JP2000293725A

JP2000293725A - 投票用紙計数仕分け装置および投票用紙計数仕分け装置のプリセット装置およびその方法並びに投票用紙計数仕分け装置のプリセットプログラムを記録した媒体

Info

Publication number: JP2000293725A
Application number: JP10268499A
Authority: JP
Inventors: Masatoshi Onishi; 昌利大西; Masanori Yokota; 政憲横田; Hiroshi Kameyama; 博史亀山
Original assignee: Glory Ltd
Current assignee: Glory Ltd
Priority date: 1999-04-09
Filing date: 1999-04-09
Publication date: 2000-10-20
Anticipated expiration: 2019-04-09
Also published as: JP3788703B2

Abstract

(57)【要約】【目的】仕分け等の処理時間を一定時間内に抑えるとと
もに、誤分類率を０に近くすることのできる投票用紙計
数仕分け装置および投票用紙計数仕分け装置のプリセッ
ト装置およびその方法並びに投票用紙計数仕分け装置の
プリセットプログラムを記録した媒体を提供する。【構成】候補者名の記名パターン毎にリジェクトフラグ
を設定し、文字認識部５４で認識された文字列がリジェ
クトフラグがＯＮに設定されているものであれば当該投
票用紙を無条件でリジェクトし、リジェクトフラグがＯ
ＦＦに設定されているものであれば知識処理部５５と詳
細判定処理部５６で文字認識部５４よりも精度の高い認
識処理を施す。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、国政選挙や地方
選挙等の開票作業時の記名式投票用紙の計数および仕分
けを行う投票用紙計数仕分け装置および投票用紙計数仕
分け装置のプリセット装置およびその方法並びに投票用
紙計数仕分け装置のプリセットプログラムを記録した媒
体に関する。

【０００２】

【従来の技術】記名式選挙における開票作業では、投票
用紙を１枚１枚読み取って候補者毎或いは政党毎に分類
し、分類された投票用紙をそれぞれ計数することが行わ
れる。これらの作業を人手のみで行う場合には、多くの
集計人を要することになる。

【０００３】このため、最近では、開票作業時の投票用
紙の仕分けや計数を効率的に行う投票用紙計数仕分け装
置等が提案されている（特開平１０−１９８７６２号公
報等）。この投票用紙計数仕分け装置では、投票用紙を
読み取り、読み取りによって得た画像データから文字認
識により候補者名等を識別している。

【０００４】ところで、投票用紙の仕分けを行うための
文字認識処理では、処理に要する時間を長くすることが
できないといった制約がある。これは、文字認識処理に
要する時間が長くなると、装置を使用しても人手による
投票用紙の仕分けより効率が悪くなってしまうからであ
る。そのため、投票用紙計数仕分け装置は、文字認識処
理に要する時間を短くし、効率よく開票作業が行えると
いった目標を達成するようにしなければならない。

【０００５】このように文字認識処理に要する時間を一
定時間内に抑えた場合、当然のことながら文字認識の精
度は低下し、投票用紙を誤分類してしまう可能性があ
る。特に、類似した名前の候補者が存在する場合には、
誤分類の確率は高いものとなってしまう。

【０００６】

【発明が解決しようとする課題】上述のように、投票用
紙計数仕分け装置では、処理時間を一定時間内に抑えた
場合には、投票用紙の誤分類率が高いものとなってしま
う。しかし、投票用紙計数仕分け装置の誤分類率は、ほ
ぼ０（理想的には０）である必要がある。

【０００７】そこで、この発明は、仕分け等の処理時間
を一定時間内に抑えるとともに、誤分類率を０に近くす
ることのできる投票用紙計数仕分け装置および投票用紙
計数仕分け装置のプリセット装置およびその方法並びに
投票用紙計数仕分け装置のプリセットプログラムを記録
した媒体を提供することを目的とする。

【０００８】

【課題を解決するための手段】上述した目的を達成する
ため、請求項１の発明では、投票用紙に記入された手書
き文字を認識し、該認識した投票用紙を複数のスタッカ
のうち該認識結果に基づいて選択される１つのスタッカ
に排出するとともに、該排出された各スタッカの投票用
紙の枚数を各スタッカ別に計数する投票用紙計数仕分け
装置において、有効票として識別されるべき複数の文字
列を記憶するとともに、該複数の文字列のうち誤認識率
の高い文字列に対して強制排出情報が設定される記憶手
段と、投票用紙に記入された手書き文字を読み取る文字
読取手段と、前記文字読取手段が読み取った手書き文字
を前記記憶手段に設定されている文字列を構成する文字
と比較して認識する第１の認識手段と、前記文字読取手
段が読み取った手書き文字を全ての文字と比較して認識
する第２の認識手段と、前記第１の認識手段によって認
識された文字列が前記強制排出情報が設定されていない
文字列である場合にのみ前記第２の認識手段での認識を
行う制御手段とを具備することを特徴とする。

【０００９】また、請求項２の発明では、投票用紙に記
入された手書き文字を認識し、該認識した投票用紙を複
数のスタッカのうち該認識結果に基づいて選択される１
つのスタッカに排出するとともに、該排出された各スタ
ッカの投票用紙の枚数を各スタッカ別に計数する投票用
紙計数仕分け装置のプリセット装置において、入力され
た候補者名に基づいて各候補者名を表記する全ての文字
列を生成する表記パターン生成手段と、前記表記パター
ン生成手段が生成した文字列のうち誤認識率の高い文字
列を検出する誤認識文字列検出手段と、前記誤認識文字
列検出手段が検出した文字列に対して強制排出情報を設
定する強制排出情報設定手段とを具備することを特徴と
する。

【００１０】また、請求項３の発明では、請求項２の発
明において、サンプル文字を合成して疑似投票用紙画像
を生成する画像合成手段と、前記画像合成手段が合成し
た疑似投票用紙画像に対して前記投票用紙計数仕分け装
置の認識アルゴリズムにより認識シミュレーションを行
うシミュレート手段とをさらに具備し、前記強制排出情
報設定手段は、前記シミュレート手段による認識シミュ
レーションの結果に基づき誤認識率の高い文字列に対し
て強制排出情報を設定することを特徴とする。

【００１１】また、請求項４の発明では、請求項３の発
明において、前記誤認識文字列検出手段と前記シミュレ
ート手段は、予め設定された複数のしきい値のそれぞれ
に対して誤認識率の高い文字列を検出し、前記シミュレ
ート手段による認識シミュレーション結果に基づき、前
記複数のしきい値のうち投票用紙の強制排出率が最小の
しきい値と該しきい値に対する強制排出情報を前記投票
用紙計数仕分け装置に設定することを特徴とする。

【００１２】また、請求項５の発明では、投票用紙に記
入された手書き文字を認識し、該認識した投票用紙を複
数のスタッカのうち該認識結果に基づいて選択される１
つのスタッカに排出するとともに、該排出された各スタ
ッカの投票用紙の枚数を各スタッカ別に計数する投票用
紙計数仕分け装置のプリセット方法において、投票対象
となる候補者名に基づいて各候補者名を表記する全ての
文字列を生成するとともに、該生成した文字列とサンプ
ル文字とのマッチング処理により前記文字列から誤認識
率の高い文字列を検出し、該検出した文字列に対して強
制排出情報を設定することを特徴とする。

【００１３】また、請求項６の発明では、請求項５の発
明において、サンプル文字を合成して疑似投票用紙画像
を生成し、該生成した疑似投票用紙画像に対して前記投
票用紙計数仕分け装置の認識アルゴリズムによる認識シ
ミュレーションを行い、該認識シミュレーションの結果
に基づいて誤認識率の高い文字列に対して強制排出情報
を設定することを特徴とする。

【００１４】また、請求項７の発明では、請求項６の発
明において、前記誤認識率の高い文字列の検出は、予め
設定された複数のしきい値のそれぞれに基づいて行い、
前記認識シミュレーション結果に基づいて、前記複数の
しきい値のうち投票用紙の強制排出率が最小のしきい値
と該しきい値に対する強制排出情報を前記投票用紙計数
仕分け装置に設定することを特徴とする。

【００１５】また、請求項８の発明では、投票用紙に記
入された手書き文字を認識し、該認識した投票用紙を複
数のスタッカのうち該認識結果に基づいて選択される１
つのスタッカに排出するとともに、該排出された各スタ
ッカの投票用紙の枚数を各スタッカ別に計数する投票用
紙計数仕分け装置のプリセットプログラムを記録した媒
体において、投票対象となる候補者名に基づいて各候補
者名を表記する全ての文字列を生成するとともに、該生
成した文字列とサンプル文字とのマッチング処理により
前記文字列から誤認識率の高い文字列を検出し、該検出
した文字列に対して強制排出情報を設定するプログラム
を記録したことを特徴とする。

【００１６】また、請求項９の発明では、請求項８の発
明において、サンプル文字を合成して疑似投票用紙画像
を生成し、該生成した疑似投票用紙画像に対して前記投
票用紙計数仕分け装置の認識アルゴリズムによる認識シ
ミュレーションを行い、該認識シミュレーションの結果
に基づいて誤認識率の高い文字列に対して強制排出情報
を設定するプログラムを記録したことを特徴とする。

【００１７】

【発明の実施の形態】以下、この発明に係る投票用紙計
数仕分け装置および投票用紙計数仕分け装置のプリセッ
ト装置およびその方法並びに投票用紙計数仕分け装置の
プリセットプログラムを記録した媒体の一実施例につい
て添付図面を参照して詳細に説明する。

【００１８】図１は、この発明に係る投票用紙計数仕分
け装置の構成を示すブロック図である。同図に示すよう
に、投票用紙計数仕分け装置は、制御部１と操作パネル
２、繰出部３、読取部４、認識部５、分類部６、スタッ
カ７を具備して構成される。

【００１９】この投票用紙計数仕分け装置では、繰出部
３が載置された投票用紙を１枚ずつ繰り出し、読取部４
が投票用紙を読み取り、この読み取りで得た画像データ
を認識部５へ送る。読取部４で読み取られた投票用紙
は、分類部６に送られ、分類部６で認識部５の認識結果
に基づいてスタッカ７のうちのスタッカ７１乃至７４の
いずれかに分類される。また、各部の動作は制御部１に
よって制御され、ユーザからの指示は操作パネル２から
入力される。なお、ここでは、投票用紙の計数のための
構成は従来のものと同様であるので省略している。

【００２０】ここで、認識部５について説明する。認識
部５は、認識制御部５１と画像入力部５２、切出処理部
５３、文字認識部５４、知識処理部５５、詳細判定処理
部５６、個別文字認識辞書５７、知識辞書５８、認識パ
ラメータ５９を具備して構成される。

【００２１】この認識部５では、認識制御部５１が他の
各部を制御し、読取部４が読み取った投票用紙の画像デ
ータから候補者名等を出力する。読取部４から渡される
画像データは、画像入力部５２が受け、この画像データ
から切出処理部５３が記名部分（投票用紙の記名枠の画
像データであり、この領域は投票用紙に合わせて予め設
定されている）を切り出し、その後、図２（ａ）に示す
ような文字基本セグメントＢＳ＿１乃至ＢＳ＿６を抽出
する。また、抽出した文字基本セグメントＢＳ＿１乃至
ＢＳ＿６を必要に応じて合成して、図２（ｂ）に示すよ
うな文字候補セグメントＣＳ＿１乃至ＣＳ＿７を生成す
る。

【００２２】次に、文字認識部５４が文字候補セグメン
トＣＳ＿１乃至ＣＳ＿７に対して個別文字認識処理を施
す。個別文字認識処理は、文字候補セグメントＣＳ＿１
乃至ＣＳ＿７のそれぞれを、個別文字認識辞書５７に格
納されている文字のうち知識辞書５８で指定されている
文字と比較して、文字として認識する処理である。

【００２３】知識辞書５８（詳細は後述）で指定されて
いる文字とは、例えば、候補者に「山石もとろう（山石
本郎）」という人物がいる場合には、「山石もとろう」
として識別される表記である「山石本郎」や「やまいし
もとろう」、「山石」、「ヤマイシモトロウ」等（選挙
規約により有効票として認められる範囲内）を構成する
各文字「山、石、本、郎、や、ま、い、し、も、と、
ろ、う、ヤ、マ、イ、シ、モ、ト、ロ、ウ」である。

【００２４】続いて、知識処理部５５が文字認識部５４
での個別認識処理結果により認識された文字（文字列）
に対して知識処理を施す。知識処理とは、文字認識部５
４で認識された文字、つまり、投票用紙に記された文字
がどの候補者を表しているかを判定する処理であり知識
辞書５８に基づいて行われるものである。

【００２５】ここで、知識辞書５８について説明する。
知識辞書５８は、表１に示すように候補者（分類名）毎
に読み取り対象文字列を設定し、各読み取り対象文字列
に対してリジェクトフラグと投票用紙の出力先のスタッ
カを設定しているものである。読み取り対象文字列と
は、各候補者毎に有効票として認められる文字列、例え
ば、候補者「山石もとろう」に対しては「やまいしもと
ろう」等の文字列であり、ここで設定されている読み取
り対象文字列に使用されている文字が上述した個別認識
処理で使用される。また、リジェクトフラグは、後述す
る投票用紙の分類の際に該当する投票用紙を強制的にリ
ジェクトさせるか否かを設定しているもので、リジェク
トフラグがＯＮの場合には、指定されたスタッカ（ここ
では、スタッカ４（図１のスタッカ７４に該当））に強
制的にリジェクトする。このリジェクトフラグは、基本
的に誤分類が発生する確率の高い読み取り対象文字列、
例えば表１中の「岩木」と「岩本」に対して設定される
が、この設定は後述するプリセット装置により行われる
ので詳細は後述する。また、スタッカの設定は、リジェ
クトフラグがＯＮに設定されている読み取り対象文字列
を除いて候補者毎に該当する投票用紙をいずれのスタッ
カへ出力するかを設定している。

【００２６】

【表１】知識処理部５５での知識処理が終了すると、続いて詳細
判定処理部５６で詳細判定処理が行われる。詳細判定処
理は、文字認識部５４で行われる個別認識処理と同様に
文字候補セグメントＣＳ＿１乃至ＣＳ＿７を個別認識辞
書に格納されている文字と比較して文字の認識を行う
が、個別認識処理とは異なり比較する個別認識辞書内の
文字を限定しない。これは、個別認識処理では比較する
文字を限定していたために、例えば「山右」と記述され
ていた文字列を「山石」として認識している場合もある
ため、このような投票用紙を無効票として排するために
行われる。

【００２７】また、詳細判定処理は、リジェクトフラグ
がＯＮに設定されている読み取り対象文字列が記述され
ている投票用紙（の画像）に対しては行われない。

【００２８】なお、個別文字認識処理や詳細判定処理の
際には、認識パラメータ５９に基づいて判定等が行われ
るが、認識パラメータ５９は後述するプリセット装置に
より、リジェクトフラグとともに、ネットワーク若しく
はメモリカードやディスク等の記録媒体を介して設定さ
れるので、ここでの説明は省略する。

【００２９】次に、投票用紙計数仕分け装置のプリセッ
ト装置について説明する。図３は、プリセット装置の構
成を示すブロック図である。

【００３０】同図（ａ）に示すようにプリセット装置
は、入力部１０１と記入パターン作成部１０２、個別文
字認識結果ファイル１０３、類似文字列検出部１０４、
シミュレート部１０５、ファイル出力部１０６を具備し
て構成される。

【００３１】入力部１０１は、ユーザから候補者名等の
選挙情報の入力を受け付け、記入パターン作成部１０２
は入力部１０１から入力された各候補者名の記入パター
ンを作成する。

【００３２】個別文字認識結果ファイル１０３は、図３
（ｂ）に示すよう文字ＤＢ１０７に格納されている多数
のサンプル文字（数百人以上の人による手書き文字を電
子化したもの）の全てと、多数（例えば、３０００文字
程度）の文字の特徴量を格納した個別文字認識辞書１０
８のマッチングを行い、類似する文字を格納したもので
ある。

【００３３】この個別文字認識結果ファイル１０３を参
照し、類似文字列検出部１０４が記入パターン作成部１
０２で作成された全記入パターンから類似文字列を検出
する。

【００３４】また、シミュレート部１０５は、文字ＤＢ
１０７に格納されているサンプル文字を合成し、これを
投票用紙の読取画像として、投票用紙計数仕分け装置
（図１参照）と同様のシミュレーションを行い、類似文
字列検出部１０４の検出結果と併せてリジェクトフラグ
や認識パラメータ等を設定し、設定結果をファイル出力
部１０６からファイル出力する。

【００３５】ここで、図４を参照してプリセット装置の
動作の概略を説明する。図４は、プリセット装置の動作
の流れの概略を示すフローチャートである。

【００３６】プリセット装置が動作を開始すると、ま
ず、入力部１０１から候補者名などの選挙情報を入力す
る（ステップ２０１）。続いて、記入パターン作成部１
０２が入力部１０１から入力された選挙情報に基づい
て、候補者名の記入パターンを作成する（ステップ２０
２）。

【００３７】次に、記入パターン作成部１０２が作成し
た全記入パターンに対して、類似文字列検出部１０４が
類似文字列の検出を行い、誤認識率が高くなる記入パタ
ーンのリジェクトフラグをＯＮにし（ステップ２０
３）、リジェクトフラグがＯＮに設定された記入パター
ンを除く全記入パターンに対して、シミュレート部１０
５が認識シミュレーションを行って、誤認識率の高い記
入パターンのリジェクトフラグをＯＮにする（ステップ
２０４）。

【００３８】続いて、リジェクトフラグの状態を記憶し
て（ステップ２０５）、全ての認識パラメータ（認識パ
ラメータに関しては後述する）に対して同様の処理が終
了するまで（ステップ２０６でＮＯ）、認識パラメータ
を変更して（ステップ２０７）、処理を繰り返し、全て
の認識パラメータに対して処理が終了すると（ステップ
２０６でＹＥＳ）、最適な認識パラメータを選択して
（ステップ２０８）、ファイル出力部１０６から設定フ
ァイルを出力して（ステップ２０９）動作を終了する。

【００３９】次に、プリセット装置を各部の動作毎に詳
細に説明する。まず、入力部１０１から入力される選挙
情報について説明する。

【００４０】入力部１０１から入力する選挙情報は、表
２に示すように候補者の届け出名と漢字、よみの３種類
のほか、可能であるならば各候補者の予想得票率を入力
する。

【００４１】

【表２】続いて、記入パターン作成部１０２について説明する。
記入パターン作成部１０２は、入力部１０１から入力さ
れた選挙情報に基づいて、各候補者の記入パターンを漢
字とひらがな、カタカナを組み合わせて作成する。この
組み合わせは、漢字一文字を単位として処理し、例え
ば、候補者「山石」に対して「山いシ」等のように漢字
の「石」に対してひらがなとカタカナを混在させるよう
にはしない。また、漢字一文字に対して読みが当てはま
らない名前、例えば「設楽（したら）」等は、分割でき
る最小の単位で組み合わせを行う。ただし、選挙の規約
などにより「山いし」のような表記や名字だけの表記が
無効票として規定されている場合には、予めリジェクト
フラグをＯＮにする。

【００４２】図５乃至７は、それぞれ候補者「山石も
とろう」、「岩木朗」、「岩本けんじ」の記入パター
ンを示したものであり、そのパターン数は、当然のこと
ながら候補者毎に異なるものとなる。

【００４３】また、記入パターン作成部１０２は、入力
部１０１から入力された選挙情報に予想得票率が含まれ
ていた場合には、表３に示すように記入パターン毎に予
想票率を算出する。なお、予想票率は、各記入パターン
中の文字列のそれぞれに対して文字列出現頻度を設定
し、式１から算出する。文字列出現頻度は、経験値によ
り設定するが届け出名や漢字フルネーム（新聞等では漢
字フルネームで表記されることが多い）は、高めに設定
する。

【００４４】

【表３】

【式１】次に、類似文字列検出部１０４の動作について説明す
る。類似文字列検出部１０４は、全記入パターンから類
似の文字列を検出するが、類似の文字列の検出に先立ち
文字間の類似性（誤読率）を調べる。

【００４５】類似文字列検出部１０４が参照する個別文
字認識ファイル１０３は、文字ＤＢ１０７に格納されて
いるサンプル文字がどのような文字として認識されるか
が複数候補記録されている。例えば、「本」という文字
に対しては、表４に示すように各サンプル１乃至Ｎ毎に
一位候補からｉ位候補までが記録されている。なお、表
４中の距離値とは、文字ＤＢ１０７内のサンプルと個別
文字認識辞書１０８の文字の特徴量をマッチングさせた
場合の結果（差）を数値化したものである。

【００４６】

【表４】文字（Ａ→Ｂ）間の誤読率とは、文字Ａを個別文字認識
した際に、認識パラメータにより決定されるしきい値
（順位）よりも上位の候補中に文字Ｂが存在する確率で
あり、例えば、「本」を「木」と誤読する「本」→
「木」の誤読率は、サンプル数Ｎが１００で、認識パラ
メータにより決定されるしきい値よりも「木」が上位に
あるサンプルの数が１０であるとすれば、１０／１００
＝１０％となる。

【００４７】ここで、認識パラメータについて説明す
る。文字ＤＢ１０７内に格納されているサンプル文字の
個別文字認識を行った結果、各サンプル文字に対して認
識すべき文字の候補が決定されるが、その候補の文字か
ら認識すべき文字を決定する必要があるが、この決定
は、単に候補の順位から決定するわけにはいかない。例
えば、一位候補の文字の距離値が１８０で二位候補の文
字が１８１であったとすれば、両候補に大差はなく一位
候補の文字として認識するには問題がある。また、一位
候補の文字の距離値が１８０であるのに対して二位候補
の文字の距離値が３５０であるとすれば、両者の違いは
明らかでサンプル文字を一位候補の文字として認識して
も問題はない。

【００４８】つまり、文字認識のためのしきい値は、単
に候補順位や距離値のみから決定することはできず、両
者の兼ね合いにより決定する必要がある。

【００４９】そのため、ここでは、距離値を一位候補の
距離値で除した正規化距離値をｘとした場合に、しきい
値ｙを式２により決定する。

【００５０】

【式２】この式２は、点（Ｐ１，Ｑ１）と点（Ｐ２，Ｑ２）、点
（Ｐ３，Ｑ３）の３点を通る曲線であり、（Ｑ１，Ｑ
２，Ｑ３）を認識パラメータとする。ここで、（Ｐ１，
Ｐ２，Ｐ３）は固定値とし、例えば（Ｐ１，Ｐ２，Ｐ
３）＝（１．０，１．２，１．３）とする。

【００５１】このようにしきい値を決定すると、図８
（ａ）に示す斜線部分に該当する文字候補が認識される
文字となる。また、認識パラメータを変更すると、図８
（ｂ）に示すように、しきい値は異なるものになる。

【００５２】このようにして決定したしきい値により求
めた文字間の誤読率は、例えば表５のようになる。ただ
し、文字Ａ＝文字Ｂの場合は正読率となる（例えば、山
の正読率は１００％）。また、表５に示したように
「木」→「本」の誤読率が５％で「本」→「木」の誤読
率が１０％といったように「Ａ」→「Ｂ」と「Ｂ」→
「Ａ」の誤読率は同一になるとは限らない。

【００５３】

【表５】このようにして求めた文字間の誤読率に基づいて、次に
文字列間の誤読率を算出する。文字列間の誤読率は、例
えば、「山石もとろう」を「いわきあきら」と誤読する
誤読率Ｐｅ（山石もとろう→いわきあきら）を例に説明
すると、「山」→「い」の誤読率をＥ１「石」→「わ」の誤読率をＥ２「も」→「き」の誤読率をＥ３「と」→「あ」の誤読率をＥ４「ろ」→「き」の誤読率をＥ５「う」→「ら」の誤読率をＥ６として、式３により算出される。

【００５４】

【式３】したがって、表５に示した文字間の誤読率に基づいて誤
読率Ｐｅ（岩本→岩木）を算出すると、「岩」→「岩」
の誤読率（正読率）が１で「本」→「木」の誤読率が
０．１であるからＰｅ（岩本→岩木）＝０．１（１０
％）となる。

【００５５】このようにして各文字列間の誤読率Ｐｅを
算出した後に式４により全体の誤読率Ｐを求め、この誤
読率が所定の値以上であった場合には、式５で表される
評価式の評価値ΔＳが最小の文字列のリジェクトフラグ
をＯＮにし、この文字列の誤読率を０として再び全体の
誤読率Ｐを求める。ただし、Ｐｖ（α）は文字列αの予
想票率であり、Ｐｃ（α→α）は文字列αの正読率（算
出方法は誤読率Ｐｅと同じ）、ΔＥに乗じているパラメ
ータＫ（例えば１００）は重み係数である。また、ΔＲ
は、票全体に対する文字列αの予想通過率を示し、ΔＥ
は票全体に対する文字列αの予想誤読率を示す。

【００５６】このリジェクトフラグの設定は、誤読率が
所定の値よりも小さくなるまで繰り返し行う。

【００５７】

【式４】

【式５】ここで、図９を参照して類似文字列検出部１０４の動作
の流れを説明する。図９は、類似文字列検出部１０４の
動作の流れを示すフローチャートであり、図４のステ
ップ２０３に対応する処理の流れを示したものである。

【００５８】類似文字列検出部１０４は、動作を開始す
ると、まず、文字間の誤読率に基づいて文字列間の誤読
率を算出する（ステップ３０１、式３参照）。次に、全
体の誤読率を算出し（ステップ３０２、式４参照）、算
出した誤読率が誤分類しきい値（あらかじめ設定された
値であり、例えば０．００１％）以上であれば（ステッ
プ３０３でＮＯ）、評価値ΔＳが最小の文字列（記入パ
ターン）のリジェクトフラグをＯＮに設定し（ステップ
３０４、式５参照）、リジェクトフラグをＯＮに設定し
た文字列の誤読率を０として算出し（ステップ３０
１）、再び全体の誤読率Ｐを算出して（ステップ３０
２）、誤分類しきい値との比較を行う（ステップ３０
３）。

【００５９】このような処理を繰り返し、全体の誤読率
Ｐが誤分類しきい値より小さくなると（ステップ３０３
でＹＥＳ）、類似文字列検出部１０４での処理は終了し
てステップ２０４の処理に進む。

【００６０】次に、シミュレート部１０５での処理につ
いて説明する。図１０は、シミュレート部１０５の構成
を示すブロック図である。

【００６１】同図に示すように、シミュレート部１０５
は、制御部１５１と画像合成部１５２、切出処理部１５
３、文字認識部１５４、知識処理部１５５、詳細判定処
理部１５６、個別文字認識辞書１６７、単語辞書１５
８、認識パラメータ１５９を具備して構成される。な
お、同図中破線で囲んだ部分（符号１５３乃至１５９）
は、図１に示した投票用紙計数仕分け装置と同様の構成
である。

【００６２】L このシミュレート部１０５では、画像
合成部１５２が文字ＤＢ１０７に格納されているサンプ
ル文字を合成して、投票用紙を読み取って得た画像デー
タと同様の模擬データを生成し、この模擬データを利用
して符号１５３乃至１５９に示す各部により投票用計数
仕分け装置と同様の処理を行って文字列の誤分類率を求
める。

【００６３】シミュレート部１０５でシミュレートを行
うのは、類似文字列検出部１０４の処理では、検出する
ことのできない誤分類の発生しやすい文字列を検出する
ためである。例えば、「山石」（縦書き）と記述された
文字もその大きさや位置によっては「岩」と認識されて
しまうことがある。

【００６４】ここで、シミュレート部１０５の動作につ
いて説明する。画像合成部１５２は、図１１に示すよう
に文字ＤＢ１０７からサンプル文字を取得するとともに
乱数を発生させ、この乱数を使用して取得したサンプル
文字に対して拡大や縮小、回転などの処理を施し、これ
らの貼り付け座標（ｘ１，ｙ２）や（ｘ２，ｙ２）も乱
数によって決定し、合成画像を生成する。

【００６５】次に、切出処理部１５３が図１２（ａ）に
示すように合成画像から文字基本セグメントＢＳ＿１乃
至ＢＳ＿６を抽出する。また、抽出した文字基本セグメ
ントＢＳ＿１乃至ＢＳ＿６を必要に応じて合成し、文字
候補セグメントＣＳ＿１乃至ＣＳ＿７を生成する。

【００６６】続いて、文字認識部１５４が文字候補セグ
メントＣＳ＿１乃至ＣＳ＿７に対して個別文字認識処理
を施す。個別文字認識処理は、文字候補セグメントＣＳ
＿１乃至ＣＳ＿７のそれぞれを、個別文字認識辞書１５
７に格納されている文字のうち知識辞書１５８で指定さ
れている文字と比較して、文字として認識する処理であ
る。

【００６７】知識辞書１５８で指定されている文字と
は、例えば、候補者に「山石もとろう（山石本郎）」と
いう人物がいる場合には、「山石もとろう」として識別
される表記である「山石本郎」や「やまいしもとろ
う」、「山石」、「ヤマイシモトロウ」等（選挙規約に
より有効票として認められる範囲内）を構成する各文字
「山、石、本、郎、や、ま、い、し、も、と、ろ、う、
ヤ、マ、イ、シ、モ、ト、ロ、ウ」である。

【００６８】続いて、知識処理部１５５が文字認識部１
５４での個別認識処理結果により認識された文字（文字
列）に対して知識処理を施す。知識処理とは、文字認識
部１５４で認識された文字、つまり、合成画像に記され
た文字がどの文字列を表しているかを判定する処理であ
り知識辞書１５８に基づいて行われるものである。

【００６９】知識処理の際には、図１２（ａ）に示すよ
うに各文字毎の距離値に基づいて文字列全体の判定値を
算出し、これを知識処理しきい値と比較することで、記
入パターンのうちのいずれの文字列であるかを判定す
る。文字列全体の判定値は、例えば、各文字の距離値の
平均を所定の値から減じることで算出したり、重み付け
などを行う所定の式により行う。この知識処理の結果、
図１２（ｂ）に示すように、文字列全体の判定値が知識
処理しきい値以上となった文字列候補に対して、詳細判
定処理部１６６で詳細判定処理を行う。

【００７０】詳細判定処理は、文字認識部１５４で行わ
れる個別認識処理と同様に文字候補セグメントＣＳ＿１
乃至ＣＳ＿７を個別認識辞書に格納されている文字と比
較して文字の認識を行うが、個別認識処理とは異なり比
較する個別認識辞書内の文字を限定しない。これは、個
別認識処理では比較する文字を限定していたために、例
えば「山右」と記述されていた文字列を「山石」として
認識している場合もあるため、このような投票用紙を無
効票として排するために行われる。

【００７１】また、詳細判定処理も、実機（投票用紙計
数仕分け装置）と同様にリジェクトフラグＯＮに設定さ
れている文字列に対しては行わない。

【００７２】このように、シミュレート部１０５では、
実機（投票用紙計数仕分け装置）と同様のシミュレーシ
ョンを行い、そのシミュレーション結果に応じてリジェ
クトフラグの設定を行う。

【００７３】ここで、リジェクトフラグの設定を含めた
シミュレート部１０５の処理の流れを説明する。図１３
は、シミュレート部１０５の処理動作の流れを示すフロ
ーチャートであり、図４のステップ２０４に対応する
処理の流れを示したものである。

【００７４】シミュレート部１０５は、処理を開始する
と、まず、画像合成部１５２が投票用紙の記名部分の画
像を合成する（ステップ４０１）。次に、符号１５３乃
至１５９で示される各部が合成した画像の認識シミュレ
ーションを行い（ステップ４０２）、そのシミュレーシ
ョン結果から制御部１５１が文字列間の誤読率を算出す
る（ステップ４０３）。続いて、制御部１５１が式４に
より全体の誤読率を算出し（ステップ４０４）、算出し
た全体の誤読率が誤分類しきい値（類似文字列検出部１
０４が使用したものと同じ値）以上であれば（ステップ
４０５でＮＯ）、式５に基づいて算出された評価値ΔＳ
が最小の文字列（記入パターン）のリジェクトフラグを
ＯＮに設定する（ステップ４０６）。

【００７５】評価値ΔＳが最小の文字列のリジェクトフ
ラグをＯＮに設定したら、ステップ４０２に戻り、再び
認識シミュレーションを行い、同様の処理を全体の誤読
率が誤分類しきい値より小さくなるまで繰り返す。

【００７６】ただし、シミュレート部１０５の処理にお
いては、式４の予想得票率Ｐｖ（β）をシミュレーショ
ンにおける得票率とし（シミュレーションに使用する画
像の種類（文字列）と数自体が予想得票率に基づいてい
る）、式５の予測認識率Ｐｃ（α→α）と予測誤読率Ｐ
ｅ（β→α）には、シミュレーション結果の認識率と誤
読率を使用する。

【００７７】この類似文字列検出部１０４とシミュレー
タ部１０５の処理は、上述したように予め設定されてい
る複数の認識パラメータのそれぞれについて行われ（図
４参照）、最終的に最も通過率の高い（リジェクトされ
ずに分類される）認識パラメータとそのときのリジェク
トフラグの状態をファイル出力部１０６から出力する。
ファイル出力部１０６から出力された各設定は、ネット
ワークや記録媒体を介して投票用紙計数仕分け装置（図
１参照）に入力される。

【００７８】また、プリセット装置での各処理は、リジ
ェクトフラグがＯＮの場合と同じトレイに出力されるよ
うに設定されている候補者に対応した文字列に対しては
行わない。

【００７９】また、プリセット装置は、そのシミュレー
タ部１０５を実際の投票用紙計数仕分け装置で代用する
ように構成してもよく、上述の処理を行わせるプログラ
ムによりコンピュータ上で構成するようにしてもよい。

【００８０】

【発明の効果】以上説明したように、この発明によれ
ば、候補者名の記名パターン毎にリジェクトフラグを設
定し、リジェクトフラグがＯＮに設定されている文字列
が記入されている投票用紙を無条件でリジェクトするよ
うに構成したので、精度の高くない高速な画像処理によ
り投票用紙の認識を行っても誤分類率を低く抑えること
ができる。

【００８１】また、候補者名等の選挙情報に基づいて文
字の類似性のチェックと認識シミュレーションを行い、
その結果からリジェクトフラグをＯＮにする文字列を決
定するとともに、最適な認識パラメータを決定するよう
に構成したため、選挙毎に最適な設定で仕分け作業を行
うことができる。

【図面の簡単な説明】

【図１】この発明に係る投票用紙計数仕分け装置の構成
を示すブロック図。

【図２】文字基本セグメントと文字候補セグメントを示
した図。

【図３】プリセット装置の構成を示すブロック図。

【図４】プリセット装置の動作の流れの概略を示すフロ
ーチャート。

【図５】「山石もとろう」の記入パターンを示した
図。

【図６】「岩木朗」の記入パターンを示した図。

【図７】「岩本けんじ」の記入パターンを示した図。

【図８】認識パラメータとしきい値の関係を示した図。

【図９】類似文字列検出部１０４の動作の流れを示すフ
ローチャート。

【図１０】シミュレート部１０５の構成を示すブロック
図。

【図１１】合成画像を説明するための図。

【図１２】合成画像に対する処理を説明するための図。

【図１３】シミュレート部１０５の処理動作の流れを示
すフローチャート。

【符号の説明】

１制御部２操作パネル３繰出部４読取部５認識部６分類部７スタッカ５１認識制御部５２画像入力部５３切出処理部５４文字認識部５５知識処理部５６詳細判定処理部５７個別文字認識辞書５８知識辞書５９認識パラメータ７１〜７４スタッカ１０１入力部１０２記入パターン作成部１０３個別文字認識結果ファイル１０４類似文字列検出部１０５シミュレート部１０６ファイル出力部１０７文字ＤＢ１０８個別文字認識辞書１５１制御部１５２画像合成部１５３切出処理部１５４文字認識部１５５知識処理部１５６詳細判定処理部１５７個別文字認識辞書１５８知識辞書１５９認識パラメータ

フロントページの続き (72)発明者亀山博史兵庫県姫路市下手野一丁目３番１号グローリー工業株式会社内Ｆターム(参考） 3E038 AA20 BA20 CA03 CB04 CC01 KA02 5B049 AA04 AA06 BB39 DD02 EE02 EE08 EE41 GG07 GG09

Claims

【特許請求の範囲】

【請求項１】投票用紙に記入された手書き文字を認識
し、該認識した投票用紙を複数のスタッカのうち該認識
結果に基づいて選択される１つのスタッカに排出すると
ともに、該排出された各スタッカの投票用紙の枚数を各
スタッカ別に計数する投票用紙計数仕分け装置におい
て、有効票として識別されるべき複数の文字列を記憶すると
ともに、該複数の文字列のうち誤認識率の高い文字列に
対して強制排出情報が設定される記憶手段と、投票用紙に記入された手書き文字を読み取る文字読取手
段と、前記文字読取手段が読み取った手書き文字を前記記憶手
段に設定されている文字列を構成する文字と比較して認
識する第１の認識手段と、前記文字読取手段が読み取った手書き文字を全ての文字
と比較して認識する第２の認識手段と、前記第１の認識手段によって認識された文字列が前記強
制排出情報が設定されていない文字列である場合にのみ
前記第２の認識手段での認識を行う制御手段とを具備す
ることを特徴とする投票用紙計数仕分け装置。
【請求項２】投票用紙に記入された手書き文字を認識
し、該認識した投票用紙を複数のスタッカのうち該認識
結果に基づいて選択される１つのスタッカに排出すると
ともに、該排出された各スタッカの投票用紙の枚数を各
スタッカ別に計数する投票用紙計数仕分け装置のプリセ
ット装置において、入力された候補者名に基づいて各候補者名を表記する全
ての文字列を生成する表記パターン生成手段と、前記表記パターン生成手段が生成した文字列のうち誤認
識率の高い文字列を検出する誤認識文字列検出手段と、前記誤認識文字列検出手段が検出した文字列に対して強
制排出情報を設定する強制排出情報設定手段とを具備す
ることを特徴とする投票用紙計数仕分け装置のプリセッ
ト装置。
【請求項３】サンプル文字を合成して疑似投票用紙画
像を生成する画像合成手段と、前記画像合成手段が合成した疑似投票用紙画像に対して
前記投票用紙計数仕分け装置の認識アルゴリズムにより
認識シミュレーションを行うシミュレート手段とをさら
に具備し、前記強制排出情報設定手段は、前記シミュレート手段による認識シミュレーションの結
果に基づき誤認識率の高い文字列に対して強制排出情報
を設定することを特徴とする請求項２記載の投票用紙計
数仕分け装置のプリセット装置。
【請求項４】前記誤認識文字列検出手段と前記シミュ
レート手段は、予め設定された複数のしきい値のそれぞれに対して誤認
識率の高い文字列を検出し、前記シミュレート手段による認識シミュレーション結果
に基づき、前記複数のしきい値のうち投票用紙の強制排
出率が最小のしきい値と該しきい値に対する強制排出情
報を前記投票用紙計数仕分け装置に設定することを特徴
とする請求項３記載の投票用紙計数仕分け装置のプリセ
ット装置。
【請求項５】投票用紙に記入された手書き文字を認識
し、該認識した投票用紙を複数のスタッカのうち該認識
結果に基づいて選択される１つのスタッカに排出すると
ともに、該排出された各スタッカの投票用紙の枚数を各
スタッカ別に計数する投票用紙計数仕分け装置のプリセ
ット方法において、投票対象となる候補者名に基づいて各候補者名を表記す
る全ての文字列を生成するとともに、該生成した文字列
とサンプル文字とのマッチング処理により前記文字列か
ら誤認識率の高い文字列を検出し、該検出した文字列に
対して強制排出情報を設定することを特徴とする投票用
紙計数仕分け装置のプリセット方法。
【請求項６】サンプル文字を合成して疑似投票用紙画
像を生成し、該生成した疑似投票用紙画像に対して前記投票用紙計数
仕分け装置の認識アルゴリズムによる認識シミュレーシ
ョンを行い、該認識シミュレーションの結果に基づいて誤認識率の高
い文字列に対して強制排出情報を設定することを特徴と
する請求項５記載の投票用紙計数仕分け装置のプリセッ
ト方法。
【請求項７】前記誤認識率の高い文字列の検出は、予め設定された複数のしきい値のそれぞれに基づいて行
い、前記認識シミュレーション結果に基づいて、前記複数の
しきい値のうち投票用紙の強制排出率が最小のしきい値
と該しきい値に対する強制排出情報を前記投票用紙計数
仕分け装置に設定することを特徴とする請求項６記載の
投票用紙計数仕分け装置のプリセット方法。
【請求項８】投票用紙に記入された手書き文字を認識
し、該認識した投票用紙を複数のスタッカのうち該認識
結果に基づいて選択される１つのスタッカに排出すると
ともに、該排出された各スタッカの投票用紙の枚数を各
スタッカ別に計数する投票用紙計数仕分け装置のプリセ
ットプログラムを記録した媒体において、投票対象となる候補者名に基づいて各候補者名を表記す
る全ての文字列を生成するとともに、該生成した文字列
とサンプル文字とのマッチング処理により前記文字列か
ら誤認識率の高い文字列を検出し、該検出した文字列に
対して強制排出情報を設定するプログラムを記録したこ
とを特徴とする投票用紙計数仕分け装置のプリセットプ
ログラムを記録した媒体。
【請求項９】サンプル文字を合成して疑似投票用紙画
像を生成し、該生成した疑似投票用紙画像に対して前記投票用紙計数
仕分け装置の認識アルゴリズムによる認識シミュレーシ
ョンを行い、該認識シミュレーションの結果に基づいて誤認識率の高
い文字列に対して強制排出情報を設定するプログラムを
記録したことを特徴とする請求項８記載の投票用紙計数
仕分け装置のプリセットプログラムを記録した媒体。