JP3109476B2 - 候補数制御機能付き文字認識装置及び方法 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文字認識装置に関
し、特に、光学的に走査して取得した手書き文字列の画
像情報から文字を認識する装置において認識候補数を制
御可能とした文字認識装置に関する。

【０００２】

【従来の技術】例えば郵便物や帳票上に手書きされた文
字列を、光学的文字読み取り装置(ＯＣＲ)を用いて読み
取って文字認識する場合、認識処理に先立って個別に文
字を切り出し、切り出された個別文字に対して個別文字
認識を施し、後処理として言語的な処理を行い文字列と
して認識することが一般的に行われている。

【０００３】郵便物や帳票上に書かれた一つ一つの文字
は、比較的自由に書かれることが多く、一般に、文字パ
ターンとしての変形や歪みが大きい。このため、従来こ
のような文字列認識における個別文字認識では、個別文
字認識の一位認識候補が正解である率(「一位認識率」
という)があまり高くない。そこで、例えば一位から十
位までといったように複数の認識候補を出力している。
そして、言語的処理においては、これら複数の認識候補
を受け取って、所定の言語的なルールを満たすように認
識候補を組み合わせ、これらの組み合わせの確からしさ
を評価し、最も確からしい認識候補の組み合わせを文字
列認識結果として出力する。

【０００４】言語的処理から見た場合、認識候補の中に
正解が含まれている率が高いことが望ましい。

【０００５】

【発明が解決しようとする課題】しかしながら、言語的
処理を行う際に、個別文字認識の認識候補数が余りにも
多いと、言語的処理のための計算量が増大し処理時間が
増大するだけでなく、言語的なルールを満たす認識候補
の組み合わせ数も増大し、誤った文字列認識結果を出力
する場合がある。

【０００６】そして、これらの問題は、誤った認識候補
によって引き起こされる。したがって、手書き文字入力
の文字言語処理から見た場合、誤った認識候補の数(余
分な認識候補の数)ができるだけ少いことが望ましい。

【０００７】出力された認識候補の中に正解の認識候補
が含まれる率を高く保ったまま、認識候補数を少く抑え
るためには、『第一位からいくつまでの文字認識候補を
用いればその中に正解が入っているか』を知ることが大
変重要である。

【０００８】このような問題を解決するためには、文字
認識候補の確からしさを評価して、十分高い確からしさ
が得られるまで候補を出力するという方法が考えられ
る。文字認識候補の確からしさを評価する方法として
は、例えば文献１（中山他：「文字認識結果の確信度に
関する一検討」、電子情報通信学会１９９５年総合大会
講演論文集、情報・システム２、Ｄ−５４１、１９９５
年３月)の記載が参照される。上記文献１には、候補距
離値列の全体傾向を表現する多次元の特徴を入力として
一位候補の確からしさとしての確信度を求め、それ以降
の候補については一位候補の確信度と一位候補との距離
比を用いて確信度を算出する方法が提案されている。

【０００９】しかし、この従来の方法では、一位認識候
補についてはその確からしさが正確に評価可能である
が、それ以降の候補に関する評価を正確には行うことは
できない、という問題点を有している。これでは、『第
一位からいくつまでの文字認識候補を用いればその中に
正解が入っているか』を正確に知ることはできない。

【００１０】また、文字認識結果の確からしさを評価し
てから、さらにリジェクトを行う方法として、例えば文
献２（秋山：「与えられたリジェクト条件を実現するた
めのリジェクト判別方式」、電子情報通信学会技術研究
報告、ＰＲＭＵ９６−２０９、１９９７年３月）の記載
が参照される。上記文献２には、一位候補の類似度と、
一位候補と二位候補の類似度の差という二つの量を用
い、これらの量によって張られる二次元空間において、
リジェクトすべき領域を、統計的に定めることで認識候
補のリジェクトを行う方法が提案されている。

【００１１】しかし、この従来の方法では、一位認識候
補のみについてリジェクトするかしないかという評価し
か行えず、上記した方法と同様、『第一位からいくつま
での文字認識候補を用いればその中に正解が入っている
か』を知ることはできない。

【００１２】したがって、本発明は、上記問題点に鑑み
てなされたものであって、その目的は、第一位からいく
つまでの文字認識候補を用いればその中に正解が入って
いるかを正確に評価することで、出力された認識候補の
中に、正解の認識候補が含まれる率を高く保ったまま、
認識候補数を少く抑えることを可能とした文字認識装置
を提供することにある。

【００１３】

【課題を解決するための手段】前記目的を達成する本発
明は、文字パターンを入力して認識を行う文字認識装置
において、二値化された文字パターンを入力する入力手
段と、入力された文字パターンに対して文字認識処理を
施し、文字特徴と標準文字特徴との間の距離値が小さい
順に、文字パターンを特定する文字コードとその距離値
とを初期認識候補として出力する文字認識手段と、距離
値の小さい順に並べられた前記初期認識候補の距離値
を、元特徴として入力し、前記初期認識候補が正解か誤
りであるかを評価するための正誤特徴を算出し、前記初
期認識候補の各順位における文字コードと距離値の情報
に正誤特徴を付加して出力する認識正誤特徴抽出手段
と、前記初期認識候補の正誤特徴から初期信頼度と初期
非信頼度とを算出し、前記初期認識候補の中の文字カテ
ゴリーと距離値と正誤特徴に、初期信頼度と初期非信頼
度を付加して出力する初期信頼度算出手段と、前記各初
期認識候補について、前記初期信頼度と初期非信頼度と
を用いて、信頼度と累積信頼度とを算出し、前記初期認
識結果に信頼度と累積信頼度の情報を付加して出力する
信頼度算出手段と、予め定められた基準累積信頼度と、
各順位までの累積信頼度とを比較し第何候補までを文字
認識候補として出力するか決定し最終的に認識候補を出
力するか、又は、予め定められた基準信頼度と認識候補
の信頼度とを比較し、信頼度の低い認識候補を排除して
から最終的に認識候補を出力する候補数制御手段と、を
含んで構成される。

【００１４】

【発明の実施の形態】次に本発明の実施の形態について
図面を参照して詳細に説明する。

【００１５】図１は、本発明の一実施の形態の構成を示
すブロック図である。図１を参照すると、本発明の一実
施の形態に係る文字認識装置は、入力部１１と、文字認
識部１２と、認識正誤特徴抽出部１３と、初期信頼度算
出部１４と、信頼度算出部１５と、候補数制御部１６
と、を備えて構成されている。以下、各部の概略を説明
する。

【００１６】入力部１１は、二値化された文字パターン
を入力する。

【００１７】文字認識部１２は、入力部１１から入力さ
れた文字パターンに対して文字認識処理を施して、文字
特徴と標準文字特徴の間の距離値の小さい順に、文字パ
ターンを特定する文字コードと、その距離値と、を初期
認識候補として出力する。

【００１８】認識正誤特徴抽出部１３は、距離値の小さ
い順に並べられた初期認識候補の距離値を元特徴として
入力し、初期認識候補が正解であるか誤りであるかを評
価するための正誤特徴を算出し、初期認識候補の各順位
における文字コードと距離値の情報に、算出した正誤特
徴を付加して出力する。

【００１９】初期信頼度算出部１４は、各順位において
初期認識候補の正誤特徴から初期信頼度と非初期信頼度
を算出し、初期認識候補の中の文字カテゴリーと距離値
と正誤特徴に、初期信頼度と非初期信頼度を付加して出
力する。

【００２０】信頼度算出部１５は、各順位において、初
期認識結果の中の初期信頼度と初期非信頼度とを用いて
信頼度と累積信頼度とを算出し、初期認識結果に、信頼
度と累積信頼度の情報を付け加えて出力する。

【００２１】候補数制御部１６は、予め定められた基準
累積信頼度と各順位までの累積信頼度とを比較し、第何
候補までを文字認識候補として出力するか決定して最終
的に認識候補を出力し、また、予め定められた基準信頼
度と認識候補の信頼度とを比較し、信頼度の低い認識候
補をリジェクトしてから、最終的に認識候補を出力す
る。

【００２２】次に、本発明の一実施の形態の動作につい
て説明する。入力部１１は、二値化された文字パターン
の画像を入力する。

【００２３】文字認識部１２は、文字パターンの画像に
対して文字認識処理を施し、文字特徴と標準文字特徴と
の間の距離値の小さい順に、文字パターンを特定する文
字コードと、距離値と、を初期認識候補として出力す
る。ここで、文字コードと距離値とを出力すると説明し
たが、距離値の代わりに、類似度を出力するようにして
もよい。類似度を出力する場合には、類似度の大きい順
に、文字コードと類似度との二つの情報を出力すること
になる。

【００２４】また、初期認識候補としていくつの候補を
出力するかについては、予め定められており、ここで
は、１０個の候補を出力するものとする。なお、出力す
る候補の数は、任意に設定可能である。

【００２５】認識正誤特徴抽出部１３では、距離値の小
さい順に並べられた１０個の初期認識候補の距離値を１
０次元の元特徴として入力し、初期認識候補が正解であ
るか誤りであるかを評価するための正誤特徴を算出し、
一位候補から十位候補までの初期認識候補の各順位にお
ける、文字コードと距離値の情報に、正誤特徴を付加し
て出力する。

【００２６】各候補の正誤特徴を算出する処理は、各種
方法で実現できる。一例を挙げれば、まず、一位候補の
正誤特徴を得るために、一位候補が正解であるか誤りで
あるかを判定するように学習された第１のニューラルネ
ットを用い、その出力値を正誤特徴としてもよい。

【００２７】この第１のニューラルネットは、入力層、
中間層、及び出力層よりなる三層パーセプトロンよりな
り、入力層は、初期認識候補の候補数と同じ個数のニュ
ーロンを含み、中間層には５個のニューロンを含み、出
力層には１個のニューロンを含む。なお、中間層を５個
のニューロンとしたが、５個に限定されるものでないこ
とは勿論である。

【００２８】入力層には通し番号が振られており、入力
層一番目のニューロンには一位候補の距離値が入力さ
れ、二番目のニューロンには二位候補の距離値が入力さ
れる、という具合に、初期認識候補の各順位の距離値が
入力される。

【００２９】また、この第１のニューラルネットで一位
候補が正解であるか誤りであるかを判定できるようにす
るために、第１のニューラルネットに対して、一位候補
が正解であるニューラルネット学習用データに教師信号
を「１」として与え、一位候補が誤りであるニューラル
ネット学習用データに教師信号を「０」として与え、バ
ックプロパゲーションによって学習が行われる。

【００３０】次に、二位候補の正誤特徴を得るために、
二位候補が正解であるか誤りであるかを判定するように
学習された第２のニューラルネットを用い、その出力値
を正誤特徴とする。この第２のニューラルネットは、第
１のニューラルネットと同様な構造であるが、中間層の
ニューロンの数は任意に設定可能であり、さらに、第１
のニューラルネットの中間層のニューロン数と同一でな
くてもよい。

【００３１】第２のニューラルネットにおいて、入力層
には通し番号が振られており、入力層一番目のニューロ
ンには一位候補の距離値が入力され、二番目のニューロ
ンには二位候補の距離値が入力される、という具合に、
初期認識候補の各順位の距離値が入力される。

【００３２】またこの第２のニューラルネットで二位候
補が正解であるか誤りであるかを判定できるようにする
ために、第２のニューラルネットに対して、二位候補が
正解であるニューラルネット学習用データに教師信号を
「１」として与え、二位候補が誤りであるニューラルネ
ット学習用データに教師信号を「０」として与え、バッ
クプロパゲーションによって学習が行われる。

【００３３】このとき、第２のニューラルネットに与え
る学習データとして、一位候補が誤りであったという条
件付きのデータだけを与えて学習を行う。ここで、条件
付きのデータを用いて学習するのは、一位候補が正解で
あったデータを、ニューラルネットに学習させる必要を
無くし、学習を容易化するためである。

【００３４】同様にして、ｎ位候補の正誤特徴を得るた
めに、ｎ位候補が正解であるか誤りであるかを判定する
ように学習された第ｎのニューラルネットを用いてその
出力値を正誤特徴とする。

【００３５】この第ｎのニューラルネットは、第１のニ
ューラルネットと同様の構造であるが、中間層のニュー
ロン数は自由に設定可能であり、さらに、第１のニュー
ラルネットから第ｎ−１のニューラルネットの中間層の
ニューロン数と同じでなくてもよい。

【００３６】第ｎのニューラルネットにおいても、入力
層には通し番号が振られており、入力層の一番目のニュ
ーロンには一位候補の距離値、二番目のニューロンには
二位候補の距離値というように、初期認識候補の各順位
の距離値が入力される。

【００３７】この第ｎのニューラルネットでｎ位候補が
正解であるか誤りであるかを判定できるようにするため
に、第ｎのニューラルネットに対して、ｎ位候補が正解
であるニューラルネット学習用データに教師信号を
「１」として与え、ｎ位候補が誤りであるニューラルネ
ット学習用データに教師信号を「０」として与え、バッ
クプロパゲーションによって学習が行われたものであ
る。

【００３８】このとき、第ｎのニューラルネットに与え
る学習データとして、一位候補からｎ−１位候補までが
誤りであったという条件付きのデータだけを与えて学習
を行う。ここで、条件付きのデータを用いるのは、一位
候補からｎ−１位候補までの中に正解が含まれているよ
うなデータをニューラルネットに学習させる必要を無く
し、学習を容易化するためである。

【００３９】また、他の一例を挙げると、まず、一位候
補の正誤特徴を得るために、一位候補が正解であるか誤
りであるかを判定するための第１の判別得点を正誤特徴
としてもよい。この第１の判別得点は、線形判別関数作
成用データに対する初期認識候補の距離値を１０次元の
元特徴として入力し、一位候補が正解である場合にカテ
ゴリーを「正」と与え、一位候補が誤りである場合にカ
テゴリーを「誤」と与え、判別分析によって得られた線
形判別関数を用いて算出された値である。

【００４０】次に、二位候補の正誤特徴を得るために、
二位候補が正解であるか誤りであるかを判定するための
第２の判別得点を正誤特徴とする。この第２の判別得点
は、線形判別関数作成用データに対する初期認識候補の
距離値を１０次元の元特徴として入力し、二位候補が正
解である場合にカテゴリーを「正」と与え、二位候補が
誤りである場合にカテゴリーを「誤」と与え、判別分析
によって得られた線形判別関数を用いて算出された値で
ある。このとき、線形判別関数作成用のデータとして一
位候補が誤りであったという条件付きのデータだけを与
えて判別分析を施す。

【００４１】ここで、条件付きのデータを用いるのは、
一位候補が正解であったデータを判別分析に入力するこ
とを不要とし、判別分析の実行を容易化するためであ
る。

【００４２】同様にして、ｎ位候補の正誤特徴を得るた
めに、ｎ位候補が正解であるか誤りであるかを判定する
ための第ｎの判別得点を正誤特徴とする。この第ｎの判
別得点は、線形判別関数作成用データに対する初期認識
候補の距離値を１０次元の元特徴として入力し、ｎ位候
補が正解である場合にカテゴリーを「正」と与え、ｎ位
候補が誤りである場合にカテゴリーを「誤」と与え、判
別分析によって得られた線形判別関数を用いて算出され
た値である。このとき、線形判別関数作成用のデータと
して一位候補からｎ−１位候補までが誤りであったとい
う条件付きのデータだけを与えて判別分析を施す。ここ
で、条件付きのデータを用いるのは、一位候補からｎ−
１位候補までの中に正解が含まれているようなデータを
判別分析に入力することを不要とし、判別分析の実行を
容易化するためである。

【００４３】さらに、別の例を説明すると、まず、一位
候補の正誤特徴を得るために、主成分分析用のデータに
対する初期認識候補の距離値を１０次元の元特徴として
入力して第１の主成分分析を行い、その第一主成分の主
成分得点を正誤特徴とする。ここでは、第一主成分の主
成分得点のみを正誤特徴とする場合について説明した
が、第一主成分から幾つの主成分までの主成分得点を正
誤特徴として用いるかは任意に設定できる。複数の主成
分得点を用いる場合正誤特徴は多次元データとなる。

【００４４】次に、二位候補の正誤特徴を得るために、
主成分分析用のデータに対する初期認識候補の距離値を
１０次元の元特徴として入力して第２の主成分分析を行
い、その第一主成分の主成分得点を正誤特徴とする。こ
こでは、第一主成分の主成分得点のみを正誤特徴とする
ことを説明したが、第一主成分から幾つの主成分までの
主成分得点を正誤特徴として用いるかは任意に設定でき
る。複数の主成分得点を用いる場合正誤特徴は多次元デ
ータとなる。

【００４５】ここで第２の主成分分析を行う際のデータ
として、一位候補が誤りであったという条件付きのデー
タだけを与えて判別分析を施す。この条件付きのデータ
を用いるのは、一位候補が正解であったデータを主成分
分析に入力することを不要とし、主成分分析を行い易く
するためである。

【００４６】同様にして、ｎ位候補の正誤特徴を得るた
めに、主成分分析用のデータに対する初期認識候補の距
離値を１０次元の元特徴として入力して、第ｎ主成分分
析を行い、その第一主成分の主成分得点を正誤特徴とす
る。

【００４７】ここでは、第一主成分のみを正誤特徴とす
る場合を説明したが、第一主成分から幾つの主成分まで
の主成分得点を正誤特徴として用いるかは、任意に設定
できる。複数の主成分得点を用いる場合、正誤特徴は多
次元データとなる。

【００４８】ここで、第ｎ主成分分析を行う際のデータ
として、一位候補からｎ−１位候補までが誤りであった
という条件付きのデータだけを与えて主成分分析を施
す。条件付きのデータを用いるのは、一位候補からｎ−
１位候補までの中に正解が含まれているようなデータを
主成分分析に入力する必要が無くなり、主成分分析が行
われやすくするためである。

【００４９】初期信頼度算出部１４では、初期認識候補
の正誤特徴から、初期信頼度を算出し、初期認識候補の
中の文字カテゴリーと距離値と正誤特徴に、算出した初
期信頼度を付け加えて出力する。

【００５０】正誤特徴から初期信頼度を算出するには、
初期認識結果の各順位における正誤特徴を、テーブルを
参照することで、初期信頼度と初期非信頼度に変換す
る。

【００５１】一位候補の正誤特徴を初期信頼度に変換す
るためには第１のテーブルを参照して一位候補の初期信
頼度を得る。そして、二位候補の場合、第２のテーブル
を参照して二位候補の初期信頼度を得る。そして、ｎ位
候補の場合、第ｎのテーブルを参照してｎ位候補の初期
信頼度を得る。

【００５２】次に、正誤特徴を初期信頼度に変換するた
めのテーブルの作成方法について説明する。

【００５３】ｎ位候補に着目すると、ｎ位候補の初期信
頼度とは、一位候補からｎ−１位候補の認識結果が全て
誤りであるという条件の下で、ｎ位候補が正解であると
いう確率に対応している。

【００５４】また、ｎ位候補の初期非信頼度の場合に
は、同様な条件で、ｎ位候補が誤りであるという確率に
対応している。

【００５５】テーブルの作成に先立って、新たに多くの
文字パターンに対する初期認識候補を作成し、正誤特徴
を求めると、各々の文字パターンに対する正誤特徴が得
られる。例えば一位候補のテーブルの作成に関しては、
一位候補の正誤特徴の値に対する一位候補が正解の場合
と、一位候補がエラーの場合の頻度分布(ヒストグラム)
を求めることができる。

【００５６】頻度分布を求める際の区間の幅の設定は、
各種方法で選択されるが、正誤特徴の値の最大値と最小
値を例えば４０等分すればよく、この場合も、何等分す
るかは任意に設定できる。

【００５７】正解の頻度分布は、正誤特徴の値を確率変
数ｘと考えれば、正解の起こる事前確率Ｐ（正解）と正
解の確率密度関数ｐ（ｘ｜正解）の積と対応する。

【００５８】同様に、誤りの頻度分布は、誤りの起こる
事前確率Ｐ（誤り）と誤りの確率密度関数ｐ（ｘ｜誤
り）の積と対応する。

【００５９】したがって、正誤特徴の値ｘが得られたと
きに、それが正解である確率はベイズ則によって、 Ｐ(正解｜ｘ)＝ｐ(ｘ｜正解)Ｐ(正解)／｛ｐ(ｘ｜正解)Ｐ(正解)＋ｐ(ｘ｜誤 り)Ｐ(誤り)｝ …（１） となる。

【００６０】同様にして、誤りである確率は、 Ｐ(誤り｜ｘ)＝ｐ(ｘ｜誤り)Ｐ(誤り)／｛ｐ(ｘ｜正解)Ｐ(正解)＋ｐ(ｘ｜誤 り)Ｐ(誤り)｝ …（２） となる。

【００６１】正誤特徴の値を初期信頼度に変換するため
のテーブルとは、Ｐ（正解｜ｘ）のことであり、例えば
多項式で近似したＰ（正解｜ｘ）をテーブルとして用い
るようにしてもよい。

【００６２】このように作成されたテーブルは各順位毎
に準備される。以上、簡単のために、正誤特徴を一次元
の確率変数に対応させて説明したが、多次元の正誤特徴
の場合でも、同様な処理を行うことが可能である。

【００６３】また、初期非信頼度の算出は、Ｐ（誤り｜
ｘ）を用いて行うことも可能であるし、１−初期信頼度
＝初期非信頼度として算出することも可能である。ここ
で、 初期信頼度＋初期非信頼度＝１ …（３） である。

【００６４】初期非信頼度は、「１」から初期信頼度を
引き算して求めているが、これは初期信頼度と初期非信
頼度の値を「０」から「１」までの値とした場合の例で
ある。

【００６５】信頼度算出部１５では、初期認識結果の中
の初期信頼度と初期非信頼度とを用いて、信頼度と累積
信頼度を算出し、初期認識結果に、信頼度と累積信頼度
の情報を付け加えて出力する。

【００６６】ｎ位候補の初期信頼度は、一位候補からｎ
−１位候補までが誤りであったという条件の下で求めら
れた結果であり、一位候補からｎ−１位候補までの全て
の初期非信頼度と、ｎ位の初期信頼度とを掛け合わせる
ことによって、ｎ位候補の信頼度を得る。

【００６７】次に、一位から各順位まで認識候補を累積
した場合の累積信頼度を算出するには、一位候補の信頼
度から順に下位候補の信頼度を加算していくことで実現
できる。

【００６８】ｎ位候補の累積信頼度を求めるには、一位
候補の信頼度から順に下位候補の信頼度を加算してい
き、ｎ位候補までの信頼度の総和を求めればよい。

【００６９】候補数制御部１６では、信頼度算出部１５
から信頼度と累積信頼度の情報が付け加わった初期認識
候補を入力し、予め定められた基準累積信頼度と各順位
までの累積信頼度とを比較し、第何候補までを文字認識
候補として出力するか決定する。これは、一位候補から
順に下位の各候補の累積信頼度を、予め入力しておいた
基準累積信頼度と比較し、ある順位の候補の累積信頼度
が基準累積信頼度よりも大きくなった時点で、それ以降
の下位候補を出力しないようにすることで実現できる。

【００７０】また、候補数制御部１４では、予め定めら
れた基準信頼度と認識候補の信頼度とを比較し、信頼度
の低い認識候補をリジェクトするようにしてもよい。こ
れは、一位候補から順に、下位の各候補の信頼度を、予
め入力しておいた基準信頼度と比較して、基準信頼度よ
り大きな信頼度を持った候補のみを出力し、それ以外の
候補を出力しないようにすることで実現できる。

【００７１】本発明における候補数制限の方法について
以下にその手順をまとめておく。

【００７２】ステップ１：入力された文字パターンに対
して文字認識手段により得られた文字認識の複数の初期
認識候補の各順位の候補について該初期認識候補が正解
であるか誤りかを判定するための正誤特徴を算出する。

【００７３】ステップ２：正誤特徴を、着目順位よりも
上位の各候補は全て誤りであるという条件の下で、着目
順位の候補が正解である確率に対応する初期信頼度に変
換し、該初期信頼度を各順位の候補について求める。

【００７４】ステップ３：着目順位（ｎ位）の候補より
も上位の候補（一位〜ｎ−１位）に関する初期非信頼度
の値を全て乗じた値と、着目順位（ｎ位）の候補の初期
信頼度とを乗算することによって、着目順位（ｎ位）の
候補の信頼度を算出し、該信頼度を各順位の候補につい
て求める。

【００７５】ステップ４：着目順位（ｎ位）の候補より
も上位候補（一位〜ｎ−１位）の信頼度の値を全て加算
した値と、着目順位（ｎ位）の候補の信頼度とを加算す
ることによって着目順位（ｎ位）の候補の累積信頼度を
算出し、該累積信頼度を各順位の候補について求める。

【００７６】ステップ５：求められた累積信頼度の値を
予め定められた基準累積信頼度と比較し、複数の初期認
識候補の中から累積信頼度の値が前記基準累積信頼度以
下である順位までの候補を、最終的に認識候補として出
力する。

【００７７】なお、ステップ４、５の替わりに、ステッ
プ３で求められた各順位候補の信頼度を用いて、複数の
初期認識候補の中から信頼度の値が予め定められた基準
信頼度以上の候補を、最終的に認識候補として出力する
ことで、認識候補数を制限するようにしてもよい。

【００７８】なお、上記各ステップは、文字認識装置を
構成するコンピュータ上で実行されるプログラム制御に
よって実現するようにしてもよい。

【００７９】

【実施例】次に、上記した本発明の実施の形態について
さらに詳細に説明すべく、本発明の一実施例について詳
細に説明する。なお、本発明の一実施例の文字認識装置
の構成は、図１を参照して説明した前記実施の形態の構
成と同一とされている。

【００８０】図２は、本発明の一実施例の文字認識装置
に入力される文字パターンの画像の一例を示す図であ
る。

【００８１】この文字パターンが、入力部１１から入力
され、文字認識部１２によって文字認識処理を施された
結果の一例を図３に示す。

【００８２】図３の例では、文字認識部１２から出力さ
れる初期認識候補の数は「１０」となっており、文字コ
ードと距離値とが１０個の候補分得られている。

【００８３】認識正誤特徴抽出部１３には、距離値の小
さい順に並べられた１０個の初期認識候補の距離値が、
１０次元の特徴として入力される。

【００８４】例えば正誤特徴を、ニューラルネットの出
力とした場合の例について説明すると、まず、一位候補
の正誤特徴を求めるために、第１のニューラルネットに
１０次元の特徴が入力され、第１のニューラルネットの
出力値を一位候補の正誤特徴として得る。

【００８５】次に、二位候補の信頼度を求めるために、
第２のニューラルネットに１０次元の特徴が入力され、
第２のニューラルネットの出力値を二位候補の正誤特徴
として得る。

【００８６】同様にして、順次下位候補のニューラルネ
ットの出力を得て、十位候補の正誤特徴を求めるための
第１０のニューラルネットの出力値を得るまで、この処
理が行われる。この結果、図４に示すような、各候補に
対する正誤特徴が得られる。

【００８７】図４に示す例では、ニューラルネットによ
る正誤特徴の例が示されているが、正誤特徴の抽出に判
別分析や主成分分析を用いた場合も、図４と同じ形式の
データが作成される。なお、図４では、正誤特徴は一次
元であるが、多次元のベクトルデータを正誤特徴として
得ることも可能である。

【００８８】初期信頼度算出部１４には、図４に示すよ
うな初期認識候補が入力される。一位から十位までの各
候補に対する正誤特徴の値は、正誤特徴の値（区間）を
初期信頼度に変換するためのテーブル１からテーブル１
０までをそれぞれ参照することで、初期信頼度に変換さ
れる。

【００８９】すなわち、一位候補の正誤特徴はテーブル
１によって一位候補の初期信頼度に変換され、二位候補
の正誤特徴はテーブル２によって二位候補の初期信頼度
に変換され、順次各候補の初期信頼度が算出されてい
き、十位候補の正誤特徴がテーブル１０によって十位候
補の初期信頼度に変換されるまで、この処理が行われ
る。

【００９０】正誤特徴を信頼度に変換するためのテーブ
ルの例を、図５に示す。図５（ａ）、図５（ｂ）には、
テーブル１とテーブル２の例がそれぞれ示されている
（テーブル３〜１０は省略）。また、テーブルの代わり
に、図６（ａ）、図６（ｂ）に示すような関数を用いて
もよい。

【００９１】図４を参照すると、一位候補（カテゴリ：
「町」）の正誤特徴の値は0.78であることから、図５
（ａ）のテーブル１を参照して、一位候補の初期信頼度
は0.9576と求まり、同時に、初期非信頼度は、1.0-0.95
76=0.0424と求まる。

【００９２】次に、二位候補（カテゴリ：「御」）の場
合、正誤特徴は0.88であることから図５（ｂ）のテーブ
ル２の正誤特徴の値0.88を参照すると、0.5165であり、
これを二位候補の初期信頼度とし、初期非信頼度は、1.
0−0.5165＝0.4835となる。

【００９３】同様にして、十位候補まで初期信頼度と初
期非信頼度を求めると、図７に示すような情報データが
作成される。

【００９４】初期信頼度算出部１４からは、図７に示す
ように、初期認識候補に、初期信頼度と初期非信頼度が
付け加えられた情報が出力される。

【００９５】信頼度算出部１５には、例えば図７に示す
ような初期認識結果の情報が入力され、初期信頼度と初
期非信頼度とを用いて、信頼度と累積信頼度とを算出
し、初期認識結果に、信頼度と累積信頼度の情報を付け
加えて出力する。

【００９６】ｎ位候補の初期信頼度は、一位候補からｎ
−１位候補までが誤りであったという条件の下で求めら
れた結果である。

【００９７】一位候補の信頼度は初期信頼度の値がその
まま代入される。二位候補の信頼度は、一位候補の初期
非信頼度と、二位候補の初期信頼度の積であることか
ら、図７の例では、 0.0424×0.5165=0.02190 となる。

【００９８】三位候補の初期信頼度は0.3658である。さ
て、一位候補の初期非信頼度は0.0424であり、二位候補
の初期非信頼度は0.4835であることから、三位候補の信
頼度は 0.0424×0.4835×0.3658=0.0075 となる。

【００９９】同様にして、十位候補までの各順位の信頼
度を求めると、図８に示すような信頼度が得られる。あ
る順位での累積信頼度は、一位候補から当該順位までの
信頼度の総和であることから、各順位の累積信頼度は、
図８の累積信頼度の項目に示されるような値となる。

【０１００】候補数制御部１６では、信頼度算出部１５
から、図８に例として示したような、信頼度と累積信頼
度の情報が付け加わった初期認識候補が入力される。こ
のとき、候補数制御部１６では、累積信頼度によって動
作する場合と、信頼度によって動作する場合の二つの動
作が可能であり、どちらの動作をさせるかは予め選択し
設定しておく。

【０１０１】候補数制御部１６を、累積信頼度によって
動作させる場合、予め基準累積信頼度として、例えば0.
9880という値が設定されているものとする。この値と、
各候補の累積信頼度を一位候補から順に比較して行く。

【０１０２】図８の例について見ると、一位候補の累積
信頼度は0.9576であるため、基準累積信頼度よりも低
く、一位候補は出力可能とされる。

【０１０３】同様に二位候補の累積信頼度0.9795も基準
累積信頼度よりも低い値であるため、二位候補も出力可
能とされる。

【０１０４】三位候補では累積信頼度0.9870であり、基
準累積信頼度よりも低い値であるため、三位候補までは
出力可能とするが、四位以降の候補は累積信頼度が基準
累積信頼度よりも高い値であるため出力不可となる。

【０１０５】最終的に、初期認識候補の中から出力可能
と判定されたものだけが、認識候補として出力され、図
９に示す例のような結果を得る。

【０１０６】一方、候補数制御部１６を信頼度によって
動作させる場合、例えば予め基準信頼度として0.5000と
いう値が設定されているものとする。この値と、各候補
の信頼度を一位候補から順に比較して行く。

【０１０７】図８に示した例についてその動作を見る
と、一位候補の信頼度は0.9576であり基準信頼度よりも
大きいので出力可能となる。

【０１０８】次に二位候補の信頼度は0.0219であり基準
信頼度より小さく出力不可となる。

【０１０９】三位候補以降の候補はすべて基準信頼度よ
りも小さいので出力不可となる。

【０１１０】最終的に、初期認識候補の中から出力可能
と判定されたものだけが、認識候補として出力され、図
１０に示す例のような結果を得る。

【０１１１】

【発明の効果】以上説明したように、本発明によれば、
個別に切り出されたパターンに対する文字認識候補の一
位から所定順位までの中に、正解文字認識候補が含まれ
る確からしさ、すなわち累積信頼度を計算し、累積信頼
度が予め定められた基準累積信頼度を越えるまでの下位
候補の認識候補を出力するように構成したことから、出
力された認識候補の中に正解の認識候補が含まれる率を
高く保ったまま、認識候補数を少く抑えることを可能と
し、文字認識処理を効率化、高速化する、という効果を
奏する。

【図面の簡単な説明】

【図１】本発明の一実施例の文字認識装置の構成を示す
ブロック図である。

【図２】本発明の一実施例を説明するための図であり、
入力された文字パターンの例を示す図である。

【図３】本発明の一実施例を説明するための図であり、
初期認識候補の一例を示す図である。

【図４】本発明の一実施例を説明するための図であり、
正誤特徴の付与された初期認識候補の一例を示す図であ
る。

【図５】本発明の一実施例を説明するための図であり、
（ａ）、（ｂ）はテーブル１とテーブル２の例を示す図
である。

【図６】本発明の一実施例を説明するための図であり、
（ａ）、（ｂ）はテーブル１とテーブル２を関数で表現
した例を示す図である。

【図７】本発明の一実施例を説明するための図であり、
初期信頼度と初期非信頼度が付与された初期認識候補の
一例を示す図である。

【図８】本発明の一実施例を説明するための図であり、
初期認識候補に対する信頼度と累積信頼度の一例を示す
図である。

【図９】本発明の一実施例を説明するための図であり、
累積信頼度と基準累積信頼度との比較によって出力され
た認識候補の一例を示す図である。

【図１０】本発明の一実施例を説明するための図であ
り、信頼度と基準信頼度との比較によって出力された認
識候補の一例を示す図である。

【符号の説明】

１１ 入力部 １２ 文字認識部 １３ 認識正誤特徴抽出部 １４ 初期信頼度算出部 １５ 信頼度算出部 １６ 候補数制御部

フロントページの続き (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06K 9/03 G06K 9/62 G06K 9/66

Claims (21)

(57)【特許請求の範囲】
1. 【請求項１】入力された文字パターンに対して文字認識
   手段により得られた文字認識の複数の初期認識候補の各
   順位の候補について該初期認識候補が正解であるか誤り
   であるかを判定するための正誤特徴を算出する手段と、 前記正誤特徴を、着目順位よりも上位の候補は全て誤り
   であるという条件の下で、着目順位の候補が正解である
   確率に対応する初期信頼度に変換し、該初期信頼度を各
   順位の候補について求める手段と、 着目順位の候補よりも上位の各候補に関する初期非信頼
   度の値を乗じた値と、前記着目順位の候補の初期信頼度
   とを乗算することによって、前記着目順位の候補の信頼
   度を算出し、該信頼度を各順位の候補について求める手
   段と、 前記複数の初期認識候補の中から前記信頼度の値が予め
   定められた基準信頼度以上の候補を、最終的に認識候補
   として出力する手段と、 を含むことを特徴とする文字認識装置。
2. 【請求項２】入力された文字パターンに対して文字認識
   手段により得られた文字認識の複数の初期認識候補の各
   順位の候補について該初期認識候補が正解であるか誤り
   であるかを判定するための正誤特徴を算出する手段と、 前記正誤特徴を、着目順位よりも上位の候補は全て誤り
   であるという条件の下で、着目順位の候補が正解である
   確率に対応する初期信頼度に変換し、該初期信頼度を各
   順位の候補について求める手段と、 着目順位の候補よりも上位の各候補に関する初期非信頼
   度の値を乗じた値と、前記着目順位の候補の初期信頼度
   とを乗算することによって、前記着目順位の候補の信頼
   度を算出し、該信頼度を各順位の候補について求める手
   段と、 着目順位の候補よりも上位の各候補の信頼度の値を加算
   した値と、前記着目順位の候補の信頼度を加算すること
   によって前記着目順位の候補の累積信頼度を算出し、該
   累積信頼度を各順位の候補について求める手段と、 前記複数の初期認識候補の中から累積信頼度の値が予め
   定められた基準累積信頼度以下である順位までの候補
   を、最終的に認識候補として出力する手段と、 を含むことを特徴とする文字認識装置。
3. 【請求項３】文字パターンを入力して認識を行う文字認
   識装置において、 二値化された文字パターンを入力する入力手段と、 入力された文字パターンに対して文字認識処理を施し、
   文字特徴と標準文字特徴との間の距離値が小さい順に、
   文字パターンを特定する文字コードとその距離値とを初
   期認識候補として出力する文字認識手段と、 距離値の小さい順に並べられた前記初期認識候補の距離
   値を、元特徴として入力し、前記初期認識候補が正解か
   誤りであるかを評価するための正誤特徴を算出し、前記
   初期認識候補の各順位における文字コードと距離値の情
   報に正誤特徴を付加して出力する認識正誤特徴抽出手段
   と、 前記初期認識候補の正誤特徴から初期信頼度と初期非信
   頼度とを算出し、前記初期認識候補の中の文字カテゴリ
   ーと距離値と正誤特徴に、初期信頼度と初期非信頼度を
   付加して出力する初期信頼度算出手段と、 前記各初期認識候補について、前記初期信頼度と初期非
   信頼度とを用いて、信頼度と累積信頼度とを算出し、前
   記初期認識結果に信頼度と累積信頼度の情報を付加して
   出力する信頼度算出手段と、 予め定められた基準累積信頼度と、各順位までの累積信
   頼度とを比較し第何候補までを文字認識候補として出力
   するか決定し最終的に認識候補を出力するか、又は、予
   め定められた基準信頼度と認識候補の信頼度とを比較
   し、信頼度の低い認識候補をリジェクトしてから最終的
   に認識候補を出力する候補数制御手段と、を含むことを
   特徴とする文字認識装置。
4. 【請求項４】各順位の認識候補が正解であるか誤りであ
   るかを評価するための正誤特徴を算出する際に、前記各
   順位の候補が正解であるか誤りであるかを判定するよう
   に学習されたニューラルネットの出力値を、正誤特徴と
   する、ことを特徴とする請求項３記載の文字認識装置。
5. 【請求項５】ある順位の認識候補が正解であるか誤りで
   あるかを評価するための正誤特徴を算出する際に、前記
   ある順位の候補が正解であるか誤りであるかを判定する
   ように学習されたニューラルネットの出力値を前記正誤
   特徴とし、その際、前記ニューラルネットとして、前記
   ある順位よりも上位の認識候補がすべて誤りであるデー
   タを用いて学習が行われているニューラルネットを用い
   る、ことを特徴とする請求項３記載の文字認識装置。
6. 【請求項６】各順位の認識候補が正解であるか誤りであ
   るかを評価するための正誤特徴を算出する際に、各順位
   の候補が正解であるか誤りであるかを判定するように求
   められた判別得点を前記正誤特徴とする、ことを特徴と
   する請求項３記載の文字認識装置。
7. 【請求項７】ある順位の認識候補が正解であるか誤りで
   あるかを評価するための正誤特徴を算出する際に、ある
   順位の候補が正解であるか誤りであるかを判定するよう
   に求められた判別得点を前記正誤特徴とし、その際、前
   記判別得点として、ある順位よりも上位の認識候補がす
   べて誤りであるデータを用いて判別分析を行った結果得
   られる線形判別関数を用いて算出した判別得点を用い
   る、ことを特徴とする請求項３記載の文字認識装置。
8. 【請求項８】各順位の認識候補が正解であるか誤りであ
   るかを評価するための正誤特徴を算出する際に、主成分
   分析を行った結果得られる第一主成分から予め定められ
   たいくつかの主成分までの主成分得点を前記正誤特徴と
   する、ことを特徴とする請求項３記載の文字認識装置。
9. 【請求項９】ある順位の認識候補が正解か誤りであるか
   を評価するための正誤特徴する際に、主成分分析を行っ
   た結果得られる第一主成分からいくつかの主成分までの
   主成分得点を前記正誤特徴とし、その際、前記主成分得
   点として、前記ある順位よりも上位の認識候補がすべて
   誤りであるデータだけを用いて主成分分析を行った結果
   得られる主成分を用いて算出した主成分得点を用いる、
   ことを特徴とする請求項３記載の文字認識装置。
10. 【請求項１０】初期認識候補の各順位に対する初期信頼
    度を算出する際に、着目している順位の候補よりも上位
    候補の認識候補が全て誤りであるという条件の下で、着
    目順位の認識候補が正解であるという確率を、前記初期
    信頼度として算出する、ことを特徴とする請求項３記載
    の文字認識装置。
11. 【請求項１１】前記初期認識候補の正誤特徴から初期信
    頼度と初期非信頼度とを算出する際に、正誤特徴と初期
    信頼度との対応を予め格納したテーブルを用いて、前記
    正誤特徴から前記初期信頼度と前記初期非信頼度を求め
    る、ことを特徴とする請求項３記載の文字認識装置。
12. 【請求項１２】前記初期認識候補の正誤特徴から初期信
    頼度と初期非信頼度とを算出する際に、正誤特徴と初期
    信頼度との対応を規定する予め用意された関数を用いて
    前記正誤特徴から前記初期信頼度と前記初期非信頼度と
    を求める、ことを特徴とする請求項３記載の文字認識装
    置。
13. 【請求項１３】前記初期認識候補の各順位に対する信頼
    度を算出する際に、着目している順位の候補よりも上位
    候補の認識候補の初期非信頼度の値を全て乗じた値と、
    着目順位の初期信頼度とを乗算することによって、着目
    順位の信頼度を算出する、ことを特徴とする請求項３記
    載の文字認識装置。
14. 【請求項１４】前記初期認識候補の各順位に対する累積
    信頼度を算出する際に、着目している順位の候補よりも
    上位候補の認識候補の信頼度の値を全て加算した値と、
    着目順位の信頼度を加算することによって、着目順位の
    累積信頼度を算出する、ことを特徴とする請求項３記載
    の文字認識装置。
15. 【請求項１５】認識候補を出力する際に、予め定められ
    た基準累積信頼度と、前記初期認識候補の各順位に対す
    る累積信頼度の値と、を比較し、前記累積信頼度の値が
    前記基準累積信頼度以下である初期認識候補を、認識候
    補として出力する、ことを特徴とする請求項３記載の文
    字認識装置。
16. 【請求項１６】認識候補を出力する際に、予め定められ
    た基準信頼度と、初期認識候補の各順位に対する信頼度
    と、を比較し、前記信頼度の値が前記基準累積信頼度以
    上である初期認識候補を、認識候補として出力する、こ
    とを特徴とする請求項３記載の文字認識装置。
17. 【請求項１７】前記複数の初期認識候補が、文字特徴と
    標準文字特徴との間の距離値が小さい順に順位付けされ
    ていることを特徴とする請求項１又は２に記載の文字認
    識装置。
18. 【請求項１８】（ａ）入力された文字パターンに対して
    文字認識手段により得られた文字認識の複数の初期認識
    候補の各順位の候補について該初期認識候補が正解であ
    るか誤りであるかを判定するための正誤特徴を算出する
    ステップ、 （ｂ）前記正誤特徴を、着目順位よりも上位の候補は全
    て誤りであるという条件の下で、着目順位の候補が正解
    である確率に対応する初期信頼度に変換し、該初期信頼
    度を各順位の候補について求めるステップ、 （ｃ）着目順位の候補よりも上位の各候補に関する初期
    非信頼度の値を乗じた値と、前記着目順位の候補の初期
    信頼度とを乗算することによって、前記着目順位の候補
    の信頼度を算出し、該信頼度を各順位の候補について求
    めるステップ、及び、 （ｄ）前記各順位の候補の信頼度を予め定められた基準
    信頼度と比較し、前記複数の初期認識候補の中から前記
    信頼度の値が前記基準信頼度以上の候補を、最終的に認
    識候補として出力するステップ、を含むことを特徴とす
    る文字認識方法。
19. 【請求項１９】（ａ）入力された文字パターンに対して
    文字認識手段により得られた文字認識の複数の初期認識
    候補の各順位の候補について該初期認識候補が正解であ
    るか誤りであるかを判定するための正誤特徴を算出する
    ステップ、 （ｂ）前記正誤特徴を、着目順位よりも上位の候補は全
    て誤りであるという条件の下で、着目順位の候補が正解
    である確率に対応する初期信頼度に変換し、該初期信頼
    度を各順位の候補について求めるステップ、 （ｃ）着目順位の候補よりも上位の各候補に関する初期
    非信頼度の値を乗じた値と、前記着目順位の候補の初期
    信頼度とを乗算することによって、前記着目順位の候補
    の信頼度を算出し、該信頼度を各順位の候補について求
    めるステップ、 （ｄ）着目順位の候補よりも上位の各候補の信頼度の値
    を加算した値と、前記着目順位の候補の信頼度を加算す
    ることによって前記着目順位の候補の累積信頼度を算出
    し、該累積信頼度を各順位の候補について求めるステッ
    プ、及び、 （ｅ）前記累積信頼度を予め定められた基準累積信頼度
    と比較し、前記複数の初期認識候補の中から累積信頼度
    の値が前記基準累積信頼度以下である順位までの候補
    を、最終的に認識候補として出力するステップ、 を含むことを特徴とする文字認識方法。
20. 【請求項２０】（ａ）入力された文字パターンに対して
    文字認識手段により得られた文字認識の複数の初期認識
    候補の各順位の候補について該初期認識候補が正解であ
    るか誤りであるかを判定するための正誤特徴を算出する
    処理、 （ｂ）前記正誤特徴を、着目順位よりも上位の候補は全
    て誤りであるという条件の下で、着目順位の候補が正解
    である確率に対応する初期信頼度に変換し、該初期信頼
    度を各順位の候補について求める処理、 （ｃ）着目順位の候補よりも上位の各候補に関する初期
    非信頼度の値を乗じた値と、前記着目順位の候補の初期
    信頼度とを乗算することによって、前記着目順位の候補
    の信頼度を算出し、該信頼度を各順位の候補について求
    める処理、及び、 （ｄ）前記各順位の候補の信頼度を予め定められた基準
    信頼度と比較し、前記複数の初期認識候補の中から前記
    信頼度の値が前記基準信頼度以上の候補を、最終的に認
    識候補として出力する処理、 の上記（ａ）〜（ｄ）の処理を文字認識装置を構成する
    コンピュータで実行させるためのプログラムを記録した
    記録媒体。
21. 【請求項２１】（ａ）入力された文字パターンに対して
    文字認識手段により得られた文字認識の複数の初期認識
    候補の各順位の候補について該初期認識候補が正解であ
    るか誤りであるかを判定するための正誤特徴を算出する
    処理、 （ｂ）前記正誤特徴を、着目順位よりも上位の候補は全
    て誤りであるという条件の下で、着目順位の候補が正解
    である確率に対応する初期信頼度に変換し、該初期信頼
    度を各順位の候補について求める処理、 （ｃ）着目順位の候補よりも上位の各候補に関する初期
    非信頼度の値を乗じた値と、前記着目順位の候補の初期
    信頼度とを乗算することによって、前記着目順位の候補
    の信頼度を算出し、該信頼度を各順位の候補について求
    める処理、 （ｄ）着目順位の候補よりも上位の各候補の信頼度の値
    を加算した値と、前記着目順位の候補の信頼度を加算す
    ることによって前記着目順位の候補の累積信頼度を算出
    し、該累積信頼度を各順位の候補について求める処理、
    及び、 （ｅ）前記累積信頼度を予め定められた基準累積信頼度
    と比較し、前記複数の初期認識候補の中から累積信頼度
    の値が前記基準累積信頼度以下である順位までの候補
    を、最終的に認識候補として出力する処理、 の上記（ａ）〜（ｅ）の処理を文字認識装置を構成する
    コンピュータで実行させるためのプログラムを記録した
    記録媒体。