JP2010073174A

JP2010073174A - 文書処理装置及びプログラム

Info

Publication number: JP2010073174A
Application number: JP2008243394A
Authority: JP
Inventors: Kensuke Kiyozuka; 謙助清塚
Original assignee: Fuji Xerox Co Ltd
Current assignee: Fujifilm Business Innovation Corp
Priority date: 2008-09-22
Filing date: 2008-09-22
Publication date: 2010-04-02
Anticipated expiration: 2028-09-22
Also published as: JP5380970B2

Abstract

【課題】紙文書の文字認識処理結果を修正する文字列の選択精度を向上させる。
【解決手段】文書処理装置１０は、第１の紙文書に含まれる第１の項目と、第２の紙文書に含まれる第２の項目とを関連付けて記憶するとともに、第１の項目に文字列を関連づけて記憶し、第２の紙文書に含まれる第２の項目に対応する画像領域から文字列を認識し、第１の項目に関連づけて記憶された文字列を、第２の項目に対応する画像領域から認識された文字列の修正候補に設定する。
【選択図】図１

Description

本発明は、文書処理装置及びプログラムに関する。

紙文書をスキャンしたスキャン画像に文字認識処理を施して、紙文書を電子化して管理することがある。この際、文字認識処理により機械的に取得される文字列には誤認識された文字が含まれることがあるため、利用者は文字認識処理の結果を確認する必要がある。そこで、例えば下記の特許文献１のように、コンピュータによる文字認識により得られた文字列を辞書データと比較して誤認識の有無を判断して確認作業の負荷を軽減する技術を提案しているものがある。
特開２００５−２６６９２５号公報

本発明の目的は、紙文書の文字認識処理結果を修正する場合において、辞書データに基づいた文字列候補よりも容易に文書内容に則した文字列を利用者が選択することができる文書処理装置及びプログラムを提供することにある。

上記目的を達成するために、請求項１に記載の文書処理装置の発明は、第１の紙文書に含まれる第１の項目と、第２の紙文書に含まれる第２の項目とを関連付けて記憶するとともに、前記第１の項目に文字列を関連づけて記憶する記憶手段と、前記第２の紙文書に含まれる前記第２の項目に対応する画像領域から文字列を認識する文字列認識手段と、前記第１の項目に関連づけて前記記憶手段に記憶された文字列を、前記文字列認識手段により認識された文字列の修正候補に設定する設定手段と、を含むことを特徴とする。

また、請求項２に記載の発明は、請求項１に記載の文書処理装置において、前記第１の紙文書は第１の工程に関連づけられた文書であり、前記第２の紙文書は前記第１の工程の後に行われる第２の工程に関連づけられた文書であることを特徴とする。

また、請求項３に記載の発明は、請求項１または２に記載の文書処理装置において、前記文字列認識手段は、前記第１の紙文書に含まれる前記第１の項目に対応する画像領域から文字列を認識し、前記第１の項目に関連づけて前記記憶手段に記憶される文字列は、前記文字列認識手段により前記第１の項目に対応する画像領域から認識された文字列に基づいて設定される文字列であることを特徴とする。

また、請求項４に記載の発明は、請求項１乃至３のいずれかに記載の文書処理装置において、前記設定手段は、前記第１の項目に関連づけて前記記憶手段に記憶された文字列のうち、前記第２の項目に対応する画像領域から取得された文字列と同一又は類似する文字列を修正候補に設定することを特徴とする。

また、請求項５に記載の発明は、請求項１乃至４のいずれかに記載の文書処理装置において、前記設定手段により修正候補に設定された文字列を表示する手段と、前記表示された修正候補の中から選択された文字列を、前記第２の項目に関連づけて前記記憶手段に記憶させる手段をさらに含むことを特徴とする。

また、請求項６に記載のプログラムの発明は、第１の紙文書に含まれる第１の項目と、第２の紙文書に含まれる第２の項目とを関連付けて記憶するとともに、前記第１の項目に文字列を関連づけて記憶手段に記憶させる手段と、前記第２の紙文書に含まれる前記第２の項目に対応する画像領域から文字列を認識する文字列認識手段と、前記第１の項目に関連づけて前記記憶手段に記憶された文字列を、前記文字列認識手段により認識された文字列の修正候補に設定する設定手段としてコンピュータを機能させることを特徴とする。

請求項１に記載の発明によれば、紙文書の文字認識処理結果を修正する場合において、辞書データに基づいた文字列候補よりも容易に文書内容に則した文字列を利用者が選択することができる。

請求項２に記載の発明によれば、工程の順序を利用して後工程の文書の文字認識結果の修正候補を設定できる。

請求項３に記載の発明によれば、前工程の文書についての文字認識結果に基づいて設定される文字列を利用して後工程の文書の文字認識結果の修正候補を設定できる。

請求項４に記載の発明によれば、本発明を採用しない場合に比較して、設定される修正候補の精度を向上させることができる。

請求項５に記載の発明によれば、本発明を採用しない場合に比較して、利用者による文字認識結果の確認の負担を軽減させることができる。

請求項６に記載の発明によれば、紙文書の文字認識処理結果を修正する場合において、辞書データに基づいた文字列候補よりも容易に文書内容に則した文字列を利用者が選択するようにコンピュータを機能させることができる。

以下、本発明を実施するための好適な実施の形態（以下、実施形態という）を、図面に従って説明する。

本実施形態に係る文書処理装置は、進捗を管理する業務においてやり取りされる紙文書を電子化して管理する装置である。以下、本実施形態に係る文書処理装置の備える構成について詳細に説明する。

図１には、本実施形態に係る文書処理装置１０の機能ブロック図を示す。図１に示されるように、文書処理装置１０は、記憶部１２、表示部１４、入力部１６、進捗管理部１８、文書管理部２０、対応情報設定部２２、スキャン部２４、レイアウト解析部２６、文字認識部２８、及び文書情報登録部３０を含む。各部の機能は、コンピュータ読み取り可能な情報記憶媒体に格納されたプログラムが、図示しない媒体読取装置を用いてコンピュータシステムたる文書処理装置１０に読み込まれ実行されることで実現されるものとしてよい。なお、プログラムは情報記憶媒体によって文書処理装置１０に供給されることとしてもよいし、インターネット等の通信ネットワークを介して供給されることとしてもよい。

記憶部１２は、半導体メモリや磁気ディスク等の記憶装置を含み、データやプログラムを記憶する。本実施形態においては、記憶部１２には電子文書等の電子データの他、後述する各種のテーブル情報が記憶される。

表示部１４は、入力されるグラフィックデータに基づいてディスプレイに画面を表示する。例えば、表示部１４には、後述する紙文書のＯＣＲ結果を確認する電子化確認画面が表示される。

入力部１６は、利用者により操作されるマウス、キーボード等の入力装置と接続し、接続した入力装置から利用者の情報入力を受け付ける。

進捗管理部１８は、１又は複数の業務工程からなるプロジェクトの進捗を管理する。例えば、プロジェクトは製品の受注から出荷までの工程を含むものとしてよい。進捗管理部１８は、プロジェクトにおいて行われる工程の順序を記憶するとともに、プロジェクトが現在どの工程まで進んでいるのか等の進捗情報を管理する。

図２には、進捗管理部１８により管理されるプロジェクトの一覧を示したプロジェクト一覧テーブルの一例を示す。図２に示されるように、プロジェクト一覧テーブルには、各プロジェクトのＩＤに関連づけて、プロジェクト名、現在の工程、責任者、プロジェクトの開始日、プロジェクトの終了予定日が格納されている。

図３には、プロジェクトを構成する各工程についての情報を定義した工程定義テーブルの一例を示す。図３に示されるように、工程定義テーブルには、工程ＩＤに関連づけて、工程の順序と工程名が格納される。

文書管理部２０は、プロジェクトの各工程においてやり取りされる成果物の文書を管理する。工程について１又は複数の成果物の文書が定められることとしてよい。本実施形態では、文書処理装置１０は紙文書として生成された成果物の文書を電子化して管理するものである。なお、進捗管理部１８は、各工程の進捗を、文書管理部２０により管理される成果物の文書に基づいて判断することとしてもよい。

図４には、プロジェクトの各工程に係る成果物の文書の情報を定義した文書定義テーブルの一例を示す。図４に示されるように、文書定義テーブルには、成果物文書ＩＤに関連づけて、工程ＩＤ、成果物文書名、文書種別が格納される。工程ＩＤは、図３において示した工程定義テーブルの工程ＩＤに対応している。文書種別は、帳票等の種別を表す情報であり、文書種別毎に文書のレイアウトとそのレイアウトに含まれる項目の内容が定められている。文書種別の情報は、紙文書のレイアウト解析とそのレイアウトに含まれる各項目の内容を特定する処理に用いられる。

対応情報設定部２２は、成果物として得られた文書について、その文書に含まれる項目を、他のどの文書の項目と対応付けるかという対応情報を設定する。文書の項目は、例えば文書に含まれる「文書名」、「日付」、「商品名」等の情報としてよく、文書に如何なる項目がどの領域に含まれるかについては、上述した文書種別の情報に対応づけて予め記憶しておくこととしてよい。

図５には、対応情報設定部２２により設定される項目対応テーブルの一例を示した。図５に示されるように、項目対応テーブルには、成果物文書ＩＤとその文書に含まれる項目の組み合わせに対応づけて、参照文書ＩＤとその文書に含まれる項目との組み合わせを記憶して構成される。図５に示した例では、文書「外注注文書」の項目「Ｉｔｅｍ」を、文書「部品表」の項目「部品名」と対応づけることとしている。ここで、「外注注文書」は「外注工程」に関連づけられた文書であり、「部品表」は「外注工程」の前工程である「設計」に関連づけられた文書である。このように、後工程においてやり取りされる文書を電子化する際に、前工程で既に情報が登録された文書の内容を参照することとしてよい。

スキャン部２４は、紙文書をスキャンして紙文書のスキャン画像を取得する。スキャン部２４は、取得したスキャン画像をレイアウト解析部２６に出力する。

レイアウト解析部２６は、スキャン部２４で取得された紙文書のスキャン画像についてレイアウト解析を行う。レイアウト解析部２６では、スキャン画像のレイアウトを解析するとともに、解析されたレイアウトが該当する文書種別を特定して、レイアウト中に含まれる各領域がどの項目に該当するのかを特定する。

文字認識部２８は、レイアウト解析部２６で解析されたレイアウトの各領域から文字を認識する処理を行う。領域毎に認識されたそれぞれの文字は連結されて文字列情報が取得される。文字認識部２８により認識された文字列は、その領域に対応づけられた項目の情報として取得される。

文書情報登録部３０は、紙文書から文字認識処理の結果得られた情報を利用者に提示して、利用者による紙文書の情報内容が確認されるとその内容で紙文書の電子化登録を行う。提示された情報の内容に誤りがある場合には、利用者はその誤りを修正する。この際、文書情報登録部３０は、電子化対象の紙文書の項目のうち他の紙文書の項目を参照する設定がされている項目については、当該他の紙文書の項目から得られた情報を修正候補として用いる。以下、具体例を用いて文書情報登録部３０における処理を説明する。

図６には、電子化確認画面４０の一例を示す。図６に示されるように、電子化確認画面４０は、スキャン部２４によりスキャンされた紙文書のスキャン画像を表示するスキャン画像表示欄４０Ａと、スキャン画像についてのＯＣＲ結果を表示するＯＣＲ結果表示欄４０Ｂとを含む。ＯＣＲ結果表示欄４０Ｂのそれぞれの入力欄は利用者の情報入力に応じてその内容が修正される。ここで、ＯＣＲ結果表示欄４０Ｂにおいて示された表の「Ｉｔｅｍ」の欄には複数の修正候補の文字列が表示されている。ここで表示されている修正候補の文字列は、以下の処理により設定される。

まず、文書情報登録部３０は、紙文書のＯＣＲ結果に基づいて、プロジェクトＩＤと紙文書の文書ＩＤとを特定する。各々の情報は認識された文字列に基づいて特定してもよいし、文書ＩＤについては紙文書について解析されたレイアウトに基づいて特定することとしてもよい。そして、文書情報登録部３０は、特定したプロジェクトＩＤと文書ＩＤとに基づいて、項目設定テーブルを参照して、この文書の項目が参照する他の文書の項目の情報を特定する。

ここで図６に示された紙文書を「納品書」とすると、項目対応テーブルには「納品書」の「Ｉｔｅｍ」は、「部品表」の「部品名」を参照する設定になっており、文書情報登録部３０は、以下の図７に示したプロジェクトＩＤが「Ａ００２」についての「部品表」から得られた「部品名」の情報を格納した部品一覧テーブルを参照する。

図７に示されるように、部品一覧テーブルは、部品番号（Ｎｏ）に関連づけて、部品名、数量、規格、材料、備考の各情報が格納されたテーブル情報である。部品一覧テーブルの情報は、文書「部品表」のＯＣＲ結果に基づいて生成されることとしてよい。この際、利用者がＯＣＲ結果を確認して「部品表」のＯＣＲ結果を修正して情報を登録することとしてよい。

文書情報登録部３０は、「納品書」における項目「Ｉｔｅｍ」の情報入力の際には、参照先である部品一覧テーブルの内容に基づいて各Ｉｔｅｍ情報についてのＯＣＲ結果を修正する修正候補を選択し設定する。例えば、文書情報登録部３０は、「納品書」における項目「Ｉｔｅｍ」に関し、Ｉｔｅｍ情報のＯＣＲ結果として「プレート１ＳＴ５Ｓ」が得られたとすると、参照先の部品一覧テーブルには「プレート１ＳＴ５Ｓ」という情報がないためこれを誤認識結果と判断し、「プレート１ＳＴ５Ｓ」と類似の文字列である「プレート１ＳＴ５５」、「プレート７ＳＴ５５」を修正候補に設定する。このうち、「プレート１ＳＴ５５」は文字認識結果である「プレート１ＳＴ５Ｓ」と１文字違いであり類似度が高いため第１位の修正候補として採用される。そして、文書情報登録部３０は、電子化確認画面４０のＩｔｅｍの項目においては、文字認識の結果得られた文字列を、修正候補に設定した文字列により修正して表示するとともに、修正候補として複数の文字列がある場合にはその文字列も選択可能としている。なお、文字認識結果を参照情報に基づいて修正した場合には、「読み取り結果は「プレート１ＳＴ５Ｓ」ですが修正しています」等のように、読み取り結果を修正した旨を表示するようにする。なお、修正候補の提示態様は上述したものに限られず、例えば、文字認識結果を修正候補に含めることとしてもよい。また、参照先に文字認識結果に類似するデータがない場合には、ＯＣＲ結果をそのまま採用することとしてよい。

このように、文書情報登録部３０は、紙文書の項目に、前工程で電子化された紙文書の項目を参照するように関連づけておき、電子化の際にはその参照関係にある前工程で確定された項目のデータ内容を利用する。

次に、図８乃至図１１に示されたフロー図を参照しながら、文書処理装置１０により行われる紙文書を電子化する処理の一連の流れを説明する。

図８は、紙文書を電子化する処理のフロー図である。図８に示されるように、文書処理装置１０は、紙文書をスキャンして（Ｓ１０１）、当該紙文書が用いられるプロジェクトのプロジェクトＩＤを特定する（Ｓ１０２）。ここで、プロジェクトＩＤの特定処理（Ｓ１０２）の詳細については、図９に示されたフローチャートを参照しながら説明する。

図９に示されるように、文書処理装置１０は、プロジェクト一覧テーブルを参照して、紙文書が登録待ち状態となっているプロジェクトのリストを取得する（Ｓ２０１）。文書処理装置１０は、スキャンされた文書のＯＣＲ結果に基づいて、プロジェクトＩＤに該当する文字列を取得し（Ｓ２０２）、取得した文字列が上記取得したリストの中に含まれるか否かを判断する（Ｓ２０３）。文書処理装置１０は、取得した文字列がリストの中に含まれると判断する場合には（Ｓ２０３：Ｙ）、その取得した文字列を対象のプロジェクトＩＤとして特定する（Ｓ２０４）。一方で、取得した文字列がリストの中に含まれないと判断する場合には（Ｓ２０３：Ｎ）、さらにＳ２０１で取得したリストの中に類似のプロジェクトＩＤ（文字列）があるか否かを判断して（Ｓ２０５）、類似するプロジェクトＩＤ（文字列）があると判断する場合には（Ｓ２０５：Ｙ）、その類似のプロジェクトＩＤを対象のプロジェクトＩＤとして特定する（Ｓ２０６）。また、Ｓ２０５で類似のプロジェクトＩＤがないと判断された場合には（Ｓ２０５：Ｎ）、リストに含まれる全てのプロジェクトＩＤを対象として特定する（Ｓ２０７）。なお、類似のプロジェクトＩＤとは、例えば１文字違いの文字列からなるプロジェクトＩＤ等としてよい。以上の処理を終えるとＳ１０２に戻り、次のＳ１０３の処理に進む。

文書処理装置１０は、特定されたプロジェクトＩＤと、スキャンされた電子化対象の紙文書の情報とに基づいて、当該紙文書に含まれる各項目の参照情報を特定する（Ｓ１０３）。Ｓ１０３における項目の参照情報の特定処理の詳細については、図１０に示されたフローチャートを参照しながら説明する。

図１０に示されるように、文書処理装置１０は特定されたプロジェクトＩＤを１つ選択し（Ｓ３０１）、文書定義テーブルを参照して、スキャンされた文書のレイアウトに基づいて文書種別を特定するとともに、当該特定された文書種別に対応する文書ＩＤを特定する（Ｓ３０２）。そして、文書処理装置１０は、特定された文書ＩＤについての情報が格納された項目対応テーブルを参照する（Ｓ３０３）。

文書処理装置１０は、参照した項目対応テーブルに格納される項目から未処理の項目を１つ選択し（Ｓ３０４）、当該項目に対応する参考文書と、その参考文書の項目に格納された参照情報（文字列）を取得する（Ｓ３０５）。ここで文書処理装置１０は、参照した項目対応テーブルに未処理の項目があるか否かを判断し（Ｓ３０６）、あると判断する場合にはＳ３０４に戻ってそれ以降の処理を繰り返す。また、未処理の項目がないと判断される場合には（Ｓ３０６：Ｎ）、さらに未処理のプロジェクトＩＤがあるか否かを判断し（Ｓ３０７）、あると判断する場合には（Ｓ３０７：Ｙ）、Ｓ３０１に戻ってそれ以降の処理を繰り返す。一方で、未処理のプロジェクトＩＤがないと判断する場合には（Ｓ３０７：Ｎ）、Ｓ１０３に戻り、次の処理Ｓ１０４に進む。

文書処理装置１０は、電子化対象の紙文書に含まれる項目のうち未処理の項目を１つ選択し（Ｓ１０４）、選択した項目について参照情報が取得されたか否かを判断する（Ｓ１０５）。ここで、文書処理装置１０は、項目について参照情報が取得されたと判断する場合には（Ｓ１０５：Ｙ）、取得された参照情報を利用して項目の修正候補の設定処理を行う（Ｓ１０６）。Ｓ１０６の項目の修正候補の設定処理の詳細については、図１１に示されたフローチャートを参照して説明する。

図１１には項目の修正候補の設定処理のフローチャートを示した。図１１に示されるように、文書処理装置１０は、項目についてＯＣＲ処理により取得された文字列と、参照情報として取得された各文字列とを比較して、参照情報の中から取得された文字列と同一又は類似の文字列を選択する（Ｓ４０１）。文書処理装置１０はＳ４０１で文字列が選択されなかった場合には（Ｓ４０２：Ｎ）、項目の設定値をＯＣＲ処理により取得された文字列とする（Ｓ４０３）。

文書処理装置１０は、Ｓ４０１で文字列が選択された場合には（Ｓ４０２：Ｙ）、選択した文字列の中に、ＯＣＲ処理により取得した項目の文字列と同一の文字列があるか否かを判断し（Ｓ４０４）、同一の文字列があると判断する場合には（Ｓ４０４：Ｙ）、当該同一と判断された文字列を項目の設定値とする（Ｓ４０５）。一方で、同一の文字列がないと判断する場合には（Ｓ４０４：Ｎ）、選択された文字列をＯＣＲ結果との類似度順に修正候補を設定し（Ｓ４０６）、第１の順位の修正候補によりＯＣＲ結果を修正した旨の修正情報を記録する（Ｓ４０７）。以上の処理を終えるとＳ１０６に戻る。

文書処理装置１０は、項目の修正候補の設定処理が終わると（Ｓ１０６）、また、項目について参照情報がないと判断すると（Ｓ１０５：Ｎ）、電子化対象の紙文書に含まれる項目のうち未処理の項目があるか否かを判断し（Ｓ１０７）、あると判断する場合には（Ｓ１０７：Ｙ）、Ｓ１０４に戻ってそれ以降の処理を繰り返す。一方で、未処理の項目がないと判断する場合には（Ｓ１０７：Ｎ）、各項目について設定された修正候補の情報に基づいて図７に示されるような紙文書の電子化確認画面４０を表示する（Ｓ１０８）。

なお、本発明は上記の実施形態に限定されるものではない。例えば上記実施形態では、紙文書の電子化内容を利用者が確認して情報を選択することとしたが、文書処理装置１０側で項目の参照情報に基づいて項目に設定する値を判断し、利用者の確認工程を省略することとしても構わない。

本実施形態に係る文書処理装置の機能ブロック図である。プロジェクト一覧テーブルの一例を示す図である。工程定義テーブルの一例を示す図である。文書定義テーブルの一例を示す図である。項目対応テーブルの一例を示す図である。電子化確認画面の一例を示す図である。部品一覧テーブルの一例を示す図である。紙文書を電子化する処理のフロー図である。プロジェクトＩＤの特定処理のフロー図である。項目の参照情報の特定処理のフロー図である。項目の修正候補の設定処理のフロー図である。

符号の説明

１０文書処理装置、１２記憶部、１４表示部、１６入力部、１８進捗管理部、２０文書管理部、２２対応情報設定部、２４スキャン部、２６レイアウト解析部、２８文字認識部、３０文書情報登録部、４０電子化確認画面、４０Ａスキャン画像表示欄、４０ＢＯＣＲ結果表示欄。

Claims

第１の紙文書に含まれる第１の項目と、第２の紙文書に含まれる第２の項目とを関連付けて記憶するとともに、前記第１の項目に文字列を関連づけて記憶する記憶手段と、
前記第２の紙文書に含まれる前記第２の項目に対応する画像領域から文字列を認識する文字列認識手段と、
前記第１の項目に関連づけて前記記憶手段に記憶された文字列を、前記文字列認識手段により認識された文字列の修正候補に設定する設定手段と、
を含むことを特徴とする文書処理装置。
前記第１の紙文書は第１の工程に関連づけられた文書であり、
前記第２の紙文書は前記第１の工程の後に行われる第２の工程に関連づけられた文書である
ことを特徴とする請求項１に記載の文書処理装置。
前記文字列認識手段は、前記第１の紙文書に含まれる前記第１の項目に対応する画像領域から文字列を認識し、
前記第１の項目に関連づけて前記記憶手段に記憶される文字列は、前記文字列認識手段により前記第１の項目に対応する画像領域から認識された文字列に基づいて設定される文字列である
ことを特徴とする請求項１または２に記載の文書処理装置。
前記設定手段は、前記第１の項目に関連づけて前記記憶手段に記憶された文字列のうち、前記第２の項目に対応する画像領域から取得された文字列と同一又は類似する文字列を修正候補に設定する
ことを特徴とする請求項１乃至３のいずれかに記載の文書処理装置。
前記設定手段により修正候補に設定された文字列を表示する手段と、
前記表示された修正候補の中から選択された文字列を、前記第２の項目に関連づけて前記記憶手段に記憶させる手段をさらに含む
ことを特徴とする請求項１乃至４のいずれかに記載の文書処理装置。
第１の紙文書に含まれる第１の項目と、第２の紙文書に含まれる第２の項目とを関連付けて記憶するとともに、前記第１の項目に文字列を関連づけて記憶手段に記憶させる手段と、
前記第２の紙文書に含まれる前記第２の項目に対応する画像領域から文字列を認識する文字列認識手段と、
前記第１の項目に関連づけて前記記憶手段に記憶された文字列を、前記文字列認識手段により認識された文字列の修正候補に設定する設定手段としてコンピュータを機能させることを特徴とするプログラム。