JPH1153475A

JPH1153475A - 画像認識装置、画像認識方法および記録媒体

Info

Publication number: JPH1153475A
Application number: JP9223054A
Authority: JP
Inventors: Hisataka Yamagishi; 久高山岸; Seikou Rou; 世紅労
Original assignee: Omron Corp; Omron Tateisi Electronics Co
Current assignee: Omron Corp
Priority date: 1997-08-04
Filing date: 1997-08-04
Publication date: 1999-02-26
Anticipated expiration: 2017-08-04
Also published as: JP3475422B2

Abstract

(57)【要約】【課題】正しいものか、間違ったものか決定できない
認識結果を数種類の結果に確定し、受付け正解率を向上
させ、誤認識率を無くした画像認識装置、画像認識方法
および記録媒体を提供する。【解決手段】第１、第２、第３前段知識作成手段１１
１により第１、第２、第３前段知識１１２を、第１、第
２後段知識作成手段１１３により第１、第２後段知識１
１４をそれぞれ作成しておき、第１、第２、第３前段判
定手段１１５では、認識結果について”正解”または”
不明”の２つに認識結果を分別して確定し、第１、第２
後段判定手段１１６では、ＯＫクラスタに入ったデータ
を該カテゴリに属する”正解”データと決定付け、どの
ＯＫクラスタにも入らない場合は”不明”データとした
後、さらに、ＮＧクラスタの少なくとも１つに入った場
合は”不正解”データと決定する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、画像認識装置、画
像認識方法および該画像認識方法を実行させるためのプ
ログラムを記録した記録媒体に係り、特に、複数のカテ
ゴリを持ち、入力データに対する各カテゴリの一致度
（若しくはそれに類する情報）を算出する画像認識にお
いて、一致度が高いとされた結果が正しいものか、間違
ったものか決定できない認識結果を、「認識結果が正解
と確信できるため受け付ける」，「認識結果が正解と確
信できないためリジェクトする」，「認識結果が未確定
のためリジェクトする」或いは「認識結果が不正解のた
めリジェクトする」等といった数種類の結果に確定し、
受付け正解率を向上させ、かつ誤認識率を０［％］に近
づけた画像認識装置、画像認識方法および記録媒体に関
する。

【０００２】

【従来の技術】従来、複数のカテゴリを持ち、入力デー
タに対する各カテゴリの一致度（若しくはそれに類する
情報）を算出する手段を備えた画像認識システムにおい
ては、画像認識の認識結果は、該認識結果が正解である
か或いは誤認識であるかを人がチェックするまで確定で
きなかった。

【０００３】つまり、従来の画像認識システムにおける
運用方法は、以下のような手順で行われていた。すなわ
ち、まず第１に、画像認識システムで認識対象データを
認識させ、次に第２に、コンピュータ等の画面に認識結
果を表示させ、認識対象と認識結果を人が突き合わせて
確認をし、そして第３には、誤認識している結果を修正
し、さらに第４には、認識対象について最後まで突き合
わせ確認が終了した後、認識結果を確定するというもの
であった。

【０００４】

【発明が解決しようとする課題】しかしながら、上記従
来の画像認識システムの運用方法にあっては、全文を人
手によって入力することに比べると省力化が図られてい
るものの、第２の人手による認識対象と認識結果の突き
合わせ確認処理に手間がかかるという問題点があった。
例えば、一度に数百、数千の帳票などを認識させる場
合、１枚１枚を認識させた後、人がチェックするのでは
自動化を図るとは言い難いため、画像認識システムの導
入が見送られることも多かった。

【０００５】また、認識性能にも問題があり、従来の画
像認識システムによって認識した結果をノーチェックで
全て受け付けたとすると、正解率は８０〜９５［％］程
度であるのが現状である。すなわち、５〜２０［％］は
誤認識しているにもかかわらず正解として受付けてしま
うのである。

【０００６】本発明は、このような従来の問題点に着目
してなされたもので、その目的とするところは、複数の
カテゴリを持ち、入力データに対する各カテゴリの一致
度（若しくはそれに類する情報）を算出する画像認識に
おいて、一致度が高いとされた結果が正しいものか、間
違ったものか決定できない認識結果を、「認識結果が正
解と確信できるため受け付ける」，「認識結果が正解と
確信できないためリジェクトする」，「認識結果が未確
定のためリジェクトする」或いは「認識結果が不正解の
ためリジェクトする」等といった数種類の結果に確定
し、受付け正解率を向上させ、かつ誤認識率を０［％］
に近づけた画像認識装置、画像認識方法および記録媒体
を提供することにある。

【０００７】

【課題を解決するための手段】上記課題を解決するため
に、本出願の請求項１に記載の発明は、複数カテゴリの
認識対象を持ち、登録画像パタンと入力画像パタンとの
パタンマッチングにおける適合度（距離）に基づき入力
画像の認識を行う画像認識装置において、画像認識の認
識結果およびその付随情報を含むデータから、認識結果
として同じ第１候補のカテゴリを持つデータを集め、該
集めたデータから特定の候補順位における類似カテゴリ
の出現率の高いものを抽出して、第１候補カテゴリに対
する類似カテゴリの関連を示す第１前段知識として保持
する第１前段知識作成手段と、入力画像の認識結果とし
て特定候補順位のカテゴリおよび類似カテゴリが得られ
るとき、該第１候補のカテゴリおよび特定候補順位の類
似カテゴリと前記第１前段知識における関連との比較に
より、該第１候補を”正解”または”不明”と判定する
第１前段判定手段とを具備することを特徴とする画像認
識装置にある。

【０００８】また、本出願の請求項２に記載の発明は、
複数カテゴリの認識対象を持ち、登録画像パタンと入力
画像パタンとのパタンマッチングにおける適合度（距
離）に基づき入力画像の認識を行う画像認識装置におい
て、画像認識の認識結果およびその付随情報を含むデー
タから、認識結果として同じ第１候補のカテゴリを持つ
データを集め、該集めたデータから特定の候補順位にお
ける適合度（距離）から、該特定順位の候補を”正解”
と確定し得る適合度（距離）の大きさを算定し、第２前
段知識として保持する第２前段知識作成手段と、入力画
像の認識結果として特定候補順位のカテゴリおよび類似
カテゴリが得られるとき、該特定候補順位のカテゴリま
たは類似カテゴリにおける適合度（距離）の大きさと前
記第２前段知識における適合度（距離）の大きさとの比
較により、該特定順位の候補を”正解”または”不明”
と判定する第２前段判定手段とを具備することを特徴と
する画像認識装置にある。

【０００９】また、本出願の請求項３に記載の発明は、
複数カテゴリの認識対象を持ち、登録画像パタンと入力
画像パタンとのパタンマッチングにおける適合度（距
離）に基づき入力画像の認識を行う画像認識装置におい
て、画像認識の認識結果およびその付随情報を含むデー
タから、認識結果として同じ第１候補のカテゴリを持つ
データを集め、該集めたデータから特定の候補順位のカ
テゴリまたは類似カテゴリ間における適合度（距離）差
から、該第１候補を”正解”と確定し得る適合度（距
離）差の大きさを算定し、第３前段知識として保持する
第３前段知識作成手段と、入力画像の認識結果として特
定候補順位のカテゴリおよび類似カテゴリが得られると
き、該特定の候補順位のカテゴリまたは類似カテゴリ間
における適合度（距離）差の大きさと前記第３前段知識
における適合度（距離）差の大きさとの比較により、該
第１候補を”正解”または”不明”と判定する第３前段
判定手段とを具備することを特徴とする画像認識装置に
ある。

【００１０】また、本出願の請求項４に記載の発明は、
複数カテゴリの認識対象を持ち、登録画像パタンと入力
画像パタンとのパタンマッチングにおける適合度（距
離）に基づき入力画像の認識を行う画像認識装置におい
て、画像認識の認識結果およびその付随情報を含むデー
タをサンプル収集し、あるカテゴリで認識結果が”正
解”とされているデータから、前記データの集合をクラ
スタリングするときの軸を、上位候補に出現率の高いカ
テゴリを該軸として、下位候補に出現率の高いカテゴリ
を該軸として、上位候補に出現率の高いカテゴリおよび
下位候補に出現率の高いカテゴリをあわせて軸として、
中位候補に出現率の高いカテゴリを該軸として、相関係
数の高いカテゴリ同士を該軸として、或いは、相関係数
の低いカテゴリ同士を該軸として、抽出する第１軸抽出
手段と、前記第１軸抽出手段で抽出された軸に基づき前
記データの集合のクラスタリングを行い、該カテゴリの
ＯＫクラスタとして生成し、生成されたＯＫクラスタの
形状を第１後段知識として保持する第１後段知識作成手
段と、入力画像の認識結果として認識結果およびその付
随情報を含むデータが得られるとき、該データが前記第
１後段知識のあるカテゴリに所属するＯＫクラスタの中
に含まれるか否かをチェックして、該ＯＫクラスタに含
まれる場合には該ＯＫクラスタが所属するカテゴリを前
記入力画像の認識結果として”正解”と判定し、何れの
ＯＫクラスタにも含まれていない場合には”未確定”と
判定する第１後段判定手段とを具備することを特徴とす
る画像認識装置にある。

【００１１】また、本出願の請求項５に記載の発明は、
前記第１後段判定手段は、前記データがあるカテゴリに
所属するＯＫクラスタに含まれる場合に、どの程度の確
信を持って”正解”といえるかを示す指標である確信度
を計算する確信度算出手段を具備し、前記データが複数
の別カテゴリに所属するＯＫクラスタに入った場合に
は、前記確信度に基づいてどのカテゴリを”正解”とす
るかを決定することを特徴とする請求項４に記載の画像
認識装置にある。

【００１２】また、本出願の請求項６に記載の発明は、
複数カテゴリの認識対象を持ち、登録画像パタンと入力
画像パタンとのパタンマッチングにおける適合度（距
離）に基づき入力画像の認識を行う画像認識装置におい
て、画像認識の認識結果およびその付随情報を含むデー
タをサンプル収集し、あるカテゴリで認識結果が”誤
認”とされているデータから、前記データの集合をクラ
スタリングするときの軸を、上位候補に出現率の高いカ
テゴリを該軸として、下位候補に出現率の高いカテゴリ
を該軸として、上位候補に出現率の高いカテゴリおよび
下位候補に出現率の高いカテゴリをあわせて軸として、
中位候補に出現率の高いカテゴリを該軸として、相関係
数の高いカテゴリ同士を該軸として、或いは、相関係数
の低いカテゴリ同士を該軸として、抽出する第２軸抽出
手段と、前記第２軸抽出手段で抽出された軸に基づき前
記データの集合のクラスタリングを行い、該カテゴリの
ＮＧクラスタとして生成し、生成されたＮＧクラスタの
形状を第２後段知識として保持する第２後段知識作成手
段と、入力画像の認識結果として認識結果およびその付
随情報を含むデータが得られるとき、該データが前記第
２後段知識のあるカテゴリに所属するＮＧクラスタの中
に含まれるか否かをチェックして、該ＮＧクラスタに含
まれる場合には該ＮＧクラスタが所属するカテゴリを前
記入力画像の認識結果として”不正解”と判定し、何れ
のＮＧクラスタにも含まれていない場合には”正解”と
判定する第２後段判定手段とを具備することを特徴とす
る画像認識装置にある。

【００１３】また、本出願の請求項７に記載の発明は、
複数カテゴリの認識対象を持ち、登録画像パタンと入力
画像パタンとのパタンマッチングにおける適合度（距
離）に基づき入力画像の認識を行う画像認識方法におい
て、画像認識の認識結果およびその付随情報を含むデー
タから、認識結果として同じ第１候補のカテゴリを持つ
データを集め、該集めたデータから特定の候補順位にお
ける類似カテゴリの出現率の高いものを抽出して、第１
候補カテゴリに対する類似カテゴリの関連を示す第１前
段知識として保持する第１前段知識作成ステップと、入
力画像の認識結果として特定候補順位のカテゴリおよび
類似カテゴリが得られるとき、該第１候補のカテゴリお
よび特定候補順位の類似カテゴリと前記第１前段知識に
おける関連との比較により、該第１候補を”正解”また
は”不明”と判定する第１前段判定ステップとを具備す
ることを特徴とする画像認識方法にある。

【００１４】また、本出願の請求項８に記載の発明は、
複数カテゴリの認識対象を持ち、登録画像パタンと入力
画像パタンとのパタンマッチングにおける適合度（距
離）に基づき入力画像の認識を行う画像認識方法におい
て、画像認識の認識結果およびその付随情報を含むデー
タから、認識結果として同じ第１候補のカテゴリを持つ
データを集め、該集めたデータから特定の候補順位にお
ける適合度（距離）から、該特定順位の候補を”正解”
と確定し得る適合度（距離）の大きさを算定し、第２前
段知識として保持する第２前段知識作成ステップと、入
力画像の認識結果として特定候補順位のカテゴリおよび
類似カテゴリが得られるとき、該特定候補順位のカテゴ
リまたは類似カテゴリにおける適合度（距離）の大きさ
と前記第２前段知識における適合度（距離）の大きさと
の比較により、該特定順位の候補を”正解”または”不
明”と判定する第２前段判定ステップとを具備すること
を特徴とする画像認識方法にある。

【００１５】また、本出願の請求項９に記載の発明は、
複数カテゴリの認識対象を持ち、登録画像パタンと入力
画像パタンとのパタンマッチングにおける適合度（距
離）に基づき入力画像の認識を行う画像認識方法におい
て、画像認識の認識結果およびその付随情報を含むデー
タから、認識結果として同じ第１候補のカテゴリを持つ
データを集め、該集めたデータから特定の候補順位のカ
テゴリまたは類似カテゴリ間における適合度（距離）差
から、該第１候補を”正解”と確定し得る適合度（距
離）差の大きさを算定し、第３前段知識として保持する
第３前段知識作成ステップと、入力画像の認識結果とし
て特定候補順位のカテゴリおよび類似カテゴリが得られ
るとき、該特定の候補順位のカテゴリまたは類似カテゴ
リ間における適合度（距離）差の大きさと前記第３前段
知識における適合度（距離）差の大きさとの比較によ
り、該第１候補を”正解”または”不明”と判定する第
３前段判定ステップとを具備することを特徴とする画像
認識方法にある。

【００１６】また、本出願の請求項１０に記載の発明
は、複数カテゴリの認識対象を持ち、登録画像パタンと
入力画像パタンとのパタンマッチングにおける適合度
（距離）に基づき入力画像の認識を行う画像認識方法に
おいて、画像認識の認識結果およびその付随情報を含む
データから、認識結果として同じ第１候補のカテゴリを
持つデータを集め、該集めたデータから特定の候補順位
における類似カテゴリの出現率の高いものを抽出して、
第１候補カテゴリに対する類似カテゴリの関連を示す第
１前段知識として保持する第１前段知識作成ステップ
と、画像認識の認識結果およびその付随情報を含むデー
タから、認識結果として同じ第１候補のカテゴリを持つ
データを集め、該集めたデータから特定の候補順位にお
ける適合度（距離）から、該特定順位の候補を”正解”
と確定し得る適合度（距離）の大きさを算定し、第２前
段知識として保持する第２前段知識作成ステップと、画
像認識の認識結果およびその付随情報を含むデータか
ら、認識結果として同じ第１候補のカテゴリを持つデー
タを集め、該集めたデータから特定の候補順位のカテゴ
リまたは類似カテゴリ間における適合度（距離）差か
ら、該第１候補を”正解”と確定し得る適合度（距離）
差の大きさを算定し、第３前段知識として保持する第３
前段知識作成ステップと、入力画像の認識結果として特
定候補順位のカテゴリおよび類似カテゴリが得られると
き、該第１候補のカテゴリおよび特定候補順位の類似カ
テゴリと前記第１前段知識における関連との比較によ
り、該第１候補を”正解”または”不明”と判定する第
１前段判定ステップと、前記第１前段判定ステップで”
正解”と判定された入力画像について、該特定候補順位
のカテゴリまたは類似カテゴリにおける適合度（距離）
の大きさと前記第２前段知識における適合度（距離）の
大きさとの比較により、該第１候補を”正解”または”
不明”と判定する第２前段判定ステップと、前記第２前
段判定ステップで”正解”と判定された入力画像につい
て、該特定の候補順位のカテゴリまたは類似カテゴリ間
における適合度（距離）差の大きさと前記第３前段知識
における適合度（距離）差の大きさとの比較により、該
第１候補を”正解”または”不明”と判定する第３前段
判定ステップとを具備することを特徴とする画像認識方
法にある。

【００１７】また、本出願の請求項１１に記載の発明
は、複数カテゴリの認識対象を持ち、登録画像パタンと
入力画像パタンとのパタンマッチングにおける適合度
（距離）に基づき入力画像の認識を行う画像認識方法に
おいて、画像認識の認識結果およびその付随情報を含む
データをサンプル収集し、あるカテゴリで認識結果が”
正解”とされているデータから、前記データの集合をク
ラスタリングするときの軸を、上位候補に出現率の高い
カテゴリを該軸として、下位候補に出現率の高いカテゴ
リを該軸として、上位候補に出現率の高いカテゴリおよ
び下位候補に出現率の高いカテゴリをあわせて軸とし
て、中位候補に出現率の高いカテゴリを該軸として、相
関係数の高いカテゴリ同士を該軸として、或いは、相関
係数の低いカテゴリ同士を該軸として、抽出する第１軸
抽出ステップと、前記第１軸抽出ステップで抽出された
軸に基づき前記データの集合のクラスタリングを行い、
該カテゴリのＯＫクラスタとして生成し、生成されたＯ
Ｋクラスタの形状を第１後段知識として保持する第１後
段知識作成ステップと、入力画像の認識結果として認識
結果およびその付随情報を含むデータが得られるとき、
該データが前記第１後段知識のあるカテゴリに所属する
ＯＫクラスタの中に含まれるか否かをチェックして、該
ＯＫクラスタに含まれる場合には該ＯＫクラスタが所属
するカテゴリを前記入力画像の認識結果として”正解”
と判定し、何れのＯＫクラスタにも含まれていない場合
には”未確定”と判定する第１後段判定ステップとを具
備することを特徴とする画像認識方法にある。

【００１８】また、本出願の請求項１２に記載の発明
は、複数カテゴリの認識対象を持ち、登録画像パタンと
入力画像パタンとのパタンマッチングにおける適合度
（距離）に基づき入力画像の認識を行う画像認識方法に
おいて、画像認識の認識結果およびその付随情報を含む
データをサンプル収集し、あるカテゴリで認識結果が”
誤認”とされているデータから、前記データの集合をク
ラスタリングするときの軸を、上位候補に出現率の高い
カテゴリを該軸として、下位候補に出現率の高いカテゴ
リを該軸として、上位候補に出現率の高いカテゴリおよ
び下位候補に出現率の高いカテゴリをあわせて軸とし
て、中位候補に出現率の高いカテゴリを該軸として、相
関係数の高いカテゴリ同士を該軸として、或いは、相関
係数の低いカテゴリ同士を該軸として、抽出する第２軸
抽出ステップと、前記第２軸抽出ステップで抽出された
軸に基づき前記データの集合のクラスタリングを行い、
該カテゴリのＮＧクラスタとして生成し、生成されたＮ
Ｇクラスタの形状を第２後段知識として保持する第２後
段知識作成ステップと、入力画像の認識結果として認識
結果およびその付随情報を含むデータが得られるとき、
該データが前記第２後段知識のあるカテゴリに所属する
ＮＧクラスタの中に含まれるか否かをチェックして、該
ＮＧクラスタに含まれる場合には該ＮＧクラスタが所属
するカテゴリを前記入力画像の認識結果として”不正
解”と判定し、何れのＮＧクラスタにも含まれていない
場合には”正解”と判定する第２後段判定ステップとを
具備することを特徴とする画像認識方法にある。

【００１９】また、本出願の請求項１３に記載の発明
は、前記第１後段判定ステップは、前記データがあるカ
テゴリに所属するＯＫクラスタに含まれる場合に、どの
程度の確信を持って”正解”といえるかを示す指標であ
る確信度を計算する確信度算出ステップを具備し、前記
データが複数の別カテゴリに所属するＯＫクラスタに入
った場合には、前記確信度に基づいてどのカテゴリを”
正解”とするかを決定することを特徴とする請求項１１
に記載の画像認識方法にある。

【００２０】また、本出願の請求項１４に記載の発明
は、複数カテゴリの認識対象を持ち、登録画像パタンと
入力画像パタンとのパタンマッチングにおける適合度
（距離）に基づき入力画像の認識を行う画像認識方法
を、コンピュータに実行させるためのプログラムとして
記録した記録媒体において、画像認識の認識結果および
その付随情報を含むデータから、認識結果として同じ第
１候補のカテゴリを持つデータを集め、該集めたデータ
から特定の候補順位における類似カテゴリの出現率の高
いものを抽出して、第１候補カテゴリに対する類似カテ
ゴリの関連を示す第１前段知識として保持する第１前段
知識作成ステップと、入力画像の認識結果として特定候
補順位のカテゴリおよび類似カテゴリが得られるとき、
該第１候補のカテゴリおよび特定候補順位の類似カテゴ
リと前記第１前段知識における関連との比較により、該
第１候補を”正解”または”不明”と判定する第１前段
判定ステップとを具備することを特徴とする記録媒体に
ある。

【００２１】また、本出願の請求項１５に記載の発明
は、複数カテゴリの認識対象を持ち、登録画像パタンと
入力画像パタンとのパタンマッチングにおける適合度
（距離）に基づき入力画像の認識を行う画像認識方法
を、コンピュータに実行させるためのプログラムとして
記録した記録媒体において、画像認識の認識結果および
その付随情報を含むデータから、認識結果として同じ第
１候補のカテゴリを持つデータを集め、該集めたデータ
から特定の候補順位における適合度（距離）から、該特
定順位の候補を”正解”と確定し得る適合度（距離）の
大きさを算定し、第２前段知識として保持する第２前段
知識作成ステップと、入力画像の認識結果として特定候
補順位のカテゴリおよび類似カテゴリが得られるとき、
該特定候補順位のカテゴリまたは類似カテゴリにおける
適合度（距離）の大きさと前記第２前段知識における適
合度（距離）の大きさとの比較により、該特定順位の候
補を”正解”または”不明”と判定する第２前段判定ス
テップとを具備することを特徴とする記録媒体にある。

【００２２】また、本出願の請求項１６に記載の発明
は、複数カテゴリの認識対象を持ち、登録画像パタンと
入力画像パタンとのパタンマッチングにおける適合度
（距離）に基づき入力画像の認識を行う画像認識方法
を、コンピュータに実行させるためのプログラムとして
記録した記録媒体において、画像認識の認識結果および
その付随情報を含むデータから、認識結果として同じ第
１候補のカテゴリを持つデータを集め、該集めたデータ
から特定の候補順位のカテゴリまたは類似カテゴリ間に
おける適合度（距離）差から、該第１候補を”正解”と
確定し得る適合度（距離）差の大きさを算定し、第３前
段知識として保持する第３前段知識作成ステップと、入
力画像の認識結果として特定候補順位のカテゴリおよび
類似カテゴリが得られるとき、該特定の候補順位のカテ
ゴリまたは類似カテゴリ間における適合度（距離）差の
大きさと前記第３前段知識における適合度（距離）差の
大きさとの比較により、該第１候補を”正解”または”
不明”と判定する第３前段判定ステップとを具備するこ
とを特徴とする記録媒体にある。

【００２３】また、本出願の請求項１７に記載の発明
は、複数カテゴリの認識対象を持ち、登録画像パタンと
入力画像パタンとのパタンマッチングにおける適合度
（距離）に基づき入力画像の認識を行う画像認識方法
を、コンピュータに実行させるためのプログラムとして
記録した記録媒体において、画像認識の認識結果および
その付随情報を含むデータから、認識結果として同じ第
１候補のカテゴリを持つデータを集め、該集めたデータ
から特定の候補順位における類似カテゴリの出現率の高
いものを抽出して、第１候補カテゴリに対する類似カテ
ゴリの関連を示す第１前段知識として保持する第１前段
知識作成ステップと、画像認識の認識結果およびその付
随情報を含むデータから、認識結果として同じ第１候補
のカテゴリを持つデータを集め、該集めたデータから特
定の候補順位における適合度（距離）から、該特定順位
の候補を”正解”と確定し得る適合度（距離）の大きさ
を算定し、第２前段知識として保持する第２前段知識作
成ステップと、画像認識の認識結果およびその付随情報
を含むデータから、認識結果として同じ第１候補のカテ
ゴリを持つデータを集め、該集めたデータから特定の候
補順位のカテゴリまたは類似カテゴリ間における適合度
（距離）差から、該第１候補を”正解”と確定し得る適
合度（距離）差の大きさを算定し、第３前段知識として
保持する第３前段知識作成ステップと、入力画像の認識
結果として特定候補順位のカテゴリおよび類似カテゴリ
が得られるとき、該第１候補のカテゴリおよび特定候補
順位の類似カテゴリと前記第１前段知識における関連と
の比較により、該第１候補を”正解”または”不明”と
判定する第１前段判定ステップと、前記第１前段判定ス
テップで”正解”と判定された入力画像について、該特
定候補順位のカテゴリまたは類似カテゴリにおける適合
度（距離）の大きさと前記第２前段知識における適合度
（距離）の大きさとの比較により、該第１候補を”正
解”または”不明”と判定する第２前段判定ステップ
と、前記第２前段判定ステップで”正解”と判定された
入力画像について、該特定の候補順位のカテゴリまたは
類似カテゴリ間における適合度（距離）差の大きさと前
記第３前段知識における適合度（距離）差の大きさとの
比較により、該第１候補を”正解”または”不明”と判
定する第３前段判定ステップとを具備することを特徴と
する記録媒体にある。

【００２４】また、本出願の請求項１８に記載の発明
は、複数カテゴリの認識対象を持ち、登録画像パタンと
入力画像パタンとのパタンマッチングにおける適合度
（距離）に基づき入力画像の認識を行う画像認識方法
を、コンピュータに実行させるためのプログラムとして
記録した記録媒体において、画像認識の認識結果および
その付随情報を含むデータをサンプル収集し、あるカテ
ゴリで認識結果が”正解”とされているデータから、前
記データの集合をクラスタリングするときの軸を、上位
候補に出現率の高いカテゴリを該軸として、下位候補に
出現率の高いカテゴリを該軸として、上位候補に出現率
の高いカテゴリおよび下位候補に出現率の高いカテゴリ
をあわせて軸として、中位候補に出現率の高いカテゴリ
を該軸として、相関係数の高いカテゴリ同士を該軸とし
て、或いは、相関係数の低いカテゴリ同士を該軸とし
て、抽出する第１軸抽出ステップと、前記第１軸抽出ス
テップで抽出された軸に基づき前記データの集合のクラ
スタリングを行い、該カテゴリのＯＫクラスタとして生
成し、生成されたＯＫクラスタの形状を第１後段知識と
して保持する第１後段知識作成ステップと、入力画像の
認識結果として認識結果およびその付随情報を含むデー
タが得られるとき、該データが前記第１後段知識のある
カテゴリに所属するＯＫクラスタの中に含まれるか否か
をチェックして、該ＯＫクラスタに含まれる場合には該
ＯＫクラスタが所属するカテゴリを前記入力画像の認識
結果として”正解”と判定し、何れのＯＫクラスタにも
含まれていない場合には”未確定”と判定する第１後段
判定ステップとを具備することを特徴とする記録媒体に
ある。

【００２５】また、本出願の請求項１９に記載の発明
は、複数カテゴリの認識対象を持ち、登録画像パタンと
入力画像パタンとのパタンマッチングにおける適合度
（距離）に基づき入力画像の認識を行う画像認識方法
を、コンピュータに実行させるためのプログラムとして
記録した記録媒体において、画像認識の認識結果および
その付随情報を含むデータをサンプル収集し、あるカテ
ゴリで認識結果が”誤認”とされているデータから、前
記データの集合をクラスタリングするときの軸を、上位
候補に出現率の高いカテゴリを該軸として、下位候補に
出現率の高いカテゴリを該軸として、上位候補に出現率
の高いカテゴリおよび下位候補に出現率の高いカテゴリ
をあわせて軸として、中位候補に出現率の高いカテゴリ
を該軸として、相関係数の高いカテゴリ同士を該軸とし
て、或いは、相関係数の低いカテゴリ同士を該軸とし
て、抽出する第２軸抽出ステップと、前記第２軸抽出ス
テップで抽出された軸に基づき前記データの集合のクラ
スタリングを行い、該カテゴリのＮＧクラスタとして生
成し、生成されたＮＧクラスタの形状を第２後段知識と
して保持する第２後段知識作成ステップと、入力画像の
認識結果として認識結果およびその付随情報を含むデー
タが得られるとき、該データが前記第２後段知識のある
カテゴリに所属するＮＧクラスタの中に含まれるか否か
をチェックして、該ＮＧクラスタに含まれる場合には該
ＮＧクラスタが所属するカテゴリを前記入力画像の認識
結果として”不正解”と判定し、何れのＮＧクラスタに
も含まれていない場合には”正解”と判定する第２後段
判定ステップとを具備することを特徴とする記録媒体に
ある。

【００２６】また、本出願の請求項２０に記載の発明
は、前記第１後段判定ステップは、前記データがあるカ
テゴリに所属するＯＫクラスタに含まれる場合に、どの
程度の確信を持って”正解”といえるかを示す指標であ
る確信度を計算する確信度算出ステップを具備し、前記
データが複数の別カテゴリに所属するＯＫクラスタに入
った場合には、前記確信度に基づいてどのカテゴリを”
正解”とするかを決定することを特徴とする請求項１８
に記載の記録媒体にある。

【００２７】そして、この請求項１、７または１４に記
載の発明によれば、第１前段知識作成手段（第１前段知
識作成ステップ）により、画像認識の認識結果およびそ
の付随情報を含むデータから、認識結果として同じ第１
候補のカテゴリを持つデータを集め、該集めたデータか
ら特定の候補順位における類似カテゴリの出現率の高い
ものを抽出して、第１候補カテゴリに対する類似カテゴ
リの関連を示す第１前段知識として保持し、第１前段判
定手段（第１前段判定ステップ）では、入力画像の認識
結果として特定候補順位のカテゴリおよび類似カテゴリ
が得られるとき、該第１候補のカテゴリおよび特定候補
順位の類似カテゴリと前記第１前段知識における関連と
の比較により、該第１候補を”正解”または”不明”と
判定するようにしている。

【００２８】ここで、「データ」とは、画像認識システ
ムにおける認識結果とそれに付随する情報を指す。また
「カテゴリ」とは、同じ文字の集まりを指す。また、本
発明が適用される画像認識システムは、例えば、類似し
たカテゴリのうち、登録画像パタンと入力画像パタンと
のパタンマッチング（適合演算）における適合度（距
離）が最も高いものを認識システムの認識結果（第１候
補）として出力し、該認識結果について”正解”、”正
解と確信できない”、”不正解”または”不明”を確定
するものである。尚、適合度の演算方法によっては、認
識結果として適合度（距離）が最も低いものを出力する
場合もある。また、本発明では、画像認識システムの認
識結果とそれに付随する情報を含むデータを得て、該デ
ータを基に認識結果の確定処理を行うが、「付随情報」
とは、類似カテゴリの候補とその候補で演算されたカテ
ゴリ辞書（登録画像パタン）への距離である。

【００２９】つまり、本発明の構成は、画像認識システ
ムにおいて、画像認識手段の後段に配置されるものであ
る。

【００３０】本発明によれば、正解として確定できたも
のについては人がチェックする必要がなくなり、正解と
確定できなかったものについてのみチェックするだけで
よくなることから、受付け誤認識率を低下させることが
でき、画像認識システムにおける省力化をさらに図るこ
とができる。

【００３１】また、請求項２、８または１５に記載の発
明によれば、第２前段知識作成手段（第２前段知識作成
ステップ）により、画像認識の認識結果およびその付随
情報を含むデータから、認識結果として同じ第１候補の
カテゴリを持つデータを集め、該集めたデータから特定
の候補順位における適合度（距離）から、該特定順位の
候補を”正解”と確定し得る適合度（距離）の大きさを
算定し、第２前段知識として保持し、第２前段判定手段
（第２前段判定ステップ）では、入力画像の認識結果と
して特定候補順位のカテゴリおよび類似カテゴリが得ら
れるとき、該特定候補順位のカテゴリまたは類似カテゴ
リにおける適合度（距離）の大きさと前記第２前段知識
における適合度（距離）の大きさとの比較により、該特
定順位の候補を”正解”または”不明”と判定するよう
にしている。これにより、正解として確定できたものに
ついては人がチェックする必要がなくなり、正解と確定
できなかったものについてのみチェックするだけでよく
なることから、受付け誤認識率を低下させることがで
き、画像認識システムにおける省力化をさらに図ること
ができる。

【００３２】また、請求項３、９または１６に記載の発
明によれば、第３前段知識作成手段（第３前段知識作成
ステップ）により、画像認識の認識結果およびその付随
情報を含むデータから、認識結果として同じ第１候補の
カテゴリを持つデータを集め、該集めたデータから特定
の候補順位のカテゴリまたは類似カテゴリ間における適
合度（距離）差から、該第１候補を”正解”と確定し得
る適合度（距離）差の大きさを算定して、第３前段知識
として保持し、第３前段判定手段（第３前段判定ステッ
プ）では、入力画像の認識結果として特定候補順位のカ
テゴリおよび類似カテゴリが得られるとき、該特定の候
補順位のカテゴリまたは類似カテゴリ間における適度
（距離）差の大きさと前記第３前段知識における適合度
（距離）差の大きさとの比較により、該第１候補を”正
解”または”不明”と判定するようにしている。これに
より、正解として確定できたものについては人がチェッ
クする必要がなくなり、正解と確定できなかったものに
ついてのみチェックするだけでよくなることから、受付
け誤認識率を低下させることができ、画像認識システム
における省力化をさらに図ることができる。

【００３３】また、請求項１０または１７に記載の発明
によれば、予め、第１前段知識作成手段（第１前段知識
作成ステップ）により第１前段知識（第１候補カテゴリ
に対する類似カテゴリの関連）を、第２前段知識作成手
段（第２前段知識作成ステップ）により第２前段知識
（特定順位の候補を”正解”と確定し得る適合度（距
離）の大きさ）を、第３前段知識作成手段（第３前段知
識作成ステップ）により第３前段知識（第１候補を”正
解”と確定し得る適合度（距離）差の大きさ）を、それ
ぞれ作成しておき、第１前段判定手段（第１前段判定ス
テップ）、第２前段判定手段（第２前段判定ステップ）
および第３前段判定手段（第３前段判定ステップ）で
は、これら第１、第２および第３前段知識を用いて、入
力画像の認識結果について、”正解”または”不明”
（どのカテゴリにも属さないデータ）の２つに認識結果
を分別して確定するようにしている。これにより、受付
け誤認識率を低下させることができ、画像認識システム
における省力化をさらに図ることができる。また、帳票
読み込みの自動化を図ることができる。すなわち、例え
ば、１枚の帳票を認識対象エリアとするとき、確定結果
がすべて正解の場合はチェックを行うことなく結果を保
存することが可能となり、逆に、正解と確信できるもの
以外の結果が１つでも含まれる場合は、その帳票全体の
認識結果を保存せずに、後に人の入力をまとめて求める
といった運用が可能になる。

【００３４】また、請求項４、１１または１８に記載の
発明によれば、第１軸抽出手段（第１軸抽出ステップ）
により、画像認識の認識結果およびその付随情報を含む
データをサンプル収集し、あるカテゴリで認識結果が”
正解”とされているデータから、前記データの集合をク
ラスタリングするときの軸を抽出し、第１後段知識作成
手段（第１後段知識作成ステップ）により、第１軸抽出
手段（第１軸抽出ステップ）で抽出された軸に基づき前
記データの集合のクラスタリングを行い、該カテゴリの
ＯＫクラスタとして生成し、生成されたＯＫクラスタの
形状を第１後段知識として保持し、第１後段判定手段
（第１後段判定ステップ）では、入力画像の認識結果と
して認識結果およびその付随情報を含むデータが得られ
るとき、該データが第１後段知識のあるカテゴリに所属
するＯＫクラスタの中に含まれるか否かをチェックし
て、該ＯＫクラスタに含まれる場合には該ＯＫクラスタ
が所属するカテゴリを入力画像の認識結果として”正
解”と判定し、何れのＯＫクラスタにも含まれていない
場合には”未確定”と判定する。尚、第１軸抽出手段
（第１軸抽出ステップ）による軸抽出には、例えば、上
位候補に出現率の高いカテゴリを該軸として、下位候補
に出現率の高いカテゴリを該軸として、上位候補に出現
率の高いカテゴリおよび下位候補に出現率の高いカテゴ
リをあわせて軸として、中位候補に出現率の高いカテゴ
リを該軸として、相関係数の高いカテゴリ同士を該軸と
して、或いは、相関係数の低いカテゴリ同士を該軸とし
て抽出する方法等が考えられる。これにより、正解とし
て確定できたものについては人がチェックする必要がな
くなり、正解と確定できなかったものについてのみチェ
ックするだけでよくなることから、受付け誤認識率を低
下させることができ、画像認識システムにおける省力化
をさらに図ることができる。

【００３５】また、請求項６、１２または１９に記載の
発明によれば、第２軸抽出手段（第２軸抽出ステップ）
により、画像認識の認識結果およびその付随情報を含む
データをサンプル収集し、あるカテゴリで認識結果が”
誤認”とされているデータから、前記データの集合をク
ラスタリングするときの軸を抽出し、第２後段知識作成
手段（第２後段知識作成ステップ）により、第２軸抽出
手段（第２軸抽出ステップ）で抽出された軸に基づき前
記データの集合のクラスタリングを行い、該カテゴリの
ＮＧクラスタとして生成し、生成されたＮＧクラスタの
形状を第２後段知識として保持し、第２後段判定手段
（第２後段判定ステップ）では、入力画像の認識結果と
して認識結果およびその付随情報を含むデータが得られ
るとき、該データが第２後段知識のあるカテゴリに所属
するＮＧクラスタの中に含まれるか否かをチェックし
て、該ＮＧクラスタに含まれる場合には該ＮＧクラスタ
が所属するカテゴリを前記入力画像の認識結果として”
不正解”と判定し、何れのＮＧクラスタにも含まれてい
ない場合には”正解”と判定するようにしている。尚、
第２軸抽出手段（第２軸抽出ステップ）における軸抽出
には、上位候補に出現率の高いカテゴリを該軸として、
下位候補に出現率の高いカテゴリを該軸として、上位候
補に出現率の高いカテゴリおよび下位候補に出現率の高
いカテゴリをあわせて軸として、中位候補に出現率の高
いカテゴリを該軸として、相関係数の高いカテゴリ同士
を該軸として、或いは、相関係数の低いカテゴリ同士を
該軸として抽出する方法等が考えられる。

【００３６】これにより、正解として確定できたものに
ついては人がチェックする必要がなくなり、正解と確定
できなかったものについてのみチェックするだけでよく
なることから、受付け誤認識率を低下させることがで
き、画像認識システムにおける省力化をさらに図ること
ができる。

【００３７】また、請求項５、１３または２０に記載の
発明によれば、第１後段判定手段（第１後段判定ステッ
プ）において、前記データがあるカテゴリに所属するＯ
Ｋクラスタに含まれる場合に、どの程度の確信を持っ
て”正解”といえるかを示す指標である確信度を確信度
算出手段（確信度算出ステップ）により計算するように
し、前記データが複数の別カテゴリに所属するＯＫクラ
スタに入った場合には、確信度に基づいてどのカテゴリ
を”正解”とするかを決定し、例えば、確信度の大きさ
が所定値以下の場合には”正解と確信できない”と判定
するようにしている。これにより、あるカテゴリのＯＫ
クラスタに入ったデータをそのカテゴリに属するデータ
と決定付け、逆にどのＯＫクラスタにも入らない場合
は”不明”（どのカテゴリにも属さない）データとされ
るが、あるカテゴリに属するデータと決定付けられた場
合に、認識結果の確信度合いを算出することにより、”
不明”、”正解”、”正解と確信できない”の３つに認
識結果を分別して確定されることとなる。また、さら
に、ＮＧクラスタの少なくとも１つに入った場合は”不
正解”データと決定され、”不明”、”正解”、”不正
解”、”正解と確信できない”の４つに認識結果を分別
して確定されることとなる。

【００３８】

【発明の実施の形態】以下、本発明の画像認識装置、画
像認識方法および記録媒体の実施の形態について、図面
を参照して詳細に説明する。

【００３９】図１は本発明の一実施形態に係る画像認識
装置の構成図である。

【００４０】図１において、本実施形態の画像認識装置
は、おおまかにＯＣＲ認識処理部１０１および認識結果
確定部１０２を備えて構成されており、認識結果確定部
１０２は、知識生成部１０３、前段判定部（第１前段判
定手段、第２前段判定手段および第３前段判定手段）１
１５、後段判定部（第１後段判定手段および第２後段判
定手段）１１６、ルール判定部１１７、認識確定部１１
８およびリジェクト部１１９を備えて構成されている。
また、知識生成部１０３は、前段知識の作成部（第１前
段知識作成手段、第２前段知識作成手段および第３前段
知識作成手段）１１１、前段知識ベース（第１前段知
識、第２前段知識および第３前段知識）１１２、後段知
識の作成部（第１後段知識作成手段および第２後段知識
作成手段）１１３および後段知識ベース（第１後段知識
および第２後段知識）１１４を備えた構成である。

【００４１】また、図２は、本実施形態の画像認識装置
の全体的な処理の概略を説明する説明図である。同図に
示すように、本実施形態の画像認識装置は、複数カテゴ
リの認識対象を持ち、登録画像パタンと入力画像パタン
とのパタンマッチングにおける適合度（距離）に基づき
入力画像の認識を行うものであるが、認識結果確定部１
０２に特徴を持つものであり、ＯＣＲ認識処理部１０１
からの認識結果と付随情報１５１ｂについて、前段知識
ベース１１２および後段知識ベース１１４に基づく前段
判定部１１５および後段判定部１１６の判定を行うこと
によって、認識確定部１１８により、該認識結果が”未
確定（不正解）”、”正解”或いは”正解と確信が持て
ない”の何れであるかを確定するものである。

【００４２】本実施形態の画像認識装置を構成する各構
成要素および各構成要素間の引き渡しデータについて簡
単に説明する。尚、本実施形態の画像認識装置では、説
明を簡単にするため、認識対象の文字画像として、数字
（０〜９）並びに３種の記号（”（”，”）”，”
−”）、合計１３種の文字を扱うものとする。

【００４３】まず、ＯＣＲ認識処理部１０１では、類似
した文字のうち、各文字辞書に対して適合度演算を行
う。ここで、適合度演算は、登録画像パタンと入力画像
パタンとのパタンマッチングにおいて行われるもので、
適合度（以下、距離という）の高いもの順に類似文字を
並べ、距離が最も高いものをＯＣＲの認識結果として出
力する。

【００４４】また、認識結果１５１ａ，１５１ｂは、画
像認識の認識結果およびその付随情報を含むデータであ
り、該データは、１文字あたり１３個の候補と各々の候
補辞書に対する距離により構成されている（図６参
照）。特に、知識生成用認識結果１５１ａは、知識生成
のために利用するサンプル画像について実際の運用前に
ＯＣＲ認識処理部１０１によって取得し、知識生成部１
０３に渡される。また特に、認識結果１５１ｂは、実際
のシステム運用時に、ＯＣＲ認識処理部１０１から１文
字単位で前段判定部１１５に供給される。

【００４５】前段知識の作成部１１１は、上記のよう
に、第１前段知識作成手段、第２前段知識作成手段およ
び第３前段知識作成手段を備えて構成され、第１前段知
識作成手段では、画像認識の認識結果およびその付随情
報を含むデータから、認識結果として同じ第１候補のカ
テゴリを持つデータを集め、該集めたデータから特定の
候補順位における類似カテゴリの出現率の高いものを抽
出して、これを第１候補カテゴリに対する類似カテゴリ
の関連を示す第１前段知識として前段知識ベース１１２
に登録する。

【００４６】また、第２前段知識作成手段では、画像認
識の認識結果およびその付随情報を含むデータから、認
識結果として同じ第１候補のカテゴリを持つデータを集
め、該集めたデータから特定の候補順位における適合度
（距離）から、該特定順位の候補を”正解”と確定し得
る適合度（距離）の大きさを算定し、第２前段知識とし
て前段知識ベース１１２に登録する。

【００４７】さらに、第３前段知識作成手段では、画像
認識の認識結果およびその付随情報を含むデータから、
認識結果として同じ第１候補のカテゴリを持つデータを
集め、該集めたデータから特定の候補順位のカテゴリま
たは類似カテゴリ間における適合度（距離）差から、該
第１候補を”正解”と確定し得る適合度（距離）差の大
きさを算定して、第３前段知識として前段知識ベース１
１２に登録する。

【００４８】本実施形態では、認識対象の文字はカテゴ
リが１３個あり、ＯＣＲ認識処理部１０１から出力され
るデータは、その１３個の全てが必ず候補文字の中に含
まれている。そのうち第２、第３候補文字データで出現
率の高い文字（第１前段知識）を取得すると共に、第１
候補の距離データで正解と判別できる最低値（第２前段
知識）、並びに、第１候補距離と第２候補距離の差のデ
ータから正解と判別できる最低値（第３前段知識）を算
出する。ここで作成された知識は、前段判定部１１５で
使用されることとなる。尚、１３種の数字および記号以
外の文字の場合については、数千種のカテゴリがある
が、この場合、ＯＣＲ認識処理部１０１から出力される
データは、距離の大きいカテゴリの上位数十種類とし
て、これらから同様にして、第Ｘ（Ｘは任意に選択可
能）候補に出現の多いものを選択していくことになろ
う。

【００４９】次に、後段知識の作成部１１３は、上記の
ように、第１後段知識作成手段および第２後段知識作成
手段を備えて構成され、第１後段知識作成手段に含まれ
る第１軸抽出手段により、画像認識の認識結果およびそ
の付随情報を含むデータをサンプル収集し、あるカテゴ
リで認識結果が”正解”とされているデータから、デー
タの集合をクラスタリングするときの軸を抽出し、第１
後段知識作成手段により、抽出した軸に基づきデータの
集合のクラスタリングを行い、該カテゴリのＯＫクラス
タとして生成し、生成されたＯＫクラスタの形状を第１
後段知識として後段知識ベース１１４に登録する。

【００５０】また、第２後段知識作成手段に含まれる第
２軸抽出手段により、画像認識の認識結果およびその付
随情報を含むデータをサンプル収集し、あるカテゴリで
認識結果が”誤認”とされているデータから、データの
集合をクラスタリングするときの軸を抽出し、第２後段
知識作成手段により、抽出した軸に基づきデータの集合
のクラスタリングを行い、該カテゴリのＮＧクラスタと
して生成し、生成されたＮＧクラスタの形状を第２後段
知識として後段知識ベース１１４に登録する。

【００５１】尚、第１および第２軸抽出手段における軸
抽出には、上位候補に出現率の高いカテゴリを該軸とし
て（誤認識し易いカテゴリを選択）、下位候補に出現率
の高いカテゴリを該軸として（誤認識し難いカテゴリを
選択）、上位候補に出現率の高いカテゴリおよび下位候
補に出現率の高いカテゴリをあわせて軸として（誤認識
し易いカテゴリとし難いカテゴリを選択）、中位候補に
出現率の高いカテゴリを該軸として（誤認識し易くもし
難くも無いカテゴリを選択）、相関係数の高いカテゴリ
同士を該軸として、或いは、相関係数の低いカテゴリ同
士を該軸として抽出する方法等が考えられる。

【００５２】つまり、クラスタを生成するために軸を選
択し、その軸データを利用してクラスタを生成する。数
字であれば、カテゴリが１３個あり、候補にはその１３
個のカテゴリへの距離が大きいもの順に出力される。そ
の中から、認識確定に利用出来値特徴のある軸を選択す
ることになる。本実施形態では、上位候補に出現率が高
い文字（すなわち、誤認識し易い文字である）上位３つ
をクラスタ使用軸として選択した。そして、認識結果１
５１ａを用いてクラスタリングを実施した。作成される
クラスタ形状は楕円体となる。また１カテゴリ当たり、
複数のＯＫクラスタと複数のＮＧクラスタが存在するこ
ととなる。

【００５３】次に、前段判定部１１５は、上記のよう
に、第１前段判定手段、第２前段判定手段および第３前
段判定手段を備えて構成され、第１前段判定手段では、
入力画像の認識結果として特定候補順位のカテゴリおよ
び類似カテゴリが得られるとき、該第１候補のカテゴリ
および特定候補順位の類似カテゴリと第１前段知識にお
ける関連との比較により、該第１候補を”正解”また
は”不明”と判定する。

【００５４】また、第２前段判定手段では、該特定候補
順位のカテゴリまたは類似カテゴリにおける適合度（距
離）の大きさと第２前段知識における適合度（距離）の
大きさとの比較により、該特定順位の候補を”正解”ま
たは”不明”と判定する。さらに、第３前段判定手段で
は、該特定の候補順位のカテゴリまたは類似カテゴリ間
における適合度（距離）差の大きさと第３前段知識にお
ける適合度（距離）差の大きさとの比較により、該第１
候補を”正解”または”不明”と判定する。

【００５５】本実施形態では、認識結果１５１ｂにおけ
る第２候補および第３候補の文字と、前段知識ベース１
１２の知識とを比較する。例えば、第１候補が”１”で
あった場合には、第２候補および第３候補にそれぞれ”
６”および”）”という文字が出現する率が高い。つま
り、第１前段知識には、第２候補および第３候補に出現
する文字が、”６”および”）”のとき、第１候補が”
１”であるものを正解とする知識を所有しており、まず
認識結果１５１ｂの第２候補および第３候補の文字種類
をチェックするのである。

【００５６】次に、前段知識ベース１１２で保持する第
２前段知識（第１候補の距離データで正解と判別できる
最低値）を参照して、該最低値以上の値が第１候補の距
離について算出されているかをチェックし、最低値以上
なら”正解”とする。さらに、第１候補および第２候補
の距離が非常に近い値であると、誤認識している可能性
があるため、前段知識ベース１１２で保持する第３前段
知識（第１候補距離と第２候補距離の差のデータで正解
と判別できる最低値）を参照して、該最低値以上の値で
あるかをチェックし、最低値以上なら”正解”とする。
以上の３つのチェック全てで”正解”と判断されたデー
タについてのみ、認識確定部１１８に結果（確定データ
１５５）が渡されることとなる。

【００５７】したがって、確定データ１５５は前段判定
部１１５で正解と判断されたデータであり、不明データ
１５４は前段判定部１１５で正解と判断されなかったデ
ータである。

【００５８】次に、後段判定部１１６は、上記のよう
に、第１後段判定手段および第２後段判定手段を備えて
構成され、第１後段判定手段では、入力画像の認識結果
として認識結果およびその付随情報を含むデータが得ら
れるとき、該データが第１後段知識のあるカテゴリに所
属するＯＫクラスタの中に含まれるか否かをチェックし
て、該ＯＫクラスタに含まれる場合には該ＯＫクラスタ
が所属するカテゴリを入力画像の認識結果として”正
解”と判定し、何れのＯＫクラスタにも含まれていない
場合には”未確定”と判定する。また、第２後段判定
手段では、該データが第２後段知識のあるカテゴリに所
属するＮＧクラスタの中に含まれるか否かをチェックし
て、該ＮＧクラスタに含まれる場合には該ＮＧクラスタ
が所属するカテゴリを前記入力画像の認識結果として”
不正解”と判定し、何れのＮＧクラスタにも含まれてい
ない場合には”正解”と判定する。

【００５９】つまり、前段判定部１１５で未確定とされ
たデータ１５４を対象に、各カテゴリで生成されたクラ
スタを用いて判定を行う。この後段判定部１１６には、
ＯＫクラスタおよびＮＧクラスタの知識が後段知識ベー
ス１１４から供給され、ＯＫクラスタに入るかどうかの
チェック、並びに、ＮＧクラスタに入るかどうかのチェ
ックという２段階の判定を行う。

【００６０】第１後段判定手段において、データがある
カテゴリに所属するＯＫクラスタに含まれる場合には、
どの程度の確信を持って”正解”といえるかを示す指標
である確信度を当該後段判定部１１６に含まれる確信度
算出手段により計算し、データが複数の別カテゴリに所
属するＯＫクラスタに入った場合には、該確信度に基づ
いてどのカテゴリを”正解”とするかを決定する。例え
ば、確信度の大きさが所定値以下の場合には”正解と確
信できない”と判定する。

【００６１】尚、確信度算出手段における確信度算出方
法には、データが、該ＯＫクラスタの重心からどの位の
距離に位置しているかを演算し、重心から近ければ高い
確信度を、重心から遠ければ低い確信度をそれぞれ算出
する第１の方法と、また、該ＯＫクラスタを構成するデ
ータの分布に基づいて、データが密度の高いエリアに存
在する場合は高い確信度を、密度の低いエリアに存在す
る場合は低い確信度をそれぞれ算出する第２の方法とが
ある。

【００６２】また、第２後段判定手段において、データ
があるカテゴリに所属するＮＧクラスタに含まれる場合
には、当該後段判定部１１６に含まれる確信度更新手段
により、ＯＫクラスタに含まれることで計算された確信
度を低くする処理が行われる。

【００６３】したがって、確定データ１５６は、少なく
とも１つのＯＫクラスタに含まれ、確信度が計算された
データであり、未確定データ１５７は、後段判定部１１
６で、どのＯＫクラスタにも含まれなかった場合のデー
タであり、認識結果をどのカテゴリにも確定することが
できなかったデータである。

【００６４】次に、リジェクト部１１９は、後段判定部
１１６で未確定とされたデータ１５７、或いは、ルール
判定部１１７で正確と確信できないと判定されたデータ
１５９を受ける部分である。

【００６５】また、ルール判定部１１７は、後段判定部
１１６で算出された確信度に基づいて、正解と確信でき
ないデータとしてリジェクトするか、確定データとして
受け付けるか判定する部分である。実際には、ユーザの
設定した値との大小比較で”確定”、”正解と確信でき
ない”を分けている。

【００６６】したがって、確定データ１５８は、ルール
判定部１１７でユーザの設定した値より確信度が大きい
データであり、正解と確信できないデータ１５９は、ル
ール判定部１１７でユーザの設定した値より確信度が小
さいデータである。

【００６７】さらに、認識確定部１１８は、前段判定部
１１５またはルール判定部１１７で認識結果を確定でき
たデータ１５５，１５８を受ける部分である。

【００６８】以上説明した各構成要素により、本実施形
態の画像認識装置では、概略的に以下のような動作が行
われる。図３、図４および図５には、本実施形態の画像
認識装置の概略的動作を説明する概略フローチャートを
示す。

【００６９】まず、図３は知識作成処理の概略フローチ
ャートである。知識作成処理では、まずステップ３０１
で、サンプルデータについて、ＯＣＲ認識処理部１０１
により知識生成用の認識結果１５１ａの収集が行われ
る。

【００７０】次に、ステップ３０２では、知識生成部１
０３の前段知識の作成部１１１により前段知識ベース１
１２が構築される。すなわち、第１前段知識作成手段に
より第１前段知識（第１候補カテゴリに対する類似カテ
ゴリの関連）が、第２前段知識作成手段により第２前段
知識（特定順位の候補を”正解”と確定し得る適合度
（距離）の大きさ）が、第３前段知識作成手段により第
３前段知識（第１候補を”正解”と確定し得る適合度
（距離）差の大きさ）が、それぞれ作成され登録され
る。

【００７１】さらに、ステップ３０３では、知識生成部
１０３の後段知識の作成部１１３により後段知識ベース
１１４が構築される。すなわち、第１後段知識作成手段
により第１後段知識（ＯＫクラスタの形状）が、第２後
段知識作成手段により第２後段知識（ＮＧクラスタの形
状）がそれぞれ作成され登録される。

【００７２】次に、図４および図５は、システム運用時
の処理の概略フローチャートである。まず、ステップ４
０１で、実際の認識対象画像について、ＯＣＲ認識処理
部１０１により認識処理されて、認識結果１５１ｂが認
識結果確定部１０２の前段判定部１１５に供給される。

【００７３】次に、前段判定部１１５による処理が行わ
れる。まず、ステップ４０２では、前段判定部１１５の
第１前段判定手段により、第１候補のカテゴリおよび特
定候補順位の類似カテゴリと第１前段知識における関連
とを比較して、知識と同じであれば該第１候補を”正
解”と判定してステップ４０３に進み、また知識と違っ
ていれば”不明”と判定して図５のステップ５０１に進
む。

【００７４】次に、ステップ４０３では、第２前段判定
手段により、該特定候補順位のカテゴリまたは類似カテ
ゴリにおける適合度（距離）の大きさと第２前段知識に
おける適合度（距離）の大きさとを比較して、知識の距
離の大きさより大きい値であれば該第１候補を”正解”
と判定してステップ４０４に進み、また知識の距離の大
きさ以下であれば”不明”と判定して図５のステップ５
０１に進む。

【００７５】さらに、ステップ４０４では、第３前段判
定手段により、該特定の候補順位のカテゴリまたは類似
カテゴリ間における適合度（距離）差の大きさと第３前
段知識における適合度（距離）差の大きさとを比較し
て、知識の距離差の大きさより大きい値であれば該第１
候補を”正解”と判定して図５のステップ５０８に進
み、また知識の距離差の大きさ以下であれば”不明”と
判定して図５のステップ５０１に進む。

【００７６】次に、図５の後段判定部１１６における処
理に進む。まず、ステップ５０１では、後段判定部１１
６の第１後段判定手段により、データが第１後段知識の
あるカテゴリに所属するＯＫクラスタの中に含まれるか
否かをチェックする。ここで、ＯＫクラスタの中に含ま
れていなければ、ステップ５０９でリジェクトされる。

【００７７】また、ステップ５０１において、データが
あるカテゴリに所属するＯＫクラスタに含まれる場合に
は、ステップ５０２またはステップ５０３に進んで、ど
の程度の確信を持って”正解”といえるかを示す指標で
ある確信度を確信度算出手段により計算する。

【００７８】確信度算出手段による確信度算出は、ステ
ップ５０２のように、データが、該ＯＫクラスタの重心
からどの位の距離に位置しているかを演算し、重心から
近ければ高い確信度を、重心から遠ければ低い確信度を
それぞれ算出するか、或いは、ステップ５０３のよう
に、該ＯＫクラスタを構成するデータの分布に基づい
て、データが密度の高いエリアに存在する場合は高い確
信度を、密度の低いエリアに存在する場合は低い確信度
をそれぞれ算出するか、の方法で行われる。

【００７９】本実施形態では、図５に示すように、ステ
ップ５０２でクラスタ重心からの距離による確信度を求
め、ステップ５０３でクラスタ内座標値による確信度を
求め、ステップ５０４において、これら２つの算出され
た確信度を加算して最終的な確信度としている。

【００８０】次に、ステップ５０５では、第２後段判定
手段により、該データが第２後段知識のあるカテゴリに
所属するＮＧクラスタの中に含まれるか否かをチェック
する。ここで、ＮＧクラスタの中に含まれていなければ
ステップ５０７に進む。

【００８１】また、ステップ５０５において、データが
あるカテゴリに所属するＮＧクラスタに含まれる場合に
は、ステップ５０６に進んで、確信度更新手段により、
ＯＫクラスタに含まれることで計算された確信度を低く
するように、確信度を調整する。

【００８２】さらに、ステップ５０７では、ルール判定
部１１７により、後段判定部１１６で算出された確信度
とユーザ設定された値とを比較して、ユーザ設定値以下
の確信度の場合には、ステップ５０９で”正解と確信で
きない”データとしてリジェクトし、また、ユーザ設定
値より大きい確信度の場合には、ステップ５０８で”正
解”の確定データとして受け付ける。

【００８３】次に、以下では、本実施形態の画像認識装
置を構成する各構成要素について、その機能および動作
並びに用いる手法等を各説明図を参照して詳細に説明し
ていく。

【００８４】まず、ＯＣＲ認識処理部１０１から出力さ
れる認識結果について図６を参照して説明する。認識対
象１文字当たりに出力されるデータは、図６の各行に示
すように、各行上段の候補文字と、各行下段の各候補に
ついての距離である。

【００８５】第１行目のデータを例にとり説明を加える
と、次のようになる。すなわち、第１候補は、”０”
で、”０”の距離は２３４である。第２候補は、”９”
で、”９”の距離は２１４である。…。第１３候補
は、”）”で、”）”の距離は１３５である。ここで、
距離が大きいほど、認識した文字への信頼度が高いこと
を意味する。つまり、第１行目のデータについて、ＯＣ
Ｒ認識処理部１０１は認識対象文字を”０”として認識
したことになる。

【００８６】次に、前段知識の作成部１１１による前段
知識ベース１１２の構築について説明する。まず、第１
前段知識作成手段では、認識結果１５１ａ（図６参照）
のデータのうち、第２候補および第３候補に出現する候
補文字をカウントする。そのうち出現数の上位２つの候
補文字を第１前段知識として保存する。

【００８７】次に、第２および第３前段知識作成手段で
は、認識結果１５１ａ（図６参照）のデータから、第１
候補距離の大きさ並びに（第１候補距離−第２候補距
離）の大きさの２つの特徴を用いて、認識結果の”確
定”、”未確定”を判断する第２および第３前段知識
（しきい値パラメータ）を作成する。

【００８８】まず第１に、知識作成用データからパラメ
ータ決定に使用するデータの選択を行う（カテゴリ毎に
実施する）。具体的には、以下のイ）からニ）の手順で
行われる。

【００８９】イ）（第１候補距離−第２候補距離）が、
０、１、２…の場合の正解サンプル数を調べる。

【００９０】ロ）正解サンプル数と誤判別サンプル数の
比を調べる。

【００９１】ハ）誤判別サンプル数と正解サンプル数の
比が一定以上（例えば、４０％以上）になる距離差αを
見つける。

【００９２】ニ）（第１候補距離−第２候補距離）がα
以下のデータは、全てリジェクトの対象として（２）の
パラメータ決定の対象から除く。

【００９３】次に（第２に）、文字（カテゴリ）ごとに
誤判別をリジェクトするのに必要な第１候補距離並びに
第１候補および第２候補の距離差のしきい値を見つけ
る。具体的には、以下のイ）からハ）の手順で行われ
る。

【００９４】イ）誤判別サンプルの第１候補距離と（第
１候補距離−第２候補距離）を調べる。

【００９５】ロ）正解のサンプルの第１候補距離と（第
１候補距離−第２候補距離）を調べる。

【００９６】ハ）誤判別をすべてリジェクトし、かつ正
解のリジェクトを最小限に抑えることのできる第１候補
と（第１候補距離−第２候補距離）のしきい値を決め
る。

【００９７】以上のようにして得られたパラメータを図
７に示す。図中、「第１候補距離」が第２前段知識であ
り、「第１−第２候補距離」が第３前段知識であり、
「第２、第３候補に出現率の高い文字」が第１前段知識
である。

【００９８】次に、前段判定部１１５による判定方法に
ついて説明する。前段判定部１１５は、知識生成部１０
３で作成した候補文字の距離データによる前段知識ベー
ス１１２を使用して、ＯＣＲ認識処理部１０１の認識結
果１５１ｂを”確定”、”未確定”に分けるものであ
る。ここで、”確定”、”未確定”に分けるためのルー
ルは、以下に述べる通りである。

【００９９】まず第１に（手順１）、第１候補を参照
し、第１前段知識（図７参照）からチェックに使用する
パラメータを選択する。次に（手順２）、第２候補およ
び第３候補文字が第１前段知識（出現率が高いもの）に
一致しているかチェックする。一致しないデータが入っ
ている場合は”不明”データとする。次に（手順３）、
手順２で”不明”データとされなかったデータについ
て、第１候補距離が第２前段知識（図７の第１候補距離
パラメータ）より小さければ”不明”データとする。さ
らに（手順４）、手順３で”不明”データとされなかっ
たデータについて、（第１候補距離−第２候補距離）の
チェックを行う。すなわち、（第１候補距離−第２候補
距離）が第３前段知識（図７の（第１候補距離−第２候
補距離）パラメータ）より小さければ”不明”データと
する。

【０１００】図８には、以上の手順をフローチャートと
して示す。すなわち、まずステップ８０１では、ＯＣＲ
認識処理部１０１の認識結果１５１ｂから第１候補を取
得する。次に、ステップ８０２では、第１候補を参照
し、第１前段知識から「第２、第３候補に出現率の高い
候補文字」を抽出する。そして、ステップ８０３では、
認識結果１５１ｂの第２、第３候補と第１前段知識の第
２、第３候補とが一致するかを判断する。ここで、一致
しない場合には、ステップ８０８に進んで、認識結果１
５１ｂの第１候補を”不明”とする。

【０１０１】次に、ステップ８０３において一致した場
合には、ステップ８０４に進んで、第２および第３前段
知識から「第１候補距離」パラメータαおよび「第１−
第２候補距離差」パラメータβを取得する。そして、ス
テップ８０５では、認識結果１５１ｂの第１候補距離と
「第１候補距離」パラメータαとを比較して、第１候補
距離が「第１候補距離」パラメータαより小さければス
テップ８０８に進んで、認識結果１５１ｂの第１候補
を”不明”とする。

【０１０２】また、ステップ８０５において、第１候補
距離が「第１候補距離」パラメータαより大きければ、
ステップ８０６に進んで、認識結果１５１ｂの（第１候
補距離−第２候補距離）と「第１−第２候補距離差」パ
ラメータβとを比較して、（第１候補距離−第２候補距
離）が「第１−第２候補距離差」パラメータβより小さ
ければステップ８０８に進んで、認識結果１５１ｂの第
１候補を”不明”とする。

【０１０３】また、ステップ８０６において、（第１候
補距離−第２候補距離）が「第１−第２候補距離差」パ
ラメータβより大きければステップ８０７に進んで、認
識結果１５１ｂの第１候補を”正解”と確定する。

【０１０４】尚、図８中で用いている「第１候補距離」
パラメータαおよび「第１−第２候補距離差」パラメー
タβは、外部から変動させることができる。つまり、図
７に示したパラメータは、各文字（カテゴリ）毎に用い
る標準的なパラメータであり、これを変動させることで
確定、未確定データ数の割合を調節できる。

【０１０５】すなわち、「第１候補距離」パラメータα
および「第１−第２候補距離差」パラメータβは、次式
において、Ｋｄ、第１固定値および第２固定値を可変設
定することで調整可能である。

【０１０６】 α＝第１候補距離＋第１固定値×Ｋｄ（−１．０≦Ｋｄ≦１．０） β＝（第１候補距離−第２候補距離）＋第２固定値×Ｋ
ｄ（−１．０≦Ｋｄ≦１．０）ここで、第１固定値および第２固定値の決定法は、図７
のパラメータを基準に±２の変動幅を持たせる場合に
は、第１固定値＝第２固定値＝２とする。また、図７の
パラメータを基準値とすると、パラメータαおよびβが
共に大きいほど、図８における条件（ステップ８０５，
８０６）を通過できるデータ数は少なくなるから、Ｋｄ
が１．０に近くなればなるほど厳しい設定ということに
なる。逆に、Ｋｄが−１．０に近くなればなるほど緩い
設定ということになる。

【０１０７】次に、後段知識の作成部１１３による後段
知識ベース１１４の構築方法について説明する。本実施
形態では、上位候補に出現率が高い文字（すなわち、誤
認識し易い文字）の上位３つを、クラスタ使用軸として
選択し、３次元空間にクラスタを形成することとする。
つまり、図７における出現率の高い候補文字を軸として
選択したことになる。これらの軸を使用して、クラスタ
リングを実施するまでの過程を以下に簡単に述べる。

【０１０８】まず（手順１）、ＯＣＲ認識処理部１０１
から認識結果（知識生成用）１５１ａを受け取り、その
データをカテゴリ別（１３個）に分類する。次に（手順
２）、カテゴリ別に分類されたデータを、ＯＣＲ認識結
果正解データ（以下、甲群という）と誤認識結果（以
下、乙群という）に分類する。次に（手順３）、図７に
示した各カテゴリの「第２、第３候補に出現率の高い候
補文字」のデータ群を、甲群のデータから抽出して、こ
れらを出現率の高い順にＡ、ＢおよびＣとする。カテゴ
リ”０”を例に取ると、０（Ａ）、６（Ｂ）、９（Ｃ）
のカテゴリの甲群データを抽出する。

【０１０９】次に（手順４）、Ａのデータ群を対象に、
軸Ａ、軸Ｂおよび軸Ｃのデータを抽出してクラスタリン
グを実施する。ここで作成されたクラスタをａとする。
次に（手順５）、Ｂのデータ群を対象に、軸Ａ、軸Ｂお
よび軸Ｃのデータを抽出してクラスタリングを実施す
る。ここで作成されたクラスタをｂとする。さらに（手
順６）、Ｃのデータ群を対象に、軸Ａ、軸Ｂおよび軸Ｃ
のデータを抽出してクラスタリングを実施する。ここで
作成されたクラスタをｃとする。次に（手順７）、乙群
のデータに対して、軸Ａ、軸Ｂおよび軸Ｃのデータを抽
出してクラスタリングを実施する。

【０１１０】ここで、カテゴリは１３個あるので手順１
〜手順６および手順７はそれぞれ１３回実施することに
なる。また、甲群および乙群それぞれについて、複数の
クラスタが生成されることになる。尚、手順３〜手順６
で作成されたクラスタを「ＯＫクラスタ」（ａ、ｂ、ｃ
が含まれる）と呼び、手順７で作成されたクラスタを
「ＮＧクラスタ」と呼ぶ。

【０１１１】次に、本実施形態で採用するクラスタリン
グ手法（超楕円体法）について説明する。クラスタ間距
離が近いものの同士を合併しクラスタを生成していく通
常のクラスタリング方法とは異なり、超楕円体法による
クラスタリングは、線型性（線型モデルをいかにして形
成できるかということを意味する）と、連続性（クラス
タを構成するデータの分布が連続的かどうかを意味す
る）とを考慮してクラスタを生成することができる。

【０１１２】通常のクラスタリングでは、距離という規
範のみで一度クラスタが合併されると、形状は変更でき
ない。つまり、合併後、クラスタを形成している一部分
を分離するための規範が無いのである。しかし、超楕円
体クラスタリングでは、線型性と連続性の考慮により、
合併対象クラスタの変更や、合併後のクラスタ構成デー
タの移動により、定義した規範に即したクラスタ群を構
築することができる。

【０１１３】図９に示すクラスタ生成を例に採ると、連
続度を重視した場合には、距離の近いクラスタＡとＢが
合併され、構成データ密度の高いクラスタが生成され
る。また、線型度を重視した場合には、クラスタＢとＣ
が合併され、さらに必要があれば一点移動をおこない、
線型モデルが構築し易いデータ分布のクラスタが生成さ
れることになる。尚、超楕円体クラスタリングの規範
は、各クラスタの体積（超積）の和を最小にすることで
ある。

【０１１４】次に、超楕円体クラスタリングの処理の流
れについて、以下、簡単に説明する。超楕円体法クラス
タリングの処理の概要は、図１０に示すフローチャート
の通りである。前述した通り、この処理を文字（カテゴ
リ）毎に行い、複数のクラスタ／カテゴリを作成する。

【０１１５】以下に、処理のステップを簡単に述べる。
まず、ステップ１００１では各種パラメータを設定す
る。次に、初期のクラスタは、１［データ／クラスタ］
で形成されており、そのクラスタを、クラスタ間距離が
近いもの同士で合併し、処理クラスタ群を形成する。こ
こで用いられるのがウォード法と呼ばれる従来のクラス
タリング手法（ステップ１００２）である。

【０１１６】次に、ステップ１００３では、複数［デー
タ／クラスタ］となった後（中には１［データ／クラス
タ］のものも存在する）、超楕円体の評価規範であるク
ラスタ体積和の増加を最小にするクラスタ同士を合併す
る（ステップ１００５）。ただし、合併対象のクラスタ
重心間距離は、δｕ以下でなければならない（ステップ
１００４）。

【０１１７】次に、合併後、クラスタ数を変更せずに、
構成データユニットのクラスタ間移動を行う。ここで移
動対象となるのは、超楕円体の評価規範であるクラスタ
体積和の減少量が最大となるデータである（ステップ１
００７〜１０１０）。ただし、データの移動をおこなう
クラスタは、クラスタ重心間処理がδｍ以下でなければ
ならない（ステップ１００８）。

【０１１８】最後に、終了判定を行う。クラスタの個数
が指定した最終クラスタ数であるか（ステップ１００
６）、或いは、規範増加量が指定値以上である（ステッ
プ１０１１）とき終了する。そうでなければ、ステップ
１００５〜１０１０を繰り返す。

【０１１９】尚、上記説明の中で用いたパラメータδｕ
およびδｍには、次のような意味がある。すなわち、δ
ｕは合併範囲制限パラメータであり、δｕを大きくする
と線型度重視となり、δｕ小さくすると連続度重視とな
る。またδｍは移動範囲制限パラメータであり、δｍを
大きくすると線型度重視であり、δｍを小さくすると連
続度重視である。これらのパラメータδｕおよびδｍ
は、一意に決定できるものではないため、試行錯誤して
設定することが必要である。

【０１２０】以上のようなクラスタリングを実行した結
果、後段知識としてファイル出力される場合のデータフ
ォーマットを図１１に示す。

【０１２１】次に、楕円体と各パラメータの関係につい
て説明する。クラスタ構成データで生成される共分散行
列の固有ベクトルが楕円体の広がり方向を決め、その方
向の楕円体半径は共分散行列の固有値の平方根に相当す
る。例えば、１データが１３の成分からなり、全ての成
分を使用して超楕円体クラスタリングを行うと、１３×
１３の共分散行列が形成される。そして、その固有ベク
トル、固有値はそれぞれ１３個求めることができる。た
だし、図１１のクラスタデータフォーマットに示すよう
に、共分散行列は後段知識として保存しない。

【０１２２】図１２には、楕円体と固有値および固有ベ
クトルの関係を説明する説明図を示す。また、楕円体
式、楕円体体積は次式であらわすことができる。

【０１２３】

【数１】

【数２】次に、後段判定部１１６による判定方法について説明す
る。後段判定部１１６は、前述のように、前段判定部１
１５で未確定とされた不明データ１５４について、確
定、未確定を再度チェックするものである。チェック
は、後段知識の作成部１１３で作成した後段知識ベース
１１４（ＯＫクラスタ）に対象データが含まれるか否か
で行う。もし、あるカテゴリのクラスタに含まれる場合
は、その確信度（信頼度）を計算する確信度算出手段を
持つ。

【０１２４】後段判定部１１６における処理の流れを説
明するフローチャートを図１３に示す。まず、ステップ
１３０１では、確定対象データ１５４の第１候補を取得
し、その第１候補で利用する軸データ（３次元）を抽出
する。例えば、第１候補が”０”ならば、図７より、
０、６、９の軸を選択する。

【０１２５】次に、ステップ１３０３では、後段知識と
して所有しているクラスタのうち、「ＯＫクラスタ」の
全てに対して、内部に含まれるかチェックを行う。

【０１２６】ステップ１３０３において、あるクラスタ
内部に含まれる場合には、ステップ１３０４に進んで、
クラスタ重心からの距離による確信度を算出し、続いて
ステップ１３０５で、クラスタ内座標値による確信度を
算出する。そして、ステップ１３０６では、これら２つ
の確信度を加算して最終的な確信度とする。以上の処理
を全クラスタ似付いて行う（ステップ１３０２〜１３０
７）。

【０１２７】ここで、算出した確信度を、そのクラスタ
を作成する際に使用したデータ群（カテゴリ）に対する
所属度合いとする。つまり、後段知識に作成されている
ａというクラスタに入った場合はＡに対する所属度合
い、また、ｂというクラスタに入った場合はＢに対する
所属度合い、さらに、ｃというクラスタに入った場合は
Ｃに対する所属度合いとなる。

【０１２８】”０”というカテゴリについて、更に具体
例を述べる。”０”というカテゴリのＯＫクラスタは、
０、６、９カテゴリのデータ群それぞれについて、０
軸、６軸、９軸を用いてクラスタが作成されている。こ
のうち、０のデータ群で作成されたクラスタに入った場
合は０に対する所属度合いとなる。また６のデータ群で
作成されたクラスタに入った場合は６に対する所属度合
い、９のデータ群で作成されたクラスタに入った場合は
９に対する所属度合いとなる。

【０１２９】次に、ステップ１３０８では、内部に含ま
れるクラスタの有無を判断する。複数のクラスタに含ま
れる場合は、ステップ１３０９で、最大確信度を得たク
ラスタのカテゴリを抽出し、そのクラスタを生成する際
に用いたデータ群を認識結果とする。

【０１３０】次に、ステップ１３１２では、知識として
所有しているクラスタのうち、ステップ１３０９で得ら
れたカテゴリ（認識結果）の所有するＮＧクラスタ全て
に対して、内部に含まれるかのチェックを行う。もしＮ
Ｇクラスタ内部に含まれていた場合には、ステップ１３
１３において、ステップ１３０９で得られた確信度を、
ある規則に従って小さくなるような方向に微調整する。
内部に含まれない場合は、ステップ１３０９の結果を確
定する。

【０１３１】ここで注目すべき点は、ステップ１３０９
の処理によって、ＯＣＲ認識処理部１０１による認識結
果が覆され、認識結果を置き直して正解とすることがで
きる点である。

【０１３２】次に、「ＯＫクラスタ」のチェック（ステ
ップ１３０３）について詳しく説明する。確定対象デー
タがクラスタ内部に含まれるかどうかは、クラスタリン
グにおいて使用する３軸をクラスタの持つ固有ベクトル
で新座標に変換した後、楕円体クラスタを表す次の楕円
体式に代入して、算出された距離が楕円体クラスタのカ
バリング距離以下であるかどうかで判断する。尚、次式
において、γは３軸座標を固有ベクトルの座標に変換し
たものである。

【０１３３】

【数３】ここで、もしカバリング距離以下であれば、そのクラス
タに含まれることになり、確信度計算処理（ステップ１
３０４〜１３０６）へ進む。逆に、カバリング距離以上
であれば、他のＯＫクラスタのチェックへ進む。

【０１３４】次に、確信度の計算処理（ステップ１３０
４〜１３０６）について詳しく説明する。まず、認識結
果があるクラスタ内部に含まれると判断された時、算出
するクラスタ重心からの距離の確信度（ステップ１３０
４）についての説明を行う。

【０１３５】概要を簡単に述べると、クラスタ知識を生
成した際に確保されたファイル（図１１参照）の中で、
dis_max、dis_median、dis_min（以下、距離ポイントデ
ータという）を用いてメンバシップ関数を生成し、その
関数への適合度を計算するのである。ここで用いる距離
ポイントデータとは、クラスタを構成するデータ全てに
ついて中心からの距離を算出し、その中の最大、中央
値、最小値を保存したものである。平均値ではなく中央
値を採用したのは、あるかけ離れた値によって値の変動
が少ないデータという理由からである。ただし、現時点
ではdis_maxの値は保存しているだけで使用していな
い。

【０１３６】採用するメンバシップ関数の数式は、次の
通りである。式のdisに認識対象文字の距離を入れるこ
とで距離が算出される。尚、ｔ＞０であり、dis＞dis_m
inならば適合度＝１である。

【０１３７】

【数４】また、中心からの距離の確信度算出で用いるメンバシッ
プ関数を図示すると図１４のようになる。ここで、図１
４の概略を述べておく。認識対象データのクラスタ中心
からの距離がdis_min以下の時、適合度＝１を与える。
メンバシップ関数の変極点は、dis_medianである。ｔの
値を変化させることで、算出される適合度の大きさを変
更できる。すなわち、ｔが大きくなるほど算出適合度は
大きくなる。

【０１３８】尚、後段判定部１１６で用いている「距
離」とは、楕円体の固有ベクトル方向の軸長さを考慮し
たものであり、メンバシップ関数と楕円体の関係は、図
１５の適合度と楕円の関係に示す如くなる。説明に用い
るのは２次元の楕円で、ｘ、ｙ軸方向への広がりを持
つ。ここで算出された適合度を、「クラスタ重心からの
確信度」という。

【０１３９】次に、クラスタ内座標からの確信度の算出
（ステップ１３０５）について説明する。前述のよう
に、後段知識の作成部１１３による後段知識ベース１１
４の構築において、クラスタを構成するデータの座標値
の頻度を計算している。その頻度によって確信度を割り
当てたものが、図１１に示した保存知識おけるfreqienc
yである。２次元の楕円体についての場合に説明を加え
る。

【０１４０】図１６に示されるようなデータの分布でク
ラスタが構成される場合、確信度を求める関数は、頻度
の高い座標値付近で高い値を取るよう設定されている。
これは、このクラスタに属するデータであれば、どの座
標値に偏って集まるかを示していることになる。図１６
では、第１象限に偏って集まることが示されている。つ
まり、第１象限に確定対象データが含まれた場合には、
高い確信度を算出する。逆に、第３、第４象限では低い
確信度が算出されることとなる。

【０１４１】尚、確信度関数のピーク値は、１を使用す
る軸数（クラスタ構成軸数）で割ったものを使用する。
つまり、２軸でクラスタを構成しているならば、各軸の
確信度関数のピーク値は０．５であり、３軸の場合は
０．３３である。よって、各軸で算出された確信度を足
し合わせたときに、最大で１を取るように設定する。

【０１４２】次に、最大確信度の抽出処理（ステップ１
３０９）について説明する。複数クラスタに確定対象デ
ータが含まれる場合が存在する。その場合、全ての算出
された確信度の中で、最大の確信度を与えるクラスタを
生成する際に用いたデータ群（カテゴリ）をこの時点で
有効とする。前述した通り、この時点で、ＯＣＲ認識処
理部１０１による認識結果の第１候補が有効でなくなる
場合があり得る。

【０１４３】次に、ＮＧクラスタチェック（ステップ１
３０８）について説明する。最大確信度の抽出処理（ス
テップ１３０９）において、有効なカテゴリが算出され
た場合には、ＮＧクラスタチェックを行う。ＮＧクラス
タとは、前述した通り、ＯＣＲ認識処理部１０１で誤認
識しているデータのみを集めてクラスタを生成したもの
である。クラスタの生成法は、ＯＫクラスタと同様であ
る。

【０１４４】チェック対象のＮＧクラスタは、有効なカ
テゴリとして算出されたカテゴリに属するＮＧクラスタ
全てである。つまり、２が有効クラスタと判断された場
合は、本当は２であるのに他のカテゴリに誤って認識さ
れたしまったデータを集めて作成されたＮＧクラスタす
べてでチェックを行うのである。

【０１４５】次に、確信度を低くする処理（ステップ１
３１３）について説明する。ＮＧクラスタチェック（ス
テップ１３０８）で、あるＮＧクラスタに入った場合、
最大確信度の抽出処理（ステップ１３０９）において算
出された確信度を低くする処理を行う。ＮＧクラスタ
も、ＯＫクラスタと同様に、第２、第３候補に出現し易
い候補を軸として作成されている。つまり、ＯＫクラス
タ、ＮＧクラスタは、同じ空間（軸も同じ）内に存在す
ることになる。

【０１４６】図１７には、あるカテゴリのＯＫクラスタ
とＮＧクラスタの位置関係を示す。後段知識ベース１１
４の構築方法でも述べたように、Ａというカテゴリの第
２、第３候補に多く出現する文字（Ａ、Ｂ、Ｃ）を軸と
してとり、Ａという文字の正解データを集めたデータ群
の軸Ａ、軸Ｂ、軸Ｃから構成される「ＯＫクラスタａ」
と、Ｂという文字の正解データを集めたデータ群の軸
Ａ、軸Ｂ、軸Ｃから構成される「ＯＫクラスタｂ」と、
Ｃという文字の正解データを集めたデータ群の軸Ａ、軸
Ｂ、軸Ｃから構成される「ＯＫクラスタｃ」と、正解が
ＡなのにＢに間違えているデータ群の軸Ａ、軸Ｂ、軸Ｃ
から構成される「ＮＧクラスタ」とを、２次元に射影し
図示している。ただし、「ＯＫクラスタｃ」は、説明を
簡単にするために図示していない。

【０１４７】図１７に示すように、ＯＫクラスタａとＯ
Ｋクラスタｂの重なるエリアに、確定対象のデータが存
在し、ＯＫクラスタチェック（ステップ１３０３）にお
いて、ＯＫクラスタｂの確信度が最大を取る場合で、Ａ
をＢと誤認識してしまったデータがあると仮定する。こ
のときそのデータは、ＮＧクラスタにも含まれるため、
図中のＮＧクラスタ内部の軸上に示す関数により、算出
された結果をＢの確信度に掛け合わせて調節する。すな
わち、ＯＫクラスタａ、ｂの重なりが大きい領域Ｒ４
ではＢの確信度はそれほど低くならないが、他の領域Ｒ
１，Ｒ２，Ｒ３ではかなり低くなる。

【０１４８】次に、ルール判定部１１７による処理につ
いて詳しく説明する。ルール判定部１１７は、後段判定
部１１６の確信度算出手段によって算出された確信度を
元に、確定データとするか、或いは、未確定データとし
てリジェクト判定データとするか決定する処理を行うも
のである。図１８に、ルール判定部１１７による処理の
フローチャートを示す。

【０１４９】処理の内容は簡単で、ステップ１８０１に
おいて、確信度算出手段によって算出された確信度が所
定値γを越えるときは、ステップ１８０２に進んで確定
データとし、それ以下の値のときは、ステップ１８０３
に進んで正解と確信できない判定データとし、リジェク
ト対象データにする。ここで用いた所定値は、ユーザが
設定でき任意に設定できる。所定値を大きくすればする
ほど確定データは減少するようなしくみである。

【０１５０】以上説明したように、本実施形態の画像認
識装置によれば、予め、前段知識の作成部１１１におい
て、第１前段知識作成手段により第１前段知識（第１候
補カテゴリに対する類似カテゴリの関連）を、第２前段
知識作成手段により第２前段知識（特定順位の候補を”
正解”と確定し得る適合度（距離）の大きさ）を、第３
前段知識作成手段により第３前段知識（第１候補を”正
解”と確定し得る適合度（距離）差の大きさ）をそれぞ
れ前段知識ベース１１２に作成しておき、また、後段知
識の作成部１１３において、第１後段知識作成手段によ
り第１後段知識（ＯＫクラスタの形状）を、第２後段知
識作成手段により第２後段知識（ＮＧクラスタの形状）
をそれぞれ後段知識ベース１１４に作成しておき、前段
判定部（第１前段判定手段、第２前段判定手段および第
３前段判定手段）１１５では、これら前段知識ベース１
１２の第１、第２および第３前段知識を用いて、入力画
像の認識結果について、”正解”または”不明”（どの
カテゴリにも属さないデータ）の２つに認識結果を分別
して確定し、また、ここで”不明”とされた入力画像の
認識結果については、後段判定部（第１後段判定手段お
よび第２後段判定手段）１１６により、後段知識ベース
１１４の第１および第２後段知識を用いて、あるカテゴ
リのＯＫクラスタに入ったデータを該カテゴリに属す
る”正解”データと決定付け、逆にどのＯＫクラスタに
も入らない場合は”不明”（どのカテゴリにも属さな
い）データとした後、さらに、ＮＧクラスタの少なくと
も１つに入った場合は”不正解”データと決定し、３つ
に認識結果を分別して確定するようにして、再チェック
を行うようにしている。これにより、受付け誤認識率を
低下させることができ、画像認識システムにおける省力
化をさらに図ることができ、また、帳票読み込みの自動
化を図ることができる。さらに、画像認識システムの認
識結果を否定して”正解”の認識結果に置き換えること
ができるので、認識性能を向上させることができる。

【０１５１】

【発明の効果】以上の説明から明らかなように、本発明
によれば、第１前段知識作成手段（第１前段知識作成ス
テップ）により、画像認識の認識結果およびその付随情
報を含むデータから、認識結果として同じ第１候補のカ
テゴリを持つデータを集め、該集めたデータから特定の
候補順位における類似カテゴリの出現率の高いものを抽
出して、第１候補カテゴリに対する類似カテゴリの関連
を示す第１前段知識として保持し、第１前段判定手段
（第１前段判定ステップ）では、入力画像の認識結果と
して特定候補順位のカテゴリおよび類似カテゴリが得ら
れるとき、該第１候補のカテゴリおよび特定候補順位の
類似カテゴリと前記第１前段知識における関連との比較
により、該第１候補を”正解”または”不明”と判定す
ることとしたので、正解として確定できたものについて
は人がチェックする必要がなくなり、正解と確定できな
かったものについてのみチェックするだけでよくなるこ
とから、受付け誤認識率を低下させることができ、画像
認識システムにおける省力化をさらに図り得る画像認識
装置、画像認識方法および記録媒体を提供することがで
きる。

【０１５２】また、本発明によれば、第２前段知識作成
手段（第２前段知識作成ステップ）により、画像認識の
認識結果およびその付随情報を含むデータから、認識結
果として同じ第１候補のカテゴリを持つデータを集め、
該集めたデータから特定の候補順位における適合度（距
離）から、該特定順位の候補を”正解”と確定し得る適
合度（距離）の大きさを算定し、第２前段知識として保
持し、第２前段判定手段（第２前段判定ステップ）で
は、入力画像の認識結果として特定候補順位のカテゴリ
および類似カテゴリが得られるとき、該特定候補順位の
カテゴリまたは類似カテゴリにおける適合度（距離）の
大きさと前記第２前段知識における適合度（距離）の大
きさとの比較により、該特定順位の候補を”正解”また
は”不明”と判定することとし、また、第３前段知識作
成手段（第３前段知識作成ステップ）により、画像認識
の認識結果およびその付随情報を含むデータから、認識
結果として同じ第１候補のカテゴリを持つデータを集
め、該集めたデータから特定の候補順位のカテゴリまた
は類似カテゴリ間における適合度（距離）差から、該第
１候補を”正解”と確定し得る適合度（距離）差の大き
さを算定して、第３前段知識として保持し、第３前段判
定手段（第３前段判定ステップ）では、入力画像の認識
結果として特定候補順位のカテゴリおよび類似カテゴリ
が得られるとき、該特定の候補順位のカテゴリまたは類
似カテゴリ間における適合度（距離）差の大きさと前記
第３前段知識における適合度（距離）差の大きさとの比
較により、該第１候補を”正解”または”不明”と判定
することとしたので、正解として確定できたものについ
ては人がチェックする必要がなくなり、正解と確定でき
なかったものについてのみチェックするだけでよくなる
ことから、受付け誤認識率を低下させることができ、画
像認識システムにおける省力化をさらに図り得る画像認
識装置、画像認識方法および記録媒体を提供することが
できる。

【０１５３】また、本発明によれば、予め、第１前段知
識作成手段（第１前段知識作成ステップ）により第１前
段知識（第１候補カテゴリに対する類似カテゴリの関
連）を、第２前段知識作成手段（第２前段知識作成ステ
ップ）により第２前段知識（特定順位の候補を”正解”
と確定し得る適合度（距離）の大きさ）を、第３前段知
識作成手段（第３前段知識作成ステップ）により第３前
段知識（第１候補を”正解”と確定し得る適合度（距
離）差の大きさ）を、それぞれ作成しておき、第１前段
判定手段（第１前段判定ステップ）、第２前段判定手段
（第２前段判定ステップ）および第３前段判定手段（第
３前段判定ステップ）では、これら第１、第２および第
３前段知識を用いて、入力画像の認識結果について、”
正解”または”不明”（どのカテゴリにも属さないデー
タ）の２つに認識結果を分別して確定することとしたの
で、受付け誤認識率を低下させることができ、画像認識
システムにおける省力化をさらに図ることができ、ま
た、帳票読み込みの自動化を図り得る画像認識装置、画
像認識方法および記録媒体を提供することができる。

【０１５４】また、本発明によれば、第１軸抽出手段
（第１軸抽出ステップ）により、画像認識の認識結果お
よびその付随情報を含むデータをサンプル収集し、ある
カテゴリで認識結果が”正解”とされているデータか
ら、前記データの集合をクラスタリングするときの軸を
抽出し、第１後段知識作成手段（第１後段知識作成ステ
ップ）により、第１軸抽出手段（第１軸抽出ステップ）
で抽出された軸に基づき前記データの集合のクラスタリ
ングを行い、該カテゴリのＯＫクラスタとして生成し、
生成されたＯＫクラスタの形状を第１後段知識として保
持し、第１後段判定手段（第１後段判定ステップ）で
は、入力画像の認識結果として認識結果およびその付随
情報を含むデータが得られるとき、該データが第１後段
知識のあるカテゴリに所属するＯＫクラスタの中に含ま
れるか否かをチェックして、該ＯＫクラスタに含まれる
場合には該ＯＫクラスタが所属するカテゴリを入力画像
の認識結果として”正解”と判定し、何れのＯＫクラス
タにも含まれていない場合には”未確定”と判定するこ
ととしたので、受付け誤認識率を低下させることがで
き、画像認識システムにおける省力化をさらに図り得る
画像認識装置、画像認識方法および記録媒体を提供する
ことができる。

【０１５５】また、本発明によれば、第２軸抽出手段
（第２軸抽出ステップ）により、画像認識の認識結果お
よびその付随情報を含むデータをサンプル収集し、ある
カテゴリで認識結果が”誤認”とされているデータか
ら、前記データの集合をクラスタリングするときの軸を
抽出し、第２後段知識作成手段（第２後段知識作成ステ
ップ）により、第２軸抽出手段（第２軸抽出ステップ）
で抽出された軸に基づき前記データの集合のクラスタリ
ングを行い、該カテゴリのＮＧクラスタとして生成し、
生成されたＮＧクラスタの形状を第２後段知識として保
持し、第２後段判定手段（第２後段判定ステップ）で
は、入力画像の認識結果として認識結果およびその付随
情報を含むデータが得られるとき、該データが第２後段
知識のあるカテゴリに所属するＮＧクラスタの中に含ま
れるか否かをチェックして、該ＮＧクラスタに含まれる
場合には該ＮＧクラスタが所属するカテゴリを前記入力
画像の認識結果として”不正解”と判定し、何れのＮＧ
クラスタにも含まれていない場合には”正解”と判定す
ることとしたので、受付け誤認識率を低下させることが
でき、画像認識システムにおける省力化をさらに図り得
る画像認識装置、画像認識方法および記録媒体を提供す
ることができる。

【０１５６】また、本発明によれば、予め、第１後段知
識作成手段（第１後段知識作成ステップ）により第１後
段知識（ＯＫクラスタの形状）を、第２後段知識作成手
段（第２後段知識作成ステップ）により第２後段知識
（ＮＧクラスタの形状）を、それぞれ作成しておき、第
１後段判定手段（第１後段判定ステップ）および第２後
段判定手段（第２後段判定ステップ）では、これら第１
および第２後段知識を用いて、入力画像の認識結果につ
いて、あるカテゴリのＯＫクラスタに入ったデータを該
カテゴリに属する”正解”データと決定付け、逆にどの
ＯＫクラスタにも入らない場合は”不明”（どのカテゴ
リにも属さない）データとした後、さらに、ＮＧクラス
タの少なくとも１つに入った場合は”不正解”データと
決定され、３つに認識結果を分別して確定することとし
たので、受付け誤認識率を低下させることができ、画像
認識システムにおける省力化をさらに図ることができ、
また、帳票読み込みの自動化を図ることができ、さら
に、画像認識システムの認識結果を否定して”正解”の
認識結果に置き換えることができるので、認識性能を向
上させ得る画像認識装置、画像認識方法および記録媒体
を提供することができる。

【０１５７】また、本発明によれば、予め、第１前段知
識作成手段（第１前段知識作成ステップ）により第１前
段知識（第１候補カテゴリに対する類似カテゴリの関
連）を、第２前段知識作成手段（第２前段知識作成ステ
ップ）により第２前段知識（特定順位の候補を”正解”
と確定し得る適合度（距離）の大きさ）を、第３前段知
識作成手段（第３前段知識作成ステップ）により第３前
段知識（第１候補を”正解”と確定し得る適合度（距
離）差の大きさ）を、第１後段知識作成手段（第１後段
知識作成ステップ）により第１後段知識（ＯＫクラスタ
の形状）を、第２後段知識作成手段（第２後段知識作成
ステップ）により第２後段知識（ＮＧクラスタの形状）
を、それぞれ作成しておき、第１前段判定手段（第１前
段判定ステップ）、第２前段判定手段（第２前段判定ス
テップ）および第３前段判定手段（第３前段判定ステッ
プ）では、これら第１、第２および第３前段知識を用い
て、入力画像の認識結果について、”正解”または”不
明”（どのカテゴリにも属さないデータ）の２つに認識
結果を分別して確定し、また、ここで”不明”とされた
入力画像の認識結果については、第１後段判定手段（第
１後段判定ステップ）および第２後段判定手段（第２後
段判定ステップ）により、第１および第２後段知識を用
いて、あるカテゴリのＯＫクラスタに入ったデータを該
カテゴリに属する”正解”データと決定付け、逆にどの
ＯＫクラスタにも入らない場合は”不明”（どのカテゴ
リにも属さない）データとした後、さらに、ＮＧクラス
タの少なくとも１つに入った場合は”不正解”データと
決定され、３つに認識結果を分別して確定するようにし
て、再チェックを行うこととしたので、受付け誤認識率
を低下させることができ、画像認識システムにおける省
力化をさらに図ることができ、また、帳票読み込みの自
動化を図ることができ、さらに、画像認識システムの認
識結果を否定して”正解”の認識結果に置き換えること
ができるので、認識性能を向上させ得る画像認識装置、
画像認識方法および記録媒体を提供することができる。

【０１５８】また、本発明によれば、第１後段判定手段
（第１後段判定ステップ）において、前記データがある
カテゴリに所属するＯＫクラスタに含まれる場合に、ど
の程度の確信を持って”正解”といえるかを示す指標で
ある確信度を確信度算出手段（確信度算出ステップ）に
より計算するようにし、前記データが複数の別カテゴリ
に所属するＯＫクラスタに入った場合には、確信度に基
づいてどのカテゴリを”正解”とするかを決定すること
としたので、あるカテゴリのＯＫクラスタに入ったデー
タをそのカテゴリに属するデータと決定付け、逆にどの
ＯＫクラスタにも入らない場合は”不明”（どのカテゴ
リにも属さない）データとされるが、あるカテゴリに属
するデータと決定付けられた場合に、認識結果の確信度
合いを算出することにより、”不明”、”正解”、”正
解と確信できない”の３つに認識結果を分別して確定で
き、また、さらに、ＮＧクラスタの少なくとも１つに入
った場合は”不正解”データと決定され、”不明”、”
正解”、”不正解”、”正解と確信できない”の４つに
認識結果を分別して確定し得る画像認識装置、画像認識
方法および記録媒体を提供することができる。

【０１５９】さらに、本発明によれば、第２後段判定手
段（第２後段判定ステップ）において、前記データがあ
るカテゴリに所属するＮＧクラスタに含まれる場合に
は、確信度更新手段（確信度更新ステップ）により、ど
の程度の確信を持って”正解”といえるかを示す指標で
ある確信度を低くすることとしたので、あるカテゴリの
ＯＫクラスタに入ったデータをそのカテゴリに属するデ
ータと決定付け、逆にどのＯＫクラスタにも入らない場
合は”不明”（どのカテゴリにも属さない）データとさ
れるが、あるカテゴリに属するデータと決定付けられた
場合に、認識結果の確信度合いを算出することによ
り、”不明”、”正解”、”正解と確信できない”の３
つに認識結果を分別して確定でき、さらに、ＮＧクラス
タの少なくとも１つに入った場合は”不正解”データと
決定されるか、算出された確信度を低くすることができ
る。

【０１６０】以上を総括して、本発明によれば、複数の
カテゴリを持ち、入力データに対する各カテゴリの一致
度（若しくはそれに類する情報）を算出する画像認識に
おいて、一致度が高いとされた結果が正しいものか、間
違ったものか決定できない認識結果を、「認識結果が正
解と確信できるため受け付ける」，「認識結果が正解と
確信できないためリジェクトする」，「認識結果が未確
定のためリジェクトする」，並びに「認識結果が不正解
のためリジェクトする」という数種類の結果に確定し、
受付け正解率を向上させ、かつ誤認識率を０［％］に近
づけた画像認識装置、画像認識方法および記録媒体を提
供することができる。

【図面の簡単な説明】

【図１】本発明の一実施形態に係る画像認識装置の構成
図である。

【図２】実施形態の画像認識装置の全体的な処理の概略
を説明する説明図である。

【図３】実施形態の画像認識装置における知識作成処理
の概略フローチャートである。

【図４】実施形態の画像認識装置におけるシステム運用
時の処理の概略フローチャート（その１）である。

【図５】実施形態の画像認識装置におけるシステム運用
時の処理の概略フローチャート（その２）である。

【図６】ＯＣＲ認識処理部から出力される認識結果を例
示する説明図である。

【図７】第１、第２および第３前段知識のパラメータを
例示する説明図である。

【図８】前段判定部による判定処理を説明するフローチ
ャートである。

【図９】クラスタ生成を例示する説明図である。

【図１０】超楕円体法クラスタリングの処理の概要を説
明するフローチャートである。

【図１１】後段知識としてファイル出力される場合のデ
ータフォーマットを例示する説明図である。

【図１２】楕円体と固有値および固有ベクトルの関係を
説明する説明図である。

【図１３】後段判定部における処理の流れを説明するフ
ローチャートである。

【図１４】中心からの距離の確信度算出で用いるメンバ
シップ関数を例示する説明図である。

【図１５】適合度と楕円の関係を示す説明図である。

【図１６】楕円と確信度関数の関係を示す説明図であ
る。

【図１７】あるカテゴリのＯＫクラスタとＮＧクラスタ
の位置関係を例示する説明図である。

【図１８】ルール判定部による処理のフローチャートで
ある。

【符号の説明】

１０１ＯＣＲ認識処理部１０２認識結果確定部１０３知識生成部１１１前段知識の作成部（第１前段知識作成手段、
第２前段知識作成手段および第３前段知識作成手段）１１２前段知識ベース（第１前段知識、第２前段知
識および第３前段知識）１１３後段知識の作成部（第１後段知識作成手段お
よび第２後段知識作成手段）１１４後段知識ベース（第１後段知識および第２後
段知識）１１５前段判定部（第１前段判定手段、第２前段判
定手段および第３前段判定手段）１１６後段判定部（第１後段判定手段および第２後
段判定手段）１１７ルール判定部１１８認識確定部１１９リジェクト部１５１ａ，１５１ｂ認識結果１５２，１５３知識１５４不明データ１５５，１５６，１５８確定データ１５７未確定データ１５９正解と確信できないデータ

Claims

【特許請求の範囲】

【請求項１】複数カテゴリの認識対象を持ち、登録画
像パタンと入力画像パタンとのパタンマッチングにおけ
る適合度（距離）に基づき入力画像の認識を行う画像認
識装置において、画像認識の認識結果およびその付随情報を含むデータか
ら、認識結果として同じ第１候補のカテゴリを持つデー
タを集め、該集めたデータから特定の候補順位における
類似カテゴリの出現率の高いものを抽出して、第１候補
カテゴリに対する類似カテゴリの関連を示す第１前段知
識として保持する第１前段知識作成手段と、入力画像の認識結果として特定候補順位のカテゴリおよ
び類似カテゴリが得られるとき、該第１候補のカテゴリ
および特定候補順位の類似カテゴリと前記第１前段知識
における関連との比較により、該第１候補を”正解”ま
たは”不明”と判定する第１前段判定手段と、を具備すること、を特徴とする画像認識装置。
【請求項２】複数カテゴリの認識対象を持ち、登録画
像パタンと入力画像パタンとのパタンマッチングにおけ
る適合度（距離）に基づき入力画像の認識を行う画像認
識装置において、画像認識の認識結果およびその付随情報を含むデータか
ら、認識結果として同じ第１候補のカテゴリを持つデー
タを集め、該集めたデータから特定の候補順位における
適合度（距離）から、該特定順位の候補を”正解”と確
定し得る適合度（距離）の大きさを算定し、第２前段知
識として保持する第２前段知識作成手段と、入力画像の認識結果として特定候補順位のカテゴリおよ
び類似カテゴリが得られるとき、該特定候補順位のカテ
ゴリまたは類似カテゴリにおける適合度（距離）の大き
さと前記第２前段知識における適合度（距離）の大きさ
との比較により、該特定順位の候補を”正解”または”
不明”と判定する第２前段判定手段と、を具備すること、を特徴とする画像認識装置。
【請求項３】複数カテゴリの認識対象を持ち、登録画
像パタンと入力画像パタンとのパタンマッチングにおけ
る適合度（距離）に基づき入力画像の認識を行う画像認
識装置において、画像認識の認識結果およびその付随情報を含むデータか
ら、認識結果として同じ第１候補のカテゴリを持つデー
タを集め、該集めたデータから特定の候補順位のカテゴ
リまたは類似カテゴリ間における適合度（距離）差か
ら、該第１候補を”正解”と確定し得る適合度（距離）
差の大きさを算定し、第３前段知識として保持する第３
前段知識作成手段と、入力画像の認識結果として特定候補順位のカテゴリおよ
び類似カテゴリが得られるとき、該特定の候補順位のカ
テゴリまたは類似カテゴリ間における適合度（距離）差
の大きさと前記第３前段知識における適合度（距離）差
の大きさとの比較により、該第１候補を”正解”また
は”不明”と判定する第３前段判定手段と、を具備すること、を特徴とする画像認識装置。
【請求項４】複数カテゴリの認識対象を持ち、登録画
像パタンと入力画像パタンとのパタンマッチングにおけ
る適合度（距離）に基づき入力画像の認識を行う画像認
識装置において、画像認識の認識結果およびその付随情報を含むデータを
サンプル収集し、あるカテゴリで認識結果が”正解”と
されているデータから、前記データの集合をクラスタリ
ングするときの軸を、上位候補に出現率の高いカテゴリを該軸として、下位候補に出現率の高いカテゴリを該軸として、上位候補に出現率の高いカテゴリおよび下位候補に出現
率の高いカテゴリをあわせて軸として、中位候補に出現率の高いカテゴリを該軸として、相関係数の高いカテゴリ同士を該軸として、或いは、相関係数の低いカテゴリ同士を該軸として、抽
出する第１軸抽出手段と、前記第１軸抽出手段で抽出された軸に基づき前記データ
の集合のクラスタリングを行い、該カテゴリのＯＫクラ
スタとして生成し、生成されたＯＫクラスタの形状を第
１後段知識として保持する第１後段知識作成手段と、入力画像の認識結果として認識結果およびその付随情報
を含むデータが得られるとき、該データが前記第１後段
知識のあるカテゴリに所属するＯＫクラスタの中に含ま
れるか否かをチェックして、該ＯＫクラスタに含まれる
場合には該ＯＫクラスタが所属するカテゴリを前記入力
画像の認識結果として”正解”と判定し、何れのＯＫク
ラスタにも含まれていない場合には”未確定”と判定す
る第１後段判定手段と、を具備すること、を特徴とする画像認識装置。
【請求項５】前記第１後段判定手段は、前記データがあるカテゴリに所属するＯＫクラスタに含
まれる場合に、どの程度の確信を持って”正解”といえ
るかを示す指標である確信度を計算する確信度算出手段
を具備し、前記データが複数の別カテゴリに所属するＯＫクラスタ
に入った場合には、前記確信度に基づいてどのカテゴリ
を”正解”とするかを決定することを特徴とする請求項
４に記載の画像認識装置。
【請求項６】複数カテゴリの認識対象を持ち、登録画
像パタンと入力画像パタンとのパタンマッチングにおけ
る適合度（距離）に基づき入力画像の認識を行う画像認
識装置において、画像認識の認識結果およびその付随情報を含むデータを
サンプル収集し、あるカテゴリで認識結果が”誤認”と
されているデータから、前記データの集合をクラスタリ
ングするときの軸を、上位候補に出現率の高いカテゴリを該軸として、下位候補に出現率の高いカテゴリを該軸として、上位候補に出現率の高いカテゴリおよび下位候補に出現
率の高いカテゴリをあわせて軸として、中位候補に出現率の高いカテゴリを該軸として、相関係数の高いカテゴリ同士を該軸として、或いは、相関係数の低いカテゴリ同士を該軸として、抽
出する第２軸抽出手段と、前記第２軸抽出手段で抽出された軸に基づき前記データ
の集合のクラスタリングを行い、該カテゴリのＮＧクラ
スタとして生成し、生成されたＮＧクラスタの形状を第
２後段知識として保持する第２後段知識作成手段と、入力画像の認識結果として認識結果およびその付随情報
を含むデータが得られるとき、該データが前記第２後段
知識のあるカテゴリに所属するＮＧクラスタの中に含ま
れるか否かをチェックして、該ＮＧクラスタに含まれる
場合には該ＮＧクラスタが所属するカテゴリを前記入力
画像の認識結果として”不正解”と判定し、何れのＮＧ
クラスタにも含まれていない場合には”正解”と判定す
る第２後段判定手段と、を具備すること、を特徴とする画像認識装置。
【請求項７】複数カテゴリの認識対象を持ち、登録画
像パタンと入力画像パタンとのパタンマッチングにおけ
る適合度（距離）に基づき入力画像の認識を行う画像認
識方法において、画像認識の認識結果およびその付随情報を含むデータか
ら、認識結果として同じ第１候補のカテゴリを持つデー
タを集め、該集めたデータから特定の候補順位における
類似カテゴリの出現率の高いものを抽出して、第１候補
カテゴリに対する類似カテゴリの関連を示す第１前段知
識として保持する第１前段知識作成ステップと、入力画像の認識結果として特定候補順位のカテゴリおよ
び類似カテゴリが得られるとき、該第１候補のカテゴリ
および特定候補順位の類似カテゴリと前記第１前段知識
における関連との比較により、該第１候補を”正解”ま
たは”不明”と判定する第１前段判定ステップと、を具備すること、を特徴とする画像認識方法。
【請求項８】複数カテゴリの認識対象を持ち、登録画
像パタンと入力画像パタンとのパタンマッチングにおけ
る適合度（距離）に基づき入力画像の認識を行う画像認
識方法において、画像認識の認識結果およびその付随情報を含むデータか
ら、認識結果として同じ第１候補のカテゴリを持つデー
タを集め、該集めたデータから特定の候補順位における
適合度（距離）から、該特定順位の候補を”正解”と確
定し得る適合度（距離）の大きさを算定し、第２前段知
識として保持する第２前段知識作成ステップと、入力画像の認識結果として特定候補順位のカテゴリおよ
び類似カテゴリが得られるとき、該特定候補順位のカテ
ゴリまたは類似カテゴリにおける適合度（距離）の大き
さと前記第２前段知識における適合度（距離）の大きさ
との比較により、該特定順位の候補を”正解”または”
不明”と判定する第２前段判定ステップと、を具備すること、を特徴とする画像認識方法。
【請求項９】複数カテゴリの認識対象を持ち、登録画
像パタンと入力画像パタンとのパタンマッチングにおけ
る適合度（距離）に基づき入力画像の認識を行う画像認
識方法において、画像認識の認識結果およびその付随情報を含むデータか
ら、認識結果として同じ第１候補のカテゴリを持つデー
タを集め、該集めたデータから特定の候補順位のカテゴ
リまたは類似カテゴリ間における適合度（距離）差か
ら、該第１候補を”正解”と確定し得る適合度（距離）
差の大きさを算定し、第３前段知識として保持する第３
前段知識作成ステップと、入力画像の認識結果として特定候補順位のカテゴリおよ
び類似カテゴリが得られるとき、該特定の候補順位のカ
テゴリまたは類似カテゴリ間における適合度（距離）差
の大きさと前記第３前段知識における適合度（距離）差
の大きさとの比較により、該第１候補を”正解”また
は”不明”と判定する第３前段判定ステップと、を具備すること、を特徴とする画像認識方法。
【請求項１０】複数カテゴリの認識対象を持ち、登録
画像パタンと入力画像パタンとのパタンマッチングにお
ける適合度（距離）に基づき入力画像の認識を行う画像
認識方法において、画像認識の認識結果およびその付随情報を含むデータか
ら、認識結果として同じ第１候補のカテゴリを持つデー
タを集め、該集めたデータから特定の候補順位における
類似カテゴリの出現率の高いものを抽出して、第１候補
カテゴリに対する類似カテゴリの関連を示す第１前段知
識として保持する第１前段知識作成ステップと、画像認識の認識結果およびその付随情報を含むデータか
ら、認識結果として同じ第１候補のカテゴリを持つデー
タを集め、該集めたデータから特定の候補順位における
適合度（距離）から、該特定順位の候補を”正解”と確
定し得る適合度（距離）の大きさを算定し、第２前段知
識として保持する第２前段知識作成ステップと、画像認識の認識結果およびその付随情報を含むデータか
ら、認識結果として同じ第１候補のカテゴリを持つデー
タを集め、該集めたデータから特定の候補順位のカテゴ
リまたは類似カテゴリ間における適合度（距離）差か
ら、該第１候補を”正解”と確定し得る適合度（距離）
差の大きさを算定し、第３前段知識として保持する第３
前段知識作成ステップと、入力画像の認識結果として特定候補順位のカテゴリおよ
び類似カテゴリが得られるとき、該第１候補のカテゴリ
および特定候補順位の類似カテゴリと前記第１前段知識
における関連との比較により、該第１候補を”正解”ま
たは”不明”と判定する第１前段判定ステップと、前記第１前段判定ステップで”正解”と判定された入力
画像について、該特定候補順位のカテゴリまたは類似カ
テゴリにおける適合度（距離）の大きさと前記第２前段
知識における適合度（距離）の大きさとの比較により、
該第１候補を”正解”または”不明”と判定する第２前
段判定ステップと、前記第２前段判定ステップで”正解”と判定された入力
画像について、該特定の候補順位のカテゴリまたは類似
カテゴリ間における適合度（距離）差の大きさと前記第
３前段知識における適合度（距離）差の大きさとの比較
により、該第１候補を”正解”または”不明”と判定す
る第３前段判定ステップと、を具備すること、を特徴とする画像認識方法。
【請求項１１】複数カテゴリの認識対象を持ち、登録
画像パタンと入力画像パタンとのパタンマッチングにお
ける適合度（距離）に基づき入力画像の認識を行う画像
認識方法において、画像認識の認識結果およびその付随情報を含むデータを
サンプル収集し、あるカテゴリで認識結果が”正解”と
されているデータから、前記データの集合をクラスタリ
ングするときの軸を、上位候補に出現率の高いカテゴリを該軸として、下位候補に出現率の高いカテゴリを該軸として、上位候補に出現率の高いカテゴリおよび下位候補に出現
率の高いカテゴリをあわせて軸として、中位候補に出現率の高いカテゴリを該軸として、相関係数の高いカテゴリ同士を該軸として、或いは、相関係数の低いカテゴリ同士を該軸として、抽
出する第１軸抽出ステップと、前記第１軸抽出ステップで抽出された軸に基づき前記デ
ータの集合のクラスタリングを行い、該カテゴリのＯＫ
クラスタとして生成し、生成されたＯＫクラスタの形状
を第１後段知識として保持する第１後段知識作成ステッ
プと、入力画像の認識結果として認識結果およびその付随情報
を含むデータが得られるとき、該データが前記第１後段
知識のあるカテゴリに所属するＯＫクラスタの中に含ま
れるか否かをチェックして、該ＯＫクラスタに含まれる
場合には該ＯＫクラスタが所属するカテゴリを前記入力
画像の認識結果として”正解”と判定し、何れのＯＫク
ラスタにも含まれていない場合には”未確定”と判定す
る第１後段判定ステップと、を具備すること、を特徴とする画像認識方法。
【請求項１２】複数カテゴリの認識対象を持ち、登録
画像パタンと入力画像パタンとのパタンマッチングにお
ける適合度（距離）に基づき入力画像の認識を行う画像
認識方法において、画像認識の認識結果およびその付随情報を含むデータを
サンプル収集し、あるカテゴリで認識結果が”誤認”と
されているデータから、前記データの集合をクラスタリ
ングするときの軸を、上位候補に出現率の高いカテゴリを該軸として、下位候補に出現率の高いカテゴリを該軸として、上位候補に出現率の高いカテゴリおよび下位候補に出現
率の高いカテゴリをあわせて軸として、中位候補に出現率の高いカテゴリを該軸として、相関係数の高いカテゴリ同士を該軸として、或いは、相関係数の低いカテゴリ同士を該軸として、抽
出する第２軸抽出ステップと、前記第２軸抽出ステップで抽出された軸に基づき前記デ
ータの集合のクラスタリングを行い、該カテゴリのＮＧ
クラスタとして生成し、生成されたＮＧクラスタの形状
を第２後段知識として保持する第２後段知識作成ステッ
プと、入力画像の認識結果として認識結果およびその付随情報
を含むデータが得られるとき、該データが前記第２後段
知識のあるカテゴリに所属するＮＧクラスタの中に含ま
れるか否かをチェックして、該ＮＧクラスタに含まれる
場合には該ＮＧクラスタが所属するカテゴリを前記入力
画像の認識結果として”不正解”と判定し、何れのＮＧ
クラスタにも含まれていない場合には”正解”と判定す
る第２後段判定ステップと、を具備すること、を特徴とする画像認識方法。
【請求項１３】前記第１後段判定ステップは、前記データがあるカテゴリに所属するＯＫクラスタに含
まれる場合に、どの程度の確信を持って”正解”といえ
るかを示す指標である確信度を計算する確信度算出ステ
ップを具備し、前記データが複数の別カテゴリに所属するＯＫクラスタ
に入った場合には、前記確信度に基づいてどのカテゴリ
を”正解”とするかを決定することを特徴とする請求項
１１に記載の画像認識方法。
【請求項１４】複数カテゴリの認識対象を持ち、登録
画像パタンと入力画像パタンとのパタンマッチングにお
ける適合度（距離）に基づき入力画像の認識を行う画像
認識方法を、コンピュータに実行させるためのプログラ
ムとして記録した記録媒体において、画像認識の認識結果およびその付随情報を含むデータか
ら、認識結果として同じ第１候補のカテゴリを持つデー
タを集め、該集めたデータから特定の候補順位における
類似カテゴリの出現率の高いものを抽出して、第１候補
カテゴリに対する類似カテゴリの関連を示す第１前段知
識として保持する第１前段知識作成ステップと、入力画像の認識結果として特定候補順位のカテゴリおよ
び類似カテゴリが得られるとき、該第１候補のカテゴリ
および特定候補順位の類似カテゴリと前記第１前段知識
における関連との比較により、該第１候補を”正解”ま
たは”不明”と判定する第１前段判定ステップと、を具備すること、を特徴とする記録媒体。
【請求項１５】複数カテゴリの認識対象を持ち、登録
画像パタンと入力画像パタンとのパタンマッチングにお
ける適合度（距離）に基づき入力画像の認識を行う画像
認識方法を、コンピュータに実行させるためのプログラ
ムとして記録した記録媒体において、画像認識の認識結果およびその付随情報を含むデータか
ら、認識結果として同じ第１候補のカテゴリを持つデー
タを集め、該集めたデータから特定の候補順位における
適合度（距離）から、該特定順位の候補を”正解”と確
定し得る適合度（距離）の大きさを算定し、第２前段知
識として保持する第２前段知識作成ステップと、入力画像の認識結果として特定候補順位のカテゴリおよ
び類似カテゴリが得られるとき、該特定候補順位のカテ
ゴリまたは類似カテゴリにおける適合度（距離）の大き
さと前記第２前段知識における適合度（距離）の大きさ
との比較により、該特定順位の候補を”正解”または”
不明”と判定する第２前段判定ステップと、を具備すること、を特徴とする記録媒体。
【請求項１６】複数カテゴリの認識対象を持ち、登録
画像パタンと入力画像パタンとのパタンマッチングにお
ける適合度（距離）に基づき入力画像の認識を行う画像
認識方法を、コンピュータに実行させるためのプログラ
ムとして記録した記録媒体において、画像認識の認識結果およびその付随情報を含むデータか
ら、認識結果として同じ第１候補のカテゴリを持つデー
タを集め、該集めたデータから特定の候補順位のカテゴ
リまたは類似カテゴリ間における適合度（距離）差か
ら、該第１候補を”正解”と確定し得る適合度（距離）
差の大きさを算定し、第３前段知識として保持する第３
前段知識作成ステップと、入力画像の認識結果として特定候補順位のカテゴリおよ
び類似カテゴリが得られるとき、該特定の候補順位のカ
テゴリまたは類似カテゴリ間における適合度（距離）差
の大きさと前記第３前段知識における適合度（距離）差
の大きさとの比較により、該第１候補を”正解”また
は”不明”と判定する第３前段判定ステップと、を具備すること、を特徴とする記録媒体。
【請求項１７】複数カテゴリの認識対象を持ち、登録
画像パタンと入力画像パタンとのパタンマッチングにお
ける適合度（距離）に基づき入力画像の認識を行う画像
認識方法を、コンピュータに実行させるためのプログラ
ムとして記録した記録媒体において、画像認識の認識結果およびその付随情報を含むデータか
ら、認識結果として同じ第１候補のカテゴリを持つデー
タを集め、該集めたデータから特定の候補順位における
類似カテゴリの出現率の高いものを抽出して、第１候補
カテゴリに対する類似カテゴリの関連を示す第１前段知
識として保持する第１前段知識作成ステップと、画像認識の認識結果およびその付随情報を含むデータか
ら、認識結果として同じ第１候補のカテゴリを持つデー
タを集め、該集めたデータから特定の候補順位における
適合度（距離）から、該特定順位の候補を”正解”と確
定し得る適合度（距離）の大きさを算定し、第２前段知
識として保持する第２前段知識作成ステップと、画像認識の認識結果およびその付随情報を含むデータか
ら、認識結果として同じ第１候補のカテゴリを持つデー
タを集め、該集めたデータから特定の候補順位のカテゴ
リまたは類似カテゴリ間における適合度（距離）差か
ら、該第１候補を”正解”と確定し得る適合度（距離）
差の大きさを算定し、第３前段知識として保持する第３
前段知識作成ステップと、入力画像の認識結果として特定候補順位のカテゴリおよ
び類似カテゴリが得られるとき、該第１候補のカテゴリ
および特定候補順位の類似カテゴリと前記第１前段知識
における関連との比較により、該第１候補を”正解”ま
たは”不明”と判定する第１前段判定ステップと、前記第１前段判定ステップで”正解”と判定された入力
画像について、該特定候補順位のカテゴリまたは類似カ
テゴリにおける適合度（距離）の大きさと前記第２前段
知識における適合度（距離）の大きさとの比較により、
該第１候補を”正解”または”不明”と判定する第２前
段判定ステップと、前記第２前段判定ステップで”正解”と判定された入力
画像について、該特定の候補順位のカテゴリまたは類似
カテゴリ間における適合度（距離）差の大きさと前記第
３前段知識における適合度（距離）差の大きさとの比較
により、該第１候補を”正解”または”不明”と判定す
る第３前段判定ステップと、を具備すること、を特徴とする記録媒体。
【請求項１８】複数カテゴリの認識対象を持ち、登録
画像パタンと入力画像パタンとのパタンマッチングにお
ける適合度（距離）に基づき入力画像の認識を行う画像
認識方法を、コンピュータに実行させるためのプログラ
ムとして記録した記録媒体において、画像認識の認識結果およびその付随情報を含むデータを
サンプル収集し、あるカテゴリで認識結果が”正解”と
されているデータから、前記データの集合をクラスタリ
ングするときの軸を、上位候補に出現率の高いカテゴリを該軸として、下位候補に出現率の高いカテゴリを該軸として、上位候補に出現率の高いカテゴリおよび下位候補に出現
率の高いカテゴリをあわせて軸として、中位候補に出現率の高いカテゴリを該軸として、相関係数の高いカテゴリ同士を該軸として、或いは、相関係数の低いカテゴリ同士を該軸として、抽
出する第１軸抽出ステップと、前記第１軸抽出ステップで抽出された軸に基づき前記デ
ータの集合のクラスタリングを行い、該カテゴリのＯＫ
クラスタとして生成し、生成されたＯＫクラスタの形状
を第１後段知識として保持する第１後段知識作成ステッ
プと、入力画像の認識結果として認識結果およびその付随情報
を含むデータが得られるとき、該データが前記第１後段
知識のあるカテゴリに所属するＯＫクラスタの中に含ま
れるか否かをチェックして、該ＯＫクラスタに含まれる
場合には該ＯＫクラスタが所属するカテゴリを前記入力
画像の認識結果として”正解”と判定し、何れのＯＫク
ラスタにも含まれていない場合には”未確定”と判定す
る第１後段判定ステップと、を具備すること、を特徴とする記録媒体。
【請求項１９】複数カテゴリの認識対象を持ち、登録
画像パタンと入力画像パタンとのパタンマッチングにお
ける適合度（距離）に基づき入力画像の認識を行う画像
認識方法を、コンピュータに実行させるためのプログラ
ムとして記録した記録媒体において、画像認識の認識結果およびその付随情報を含むデータを
サンプル収集し、あるカテゴリで認識結果が”誤認”と
されているデータから、前記データの集合をクラスタリ
ングするときの軸を、上位候補に出現率の高いカテゴリを該軸として、下位候補に出現率の高いカテゴリを該軸として、上位候補に出現率の高いカテゴリおよび下位候補に出現
率の高いカテゴリをあわせて軸として、中位候補に出現率の高いカテゴリを該軸として、相関係数の高いカテゴリ同士を該軸として、或いは、相関係数の低いカテゴリ同士を該軸として、抽
出する第２軸抽出ステップと、前記第２軸抽出ステップで抽出された軸に基づき前記デ
ータの集合のクラスタリングを行い、該カテゴリのＮＧ
クラスタとして生成し、生成されたＮＧクラスタの形状
を第２後段知識として保持する第２後段知識作成ステッ
プと、入力画像の認識結果として認識結果およびその付随情報
を含むデータが得られるとき、該データが前記第２後段
知識のあるカテゴリに所属するＮＧクラスタの中に含ま
れるか否かをチェックして、該ＮＧクラスタに含まれる
場合には該ＮＧクラスタが所属するカテゴリを前記入力
画像の認識結果として”不正解”と判定し、何れのＮＧ
クラスタにも含まれていない場合には”正解”と判定す
る第２後段判定ステップと、を具備すること、を特徴とする記録媒体。
【請求項２０】前記第１後段判定ステップは、前記データがあるカテゴリに所属するＯＫクラスタに含
まれる場合に、どの程度の確信を持って”正解”といえ
るかを示す指標である確信度を計算する確信度算出ステ
ップを具備し、前記データが複数の別カテゴリに所属するＯＫクラスタ
に入った場合には、前記確信度に基づいてどのカテゴリ
を”正解”とするかを決定することを特徴とする請求項
１８に記載の記録媒体。