JP2002216076A - 文字列認識装置 - Google Patents
文字列認識装置Info
- Publication number
- JP2002216076A JP2002216076A JP2001015349A JP2001015349A JP2002216076A JP 2002216076 A JP2002216076 A JP 2002216076A JP 2001015349 A JP2001015349 A JP 2001015349A JP 2001015349 A JP2001015349 A JP 2001015349A JP 2002216076 A JP2002216076 A JP 2002216076A
- Authority
- JP
- Japan
- Prior art keywords
- character
- word
- character string
- key
- recognition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/1444—Selective acquisition, locating or processing of specific regions, e.g. highlighted text, fiducial marks or predetermined fields
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Discrimination (AREA)
Abstract
(57)【要約】
【課題】 文字列中からキー単語の自動抽出を行なうこ
とができ、また、複数文字から成るキー単語を精度良く
抽出することができ、単語認識に際し誤読することがな
い文字列認識装置を提供すること。 【解決手段】 キー文字コード抽出手段１により、認識
対象とする文字列群（コード）からキー単語の自動抽出
を行ない、それらを登録する。次に、キー単語抽出手段
２により、文字列イメージから、個別文字を切り出して
文字認識を行い、上記キー文字コード抽出手段１により
抽出／登録されたキー単語に相当する文字列を抽出す
る。そして、文字列イメージから、キー単語で区切られ
た単語領域を抽出し、単語認識手段３により単語認識を
行う。さらに、検証手段４により単語認識結果を検証
し、最終的な文字列認識結果を出力する。
とができ、また、複数文字から成るキー単語を精度良く
抽出することができ、単語認識に際し誤読することがな
い文字列認識装置を提供すること。 【解決手段】 キー文字コード抽出手段１により、認識
対象とする文字列群（コード）からキー単語の自動抽出
を行ない、それらを登録する。次に、キー単語抽出手段
２により、文字列イメージから、個別文字を切り出して
文字認識を行い、上記キー文字コード抽出手段１により
抽出／登録されたキー単語に相当する文字列を抽出す
る。そして、文字列イメージから、キー単語で区切られ
た単語領域を抽出し、単語認識手段３により単語認識を
行う。さらに、検証手段４により単語認識結果を検証
し、最終的な文字列認識結果を出力する。
Description
【０００１】
【発明の属する技術分野】近年、文書入力磯器として文
字認識装置ＯＣＲやソフトウェアＯＣＲの需要が増加し
ている。本発明は、この文字認識装置における文字列認
識装置に関し、特に手書き文字列を認識するのに有効な
文字列認識装置に関するものである。本発明が対象とす
る手書き文字列は、住所、氏名、大学名、銀行名など一
般帳票において記入される種々の文字列であり、従来の
ように文字列先頭から１文字ずつ切り出して文字認識し
ていくのではなく、文字列を複数の部分文字列に分解
し、各部分文字列ごとに含まれる単語を一括して認識す
る。これにより、手書き文字列に特有の問題である文字
同士の接触や、分離文字の存在に対応することが可能で
ある。なお、本発明が対象とする文字認識装置は、上記
した手書き用文字認識装置だけでなく、印刷文字認識装
置、携帯情報端末における文字認識装置等、広い意味で
の文字認識装置に適用することができる。
字認識装置ＯＣＲやソフトウェアＯＣＲの需要が増加し
ている。本発明は、この文字認識装置における文字列認
識装置に関し、特に手書き文字列を認識するのに有効な
文字列認識装置に関するものである。本発明が対象とす
る手書き文字列は、住所、氏名、大学名、銀行名など一
般帳票において記入される種々の文字列であり、従来の
ように文字列先頭から１文字ずつ切り出して文字認識し
ていくのではなく、文字列を複数の部分文字列に分解
し、各部分文字列ごとに含まれる単語を一括して認識す
る。これにより、手書き文字列に特有の問題である文字
同士の接触や、分離文字の存在に対応することが可能で
ある。なお、本発明が対象とする文字認識装置は、上記
した手書き用文字認識装置だけでなく、印刷文字認識装
置、携帯情報端末における文字認識装置等、広い意味で
の文字認識装置に適用することができる。
【０００２】
【従来の技術】手書き文字列に対して、文字列を部分文
字列に分解して単語認識を行なう方式としては、これま
でに、手書き住所を対象に都道府県市区郡といった住所
の切れ目となる文字（キー文字）を見つけ、それらの文
字間に挟まれた領域を単語認識していくものが提案され
ている（例えば特開平１１−１６１７４０号公報、特開
平１１−３２８３１５号公報参照）。しかし、上記従来
のものは、手書き住所を対象にしたものであり、住所以
外の一般の手書き文字列に対するものはこれまでになか
った。また、住所では文字列の区切りとなる文字が１文
字だけであり、キー文字が複数文字、すなわちキー単語
になる場合は扱っていなかった。
字列に分解して単語認識を行なう方式としては、これま
でに、手書き住所を対象に都道府県市区郡といった住所
の切れ目となる文字（キー文字）を見つけ、それらの文
字間に挟まれた領域を単語認識していくものが提案され
ている（例えば特開平１１−１６１７４０号公報、特開
平１１−３２８３１５号公報参照）。しかし、上記従来
のものは、手書き住所を対象にしたものであり、住所以
外の一般の手書き文字列に対するものはこれまでになか
った。また、住所では文字列の区切りとなる文字が１文
字だけであり、キー文字が複数文字、すなわちキー単語
になる場合は扱っていなかった。
【０００３】
【発明が解決しようとする課題】従来の手書き住所認識
におけるキー文字抽出方式では、予めキー文字が｛都，
道，府，県，市，区，郡，町，村｝と決定されていた。
しかし、対象が住所以外ではその都度キー文字を設定し
なおす必要があった。また、従来法では文字列中から文
字数１のキー文字しか抽出していないため、文字数が複
数のキー単語になると、キー単語内の文字同士の接触も
あり、従来方式をそのまま適用しただけではキー単語抽
出が失敗していた。さらに、従来の単語認識では精度の
高いリジェクト処理が行なわれていないため、正解と全
く違う単語に誤読する場合があり、ユーザの印象を悪く
していた。本発明は、上記従来技術の問題点を解決する
ためになされたものであって、その目的とするところ
は、文字列中からキー単語の抽出を自動で行なうことが
でき、また、キー単語が複数文字から成る場合でも精度
良くキー単語を抽出することができ、さらに、単語認識
に際し、全く異なる単語に誤読することがない文字列認
識装置を提供することである。
におけるキー文字抽出方式では、予めキー文字が｛都，
道，府，県，市，区，郡，町，村｝と決定されていた。
しかし、対象が住所以外ではその都度キー文字を設定し
なおす必要があった。また、従来法では文字列中から文
字数１のキー文字しか抽出していないため、文字数が複
数のキー単語になると、キー単語内の文字同士の接触も
あり、従来方式をそのまま適用しただけではキー単語抽
出が失敗していた。さらに、従来の単語認識では精度の
高いリジェクト処理が行なわれていないため、正解と全
く違う単語に誤読する場合があり、ユーザの印象を悪く
していた。本発明は、上記従来技術の問題点を解決する
ためになされたものであって、その目的とするところ
は、文字列中からキー単語の抽出を自動で行なうことが
でき、また、キー単語が複数文字から成る場合でも精度
良くキー単語を抽出することができ、さらに、単語認識
に際し、全く異なる単語に誤読することがない文字列認
識装置を提供することである。
【０００４】
【課題を解決するための手段】図１は本発明の概要を示
す図である。上記の課題を解決するため、本発明におい
ては同図に示すように、キー文字コード抽出手段１によ
り、認識対象とする文字列群（コード）からキー文字
（キー単語）の自動抽出を行ない、それらを登録する。
これにより、図１に示すように、県、市、区、町等の住
所認識におけるキー文字に加え、例えば、信用組合、支
店、農業協同組合、支所等のキー単語が登録される。ま
た、相関を持って出現する文字列の組を抽出することに
より、「信用組合」−「支店」等のように、共に現れる
確率が高いキー単語が組が抽出される。次に、キー単語
抽出手段２により、文字列イメージから、個別文字を切
り出して文字認識を行い、上記キー文字コード抽出手段
１により抽出／登録されたキー単語に相当する文字列を
言語処理と融合して精度よく抽出する。そして、文字列
イメージから、キー単語で区切られた単語領域を抽出し
単語認識手段３により単語認識を行う。さらに、検証手
段４により単語認識結果を検証し、最終的な文字列認識
結果を出力する。
す図である。上記の課題を解決するため、本発明におい
ては同図に示すように、キー文字コード抽出手段１によ
り、認識対象とする文字列群（コード）からキー文字
（キー単語）の自動抽出を行ない、それらを登録する。
これにより、図１に示すように、県、市、区、町等の住
所認識におけるキー文字に加え、例えば、信用組合、支
店、農業協同組合、支所等のキー単語が登録される。ま
た、相関を持って出現する文字列の組を抽出することに
より、「信用組合」−「支店」等のように、共に現れる
確率が高いキー単語が組が抽出される。次に、キー単語
抽出手段２により、文字列イメージから、個別文字を切
り出して文字認識を行い、上記キー文字コード抽出手段
１により抽出／登録されたキー単語に相当する文字列を
言語処理と融合して精度よく抽出する。そして、文字列
イメージから、キー単語で区切られた単語領域を抽出し
単語認識手段３により単語認識を行う。さらに、検証手
段４により単語認識結果を検証し、最終的な文字列認識
結果を出力する。
【０００５】
【発明の実施の形態】図２は本発明の実施例の文字列認
識装置の全体の概略構成を示す図である。同図におい
て、キー文字コード自動抽出処理１１では、認識対象文
字列群（文字コード群）から、キー文字コード、キー文
字列コードを自動抽出する（以下では、文字コード、文
字列コードを合わせて文字コードという）。ここで、認
識対象とする文字列群、例えば、住所、氏名、大学名、
金融機関名などは特定されているとする。キー文字コー
ド自動抽出処理１１では、それらの対象文字列群に対し
て、出現する文字コードを調べ、出現頻度の高い文字
や、文字列単位で見たときに出現頻度の高い文字、文字
列をキー文字コードとして登録する。さらに、文字同士
の出現の相関を調べる。相関とは、例えば、文字コード
Ａが出現したときは文字コードＢが出現する確率が高い
とか、文字コードＣが出現したときは文字コードＤ、文
字コードＥが同時に出現する確率が高い、などといった
関係である。このように相関を持って出現する文字コー
ドの組も同時にキー文字コードとして登録していく。以
上の処理により、例えば住所では、｛県，市，区，町｝
｛県，郡，町｝｛都，区，町｝がキー文字として抽出で
き、金融機関名では｛銀行，支店｝｛信用組合，営業
部｝｛農業協同組合，支所｝などのキー文字が自動で抽
出できる。住所の場合を例にとると、必ずしも住所階層
の区切りとなっていない文字もキー文字として用いるこ
とができる。以上のようにして抽出された文字コード
は、キー文字コードとして登録される。
識装置の全体の概略構成を示す図である。同図におい
て、キー文字コード自動抽出処理１１では、認識対象文
字列群（文字コード群）から、キー文字コード、キー文
字列コードを自動抽出する（以下では、文字コード、文
字列コードを合わせて文字コードという）。ここで、認
識対象とする文字列群、例えば、住所、氏名、大学名、
金融機関名などは特定されているとする。キー文字コー
ド自動抽出処理１１では、それらの対象文字列群に対し
て、出現する文字コードを調べ、出現頻度の高い文字
や、文字列単位で見たときに出現頻度の高い文字、文字
列をキー文字コードとして登録する。さらに、文字同士
の出現の相関を調べる。相関とは、例えば、文字コード
Ａが出現したときは文字コードＢが出現する確率が高い
とか、文字コードＣが出現したときは文字コードＤ、文
字コードＥが同時に出現する確率が高い、などといった
関係である。このように相関を持って出現する文字コー
ドの組も同時にキー文字コードとして登録していく。以
上の処理により、例えば住所では、｛県，市，区，町｝
｛県，郡，町｝｛都，区，町｝がキー文字として抽出で
き、金融機関名では｛銀行，支店｝｛信用組合，営業
部｝｛農業協同組合，支所｝などのキー文字が自動で抽
出できる。住所の場合を例にとると、必ずしも住所階層
の区切りとなっていない文字もキー文字として用いるこ
とができる。以上のようにして抽出された文字コード
は、キー文字コードとして登録される。
【０００６】キー文字／キー単語抽出処理１２では、後
述するように手書き文字列（イメージデータ）から個別
文字を切り出し、文字認識を行って上記キー文字コード
自動抽出手段１１により抽出されたキー文字コードに相
当したキー文字、キー単語を抽出し登録する。単語領域
抽出処理１３では、手書き文字列（イメージ）から、上
記キー文字、キー単語により区切られた単語領域を抽出
する。例えば、手書き文字列が「東京信用組合日比谷支
店」の場合、「信用組合」、「支店」により区切られた
「東京」、「日比谷」の領域を単語領域として抽出す
る。単語認識処理１４では、上記抽出された単語領域の
文字イメージを正規化して特徴抽出を行い、単語特徴辞
書等の特徴データと照合して、単語認識を行う。なお、
単語認識手法としては、例えば、前記した 特開平１１
−１６１７４０号公報、特開平１１−３２８３１５号公
報で開示される手法や、本出願人が先に提案した特願２
０００−３０４７５８号に開示される手法を用いること
ができる。
述するように手書き文字列（イメージデータ）から個別
文字を切り出し、文字認識を行って上記キー文字コード
自動抽出手段１１により抽出されたキー文字コードに相
当したキー文字、キー単語を抽出し登録する。単語領域
抽出処理１３では、手書き文字列（イメージ）から、上
記キー文字、キー単語により区切られた単語領域を抽出
する。例えば、手書き文字列が「東京信用組合日比谷支
店」の場合、「信用組合」、「支店」により区切られた
「東京」、「日比谷」の領域を単語領域として抽出す
る。単語認識処理１４では、上記抽出された単語領域の
文字イメージを正規化して特徴抽出を行い、単語特徴辞
書等の特徴データと照合して、単語認識を行う。なお、
単語認識手法としては、例えば、前記した 特開平１１
−１６１７４０号公報、特開平１１−３２８３１５号公
報で開示される手法や、本出願人が先に提案した特願２
０００−３０４７５８号に開示される手法を用いること
ができる。
【０００７】上記のように、キー単語間に挟まれた単語
領域に対して、単語認識を行なうとともに、以下のよう
にして、単語認識結果の検証を行う。 (i) 文字切り出し／文字認識処理１５において、個別文
字の切り出しを行って、文字認識処理も行う。そして、
文字認識結果の上位ｎ位以内に単語認識された単語内の
文字のうち閾値以上の割合が含まれている場合に、単語
認識手段１４による単語認識結果を出力し、そうでない
場合はリジェクトする。これにより、単語認識における
極端な誤読を減らすことができる。 (ii)さらに、図２の点線に示すように、文字数推定処理
１７により、文字数比較により単語認識結果を検証する
ようにしてもよい。すなわち、単語領域を一括認識した
際に、認識した単語内の文字数と単語イメージから推定
される文字数の比較を行ない、両者の文字数が閾値以上
異なる場合に単語認識結果をリジェクトする。文字数推
定の方法としては、単語イメージに外接する矩形の高さ
と幅の比や単語イメージに対して周辺分布をとり、周辺
分布の切れ目位置・外接矩形高さなどから算出される数
を用いることができる。 (iii) 線密度／周辺分布による検証処理１６では、文字
特徴の合成によって単語特徴を生成した場合、後述する
ように、文字特徴同士の合成位置を逆算し各位置で単語
イメージ上を分割し、各分割領域内で算出された線密度
や周辺分布と、単語認識された単語の各文字が予め持つ
線密度や周辺分布とを比較する。そして、両者が異なる
場合に単語認識結果をリジェクトすることにより、単語
認識結果を検証する。
領域に対して、単語認識を行なうとともに、以下のよう
にして、単語認識結果の検証を行う。 (i) 文字切り出し／文字認識処理１５において、個別文
字の切り出しを行って、文字認識処理も行う。そして、
文字認識結果の上位ｎ位以内に単語認識された単語内の
文字のうち閾値以上の割合が含まれている場合に、単語
認識手段１４による単語認識結果を出力し、そうでない
場合はリジェクトする。これにより、単語認識における
極端な誤読を減らすことができる。 (ii)さらに、図２の点線に示すように、文字数推定処理
１７により、文字数比較により単語認識結果を検証する
ようにしてもよい。すなわち、単語領域を一括認識した
際に、認識した単語内の文字数と単語イメージから推定
される文字数の比較を行ない、両者の文字数が閾値以上
異なる場合に単語認識結果をリジェクトする。文字数推
定の方法としては、単語イメージに外接する矩形の高さ
と幅の比や単語イメージに対して周辺分布をとり、周辺
分布の切れ目位置・外接矩形高さなどから算出される数
を用いることができる。 (iii) 線密度／周辺分布による検証処理１６では、文字
特徴の合成によって単語特徴を生成した場合、後述する
ように、文字特徴同士の合成位置を逆算し各位置で単語
イメージ上を分割し、各分割領域内で算出された線密度
や周辺分布と、単語認識された単語の各文字が予め持つ
線密度や周辺分布とを比較する。そして、両者が異なる
場合に単語認識結果をリジェクトすることにより、単語
認識結果を検証する。
【０００８】以下、上記キー文字コード自動抽出処理、
キー文字／キー単語抽出処理、および線密度／周辺分布
による検証処理について説明する。 （１）キー文字コード自動抽出処理、キー文字／キー単
語抽出処理 図３は、上記キー文字コード自動抽出処理、キー文字／
キー単語抽出処理の実施例を示す図である。キー文字コ
ード自動抽出処理１１において、まず、処理１１ａにお
いて、認識対象文字列コードから出現頻度の高い文字
や、文字列単位で見たときに出現頻度の高い文字、文字
列をキー文字コードとして抽出する。さらに、処理１１
ｂにおいて、前記したように、相関を持って出現する文
字コードの組を抽出し、これらの文字の組をキー文字コ
ードとして登録していく。図４に認識対象文字列群と、
そこから抽出されるキー文字コードの一例を示す。図４
（ａ）の認識対象文字列群から出現頻度の高い文字コー
ドを抽出すると、例えば図４（ｂ）に示すように、県、
都、…等の住所認識における文字に加え、信用組合、商
工信用組合等の金融機関名や農業協同組合名等のキー文
字コードが抽出される。また、「……県信用組合」、
「……県農業協同組合」等のように「県」等の文字が付
された文字列の出現頻度が高ければ、これもキー文字コ
ードとして抽出される。また、文字同士の出現の相関を
調べると、図４（ｃ）に示すように相関の高い文字コー
ドの組が抽出される。なお、文字認識で誤読の生じにく
い文字を予め登録しておき、上記キー文字コードを抽出
する際、上記登録された文字をキー文字コードとして抽
出しておけば、文字イメージからのキー単語抽出処理に
おいて、より確実にキー単語を抽出することが可能とな
る。
キー文字／キー単語抽出処理、および線密度／周辺分布
による検証処理について説明する。 （１）キー文字コード自動抽出処理、キー文字／キー単
語抽出処理 図３は、上記キー文字コード自動抽出処理、キー文字／
キー単語抽出処理の実施例を示す図である。キー文字コ
ード自動抽出処理１１において、まず、処理１１ａにお
いて、認識対象文字列コードから出現頻度の高い文字
や、文字列単位で見たときに出現頻度の高い文字、文字
列をキー文字コードとして抽出する。さらに、処理１１
ｂにおいて、前記したように、相関を持って出現する文
字コードの組を抽出し、これらの文字の組をキー文字コ
ードとして登録していく。図４に認識対象文字列群と、
そこから抽出されるキー文字コードの一例を示す。図４
（ａ）の認識対象文字列群から出現頻度の高い文字コー
ドを抽出すると、例えば図４（ｂ）に示すように、県、
都、…等の住所認識における文字に加え、信用組合、商
工信用組合等の金融機関名や農業協同組合名等のキー文
字コードが抽出される。また、「……県信用組合」、
「……県農業協同組合」等のように「県」等の文字が付
された文字列の出現頻度が高ければ、これもキー文字コ
ードとして抽出される。また、文字同士の出現の相関を
調べると、図４（ｃ）に示すように相関の高い文字コー
ドの組が抽出される。なお、文字認識で誤読の生じにく
い文字を予め登録しておき、上記キー文字コードを抽出
する際、上記登録された文字をキー文字コードとして抽
出しておけば、文字イメージからのキー単語抽出処理に
おいて、より確実にキー単語を抽出することが可能とな
る。
【０００９】キー文字／キー単語抽出処理１２では、個
別文字切り出し処理１２ａにおいて手書き文字列（イメ
ージデータ）から個別文字を切り出し、前記したように
文字認識を行って上記キー文字コード自動抽出手段１１
により抽出されたキー文字コードに相当したキー文字、
キー単語を抽出する。以下、キー文字が複数文字から成
るもの、すなわちキー単語の抽出について説明する。こ
こでは、例として、金融機関名を取り上げ、「○○信用
組合△△支店」や「○○農業協同組合△△支所」などか
らキー単語として「信用組合」「農業協同組合」を抽出
することを考える。なお、県，市，区，町等の１文字の
キー文字は、以下に説明する文字認識・キー単語／文字
抽出処理で、キー単語の抽出と同様に抽出することがで
きる。まず、一般的なキー単語の抽出について説明す
る。文字認識・キー文字／単語抽出処理１２ｂでは、切
り出された個別文字について、文字認識を行なってい
き、各文字ごとに認識結果の上位ｎ位候補の距離値を見
ていく。距離値が閾値ＴＨ１以下の候補の中に予め登録
されているキー単語中の文字が属していたら、それを着
目文字のキー文字候補とする。キー単語中の文字が複数
属している場合は複数のキー文字候補を出しておく。文
字列中のすべての文字についてこの処理を行ない、キー
文字候補の文字並びの中にキー単語と同一の文字列が含
まれている場合に、これらをキー単語として抽出する。
別文字切り出し処理１２ａにおいて手書き文字列（イメ
ージデータ）から個別文字を切り出し、前記したように
文字認識を行って上記キー文字コード自動抽出手段１１
により抽出されたキー文字コードに相当したキー文字、
キー単語を抽出する。以下、キー文字が複数文字から成
るもの、すなわちキー単語の抽出について説明する。こ
こでは、例として、金融機関名を取り上げ、「○○信用
組合△△支店」や「○○農業協同組合△△支所」などか
らキー単語として「信用組合」「農業協同組合」を抽出
することを考える。なお、県，市，区，町等の１文字の
キー文字は、以下に説明する文字認識・キー単語／文字
抽出処理で、キー単語の抽出と同様に抽出することがで
きる。まず、一般的なキー単語の抽出について説明す
る。文字認識・キー文字／単語抽出処理１２ｂでは、切
り出された個別文字について、文字認識を行なってい
き、各文字ごとに認識結果の上位ｎ位候補の距離値を見
ていく。距離値が閾値ＴＨ１以下の候補の中に予め登録
されているキー単語中の文字が属していたら、それを着
目文字のキー文字候補とする。キー単語中の文字が複数
属している場合は複数のキー文字候補を出しておく。文
字列中のすべての文字についてこの処理を行ない、キー
文字候補の文字並びの中にキー単語と同一の文字列が含
まれている場合に、これらをキー単語として抽出する。
【００１０】図５に上記個別文字切り出し、文字認識・
キー文字／単語抽出処理のフローを示す。ステップＳ１
において個別文字を切り出し、ステップＳ２において切
り出した文字の文字認識を行う。文字認識は、切り出し
た文字から特徴を抽出し、特徴データを格納した辞書と
の照合を行って候補文字を抽出し、切り出した文字と候
補文字との距離値を求めることにより行う。ステップＳ
３において、以上のようにして求めた文字認識結果の上
位ｎ位の候補文字を抽出する。ステップＳ４において、
候補文字の距離値が閾値ＴＨ１より小さいかを調べる。
候補文字の距離値が閾値ＴＨ１より小さければ、ステッ
プＳ５において、上記候補文字が、キー文字コード自動
抽出処理１１において登録されたキー単語中に含まれて
いるかを調べる。含まれている場合には、ステップＳ６
において、上記文字をキー文字候補として登録する。以
上の処理を全ての文字の処理が終わるまで繰り返し、全
ての文字についての処理が終わったら、ステップＳ７か
らステップＳ８に行き、キー文字候補の文字並びの中
に、キー文字コード自動抽出処理１１において登録され
たキー単語と同一の文字列が含まれているものをキー単
語として抽出する。
キー文字／単語抽出処理のフローを示す。ステップＳ１
において個別文字を切り出し、ステップＳ２において切
り出した文字の文字認識を行う。文字認識は、切り出し
た文字から特徴を抽出し、特徴データを格納した辞書と
の照合を行って候補文字を抽出し、切り出した文字と候
補文字との距離値を求めることにより行う。ステップＳ
３において、以上のようにして求めた文字認識結果の上
位ｎ位の候補文字を抽出する。ステップＳ４において、
候補文字の距離値が閾値ＴＨ１より小さいかを調べる。
候補文字の距離値が閾値ＴＨ１より小さければ、ステッ
プＳ５において、上記候補文字が、キー文字コード自動
抽出処理１１において登録されたキー単語中に含まれて
いるかを調べる。含まれている場合には、ステップＳ６
において、上記文字をキー文字候補として登録する。以
上の処理を全ての文字の処理が終わるまで繰り返し、全
ての文字についての処理が終わったら、ステップＳ７か
らステップＳ８に行き、キー文字候補の文字並びの中
に、キー文字コード自動抽出処理１１において登録され
たキー単語と同一の文字列が含まれているものをキー単
語として抽出する。
【００１１】一方、上記文字認識と同時に、単語認識／
キー単語抽出処理１２ｃにおいて、個別文字として切り
出した文字について単語認識を行う。例えば図６に示す
「支店」ように、小さく書かれた文字同士が接触してい
る場合、文字切り出しをした時点で、この接触文字を１
文字として捉えてしまうことがある。このような場合に
備え、単語認識／キー単語抽出処理１２ｃにおいて、１
文字として切り出された領域に対して文字特徴に加えて
単語特徴でも照合を行なう。そして、単語特徴による照
合で距離条件を満たした場合は、これをキー単語として
抽出する。
キー単語抽出処理１２ｃにおいて、個別文字として切り
出した文字について単語認識を行う。例えば図６に示す
「支店」ように、小さく書かれた文字同士が接触してい
る場合、文字切り出しをした時点で、この接触文字を１
文字として捉えてしまうことがある。このような場合に
備え、単語認識／キー単語抽出処理１２ｃにおいて、１
文字として切り出された領域に対して文字特徴に加えて
単語特徴でも照合を行なう。そして、単語特徴による照
合で距離条件を満たした場合は、これをキー単語として
抽出する。
【００１２】上記文字認識・キー文字／単語抽出処理に
おいて、予め登録されたキー単語の一部の文字が抽出さ
れた場合には、次のように処理を行う。 (i) 多段閾値による２段階抽出 文字列中からキー単語の一部のみが抽出されたとき、前
後のキー文字抽出処理１２ｄでは、その前後の文字認識
結果に対してキー単語抽出の距離値条件を緩め、再度抽
出処理を行なう。つまり、通常はある文字に対する文字
認識結果に対し、前記距離値ＴＨ１以上の認識結果候補
の中にキー文字が含まれている場合にキー文字候補とし
て抽出するが、抽出されたキー文字の前後の文字につい
ては、距離値ＴＨ２（ＴＨ２＞ＴＨ１）以上の認識結果
候補の中からキー文字を抽出する。これにより、キー単
語の一部の文字の字形変形が大きい場合でも、キー単語
の一部として抽出することができる。
おいて、予め登録されたキー単語の一部の文字が抽出さ
れた場合には、次のように処理を行う。 (i) 多段閾値による２段階抽出 文字列中からキー単語の一部のみが抽出されたとき、前
後のキー文字抽出処理１２ｄでは、その前後の文字認識
結果に対してキー単語抽出の距離値条件を緩め、再度抽
出処理を行なう。つまり、通常はある文字に対する文字
認識結果に対し、前記距離値ＴＨ１以上の認識結果候補
の中にキー文字が含まれている場合にキー文字候補とし
て抽出するが、抽出されたキー文字の前後の文字につい
ては、距離値ＴＨ２（ＴＨ２＞ＴＨ１）以上の認識結果
候補の中からキー文字を抽出する。これにより、キー単
語の一部の文字の字形変形が大きい場合でも、キー単語
の一部として抽出することができる。
【００１３】(ii)両端認識によるキー単語抽出 文字同士の接触の多い文字列では、キー単語に属す個々
の文字を全て切り出して認識することが困難なことが多
い。例えば、「農業協同組合」というキー単語イメージ
の中で、「業協」の部分が複雑に接触していて、文字切
り出しでうまく切り出せない場合が生じる。そこで、両
端認識によるキー文字抽出処理１２ｅを行う。キー文字
抽出処理１２ｅでは、文字数がＮ文字以上のキー単語に
関して、文字列の先頭と終端の文字が抽出され、さらに
全文字数のＰ％以上の文字が抽出された時点で、キー単
語が抽出されたものとみなす。上記Ｎ，Ｐについては実
験により求めた値を用い、例えばＰ＝６０などとする。
「農業協同組合」を例にとると、「農業○○組合」や
「農○○同組合」とキー文字候補が抽出された時点で、
この文字列を「農業協同組合」と確定する。 (iii) 部分認識による部分キー単語抽出 キー単語の先頭の文字がその前の文字と接触している
と、正しく抽出することができず、上記両端認識方式が
うまく適用できない。そこで、部分認識によるキー単語
抽出処理１２ｆを行う。部分認識によるキー単語抽出処
理１２ｆでは、キー単語のうち文字数がＭ文字以上のキ
ー単語に関し、文字列前半の一部の文字と後半の一部の
文字が認識できた時点で、それらの部分文字列両端に対
して、上記(ii)の両端認識によるキー単語抽出を行い、
条件を満たした時点でこの部分文字列を部分キー単語と
して抽出する。「農業協同組合」を例にとると、「○○
○業△△組合」が認識された時点で、この文字列に含ま
れるキー単語を「農業協同組合」と推定する。しかし
「農」の位置が不明なので、「業」以降を「業協同組
合」と確定する。
の文字を全て切り出して認識することが困難なことが多
い。例えば、「農業協同組合」というキー単語イメージ
の中で、「業協」の部分が複雑に接触していて、文字切
り出しでうまく切り出せない場合が生じる。そこで、両
端認識によるキー文字抽出処理１２ｅを行う。キー文字
抽出処理１２ｅでは、文字数がＮ文字以上のキー単語に
関して、文字列の先頭と終端の文字が抽出され、さらに
全文字数のＰ％以上の文字が抽出された時点で、キー単
語が抽出されたものとみなす。上記Ｎ，Ｐについては実
験により求めた値を用い、例えばＰ＝６０などとする。
「農業協同組合」を例にとると、「農業○○組合」や
「農○○同組合」とキー文字候補が抽出された時点で、
この文字列を「農業協同組合」と確定する。 (iii) 部分認識による部分キー単語抽出 キー単語の先頭の文字がその前の文字と接触している
と、正しく抽出することができず、上記両端認識方式が
うまく適用できない。そこで、部分認識によるキー単語
抽出処理１２ｆを行う。部分認識によるキー単語抽出処
理１２ｆでは、キー単語のうち文字数がＭ文字以上のキ
ー単語に関し、文字列前半の一部の文字と後半の一部の
文字が認識できた時点で、それらの部分文字列両端に対
して、上記(ii)の両端認識によるキー単語抽出を行い、
条件を満たした時点でこの部分文字列を部分キー単語と
して抽出する。「農業協同組合」を例にとると、「○○
○業△△組合」が認識された時点で、この文字列に含ま
れるキー単語を「農業協同組合」と推定する。しかし
「農」の位置が不明なので、「業」以降を「業協同組
合」と確定する。
【００１４】以上のようにしてキー単語が抽出された
ら、単語認識によるキー単語検証処理１２ｇにおいて、
抽出されたキー単語の検証を行う。単語認識によるキー
単語検証処理１２ｇにおいては、キー単語が抽出された
時点で、キー単語に対する単語特徴を生成する。そし
て、上記キー単語抽出処理により抽出されたキー単語領
域に対して、単語認識処理を行ない、距離条件を満たし
たもののみをキー単語として抽出する。また、単語イメ
ージによってはキー単語でない文字の組合せに対して単
語特徴による照合で誤読しやすい場合が存在する。そこ
で、このような誤読しやすい単語イメージを類似単語特
徴として単語特徴辞書に追加しておき、正しい単語特徴
と詳細識別する際に用いることにより、キー単語の抽出
精度を向上させることができる。
ら、単語認識によるキー単語検証処理１２ｇにおいて、
抽出されたキー単語の検証を行う。単語認識によるキー
単語検証処理１２ｇにおいては、キー単語が抽出された
時点で、キー単語に対する単語特徴を生成する。そし
て、上記キー単語抽出処理により抽出されたキー単語領
域に対して、単語認識処理を行ない、距離条件を満たし
たもののみをキー単語として抽出する。また、単語イメ
ージによってはキー単語でない文字の組合せに対して単
語特徴による照合で誤読しやすい場合が存在する。そこ
で、このような誤読しやすい単語イメージを類似単語特
徴として単語特徴辞書に追加しておき、正しい単語特徴
と詳細識別する際に用いることにより、キー単語の抽出
精度を向上させることができる。
【００１５】（２）線密度／周辺分布による検証処理 前記図２で説明したように、キー単語で区切られた単語
領域を抽出し、キー単語で区切られた単語領域に対し
て、単語認識を行なうとともに、文字切り出し・文字認
識による検証、文字数推定による単語認識結果の検証を
行い、さらに、単語認識結果について、線密度／周辺分
布による検証処理を行う。以下、図７、図８により線密
度／周辺分布による検証処理について説明する。ここで
は、上記単語認識処理１４における単語認識処理が、文
字特徴の合成によって単語特徴を生成し、該単語特徴
と、抽出された単語領域の単語イメージの特徴とを照合
して単語認識する場合について説明する。前記単語認識
処理１４により得られた単語認識結果について、文字特
徴合成位置の算出処理１６ａにより、文字特徴同士の合
成位置を逆算する。すなわち、単語特徴を生成して単語
認識する方式で単語照合を行なったときに用いた単語テ
ンプレートから文字特徴同士の合成位置を逆算する。例
えば、図８に示すように、「富士」という単語イメージ
の照合結果として「七十七」が得られたら、その単語テ
ンプレートから、合成位置を逆算し、「七十七」の各文
字の合成位置を求める。合成位置は単語正規化イメージ
上での位置となるので、単語領域の分割処理１６ｂで
は、その位置を単語イメージ上の位置に変換し、変換さ
れた各位置で単語イメージ上を分割する。例えば図８に
示すように「七十七」の各文字の合成位置を単語イメー
ジ上の位置に変換し、「富士」という単語イメージを分
割する。
領域を抽出し、キー単語で区切られた単語領域に対し
て、単語認識を行なうとともに、文字切り出し・文字認
識による検証、文字数推定による単語認識結果の検証を
行い、さらに、単語認識結果について、線密度／周辺分
布による検証処理を行う。以下、図７、図８により線密
度／周辺分布による検証処理について説明する。ここで
は、上記単語認識処理１４における単語認識処理が、文
字特徴の合成によって単語特徴を生成し、該単語特徴
と、抽出された単語領域の単語イメージの特徴とを照合
して単語認識する場合について説明する。前記単語認識
処理１４により得られた単語認識結果について、文字特
徴合成位置の算出処理１６ａにより、文字特徴同士の合
成位置を逆算する。すなわち、単語特徴を生成して単語
認識する方式で単語照合を行なったときに用いた単語テ
ンプレートから文字特徴同士の合成位置を逆算する。例
えば、図８に示すように、「富士」という単語イメージ
の照合結果として「七十七」が得られたら、その単語テ
ンプレートから、合成位置を逆算し、「七十七」の各文
字の合成位置を求める。合成位置は単語正規化イメージ
上での位置となるので、単語領域の分割処理１６ｂで
は、その位置を単語イメージ上の位置に変換し、変換さ
れた各位置で単語イメージ上を分割する。例えば図８に
示すように「七十七」の各文字の合成位置を単語イメー
ジ上の位置に変換し、「富士」という単語イメージを分
割する。
【００１６】そして、線密度、周辺分布算出処理１６ｃ
において、分割領域ごとに線密度、あるいは、周辺分布
を算出する。例えば図８の例では、「富士」という単語
イメージについて、分割された各領域の線密度を算出す
る。一方、線密度、周辺分布算出処理１６ｄにおいて、
単語認識結果の各文字について、線密度辞書あるいは周
辺分布辞書等を参照して、各文字が予め持つ線密度ある
いは周辺分布を抽出する。例えば、図８の例では、「七
十七」という単語の各文字の線密度を抽出する。つい
で、比較処理１６ｅにおいて、各分割領域内で算出され
た線密度や周辺分布と、単語認識された単語の各文字の
線密度あるいは周辺分布とを比較する。そして、両者が
異なる場合に単語認識結果をリジェクトする。例えば、
図８の例では、「富士」という単語イメージを分割した
各領域内の線密度と、「七十七」という単語の各文字が
持つ線密度は異なるので、単語認識結果である「七十
七」はリジェクトされる。
において、分割領域ごとに線密度、あるいは、周辺分布
を算出する。例えば図８の例では、「富士」という単語
イメージについて、分割された各領域の線密度を算出す
る。一方、線密度、周辺分布算出処理１６ｄにおいて、
単語認識結果の各文字について、線密度辞書あるいは周
辺分布辞書等を参照して、各文字が予め持つ線密度ある
いは周辺分布を抽出する。例えば、図８の例では、「七
十七」という単語の各文字の線密度を抽出する。つい
で、比較処理１６ｅにおいて、各分割領域内で算出され
た線密度や周辺分布と、単語認識された単語の各文字の
線密度あるいは周辺分布とを比較する。そして、両者が
異なる場合に単語認識結果をリジェクトする。例えば、
図８の例では、「富士」という単語イメージを分割した
各領域内の線密度と、「七十七」という単語の各文字が
持つ線密度は異なるので、単語認識結果である「七十
七」はリジェクトされる。
【００１７】（付記１） 文字コードで表される認識対
象とする文字列カテゴリから文字列の節となるキー単語
のコード列を自動抽出するキー文字コード抽出手段と、
文字列イメージ中から、上記キー文字コード抽出手段に
より抽出されたキー単語、もしくは、その一部を抽出す
るキー単語抽出手段と、抽出されたキー単語により決定
される部分領域内の文字列に対して一括認識する認識手
段と、一括認識した結果を検証する検証手段とを備えた
ことを特徴とする文字列認識装置。 （付記２） 上記キー単語抽出手段は、文字列イメージ
中からキー単語を抽出する際に、キー単語を構成する文
字の一部のみが抽出された場合に、その前後の文字につ
いてキー文字としての抽出条件を緩め、再度文字抽出を
行なうことを特徴とする付記１の文字列認識装置。 （付記３） 上記キー単語抽出手段は、文字列イメージ
中からキー単語を抽出する際に、キー単語を構成する文
字のうち、その先頭文字と終端文字、およびキー単語に
含まれる文字の一定の割合以上が抽出された場合に、そ
の部分文字列をキー単語とみなすことを特徴とする付記
１または付記２の文字列認識装置。 （付記４） 上記キー単語抽出手段は、文字列イメージ
中からキー単語を抽出する際に、キー単語を構成する文
字のうち、離れた位置の２文字以上が抽出され、その文
字間に挟まれた領域内の文字のうち、一定の割合以上が
抽出された場合に、その部分文字列をキー単語の部分文
字列として抽出することを特徴とする付記１，２または
付記３の文字列認識装置。 （付記５） 上記キー単語抽出手段は、文字列イメージ
中からキー単語を抽出する際に、抽出されたキー単語、
もしくはその部分キー単語に対して、単語として一括認
識を行ない、単語としての確からしさを検証することを
特徴とする付記１，２，３または付記４の文字列認識装
置。 （付記６） 上記キー単語抽出手段は、文字列イメージ
中からキー単語を抽出する際に、１文字として切り出さ
れた領域に対して、文字特徴に加えて、単語特徴でも照
合を行い、キー単語を構成する文字列、もしくはキー単
語を抽出することを特徴とする付記１，２，３，４また
は付記５の文字列認識装置。 （付記７） 上記キー単語抽出手段は、文字列イメージ
中からキー単語の単語特徴を用いて単語抽出を行なう際
に、キー単語に誤読されやすい単語が類似単語として登
録された辞書を参照して、単語認識における認識精度を
あげることを特徴とする付記５または付記６の文字列認
識装置。 （付記８） 上記キー文字コード抽出手段は、文字列カ
テゴリから文字列の節となるキー単語のコード列を抽出
する際に、認識対象文字列全体の中で出現頻度の高い文
字、文字列単位で見たときに出現頻度の高い文字、およ
び／または、高い相関を持って出現する文字の組をキー
単語として抽出することを特徴とする付記１の文字列認
識装置。 （付記９） 文字認識で誤読の生じにくい文字を予め登
録しておき、上記キー文字コード抽出手段は、文字列カ
テゴリから文字列の節となるキー単語のコード列を抽出
する際に、上記登録された文字をキー文字として抽出す
ることを特徴とする付記１または付記８の文字列認識装
置。 （付記１０） 上記認識手段は、単語領域を一括認識す
る際、単語認識を行なうとともに、その領域に対し文字
切り出しと文字認識も行ない、単語認識結果に含まれる
文字が、上記文字認識結果中に、予め定められた上位ｎ
位以内に閾値数以上含まれる場合に単語認識結果を確定
することを特徴とする付記１の文字列認識装置。 （付記１１） 上記認識手段は、文字特徴を合成するこ
とにより生成した単語特徴を用いて単語領域を一括認識
し、 上記検証手段は、マッチングしたテンプレートから単語
イメージにおける各文字の分割位置を算出し、各分割位
置で求めた単語イメージの線密度と、認識した単語の各
文字が保持する線密度を比較し、両者の線密度の総和、
もしくは、大小比率が閾値以上異なる場合に単語認識結
果をリジェクトすることを特徴とする付記１または付記
１０の文字列認識装置。 （付記１２） 上記認識手段は、文字特徴を合成するこ
とにより生成した単語特徴を用いて、単語領域を一括認
識し、上記検証手段は、マッチングしたテンプレートか
ら単語イメージににおける各文字の分割位置を算出し、
各分割位置で求めた単語イメージの周辺分布と、認識し
た単語の各文字が保持する周辺分布を比較し、両者の周
辺分布の総和、もしくは大小比率が閾値以上異なる場合
に単語認識結果をリジェクトすることを特徴とする付記
１または付記１０の文字列認識装置。 （付記１３） 上記認識手段は、文字特徴を合成するこ
とにより生成した単語特徴を用いて単語領域を一括認識
し、上記検証手段は、認識した単語内の文字数と、単語
イメージから推定される文字数の比較を行ない、両者の
文字数が閾値以上異なる場合に単語認識結果をリジェク
トすることを特徴とする付記１または付記１０の文字列
認識装置。 （付記１４） 文字列イメージを認識するプログラムを
記録した記録媒体であって、上記プログラムは、文字コ
ードで表される認識対象とする文字列カテゴリから文字
列の節となるキー単語のコード列を自動抽出し、文字列
イメージ中から、上記抽出されたキー単語、もしくは、
その一部を抽出し、抽出されたキー単語により決定され
る部分領域内の文字列に対して一括認識を行い、一括認
識した結果を検証することを特徴とする文字列イメージ
を認識するプログラムを記録した記録媒体。
象とする文字列カテゴリから文字列の節となるキー単語
のコード列を自動抽出するキー文字コード抽出手段と、
文字列イメージ中から、上記キー文字コード抽出手段に
より抽出されたキー単語、もしくは、その一部を抽出す
るキー単語抽出手段と、抽出されたキー単語により決定
される部分領域内の文字列に対して一括認識する認識手
段と、一括認識した結果を検証する検証手段とを備えた
ことを特徴とする文字列認識装置。 （付記２） 上記キー単語抽出手段は、文字列イメージ
中からキー単語を抽出する際に、キー単語を構成する文
字の一部のみが抽出された場合に、その前後の文字につ
いてキー文字としての抽出条件を緩め、再度文字抽出を
行なうことを特徴とする付記１の文字列認識装置。 （付記３） 上記キー単語抽出手段は、文字列イメージ
中からキー単語を抽出する際に、キー単語を構成する文
字のうち、その先頭文字と終端文字、およびキー単語に
含まれる文字の一定の割合以上が抽出された場合に、そ
の部分文字列をキー単語とみなすことを特徴とする付記
１または付記２の文字列認識装置。 （付記４） 上記キー単語抽出手段は、文字列イメージ
中からキー単語を抽出する際に、キー単語を構成する文
字のうち、離れた位置の２文字以上が抽出され、その文
字間に挟まれた領域内の文字のうち、一定の割合以上が
抽出された場合に、その部分文字列をキー単語の部分文
字列として抽出することを特徴とする付記１，２または
付記３の文字列認識装置。 （付記５） 上記キー単語抽出手段は、文字列イメージ
中からキー単語を抽出する際に、抽出されたキー単語、
もしくはその部分キー単語に対して、単語として一括認
識を行ない、単語としての確からしさを検証することを
特徴とする付記１，２，３または付記４の文字列認識装
置。 （付記６） 上記キー単語抽出手段は、文字列イメージ
中からキー単語を抽出する際に、１文字として切り出さ
れた領域に対して、文字特徴に加えて、単語特徴でも照
合を行い、キー単語を構成する文字列、もしくはキー単
語を抽出することを特徴とする付記１，２，３，４また
は付記５の文字列認識装置。 （付記７） 上記キー単語抽出手段は、文字列イメージ
中からキー単語の単語特徴を用いて単語抽出を行なう際
に、キー単語に誤読されやすい単語が類似単語として登
録された辞書を参照して、単語認識における認識精度を
あげることを特徴とする付記５または付記６の文字列認
識装置。 （付記８） 上記キー文字コード抽出手段は、文字列カ
テゴリから文字列の節となるキー単語のコード列を抽出
する際に、認識対象文字列全体の中で出現頻度の高い文
字、文字列単位で見たときに出現頻度の高い文字、およ
び／または、高い相関を持って出現する文字の組をキー
単語として抽出することを特徴とする付記１の文字列認
識装置。 （付記９） 文字認識で誤読の生じにくい文字を予め登
録しておき、上記キー文字コード抽出手段は、文字列カ
テゴリから文字列の節となるキー単語のコード列を抽出
する際に、上記登録された文字をキー文字として抽出す
ることを特徴とする付記１または付記８の文字列認識装
置。 （付記１０） 上記認識手段は、単語領域を一括認識す
る際、単語認識を行なうとともに、その領域に対し文字
切り出しと文字認識も行ない、単語認識結果に含まれる
文字が、上記文字認識結果中に、予め定められた上位ｎ
位以内に閾値数以上含まれる場合に単語認識結果を確定
することを特徴とする付記１の文字列認識装置。 （付記１１） 上記認識手段は、文字特徴を合成するこ
とにより生成した単語特徴を用いて単語領域を一括認識
し、 上記検証手段は、マッチングしたテンプレートから単語
イメージにおける各文字の分割位置を算出し、各分割位
置で求めた単語イメージの線密度と、認識した単語の各
文字が保持する線密度を比較し、両者の線密度の総和、
もしくは、大小比率が閾値以上異なる場合に単語認識結
果をリジェクトすることを特徴とする付記１または付記
１０の文字列認識装置。 （付記１２） 上記認識手段は、文字特徴を合成するこ
とにより生成した単語特徴を用いて、単語領域を一括認
識し、上記検証手段は、マッチングしたテンプレートか
ら単語イメージににおける各文字の分割位置を算出し、
各分割位置で求めた単語イメージの周辺分布と、認識し
た単語の各文字が保持する周辺分布を比較し、両者の周
辺分布の総和、もしくは大小比率が閾値以上異なる場合
に単語認識結果をリジェクトすることを特徴とする付記
１または付記１０の文字列認識装置。 （付記１３） 上記認識手段は、文字特徴を合成するこ
とにより生成した単語特徴を用いて単語領域を一括認識
し、上記検証手段は、認識した単語内の文字数と、単語
イメージから推定される文字数の比較を行ない、両者の
文字数が閾値以上異なる場合に単語認識結果をリジェク
トすることを特徴とする付記１または付記１０の文字列
認識装置。 （付記１４） 文字列イメージを認識するプログラムを
記録した記録媒体であって、上記プログラムは、文字コ
ードで表される認識対象とする文字列カテゴリから文字
列の節となるキー単語のコード列を自動抽出し、文字列
イメージ中から、上記抽出されたキー単語、もしくは、
その一部を抽出し、抽出されたキー単語により決定され
る部分領域内の文字列に対して一括認識を行い、一括認
識した結果を検証することを特徴とする文字列イメージ
を認識するプログラムを記録した記録媒体。
【００１８】
【発明の効果】以上説明したように本発明においては、
以下の効果を得ることができる。 （１）文字コードで表される認識対象とする文字列カテ
ゴリから文字列の節となるキー単語のコード列を自動抽
出し、文字列イメージ中から、上記キー文字コード抽出
手段により抽出されたキー単語、もしくは、その一部を
抽出し、抽出されたキー単語により決定される部分領域
内の文字列に対して一括認識し、一括認識した結果を検
証するようにしたので、文字列中からキー単語の抽出を
自動で行なうことができ、また、キー単語が複数文字か
ら成る場合でも精度良くキー単語を抽出することができ
る。さらに、単語認識結果に対して検証処理を入れてい
るため、単語認識で全く異なる単語に誤読することが減
少する。 （２）キー単語を構成する文字の一部のみが抽出された
場合に、その前後の文字についてキー文字としての抽出
条件を緩め、再度文字抽出を行なうことにより、キー単
語の一部の文字の字形変形が大きい場合でも、精度よく
キー単語を抽出することができる。 （３）キー単語を構成する文字のうち、その先頭文字と
終端文字、およびキー単語に含まれる文字の一定の割合
以上が抽出された場合に、その部分文字列をキー単語と
みなようにすることにより、キー単語の文字同士が接触
していても、精度良くキー単語を抽出することができ
る。 （４）キー単語を構成する文字のうち、離れた位置の２
文字以上が抽出され、その文字間に挟まれた領域内の文
字のうち、一定の割合以上が抽出された場合に、その部
分文字列をキー単語の部分文字列として抽出ことによ
り、キー単語の端の文字がその周辺の文字と接触してい
も、精度良くキー単語を抽出することができる。 （５）抽出されたキー単語、もしくはその部分キー単語
に対して、単語として一括認識を行ない、単語としての
確からしさを検証することにより、文字認識精度が低い
場合でも、精度良くキー単語を抽出することができる。 （６）１文字として切り出された領域に対して、文字特
徴に加えて、単語特徴でも照合を行い、キー単語を構成
する文字列、もしくはキー単語を抽出することにより、
文字数が少ないキー単語内の文字が接触している場合で
も、キー単語を抽出することができる。 （７）キー単語に誤読されやすい単語が類似単語として
登録された辞書を参照して、単語認識における認識精度
をあげることにより、精度良くキー単語を抽出すること
ができる。 （８）キー単語のコード列を抽出する際に、認識対象文
字列全体の中で出現頻度の高い文字、文字列単位で見た
ときに出現頻度の高い文字、および／または、高い相関
を持って出現する文字の組をキー単語として抽出するこ
とにより、認識対象文字列（コード）から自動的にキー
単語を抽出することが可能となる。 （９）文字認識で誤読の生じにくい文字を予め登録して
おき、文字列カテゴリから文字列の節となるキー単語の
コード列を抽出する際に、上記登録された文字をキー文
字として抽出することにより、より確実にキー単語を抽
出することができる。 （１０）キー文字／キー単語で区切られた単語領域を一
括認識する際、単語認識を行なうとともに、その領域に
対し文字切り出しと文字認識も行ない、単語認識結果に
含まれる文字が、上記文字認識結果中に、予め定められ
た上位ｎ位以内に閾値数以上含まれる場合に単語認識結
果を確定することにより、極端な誤読を減らすことがで
きる。 （１１）文字特徴を合成することにより生成した単語特
徴を用いて単語領域を一括認識する場合、マッチングし
たテンプレートから単語イメージにおける各文字の分割
位置を算出し、各分割位置で求めた単語イメージの線密
度もしくは周辺分布と、認識した単語の各文字が保持す
る線密度もしくは周辺分布を比較し、両者の線密度、周
辺分布の総和、もしくは、大小比率が閾値以上異なる場
合に単語認識結果をリジェクトすることにより、単語認
識の誤読を減らすことができる。 （１２）文字特徴を合成することにより生成した単語特
徴を用いて単語領域を一括認識する場合に、認識した単
語内の文字数と、単語イメージから推定される文字数の
比較を行ない、両者の文字数が閾値以上異なる場合に単
語認識結果をリジェクトすることにより、上記と同様、
単語認識の誤読を減らすことができる。
以下の効果を得ることができる。 （１）文字コードで表される認識対象とする文字列カテ
ゴリから文字列の節となるキー単語のコード列を自動抽
出し、文字列イメージ中から、上記キー文字コード抽出
手段により抽出されたキー単語、もしくは、その一部を
抽出し、抽出されたキー単語により決定される部分領域
内の文字列に対して一括認識し、一括認識した結果を検
証するようにしたので、文字列中からキー単語の抽出を
自動で行なうことができ、また、キー単語が複数文字か
ら成る場合でも精度良くキー単語を抽出することができ
る。さらに、単語認識結果に対して検証処理を入れてい
るため、単語認識で全く異なる単語に誤読することが減
少する。 （２）キー単語を構成する文字の一部のみが抽出された
場合に、その前後の文字についてキー文字としての抽出
条件を緩め、再度文字抽出を行なうことにより、キー単
語の一部の文字の字形変形が大きい場合でも、精度よく
キー単語を抽出することができる。 （３）キー単語を構成する文字のうち、その先頭文字と
終端文字、およびキー単語に含まれる文字の一定の割合
以上が抽出された場合に、その部分文字列をキー単語と
みなようにすることにより、キー単語の文字同士が接触
していても、精度良くキー単語を抽出することができ
る。 （４）キー単語を構成する文字のうち、離れた位置の２
文字以上が抽出され、その文字間に挟まれた領域内の文
字のうち、一定の割合以上が抽出された場合に、その部
分文字列をキー単語の部分文字列として抽出ことによ
り、キー単語の端の文字がその周辺の文字と接触してい
も、精度良くキー単語を抽出することができる。 （５）抽出されたキー単語、もしくはその部分キー単語
に対して、単語として一括認識を行ない、単語としての
確からしさを検証することにより、文字認識精度が低い
場合でも、精度良くキー単語を抽出することができる。 （６）１文字として切り出された領域に対して、文字特
徴に加えて、単語特徴でも照合を行い、キー単語を構成
する文字列、もしくはキー単語を抽出することにより、
文字数が少ないキー単語内の文字が接触している場合で
も、キー単語を抽出することができる。 （７）キー単語に誤読されやすい単語が類似単語として
登録された辞書を参照して、単語認識における認識精度
をあげることにより、精度良くキー単語を抽出すること
ができる。 （８）キー単語のコード列を抽出する際に、認識対象文
字列全体の中で出現頻度の高い文字、文字列単位で見た
ときに出現頻度の高い文字、および／または、高い相関
を持って出現する文字の組をキー単語として抽出するこ
とにより、認識対象文字列（コード）から自動的にキー
単語を抽出することが可能となる。 （９）文字認識で誤読の生じにくい文字を予め登録して
おき、文字列カテゴリから文字列の節となるキー単語の
コード列を抽出する際に、上記登録された文字をキー文
字として抽出することにより、より確実にキー単語を抽
出することができる。 （１０）キー文字／キー単語で区切られた単語領域を一
括認識する際、単語認識を行なうとともに、その領域に
対し文字切り出しと文字認識も行ない、単語認識結果に
含まれる文字が、上記文字認識結果中に、予め定められ
た上位ｎ位以内に閾値数以上含まれる場合に単語認識結
果を確定することにより、極端な誤読を減らすことがで
きる。 （１１）文字特徴を合成することにより生成した単語特
徴を用いて単語領域を一括認識する場合、マッチングし
たテンプレートから単語イメージにおける各文字の分割
位置を算出し、各分割位置で求めた単語イメージの線密
度もしくは周辺分布と、認識した単語の各文字が保持す
る線密度もしくは周辺分布を比較し、両者の線密度、周
辺分布の総和、もしくは、大小比率が閾値以上異なる場
合に単語認識結果をリジェクトすることにより、単語認
識の誤読を減らすことができる。 （１２）文字特徴を合成することにより生成した単語特
徴を用いて単語領域を一括認識する場合に、認識した単
語内の文字数と、単語イメージから推定される文字数の
比較を行ない、両者の文字数が閾値以上異なる場合に単
語認識結果をリジェクトすることにより、上記と同様、
単語認識の誤読を減らすことができる。
【図１】本発明の概要を説明する図である。
【図２】本発明の実施例の文字列認識装置の全体の概略
構成を示す図である。
構成を示す図である。
【図３】キー文字コード自動抽出処理、キー文字／キー
単語抽出処理の実施例を示す図である。
単語抽出処理の実施例を示す図である。
【図４】認識対象文字群と抽出される文字、文字列の一
例を示す図である。
例を示す図である。
【図５】個別文字切り出し、文字認識・キー単語抽出処
理のフローを示す図である。
理のフローを示す図である。
【図６】個別文字として切り出した文字の単語認識を行
う場合を説明する図である。
う場合を説明する図である。
【図７】線密度／周辺分布による検証処理を示す図であ
る。
る。
【図８】線密度／周辺分布による検証処理を説明する図
である。
である。
１ キー文字コード抽出手段 ２ キー単語抽出手段 ３ 単語認識手段 ４ 検証手段 １１ キー文字コード自動抽出処理 １２ キー文字／キー単語抽出処理 １３ 単語領域抽出処理 １４ 単語認識処理 １５ 文字切り出し／文字認識処理 １６ 線密度／周辺分布による検証処理 １７ 文字数推定処理
───────────────────────────────────────────────────── フロントページの続き (72)発明者 直井 聡 神奈川県川崎市中原区上小田中４丁目１番 １号 富士通株式会社内 (72)発明者 諏訪 美佐子 神奈川県川崎市中原区上小田中４丁目１番 １号 富士通株式会社内 Ｆターム(参考） 5B064 AA01 BA01 CA08 DA10 EA19 EA39
Claims (5)
- 【請求項１】 文字コードで表される認識対象とする文
字列カテゴリから文字列の節となるキー単語のコード列
を自動抽出するキー文字コード抽出手段と、 文字列イメージ中から、上記キー文字コード抽出手段に
より抽出されたキー単語、もしくは、その一部を抽出す
るキー単語抽出手段と、 抽出されたキー単語により決定される部分領域内の文字
列に対して一括認識する認識手段と、 一括認識した結果を検証する検証手段とを備えたことを
特徴とする文字列認識装置。 - 【請求項２】 上記キー単語抽出手段は、文字列イメー
ジ中からキー単語を抽出する際に、キー単語を構成する
文字のうち、離れた位置の２文字以上が抽出され、その
文字間に挟まれた領域内の文字のうち、一定の割合以上
が抽出された場合に、その部分文字列をキー単語の部分
文字列として抽出することを特徴とする請求項１の文字
列認識装置。 - 【請求項３】 上記キー文字コード抽出手段は、文字列
カテゴリから文字列の節となるキー単語のコード列を抽
出する際に、認識対象文字列全体の中で出現頻度の高い
文字、文字列単位で見たときに出現頻度の高い文字、お
よび／または、高い相関を持って出現する文字の組をキ
ー単語として抽出することを特徴とする請求項１の文字
列認識装置。 - 【請求項４】 上記認識手段は、単語領域を一括認識す
る際、単語認識を行なうとともに、その領域に対し文字
切り出しと文字認識も行ない、単語認識結果に含まれる
文字が、上記文字認識結果中に、予め定められた上位ｎ
位以内に閾値数以上含まれる場合に単語認識結果を確定
することを特徴とする請求項１の文字列認識装置。 - 【請求項５】 文字列イメージを認識するプログラムを
記録した記録媒体であって、 上記プログラムは、文字コードで表される認識対象とす
る文字列カテゴリから文字列の節となるキー単語のコー
ド列を自動抽出し、 文字列イメージ中から、上記抽出されたキー単語、もし
くは、その一部を抽出し、 抽出されたキー単語により決定される部分領域内の文字
列に対して一括認識を行い、一括認識した結果を検証す
ることを特徴とする文字列イメージを認識するプログラ
ムを記録した記録媒体。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001015349A JP4136316B2 (ja) | 2001-01-24 | 2001-01-24 | 文字列認識装置 |
| US10/020,249 US7136526B2 (en) | 2001-01-24 | 2001-12-18 | Character string recognition apparatus, character string recognizing method, and storage medium therefor |
| CNB021023530A CN100474331C (zh) | 2001-01-24 | 2002-01-23 | 字符串识别装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001015349A JP4136316B2 (ja) | 2001-01-24 | 2001-01-24 | 文字列認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002216076A true JP2002216076A (ja) | 2002-08-02 |
| JP4136316B2 JP4136316B2 (ja) | 2008-08-20 |
Family
ID=18881913
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001015349A Expired - Fee Related JP4136316B2 (ja) | 2001-01-24 | 2001-01-24 | 文字列認識装置 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US7136526B2 (ja) |
| JP (1) | JP4136316B2 (ja) |
| CN (1) | CN100474331C (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008243208A (ja) * | 2007-03-27 | 2008-10-09 | Fujitsu Ltd | 住所認識装置 |
| JP2011221886A (ja) * | 2010-04-13 | 2011-11-04 | Fujitsu Frontech Ltd | 帳票認識プログラム、帳票認識装置、および帳票認識方法 |
| CN113837129A (zh) * | 2021-09-29 | 2021-12-24 | 平安科技（深圳）有限公司 | 手写签名错别字识别方法、装置、设备及存储介质 |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AUPR824501A0 (en) * | 2001-10-15 | 2001-11-08 | Silverbrook Research Pty. Ltd. | Methods and systems (npw003) |
| AUPR824601A0 (en) * | 2001-10-15 | 2001-11-08 | Silverbrook Research Pty. Ltd. | Methods and system (npw004) |
| US8245130B1 (en) * | 2007-05-31 | 2012-08-14 | Google Inc. | Performing an estimation on content to be presented |
| US20080310721A1 (en) * | 2007-06-14 | 2008-12-18 | John Jinhwan Yang | Method And Apparatus For Recognizing Characters In A Document Image |
| JP4898615B2 (ja) * | 2007-09-20 | 2012-03-21 | キヤノン株式会社 | 情報処理装置および符号化方法 |
| CN101571921B (zh) * | 2008-04-28 | 2012-07-25 | 富士通株式会社 | 关键字识别方法和装置 |
| CN101430680B (zh) | 2008-12-31 | 2011-01-19 | 阿里巴巴集团控股有限公司 | 一种无词边界标记语言文本的分词序列选择方法及系统 |
| CN102402692B (zh) * | 2010-09-13 | 2014-06-04 | 中国科学院遥感应用研究所 | 一种特征字符串识别方法及系统 |
| TWI478074B (zh) * | 2010-12-01 | 2015-03-21 | Inst Information Industry | 文字辨識方法、裝置以及儲存其之電腦可讀取紀錄媒體 |
| US8843493B1 (en) * | 2012-09-18 | 2014-09-23 | Narus, Inc. | Document fingerprint |
| WO2014166531A1 (en) * | 2013-04-10 | 2014-10-16 | Hewlett-Packard Indigo B.V. | Data transfer system, method of transferring data, and system |
| JP6194781B2 (ja) * | 2013-12-11 | 2017-09-13 | 富士ゼロックス株式会社 | 画像処理装置及びプログラム |
| US9984401B2 (en) * | 2014-02-25 | 2018-05-29 | Truecar, Inc. | Mobile price check systems, methods and computer program products |
| JP6707825B2 (ja) * | 2015-09-14 | 2020-06-10 | 富士ゼロックス株式会社 | 情報処理装置及びプログラム |
| JP7234495B2 (ja) * | 2018-01-25 | 2023-03-08 | 富士フイルムビジネスイノベーション株式会社 | 画像処理装置及びプログラム |
| CN113127637A (zh) * | 2019-12-31 | 2021-07-16 | 中兴通讯股份有限公司 | 一种字符的还原方法及装置、存储介质、电子装置 |
| CN117312624B (zh) * | 2023-11-30 | 2024-02-20 | 北京睿企信息科技有限公司 | 一种获取目标数据列表的数据处理系统 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6338148B1 (en) * | 1993-11-10 | 2002-01-08 | Compaq Computer Corporation | Real-time test controller |
| US6246794B1 (en) * | 1995-12-13 | 2001-06-12 | Hitachi, Ltd. | Method of reading characters and method of reading postal addresses |
| JP3440793B2 (ja) | 1997-12-01 | 2003-08-25 | 富士通株式会社 | 単語認識装置 |
| JP3639126B2 (ja) * | 1998-01-22 | 2005-04-20 | 富士通株式会社 | 住所認識装置及び住所認識方法 |
| US6269188B1 (en) * | 1998-03-12 | 2001-07-31 | Canon Kabushiki Kaisha | Word grouping accuracy value generation |
| JP3522106B2 (ja) | 1998-05-11 | 2004-04-26 | 富士通株式会社 | 文字認識装置 |
| JP3622503B2 (ja) * | 1998-05-29 | 2005-02-23 | 株式会社日立製作所 | 特徴文字列抽出方法および装置とこれを用いた類似文書検索方法および装置並びに特徴文字列抽出プログラムを格納した記憶媒体および類似文書検索プログラムを格納した記憶媒体 |
| US6249605B1 (en) * | 1998-09-14 | 2001-06-19 | International Business Machines Corporation | Key character extraction and lexicon reduction for cursive text recognition |
| US6539118B1 (en) * | 1998-12-31 | 2003-03-25 | International Business Machines Corporation | System and method for evaluating character sets of a message containing a plurality of character sets |
| JP2000353215A (ja) * | 1999-06-11 | 2000-12-19 | Nec Corp | 文字認識装置および文字認識プログラムを記録した記録媒体 |
-
2001
- 2001-01-24 JP JP2001015349A patent/JP4136316B2/ja not_active Expired - Fee Related
- 2001-12-18 US US10/020,249 patent/US7136526B2/en not_active Expired - Fee Related
-
2002
- 2002-01-23 CN CNB021023530A patent/CN100474331C/zh not_active Expired - Fee Related
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008243208A (ja) * | 2007-03-27 | 2008-10-09 | Fujitsu Ltd | 住所認識装置 |
| JP2011221886A (ja) * | 2010-04-13 | 2011-11-04 | Fujitsu Frontech Ltd | 帳票認識プログラム、帳票認識装置、および帳票認識方法 |
| CN113837129A (zh) * | 2021-09-29 | 2021-12-24 | 平安科技（深圳）有限公司 | 手写签名错别字识别方法、装置、设备及存储介质 |
| CN113837129B (zh) * | 2021-09-29 | 2023-10-03 | 平安科技（深圳）有限公司 | 手写签名错别字识别方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN100474331C (zh) | 2009-04-01 |
| US7136526B2 (en) | 2006-11-14 |
| US20020114515A1 (en) | 2002-08-22 |
| JP4136316B2 (ja) | 2008-08-20 |
| CN1367460A (zh) | 2002-09-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2002216076A (ja) | 文字列認識装置 | |
| US7881536B2 (en) | Identifying a string formed from a number of hand-written characters | |
| US7171350B2 (en) | Method for named-entity recognition and verification | |
| US8340429B2 (en) | Searching document images | |
| CN112560842B (zh) | 一种信息识别方法、装置、设备和可读存储介质 | |
| Huang et al. | Mapping transcripts to handwritten text | |
| Kessentini et al. | Word spotting and regular expression detection in handwritten documents | |
| Saiga et al. | An OCR system for business cards | |
| US20140093173A1 (en) | Classifying a string formed from hand-written characters | |
| US20220044048A1 (en) | System and method to recognise characters from an image | |
| JPH11328315A (ja) | 文字認識装置 | |
| Singh et al. | DS theory based fingerprint classifier fusion with update rule to minimize training time | |
| JP3360030B2 (ja) | 文字認識装置および文字認識方法および文字認識方法をプログラムの形で記録した記録媒体 | |
| Mishra | Understanding Text in Scene Images | |
| Slavin et al. | Matching Digital Copies of Documents Based on OCR | |
| JP3361258B2 (ja) | 文字読取装置 | |
| Govindaraju et al. | Paradigms in handwriting recognition | |
| JP2985813B2 (ja) | 文字列認識装置および知識データベース学習方法 | |
| JP3507720B2 (ja) | オンライン手書き文字認識装置及びコンピュータ読み取り可能な記録媒体 | |
| JPH0256086A (ja) | 文字認識の後処理方法 | |
| JP3006823B2 (ja) | 文字および単語の認識方式 | |
| JP2994992B2 (ja) | 手書き文字オンライン認識装置とその字体登録・学習方法 | |
| JP3130392B2 (ja) | 文字認識装置 | |
| JP3151866B2 (ja) | 英文字認識方法 | |
| Hinami et al. | Bidirectional extraction and recognition of scene text with layout consistency |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040805 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20071218 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080215 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080311 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080507 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20080603 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080603 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110613 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120613 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120613 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130613 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140613 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |