JP2004005268A

JP2004005268A - 帳票識別装置、帳票定義方法および帳票識別方法

Info

Publication number: JP2004005268A
Application number: JP2002160682A
Authority: JP
Inventors: Hiroko Eto; 江藤　裕子
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 2002-05-31
Filing date: 2002-05-31
Publication date: 2004-01-08

Abstract

【課題】本発明は、識別のための文字列が印字されていない（プレ印字文字をもたない）帳票を含む多種類の帳票を高速に識別できる帳票識別装置を提供することを課題とする。
【解決手段】帳票定義装置１０は、まず各種類の帳票を辞書帳票として１帳票ずつ用意し、スキャナで画像を読み取る。次に読み取った各帳票について、罫線および識別文字列の識別項目を含む複数の識別項目をもつ帳票定義およびその識別処理を実行するスクリプトを帳票定義ファイル２０に作成する。ＯＣＲ装置３０は、上記帳票定義装置１０によって定義されたスクリプトおよび帳票定義に基づき、各帳票（ｐ）を識別し、識別した帳票について文字認識する。
【選択図】　　図１

Description

【０００１】
【発明の属する技術分野】
本発明は、複数種の帳票を扱う文字認識装置に適用して好適な帳票識別装置に係り、特に識別する文字列が固定位置に配置されない複数種の帳票を帳票定義に従って識別する際に適用して好適な帳票識別装置に関する。
【０００２】
更に本発明は、識別対象となる複数種の帳票それぞれについて設定された複数の識別項目により帳票識別を行う際に用いられる帳票定義方法、および複数の識別項目による帳票定義に従って帳票を識別する帳票識別方法に関する。
【０００３】
【従来の技術】
複数種類の帳票をＯＣＲ装置で文字認識したい場合、予め帳票を種類別に分類する帳票識別作業が介在する。この帳票識別作業を人手により行うと多くの時間と労力を要する。そこで従来では、あらかじめ帳票の決まった位置に、帳票種類を見分けるための手がかりとなる文字を印字しておき、この文字（プレ印字文字）を認識することで帳票種類を識別する方法（プレ印字領域による帳票識別方法）が知られていた。しかしながら、このプレ文字領域による帳票識別方法では、あらかじめ帳票設計時点で、各帳票について、識別するための文字列（プレ印字文字）を定位置に配置しておかなければならないという問題がある。
【０００４】
そこで、このような不具合を解消するために、処理対象となる複数種の帳票それぞれについて、帳票のサイズ、とじ穴領域、コーナーカット領域、プレ印刷領域などの特徴を集めた辞書（帳票定義）を作成し、この辞書と入力帳票とのマッチングを行なうことで、帳票識別のための文字列を固定位置に配置していない帳票についても帳票の種類を識別可能とした技術を提案されている。その従来技術に於いては、識別する帳票の種類が増えると、帳票識別処理の速度が低下する。特に、プレ印刷文字の識別項目に関して、そのチェックに文字認識処理が介在することから、識別対象となる帳票の種類が多くなると、識別処理速度が著しく低下するという問題がある。
【０００５】
また、多数のレイアウトが混在した不特定多数の帳票に対して、スクリプトファイルを用いて短時間かつ高精度に帳票識別を行うものとして、特開２００１−２３６４５４号公報がある。しかしながら、この公報に記載されたものでは、スクリプトで処理の流れを木構造で記述することが出来ないため、辞書帳票との照合はマッチングベースになっていることから、辞書に登録されていない帳票が入力された場合には、スクリプトの全ての条件と照合する必要があり、識別速度が低下する問題があった。
【０００６】
【発明が解決しようとする課題】
上述したように従来では、帳票識別処理に於いて、複数種の帳票を扱う際に、混在する帳票の種類が多くなると、速度が著しく低下するという問題があった。また、スクリプトファイルを用いるものでも、辞書に登録されていない帳票が入力された場合には、スクリプトの全ての条件と照合する必要があり、識別速度が低下する問題があった。
【０００７】
本発明は上記実情に鑑みなされたもので、識別のための文字列が印字されていない（プレ印字文字をもたない）帳票を含む多種類の帳票を高速に識別できる帳票識別装置、帳票定義方法および帳票識別方法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】
本発明は、プレ印字領域とは異なる、領域の文字列を帳票識別に用いることを特徴とする。また、複数種の識別項目をもつ帳票定義の手順を、識別項目を単位に任意に設定可能にしたことを特徴とする。
【０００９】
即ち、本発明は、複数の識別項目による帳票定義に従って不特定多数の帳票を識別する帳票識別装置に於いて、帳票識別を目的としない帳票フォーム内の文字列およびその領域を定義した識別項目と、帳票識別を目的としない帳票フォームに則ったラインおよびその位置を定義した識別項目とを含んだ帳票定義に従って、前記帳票を識別することを特徴とする。　また、本発明は、複数の識別項目による帳票定義に従って不特定多数の帳票を識別する帳票識別装置に於いて、前記帳票定義に、複数の識別項目として、帳票フォーム内の識別文字列と、帳票サイズ、コーナーカット領域、とじ孔領域、白紙領域、罫線の少なくともいずれか１つを含み、前記識別項目を単位に前記帳票定義の識別手順を入れ替え自在にスクリプトで設定したことを特徴とする。
【００１０】
【発明の実施の形態】
以下、図面を参照して本発明の実施形態を説明する。
【００１１】
図１は、本発明の実施形態に於ける帳票識別装置を備えたＯＣＲ装置の構成を示すブロック図である。
【００１２】
図１に於いて、帳票定義装置１０はスキャナを備え、各帳票（ｐ）の定義２０Ａを種類毎に帳票定義ファイル２０を作成すると共に、その識別処理を実行するスクリプト２０Ｂを作成して帳票定義ファイル２０に格納する。ＯＣＲ装置３０は、帳票定義ファイル２０に格納されたスクリプト２０Ｂに基づき、同じく帳票定義ファイル２０に格納された各帳票（ｐ）の定義２０Ａを参照して帳票を識別した後、その帳票の文字等を認識し、その認識結果４０を出力する。この図１に示すハードウェア構成は、従来のＯＣＲシステムと基本的に同一である。
【００１３】
本発明に於いては、上記帳票定義ファイル２０に格納される帳票定義２０Ａに、識別対象となる帳票それぞれについて、帳票識別を目的としない帳票フォーム内の文字列およびその領域を定義した識別項目を加え、帳票（ｐ）上の帳票フォーム内の文字列およびその領域をチェックする機能（識別文字列の項目チェック機能）を付加している。そして、前記帳票定義２０Ａの識別手順を識別項目単位に入れ替え自在にスクリプトで設定できるように構成されている。なお、図１に於いて、帳票定義装置１０とＯＣＲ装置３０は一体形成した構成であってもよい。
【００１４】
図２および図３は、それぞれ本発明の実施形態に於ける帳票定義２０Ａの構成を説明するための図であり、このうち、図２は、帳票定義装置１０の画面構成例を示す図、図３は帳票定義のフィールド設定内容の一例を示す図である。
【００１５】
図２に示す帳票定義装置１０の画面構成に於いて、１１は帳票（ｐ）の帳票イメージ、１１ａ〜１１ｃはそれぞれ帳票（ｐ）上のチェック対象となる、識別項目領域である。このうち、１１ａはコーナーカット領域、１１ｂはプレ印字領域、１１ｃは白紙（空白）領域である。図２では、Ｃ様式（例えば帳票Ｃに該当）の白紙領域の設定画面を例示している。
【００１６】
図３に示す帳票定義に於いては、識別対象帳票各々について、「帳票（用紙）サイズ」、「コーナーカット領域」、「とじ穴領域」、「プレ印字領域」、「白紙（空白）領域」、「罫線」、「識別文字列」等を帳票識別項目として定義している。更に、図３には、この各帳票識別項目についての設定内容を示している。上記帳票識別項目のうち、「罫線」は、予め定義された帳票フォームに則った、帳票識別に有効な罫線部分の領域を設定する。また、「識別文字列」は、プレ印字領域とは異なる領域の文字列を帳票識別のために使う場合に設定されるもので、帳票識別を目的としない帳票フォーム内の文字列とその領域を設定する。
【００１７】
この「罫線」および「識別文字列」の識別対象となる帳票例を図４に示している。ここでは、５種類の帳票（帳票Ａ、帳票Ｂ、帳票Ｃ、帳票Ｄ、帳票Ｅ）について、その罫線位置および識別文字列を例示している。
【００１８】
帳票定義装置１０に於ける処理では、まず、各種類の帳票を辞書帳票として１帳票ずつ用意し、スキャナで画像を読み取る操作を行う。次に、上記読み取った各帳票について、それぞれ、図３に示すような定義内容による、複数の識別項目をもつ帳票定義２０Ａを作成して帳票定義ファイル２０に格納される。ここでは、帳票識別項目に、識別対象となる複数種の帳票（ｐ）それぞれについて、帳票（用紙）サイズ、コーナーカット領域（１１ａ）、とじ穴領域（図示せず）、プレ印字領域（１１ｂ）、白紙（空白）領域（１１ｃ）の各識別項目が定義され、更に、これらの各識別項目に加え、罫線および識別文字列（図４参照）の各識別項目が定義される。尚、ここで扱う帳票（ｐ）上の白紙（空白）領域（１１ｃ）は、帳票（ｐ）上に於いて、文字、記号等が何ら記録されていない単色部分（通常は白紙部分）の領域を指す。
【００１９】
ＯＣＲ装置３０に於ける処理では、上記帳票定義装置１０によって定義されたスクリプト２０Ｂに基づき、図３に示す各帳票定義２０Ａを参照して帳票（ｐ）を識別し、識別した帳票について文字認識する。即ち、ＯＣＲ装置３０には、帳票定義ファイル２０から帳票定義装置１０により記入又は定義されたスクリプト２０Ｂおよび各帳票の帳票定義２０Ａが与えられる。そして、ＯＣＲ装置２０は、取り扱う帳票（ｐ）の画像をスキャナで読み取り、スクリプト２０Ｂの識別処理に従い図３に示すような複数の識別項目をもつ帳票定義２０Ｂを参照して帳票（ｐ）を識別し、文字認識を行って、ソータに出力するという一連の作業を行う。この際、複数の出力ポケットのあるソータを接続している場合は、帳票（ｐ）を種類毎に分別することも可能である。識別がエラーになった場合は、該当帳票をリジェクトポケットに出力するなどの処理を行う。この帳票識別処理では、読み取った帳票（入力帳票）の画像を、帳票定義ファイル２０に格納される帳票定義２０Ａと順次比較し、一致するか否かをすべての項目についてチェックする。
【００２０】
帳票定義ファイル２０に格納される、例えば図３に示す帳票定義２０Ａの識別手順を例に識別処理を説明する。入力帳票について、先ず、「用紙サイズ」が帳票定義２０Ａに登録されている辞書帳票の帳票サイズと一致するか否かをチェックする。ここで、用紙サイズが一致しなければ次の帳票定義による処理に移行する。一致すれば（指定通りであれば）、次に「コーナーカット」が帳票定義２０Ａに登録されているコーナーカット領域の指定通りであるか否かをチェックする。ここで、コーナーカットが指定通りでなければ、次の帳票定義による処理に移行する。
【００２１】
コーナーカットが指定通りであれば、次に、「とじ穴」が帳票定義２０Ａに登録されている、とじ穴領域の指定通りであるか否かをチェックする。ここで、とじ穴が指定通りでなければ、次の帳票定義による処理に移行する。とじ穴が指定通りであれば、次に、「プレ印字」が帳票定義２０Ａに登録されているプレ印字領域の指定通りであるか否かをチェックする。ここで、プレ印字が指定通りでなければ次の帳票定義による処理に移行する。
【００２２】
プレ印字が指定通りであれば、次に、「白紙領域」が帳票定義２０Ａに登録されている白紙領域の指定通りであるか否かをチェックする。ここで、白紙領域が指定通りでなければ、次の帳票定義による処理に移行する。白紙領域が指定通りであれば、次に、「罫線」が帳票定義２０Ａに登録されている罫線領域の指定通りであるか否かをチェックする。ここで、罫線が指定通りでなければ次の帳票定義による処理に移行する。
【００２３】
罫線が指定通りであれば、次に、「識別文字列」が帳票定義２０Ａに登録されている識別文字列および領域と一致するか否かをチェックする。ここで、識別文字列が指定通りでなければ、次の帳票定義による処理に移行する。識別文字列が指定通りであれば、該当帳票（例えば図４に示す帳票Ａ）に一致すると判定する。
【００２４】
この一連の帳票定義に従うチェックを識別対象となるすべての帳票種類（帳票フォーマット）について、帳票定義２０Ａの内容（パラメータ）を切換ながら繰り返し実行し、チェックしたすべての帳票定義について、チェック対象にある帳票が只１種類の帳票定義に従う場合にのみ（即ち一致する帳票定義がただ１種類に限られた場合にのみ）その帳票を識別結果とする。一方、一致する帳票定義が複数または０（該当無し）の場合、その識別はエラー（異常終了）となる。
【００２５】
本発明に於いては、更に、上記した帳票定義２０Ａの識別手順を、識別項目を単位に、任意に設定可能にしている。即ち、帳票定義装置に帳票識別のための手順を設定するスクリプトを用意し、上記した帳票定義２０Ａの各識別項目（帳票サイズ、コーナーカット領域、とじ孔領域、プレ印字領域、白紙領域、罫線、識別文字列）について、その識別手順を識別項目を単位に入れ替え自在にスクリプトで設定している。
【００２６】
そして、本発明の帳票識別では、「登録されていない帳票が入力された場合に、スクリプトのすべての条件と照合することにより、識別速度が著しく低下する」という問題を解消するため、スクリプト２０Ｂを用いて識別処理の流れを木構造で記述し、スクリプトでｉｆ文を用いて階層的に判断する方法をとることにより、登録されていない帳票（リジェクト帳票）に対して、早い処理段階で識別エラーとして棄却（リジェクト）することができるように構成されている。
【００２７】
このスクリプト２０Ｂでは、入力帳票と、辞書帳票とのサイズが一致するかどうか、罫線が一致するかどうかなど、設定した各項目をチェックするためのコマンドを用意する。ユーザーは必要なコマンドを組み合わせて識別手順を定義する。この際の識別手順設定用コマンドと、その機能の一例を図５に示している。また、この際のコマンド設定に適用される識別設定画面の構成例を図６に示している。この図６に示す識別設定画面の構成例では、識別帳票を設定する帳票設定画面６１と、コマンドを設定するコマンド設定画面６２と、スクリプトを記述するスクリプト設定画面６３とを同時に表示して、識別帳票とコマンドとスクリプトとをそれぞれ設定内容を相互に参照しながら設定できるようにしている。
【００２８】
この図６に示す識別設定画面上で設定した図５に示すような識別手順設定用コマンドを使って、図４に示すような帳票（帳票Ａ〜Ｅ）を識別する場合の識別手順を設定する帳票識別スクリプト２０Ｂの記述例を図７に示している。ここでは、入力帳票（被識別帳票）を「Ｉ」、辞書帳票（帳票定義対象）を「Ａ，Ｂ，Ｃ，Ｄ，Ｅ」（図４参照）としている。
【００２９】
この図７に示す帳票識別スクリプト２０Ｂによる識別手順では、入力帳票の大部分を図４に示す「Ａ」「Ｂ」の帳票が占める場合に有効な手順である。逆に、「Ａ」「Ｂ」の帳票の割合が少ないことが予め分かっている場合、図７の（１）と（２）の条件を入れ替えることにより識別処理速度が速くなる。
【００３０】
本発明によれば、帳票識別にスクリプトを設けて、すべての辞書帳票とマッチングすることなく、必要条件を選択的に設定して、帳票を識別できるので、帳票の種類が増えても高速に処理できる利点がある。また、簡単に処理手順を変えることができるので、入力帳票に応じて最適な手順で識別することが可能になる。また、すべての辞書帳票とマッチングする必要がないので、各帳票の設定内容に複雑な条件を盛り込むことが速度の低下につながらず、特徴が似た帳票であっても識別が可能になる。
【００３１】
上記したスクリプトの設定方法として、図８に示すように、以下のようにＸＭＬを用いて識別手順を記述する方法がある。ＸＭＬで記述することの利点は、設定された処理手順に矛盾がないかどうかを標準的な方法で容易に調べることができる点である。また、帳票を識別する際に、各タグ毎に、入力帳票と一致した回数を記憶しておくことにより、回数が多いタグが先に処理されるように処理を入れ替えれば処理を入力帳票に応じて自動的に高速化することができる。この処理はスクリプトをＸＭＬで記述することにより容易に実装することが可能になる。
【００３２】
【発明の効果】
以上詳記したように本発明によれば、識別のための文字列が印字されていない（プレ印字文字をもたない）帳票を含む多種類の帳票を高速に識別できる。また本発明では、帳票識別にスクリプトを設けて、すべての辞書帳票とマッチングすることなく、必要条件を選択的に設定して、帳票を識別できるので、帳票の種類が増えても高速に分類処理できる。
【図面の簡単な説明】
【図１】本発明の実施形態に於ける帳票識別装置を備えたＯＣＲ装置の構成を示すブロック図。
【図２】上記実施形態に於ける帳票定義の構成を説明するための帳票定義装置の画面構成例を示す図。
【図３】上記実施形態に於ける帳票定義の構成を説明するための帳票定義のフィールド設定内容の一例を示す図。
【図４】上記実施形態に於いて識別対象となる帳票の例を示す図。
【図５】上記実施形態に於ける識別手順設定用コマンドとその機能の一例を示す図。
【図６】上記実施形態に於ける識別設定画面の構成例を示す図。
【図７】上記実施形態に於ける帳票識別スクリプトの一記述例を示す図。
【図８】上記実施形態に於いて、識別手順をＸＭＬを用いて記述した例を示す図。
【符号の説明】
１０…帳票定義装置
１１ａ…コーナーカット領域
１１ｂ…プレ印字領域
１１ｃ…白紙領域
１１ｄ…文字存在領域
２０…帳票定義ファイル
３０…ＯＣＲ装置
４０…認識結果
ｐ…帳票

Claims

複数の識別項目による帳票定義に従って不特定多数の帳票を識別する帳票識別装置に於いて、
帳票識別を目的としない帳票フォーム内の文字列およびその領域を定義した識別項目と、帳票識別を目的としない帳票フォームに則ったラインおよびその位置を定義した識別項目とを含んだ帳票定義に従って、前記帳票を識別することを特徴とする帳票識別装置。
複数の識別項目による帳票定義に従って不特定多数の帳票を識別する帳票識別装置に於いて、
前記帳票を識別する帳票定義に、帳票フォーム内の特定の文字列および当該文字列領域を定義した文字列識別項目を含み、
前記帳票フォーム内の文字認識領域の文字認識に先立ち、前記文字列識別項目を含む帳票定義に従い、前記帳票の識別を行うことを特徴とする帳票識別装置。
前記帳票定義には、識別対象となる複数種の帳票それぞれについて、用紙サイズ、コーナーカット領域、とじ孔領域、白紙領域、プレ印字領域、罫線の少なくともいずれか１つの識別項目が含まれる請求項１または請求項２記載の帳票識別装置。
複数の識別項目による帳票定義に従って不特定多数の帳票を識別する帳票識別装置に於いて、
前記帳票定義に、複数の識別項目として、帳票フォーム内の識別文字列と、帳票サイズ、コーナーカット領域、とじ孔領域、白紙領域、罫線の少なくともいずれか１つを含み、前記識別項目を単位に前記帳票定義の識別手順を入れ替え自在にスクリプトで設定したことを特徴とする帳票識別装置。
識別対象となる複数種の帳票それぞれについて、設定された複数の識別項目により帳票識別を行う際に用いられる帳票定義に、識別対象となる複数種の帳票それぞれについて、帳票識別を目的としない帳票フォーム内の文字列およびその領域を定義したことを特徴とする帳票定義方法。
識別対象となる複数種の帳票それぞれについて、設定された複数の識別項目により帳票識別を行う際に用いられる帳票定義に、前記識別項目として、帳票フォーム内の識別文字列と、帳票サイズ、コーナーカット領域、とじ孔領域、白紙領域、罫線の少なくともいずれか１つを含み、前記識別項目を単位に前記帳票定義の識別手順を入れ替え自在にスクリプトで定義したことを特徴とする帳票定義方法。
複数の識別項目による帳票定義に従って不特定多数の帳票を識別する帳票識別方法に於いて、
識別対象となる複数種の帳票それぞれの帳票識別を目的としない帳票フォーム内の文字列およびその領域を定義した識別項目を含んだ帳票定義に従って前記帳票を識別することを特徴とする帳票識別方法。
複数の識別項目による帳票定義に従って不特定帳票を識別する帳票識別方法に於いて、
識別対象となる複数種の帳票それぞれについて、前記帳票定義に、複数の識別項目として、帳票フォーム内の識別文字列と、帳票サイズ、コーナーカット領域、とじ孔領域、白紙領域、罫線の少なくともいずれ１つかを含み、前記識別項目を単位に前記帳票定義の識別手順を入れ替え自在にスクリプトで設定し、前記設定した帳票定義に従って帳票を識別することを特徴とする帳票識別方法。