JP2017111500A - 文字認識装置及びプログラム - Google Patents

Abstract

【課題】複数のオペレータによる誤り訂正作業を行うためのＯＣＲ誤り訂正装置で、今まで以上により作業効率を高めること。【解決手段】オペレータ属性を登録するオペレータ管理装置（１０５）と、文書の画像データ及び該文書の文書属性を登録する文書属性登録装置（１０１）と、画像データに基づいて文字認識を行うパターン抽出装置（１０２）とを備え、オペレータ管理装置（１０５）は、複数の文書の前記画像データから同じ文字パターンとして文字認識された複数の画像パターン、及び、あらかじめ登録されているオペレータ属性に基づいて、同じ文字パターンとして文字認識された複数の画像パターンの認識結果を確認させるオペレータを選択する。【選択図】図１

Description

本発明は、文字認識装置及びプログラムに関する。

手書き、または、活字による文書をＯＣＲ（Optical Character Recognition：光学的文字認識）処理する場合、誤認識を完全に無くすことは困難である。そのため、オペレータが、確認画面上で、目視で認識結果をチェックし、誤認識があれば、それを手作業で、誤り訂正する必要がある。この誤り訂正作業の効率化のために、確認画面に、認識結果の文字が同じであった文字イメージを一括表示する技術が考えられ既に知られている。

例えば、特許文献１には、誤り訂正作業の効率化の目的で、ＯＣＲ処理の対象となる文字のイメージデータを、認識された文字（カテゴリ）ごとに分類し、さらにイメージデータに含まれる文字の形状に関する特徴量を求め、その特徴量に基づきイメージデータをクラスタに分類し、そのクラスタごとにまとめて画面を生成する構成が開示されている。

しかし、今までのＯＣＲ誤り訂正装置では、オペレータの属性が考慮されておらず、オペレータの専門性や経験、得意・不得意が分担に反映されず、誤り訂正作業が効率的に行えないという問題があった。

本発明は、複数のオペレータによる誤り訂正作業を行うためのＯＣＲ誤り訂正装置で、今まで以上により作業効率を高めることを目的とする。

上記目的を達成する本発明の一態様は、オペレータ属性を登録するオペレータ属性登録手段と、文書の画像データ及び該文書の文書属性を登録する文書属性登録手段と、前記画像データに基づいて文字認識を行う文字認識手段と、複数の文書の前記画像データから前記文字認識手段により同じ文字パターンとして文字認識された複数の画像パターン、及び、あらかじめ登録されている前記オペレータ属性に基づいて、前記同じ文字パターンとして文字認識された複数の画像パターンの認識結果を確認させるオペレータを選択する選択手段と、を備えることを特徴とする。

本発明によれば、複数のオペレータによる誤り訂正作業を行うためのＯＣＲ誤り訂正装置で、今まで以上により作業効率を高めることが可能になる。

実施形態に係るＯＣＲ処理装置１の全体構成を示す図である。 各種データベース１０６の記憶内容を示す図である。 図１の各種装置のハードウェア構成例を示す図である。 文書データベース１０８を示す図である。 パターンデータベース１０９を示す図である。 クラスタデータベース１１０を示す図である。 オペレータデータベース１１１を示す図である。 文書登録処理を示すフローチャートである。 パターン抽出処理を示すフローチャートである。 パターンデータ登録処理を示すフローチャートである。 クラスタ生成処理を示すフローチャートである。 オペレータ登録処理を示すフローチャートである。 オペレータ割り当て処理を示すフローチャートである。 クラスタデータ選択処理を示すフローチャートである。 誤り訂正画面を示す図である。 前後のパターン画像も合わせて表示する誤り訂正画面を示す図である。

以下の開示は、ＯＣＲ処理に際して、以下の特徴を有する。
要するに、オペレータの属性（専門性や経験、得意・不得意）を予め登録し、その属性を考慮して、ＯＣＲ処理結果のクラスタを作成し、ＯＣＲ誤り訂正作業の分担を決定することが特徴になっている。

また、オペレータの属性を予め登録し、その属性を考慮して、ＯＣＲ処理結果のクラスタを作成し、ＯＣＲ誤り訂正作業の分担を決定するので、オペレータの属性（専門性や経験、得意・不得意）に応じて分担することによって、誤り訂正作業を効率的に行うことができる。

以下の実施形態は、ＯＣＲ処理装置を一例としてサーバ・クライアント・モデルのコンピュータシステムで実施するものである。ここでサーバ・クライアント・モデルとは、ネットワークを介して、あるノードがサーバ、別のあるノードがクライアントとしてそれぞれに割り当てられた情報処理を行うコンピュータシステムのモデルを言うこととする。

本発明は、以下に説明するようなコンピュータシステムでのみ実施可能というものではなく、例えば、図１に示すような各装置が一つの装置内で機能的に実現される場合もある。

図１に、ＯＣＲ処理装置１のネットワーク構成例を示す。
ＯＣＲ処理装置１は、文書登録装置１０１、パターン抽出装置１０２、クラスタ生成装置１０３、ＯＣＲ誤り訂正装置１０４、オペレータ管理装置１０５、各種データベース１０６、オペレータ端末１０７を備える構成である。各装置及び端末は、ネットワークによって接続される。

図２に、各種データベース１０６の記憶内容を示す。
各種データベース１０６は、文書データベース１０８、パターンデータベース１０９、クラスタデータベース１１０、オペレータデータベース１１１を含んで、これらを記憶する（図２）。

図１に示した各装置、端末、データベース（以下、「図１の各種装置」と呼ぶ。）の具体的な実施態様について付言する。図１の各種装置は、汎用的なコンピュータアーキテクチャを用いるソフトウェアプログラムによる情報処理により、実現することができる。図３にその汎用的なコンピュータアーキテクチャの一例を示す。

図３に示すように、図１の各種装置は、一般的なサーバやＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）等の情報処理端末と同様の構成を有する。即ち、図１の各種装置は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１１、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１２、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１３、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）１４及びＩ／Ｆ１５がバス１８を介して接続されている。また、Ｉ／Ｆ１５にはＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）１６及び操作部１７が接続されている。

ＣＰＵ１１は演算手段であり、装置全体の動作を制御する。ＲＡＭ１２は、情報の高速な読み書きが可能な揮発性の記憶媒体であり、ＣＰＵ１１が情報を処理する際の作業領域として用いられる。ＲＯＭ１３は、読み出し専用の不揮発性記憶媒体であり、ファームウェア等のプログラムが格納されている。ＨＤＤ１４は、情報の読み書きが可能な不揮発性の記憶媒体であり、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）や各種の制御プログラム、アプリケーション・プログラム等が格納される。

Ｉ／Ｆ１５は、バス１８と各種のハードウェアやネットワーク等を接続し制御する。ＬＣＤ１６は、ユーザが装置の状態を確認するための視覚的ユーザインタフェースである。操作部１７は、キーボードやマウス等、ユーザが装置に情報を入力するためのユーザインタフェースである。なお、装置がサーバとして運用される場合は、ＬＣＤ１６及び操作部１７等のユーザインタフェースの省略が可能である。

このようなハードウェア構成において、ＲＯＭ１３やＨＤＤ１４若しくは図示しない光学ディスク等の記憶媒体に格納されたプログラムがＲＡＭ１２に読み出され、ＣＰＵ１１の制御に従って動作することにより、ソフトウェア制御部が構成される。このようにして構成されたソフトウェア制御部と、ハードウェアとの組み合わせによって、本実施形態の機能を実現する機能ブロックが構成される。

上述のようなハードウェアにより例えば実施される図１の各種装置は、以下に述べるような機能を提供する。再び、図１を参照する。
文書登録装置１０１は、ＯＣＲ処理すべき文書を受け付け、その文書データを文書データベース１０８に登録するための装置である。
パターン抽出装置１０２は、文書データベース１０８に登録された文書データからパターンを抽出し、そのパターンデータをパターンデータベース１０９に登録するための装置である。

クラスタ生成装置１０３は、パターンデータベース１０９に登録されたパターンデータを、クラスタ属性及びパターン文字列に応じたクラスタデータを生成し、そのクラスタデータをクラスタデータベース１１０に登録するための装置である。
ＯＣＲ誤り訂正装置１０４は、オペレータ端末１０７からの訂正要求に応じて、パターンデータベース１０９に登録されているパターンデータのパターン文字列を訂正するための装置である。

オペレータ管理装置１０５は、オペレータの属性をオペレータデータベース１１１に登録するための装置である。
オペレータ端末１０７は、誤り訂正画面を表示し、各オペレータによる誤り訂正の入力を受け付けるための端末である。

以下、まず、図４ないし図７を参照して各種データベース１０６の内容に対説明する。次に、図８ないし図１４のフローチャートを参照して、図１の各装置の情報処理について説明する。最後に、図１５及び図１６を参照して、オペレータ端末１０７に表示される画面について説明する。

図４は、文書データベース１０８について説明する図である。
文書データベース１０８には、文書ごとに、文書ＩＤ、文書画像、文書属性を含む、文書データが登録される。
文書ＩＤは、文書の識別番号である。
文書画像は、文書の画像データを格納したファイルの名前である。
文書属性は、文書の内容がどの分野に関わるものか、また、どの言語で書かれているものかを表す文字列である。

図５は、パターンデータベース１０９について説明する図である。
パターンデータベース１０９には、パターンごとに、パターンＩＤ、文書ＩＤ、パターン属性、パターン画像、パターン文字列、パターン座標を含む、パターンデータが登録される。
パターンＩＤは、パターンの識別番号である。
文書ＩＤは、パターンの抽出元の文書の識別子である。
パターン属性は、パターンの色及び品詞を表す文字列である。パターン１、２、３，４は、日本語の文書からＮ−ｇｒａｍ方式で抽出されたパターンであり、ここではＮ＝２であり、２文字単位に機械的に切り出された文字列なので、品詞の指定はない。一方、パターン５、６、７は、英語の文書から形態素解析方式で抽出されたパターンであり、文法的な解釈がされた結果の品詞が指定されている。
パターン画像は、パターンのビットマップデータである。
パターン文字列は、パターン画像に対するＯＣＲ結果の文字列である。
パターン座標は、抽出元の文書におけるパターンの位置を、左上端を原点としたＸ座標とＹ座標をミリ単位で表したものである。

図６は、クラスタデータベース１１０について説明する図である。
クラスタデータベース１１０には、クラスタごとに、クラスタＩＤ、クラスタ属性、パターン文字列、パターン集合、オペレータＩＤを含む、クラスタデータが登録される。
クラスタＩＤは、クラスタの識別番号である。
クラスタ属性は、クラスタに含まれるパターン集合の抽出元である文書の内容がどの分野に関わるものか、また、どの言語で書かれているものかを表す文字列と、パターン集合の要素であるパターンの色と品詞を表す文字列を結合されたものである。
パターン文字列は、クラスタの要素となるパターンのパターン画像に対するＯＣＲ結果の文字列である。
パターン集合は、パターンＩＤの集合である。
オペレータＩＤは、誤り訂正作業を割り当てられたオペレータの識別番号である。割り当てが完了していない状態では、空値が指定される。

図７は、オペレータデータベース１１１について説明する図である。
オペレータデータベース１１１には、オペレータごとに、オペレータＩＤ、オペレータ属性を含む、オペレータデータが登録される。
オペレータＩＤは、オペレータの識別番号である。
オペレータ属性は、オペレータが誤り訂正作業において、得意とする文書の分野、言語、品詞を表す文字列である。

図８は、文書登録処理の流れを示すフローチャートである。
文書登録装置１０１において、文書ごとに、文書登録を受け付ける（ステップＳ１１）。受付に際しては、文書ＩＤ、文書画像、文書属性を含む、文書データが入力され、その文書データを、文書データベース１０８に登録する（ステップＳ１２）。

図９は、パターン抽出処理の流れを示すフローチャートである。
パターン抽出装置１０２において、文書データベース１０８に登録された文書データを取得する（ステップＳ１３）。文書データがあるかチェックし（ステップＳ１４）、文書データがある場合には、その文書データの文書属性に指定された言語に応じて、パターンの抽出方式を選択する（ステップＳ１５）。本実施形態で示す例では、指定された言語が日本語の場合には、Ｎ＝２のＮ−ｇｒａｍ方式を選択する。また、指定された言語が英語の場合には、形態素解析方式を選択する。さらに、文書データに対して、選択した方式によるパターン抽出プログラムを実行する（ステップＳ１６）。これらの処理（ステップＳ１５及びステップＳ１６）を、文書データベース１０８に登録されたすべての文書データに対して、実行する。

図１０は、パターンデータの取得及び登録処理の流れを示すフローチャートである。
本処理は、図９のパターン抽出プログラム（Ｓ１６）により実行される。本処理は、パターン抽出装置１０２が実行する。

パターン抽出プログラムによって、文書データから抽出されたパターンデータを取得する（ステップＳ１７）。パターンデータがあるかチェックし（ステップＳ１８）、パターンデータがある場合には、そのパターンデータを、パターンデータベース１０９に登録する（Ｓ１９）。このときパターンデータは、パターンＩＤ、文書ＩＤ、パターン属性、パターン画像、パターン文字列、パターン座標を含み、これらの値は、パターン抽出装置のパターン抽出プログラムによって設定される。さらに、パターンデータに応じた、クラスタを生成する（ステップＳ２０）。これらの処理（ステップＳ１９及びステップＳ２０）を、文書データから抽出されたすべてのパターンデータに対して、実行する。

図１１は、クラスタ生成処理の流れを示すフローチャートである。
クラスタ生成装置１０３において、パターンデータに応じたクラスタ属性、つまり、パターンデータの抽出元である文書データの文書属性と、パターンデータのパターン属性を結合した文字列を生成する（ステップＳ２１）。そのクラスタ属性と、パターンデータのパターン文字列を検索条件として、クラスタデータベース１１０を検索し、同じクラスタ属性であり、同じパターン文字列のクラスタがあるかチェックする（ステップＳ２２）。クラスタデータベース１１０には、クラスタごとに、クラスタＩＤ、クラスタ属性、パターン文字列、パターン集合、オペレータＩＤを含む、クラスタデータが登録されている。

同クラスタ属性、同パターン文字列のクラスタがある場合には（Ｓ２２，Ｙｅｓ）、そのクラスタのパターン集合に、パターンデータのパターンＩＤを追加する（ステップＳ２３）。同クラスタ属性、同パターン文字列のクラスタがない場合には（Ｓ２２，Ｎｏ）、クラスタデータベース１１０上に新規にクラスタデータを作成し（ステップＳ２４）、そのクラスタデータのパターン集合に、パターンデータのパターンＩＤを追加する（ステップＳ２３）。

図１２は、オペレータ登録処理の流れを示すフローチャートである。
オペレータ管理装置１０５において、オペレータごとに、オペレータ登録を受け付ける（ステップＳ２５）。受付に際しては、オペレータＩＤ、オペレータ属性を含む、オペレータデータが入力される。入力されたオペレータＩＤを検索条件に、オペレータデータベース１１１を検索し、対応するオペレータデータがなければ、新規登録とみなして、オペレータデータベース１１１上にオペレータデータを新規に作成する（ステップＳ２７）。対応するオペレータデータがあれば、オペレータの更新とみなして、オペレータデータベース１１１上にオペレータデータを更新する（ステップＳ２８）。

図１３は、オペレータ割り当て処理の流れを示すフローチャートである。
オペレータ管理装置１０５において、オペレータ割り当てを受け付ける（ステップＳ２９）。受付に際しては、オペレータＩＤが入力される。入力されたオペレータＩＤを検索条件に、オペレータデータベース１１１を検索し、オペレータデータを取得する（ステップＳ３０）。オペレータデータがあるかチェックし（ステップＳ３１）、オペレータデータがあれば、そのオペレータデータに応じたオペレータに相応しい、誤り訂正対象のクラスタデータを選択する（ステップＳ３２）。そのようなクラスタデータがあるかチェックし（ステップＳ３３）、クラスタデータがあれば、クラスタデータベース１１０上のクラスタデータのオペレータＩＤに、入力されたオペレータＩＤをセットする（ステップＳ３４）。

図１４は、クラスタデータ選択処理の流れを示すフローチャートである。
オペレータ管理装置１０５において、クラスタデータベース１１０から、オペレータＩＤがセットされていない、つまり、オペレータが割り当てられていないクラスタデータをすべて取得し、それらを要素とするリストを作成する（ステップＳ３５）。クラスタデータのリストの要素が１以上、つまり、オペレータが割り当てられていないクラスタデータがあるかチェックする（ステップＳ３６）。作成したクラスタデータのリストの中から、オペレータデータに応じたオペレータに相応しい誤り訂正対象のクラスタデータを探すために、オペレータデータのオペレータ属性に指定された分野、言語、品詞がクラスタ属性のクラスタデータが、なおかつ、そうしたクラスタ属性に応じたクラスタデータの中でも、パターン集合の要素数がより多い、つまり、誤り定数作業に要する工数が多いと考えられるものが、より上位になるように、クラスタデータのリストをソートする（ステップＳ３７）。ソートした結果の最上位のクラスタデータを、オペレータデータに応じたオペレータに相応しいものとして選択する（ステップＳ３８）。

図１５は、誤り訂正画面の一例を示す図である。
誤り訂正画面は、オペレータ端末１０７に表示される画面であり、オペレータは、この画面を使って、クラスタデータごとに、誤り訂正作業を行う。図１５中、画像a, b, c, d, eは、クラスタデータに属するパターンデータのパターン画像であり、文字列(1)は、各画像に対するＯＣＲ結果の文字列である。ここでは、同じクラスタに属しているパターンデータであるから、各文字列は同一である。オペレータは、これらのパターン画像とパターン文字列の組み合わせを目視でチェックし、誤認識があれば、誤った文字列を正しい文字列に修正する。修正された文字列は、パターンデータベース中の該当するパターンデータに反映される。

本実施形態では、ＯＣＲ結果の文字列が同一であっても、文書属性及びパターン属性が異なれば、それらのパターンデータは、別のクラスタデータに属することになる。これにより、オペレータは、文書の分野や言語、パターンの品詞の情報を参考に、パターン文字列をチェックすることができ、誤り訂正作業の効率化を図ることができる。また、異なる色のパターン画像が混在することが無くなり、目の疲労を低減する効果がある。

図１６は、誤り訂正画面の別の一例を示す図である。図１６においては、前後のパターン画像も合わせて表示する誤り訂正画面を示している。
誤り訂正作業において、パターン文字列に対応するパターン画像をチェックしただけでは、誤りかどうかが判定できなかったり、正解の文字列が分からなかったりする場合がある。特に、Ｎ−ｇｒａｍ方式によるパターン抽出では、パターン文字列は機械的に切り出された文字列なので、それだけでは、意味のある文字列になっているかを判定できないことが多い。図１６はこうした問題を解消するために、前後のパターン画像も合わせて表示することを特徴とした誤り訂正画面である。例えば、パターン画像である画像aに対して、画像a-1はその前に、画像a+1はその後に位置するパターン画像である。

なお、図１５、図１６に示した誤り訂正画面は、ＯＣＲ誤り訂正装置１０４が構成し、オペレータ端末１０７に提示するとよい。

１ ＯＣＲ処理装置
１０１ 文書登録装置
１０２ パターン抽出装置
１０３ クラスタ生成装置
１０４ ＯＣＲ誤り訂正装置
１０５ オペレータ管理装置
１０６ 各種データベース
１０７ オペレータ端末
１０８ 文書データベース
１０９ パターンデータベース
１１０ クラスタデータベース
１１１ オペレータデータベース

特開２００５−３０９６０８号公報

Claims (5)

1. オペレータ属性を登録するオペレータ属性登録手段と、
   文書の画像データ及び該文書の文書属性を登録する文書属性登録手段と、
   前記画像データに基づいて文字認識を行う文字認識手段と、
   複数の文書の前記画像データから前記文字認識手段により同じ文字パターンとして文字認識された複数の画像パターン、及び、あらかじめ登録されている前記オペレータ属性に基づいて、前記同じ文字パターンとして文字認識された複数の画像パターンの認識結果を確認させるオペレータを選択する選択手段と、
   を備えることを特徴とする文字認識装置。
2. 前記選択手段は、さらに、前記複数の画像パターンを含む複数の文書の前記文書属性にも基づいて、前記同じ文字パターンとして文字認識された複数の画像パターンの認識結果を確認させるオペレータを選択することを特徴とする、請求項１に記載の文字認識装置。
3. 文書内で文字認識された複数の画像パターンと、前記文書属性とが共通する文書群を一つのクラスタとしてクラスタ属性を設定するクラスタ生成手段を有する
   ことを特徴とする請求項２に記載の文字認識装置。
4. 前記選択手段により選択されたオペレータに、
   前記複数の文書のおのおのについて、
   前記同じ文字パターンとして文字認識された画像パターンの、前後の、前記文字認識手段により文字認識された画像パターンを、
   前記同じ文字パターンとして文字認識された画像パターンと並べて、
   表示した画面を構成する提示手段を有する
   ことを特徴とする、請求項１から３のいずれか１項に記載の文字認識装置。
5. コンピュータを、
   オペレータ属性を登録するオペレータ属性登録手段と、
   文書の画像データ及び該文書の文書属性を登録する文書属性登録手段と、
   前記画像データに基づいて文字認識を行う文字認識手段と、
   複数の文書の前記画像データから前記文字認識手段により同じ文字パターンとして文字認識された複数の画像パターン、及び、あらかじめ登録されている前記オペレータ属性に基づいて、前記同じ文字パターンとして文字認識された複数の画像パターンの認識結果を確認させるオペレータを選択する選択手段として
   機能させるための、文字認識プログラム。

Images