 ７ 住所・氏名以外項目別単語辞書 ８ 住所・氏名辞書

フロントページの続き (72)発明者 中尾 一郎 大阪府門真市大字門真1006番地 松下電 器産業株式会社内 (56)参考文献 特開 平５−20505（ＪＰ，Ａ) 特開 平２−56086（ＪＰ，Ａ) 特開 平３−142694（ＪＰ，Ａ) 特開 平２−148474（ＪＰ，Ａ) 特開 平３−42790（ＪＰ，Ａ) 特開 平２−240788（ＪＰ，Ａ) 特開 平７−28929（ＪＰ，Ａ) 特開 昭63−153689（ＪＰ，Ａ) 特開 昭59−47641（ＪＰ，Ａ) 特開 昭57−137976（ＪＰ，Ａ) 特開 昭60−233782（ＪＰ，Ａ) 特開 昭63−282586（ＪＰ，Ａ) 特開 平２−240787（ＪＰ，Ａ) 特開 昭59−103177（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06K 9/00 - 9/82

Claims (1)

1. (57)【特許請求の範囲】 【請求項１】 文書画像から認識対象文字の位置を検出
   して文字画像を切り出す文字切り出し部と、 前記文字切り出し部で切り出した文字画像を認識辞書と
   照合し、認識候補文字を抽出する文字認識部と、 前記文字認識部の結果に併せて前記文字切り出し部で切
   り出した認識対象文字の位置を用いて単語を検出する単
   語検出部と、 単語を意味内容の面から特定するのに役立つ情報たる項
   目を登録してあるキーワード辞書と、 前記単語検出部で検出した単語をキーワード辞書と照合
   するキーワード辞書照合部と、 前記キーワード辞書照合部にて照合できた各単語に一旦
   意味内容に関係ある情報たる項目を仮付与する項目仮付
   与部と、 周囲の単語の項目に合わせて前記項目仮付与部にて仮付
   与された項目に必要な修正を施し、前記キーワード照合
   部にて照合できなかった各単語に新たに項目を分類する
   項目分類部と、 前記項目分類部で分類した各項目に属する単語を、項目
   に対応する項目別単語辞書と照合して単語に必要な修正
   を施す単語修正部とを有し、 前記キーワード辞書は、住所と氏名との単語を含む単語
   辞書と、住所と氏名との単語以外の単語を含むキーワー
   ド辞書とから構成され、 前記項目別辞書は、前記単語辞書と、住所と氏名との単
   語以外の単語を含む項目別単語辞書とから構成され、 前記単語辞書は、予め設定された出現頻度で区分された
   住所又は氏名を示す単語が項目別に記載されており、 前記キーワード辞書として用いられるときには、出現頻
   度の大きな単語とだけ照合され、 前記項目別辞書として用いられるときには、項目別の単
   語全体と照合される ことを特徴とする文字認識装置。