JP3170622B2 - 文字認識方法及び装置 - Google Patents
文字認識方法及び装置Info
- Publication number
- JP3170622B2 JP3170622B2 JP23789496A JP23789496A JP3170622B2 JP 3170622 B2 JP3170622 B2 JP 3170622B2 JP 23789496 A JP23789496 A JP 23789496A JP 23789496 A JP23789496 A JP 23789496A JP 3170622 B2 JP3170622 B2 JP 3170622B2
- Authority
- JP
- Japan
- Prior art keywords
- character
- degree
- dictionary
- pattern
- character pattern
- 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.)
- Expired - Fee Related
Links
Landscapes
- Character Discrimination (AREA)
Description
【０００１】
【発明の属する技術分野】本発明は、物品に付された数
字及び英字等の文字を撮像して得た画像中の文字パター
ンから前記文字を認識する文字認識方法及び、その実施
に使用する装置に関する。
字及び英字等の文字を撮像して得た画像中の文字パター
ンから前記文字を認識する文字認識方法及び、その実施
に使用する装置に関する。
【０００２】
【従来の技術】製造業にあっては、中間品及び製品にロ
ット番号，製造番号等の文字を付し、文字認識装置が備
える撮像装置を製造ライン又は入出庫ライン等に設置し
ておき、該撮像装置によって中間品又は製品に付した文
字を読み取り、読み取った文字からロット番号又は製造
番号を認識し、認識したロット番号又は製造番号を中央
コンピュータに与え、該中央コンピュータによって製造
工程及び在庫の集中管理が行われている。ロット番号，
製造番号等の文字は、中間品又は製品に直接印字される
ことが多いが、かすれ，にじみ及び汚れ等によって印字
品質は低い。また、照明度が低く撮像環境が悪い。一
方、製造業における文字認識は、高速・高率・高精度で
文字を認識することが要求されている。そこで、これら
の要求に対応すべく、次のようなパターンマッチングに
よる文字認識方法が採用されている。
ット番号，製造番号等の文字を付し、文字認識装置が備
える撮像装置を製造ライン又は入出庫ライン等に設置し
ておき、該撮像装置によって中間品又は製品に付した文
字を読み取り、読み取った文字からロット番号又は製造
番号を認識し、認識したロット番号又は製造番号を中央
コンピュータに与え、該中央コンピュータによって製造
工程及び在庫の集中管理が行われている。ロット番号，
製造番号等の文字は、中間品又は製品に直接印字される
ことが多いが、かすれ，にじみ及び汚れ等によって印字
品質は低い。また、照明度が低く撮像環境が悪い。一
方、製造業における文字認識は、高速・高率・高精度で
文字を認識することが要求されている。そこで、これら
の要求に対応すべく、次のようなパターンマッチングに
よる文字認識方法が採用されている。
【０００３】撮像装置で認識対象文字を撮像して得たア
ナログ信号を所定階調のディジタル信号に変換し、それ
を画像メモリに記憶させる。画像メモリに記憶した文字
画像を２値化し、投影像を生成して文字領域を求める前
処理を行った後、予め設定した文字枠になるように一文
字ずつ文字を切り出し、切り出したそれぞれの文字につ
いて、辞書に予め登録した複数の基準文字パターンとの
パターンマッチングを次のように行って認識対象文字を
認識する。
ナログ信号を所定階調のディジタル信号に変換し、それ
を画像メモリに記憶させる。画像メモリに記憶した文字
画像を２値化し、投影像を生成して文字領域を求める前
処理を行った後、予め設定した文字枠になるように一文
字ずつ文字を切り出し、切り出したそれぞれの文字につ
いて、辞書に予め登録した複数の基準文字パターンとの
パターンマッチングを次のように行って認識対象文字を
認識する。
【０００４】切り出した文字と基準文字パターンとを比
較できるように、切り出した文字の方向，サイズ，線幅
等を正規化し、正規化した文字と各基準文字パターンと
の一致度を次の（１）式によってそれぞれ算出する。 一致度＝（一致した画素の総数）／（基準文字パターン を構成する画素の総数）…（１）
較できるように、切り出した文字の方向，サイズ，線幅
等を正規化し、正規化した文字と各基準文字パターンと
の一致度を次の（１）式によってそれぞれ算出する。 一致度＝（一致した画素の総数）／（基準文字パターン を構成する画素の総数）…（１）
【０００５】そして、各基準文字パターンの内、一致度
が高いものから順番に第１候補文字，第２候補文字，…
とし、第１候補文字が次の（２）式及び（３）式のいず
れをも満足する場合、切り出した文字は第１候補文字で
あると判断し、両式のいずれか一方のみ満足する場合又
はいずれも満足しない場合、切り出した文字は不読であ
ると判断する。 第１候補文字の一致度≧第１閾値 …（２） 第１候補文字の一致度と 第２候補文字の一致度との差≧第２閾値 …（３）
が高いものから順番に第１候補文字，第２候補文字，…
とし、第１候補文字が次の（２）式及び（３）式のいず
れをも満足する場合、切り出した文字は第１候補文字で
あると判断し、両式のいずれか一方のみ満足する場合又
はいずれも満足しない場合、切り出した文字は不読であ
ると判断する。 第１候補文字の一致度≧第１閾値 …（２） 第１候補文字の一致度と 第２候補文字の一致度との差≧第２閾値 …（３）
【０００６】（２）式及び（３）式における第１閾値及
び第２閾値は経験的に適当な値を設定しておく。しかし
ながら、第１閾値及び第２閾値に大きな値を設定する
と、誤読は少ないが、不読と判断される文字が多く、認
識率が低い。一方、第１閾値及び第２閾値に小さな値を
設定すると、不読と判断される文字は少ないが、誤読が
多く、認識精度が低いという問題があった。
び第２閾値は経験的に適当な値を設定しておく。しかし
ながら、第１閾値及び第２閾値に大きな値を設定する
と、誤読は少ないが、不読と判断される文字が多く、認
識率が低い。一方、第１閾値及び第２閾値に小さな値を
設定すると、不読と判断される文字は少ないが、誤読が
多く、認識精度が低いという問題があった。
【０００７】そのため、特開平 2−68681 号公報には、
複数の基準文字パターンそれぞれを構成する画素群を、
基準文字パターン全てについて非文字領域となる画素群
の領域、当該基準文字パターンでは非文字領域である
が、他の基準文字パターンでは文字領域になる画素群の
領域、及び当該基準パターンで文字領域となる画素群の
領域にわけ、各画素群の領域毎に異なる重みを設定して
パターンマッチングを行う文字認識方法が提案されてい
る。これによって、第１閾値及び第２閾値に大きな値を
設定せずとも、高い認識精度を維持することができる。
複数の基準文字パターンそれぞれを構成する画素群を、
基準文字パターン全てについて非文字領域となる画素群
の領域、当該基準文字パターンでは非文字領域である
が、他の基準文字パターンでは文字領域になる画素群の
領域、及び当該基準パターンで文字領域となる画素群の
領域にわけ、各画素群の領域毎に異なる重みを設定して
パターンマッチングを行う文字認識方法が提案されてい
る。これによって、第１閾値及び第２閾値に大きな値を
設定せずとも、高い認識精度を維持することができる。
【０００８】
【発明が解決しようとする課題】しかしながら、特開平
2−68681 号公報に記載された従来の文字認識方法にあ
っては、非常に単純な認識対象文字であっても、各画素
群の領域に設定した重みによって重み付けをしなければ
ならず、パターンマッチングに要する時間が長くなり、
文字認識速度が低下するという問題があった。一方、よ
り高い認識精度が要求される場合は、第１閾値及び第２
閾値に大きな値を設定しなければならず、認識率及び認
識精度の向上には限界があった。
2−68681 号公報に記載された従来の文字認識方法にあ
っては、非常に単純な認識対象文字であっても、各画素
群の領域に設定した重みによって重み付けをしなければ
ならず、パターンマッチングに要する時間が長くなり、
文字認識速度が低下するという問題があった。一方、よ
り高い認識精度が要求される場合は、第１閾値及び第２
閾値に大きな値を設定しなければならず、認識率及び認
識精度の向上には限界があった。
【０００９】本発明はかかる事情に鑑みてなされたもの
であって、その目的とするところは互いに異なるマトリ
クスサイズの２値化基準文字パターンを登録してある複
数の２値化辞書、又は互いに異なるマトリクスサイズの
２値化基準文字パターンを用いて学習させた複数のニュ
ーラルネットワーク、及び撮像して得た文字パターンに
対応する濃淡の基準文字パターンが登録してある濃淡用
辞書を用意しておき、最も小さいマトリクスサイズの２
値化基準文字パターンが登録してある２値化辞書又は最
も小さいマトリクスサイズの２値化基準文字パターンを
用いて学習させたニューラルネットワークを用いて、各
２値化基準文字パターンと文字パターンとの一致度をそ
れぞれ算出し、得られた各一致度が予め設定した条件を
満たすか否かを判断し、条件を満たさないと判断した場
合、その程度に応じた他の辞書又は他のニューラルネッ
トワークを選択し、選択した辞書又はニューラルネット
ワークを用いて対象文字を認識することによって、文字
認識率及び文字認識精度を向上させると共に文字認識速
度の低下を可及的に抑制することができる文字認識方法
及びその実施に使用する文字認識装置を提供することに
ある。
であって、その目的とするところは互いに異なるマトリ
クスサイズの２値化基準文字パターンを登録してある複
数の２値化辞書、又は互いに異なるマトリクスサイズの
２値化基準文字パターンを用いて学習させた複数のニュ
ーラルネットワーク、及び撮像して得た文字パターンに
対応する濃淡の基準文字パターンが登録してある濃淡用
辞書を用意しておき、最も小さいマトリクスサイズの２
値化基準文字パターンが登録してある２値化辞書又は最
も小さいマトリクスサイズの２値化基準文字パターンを
用いて学習させたニューラルネットワークを用いて、各
２値化基準文字パターンと文字パターンとの一致度をそ
れぞれ算出し、得られた各一致度が予め設定した条件を
満たすか否かを判断し、条件を満たさないと判断した場
合、その程度に応じた他の辞書又は他のニューラルネッ
トワークを選択し、選択した辞書又はニューラルネット
ワークを用いて対象文字を認識することによって、文字
認識率及び文字認識精度を向上させると共に文字認識速
度の低下を可及的に抑制することができる文字認識方法
及びその実施に使用する文字認識装置を提供することに
ある。
【００１０】
【課題を解決するための手段】第１発明に係る文字認識
方法は、認識対象文字を撮像して得られた文字パターン
を２値化して２値化文字パターンを生成し、その２値化
文字パターンと、辞書に予め登録してある複数の２値化
基準文字パターンとの一致度をそれぞれ算出し、算出さ
れた各一致度に基づいて、１つの２値化基準文字パター
ンを選定することによって認識対象文字を認識する方法
において、前記辞書として少なくとも、２値化基準文字
パターンを登録してある第１の２値化辞書と、該第１の
２値化辞書に登録してある２値化基準文字パターンのマ
トリクスサイズよりも相対的に大きいマトリクスサイズ
の２値化基準文字パターンを登録してある第２の２値化
辞書と、濃淡の基準文字パターンを登録してある濃淡用
辞書とを用意し、前記第１の２値化辞書に登録してある
各２値化基準文字パターンと前記認識対象文字の２値化
文字パターンとの一致度をそれぞれ算出し、算出された
一致度が最も高い第１候補文字の一致度と、該第１候補
文字の次に一致度が高い第２候補文字の一致度とが予め
定められた複数の条件を満たすか否かを判断し、前記複
数の条件を満たすと判断した場合には前記認識対象文字
を前記第１候補文字であると認識し、前記複数の条件を
満たさないと判断した場合には満たされていない条件に
応じて前記第２の２値化辞書又は濃淡用辞書のいずれか
を選択し、前記第２の２値化辞書が選択された場合には
該第２の２値化辞書に登録してある２値化基準文字パタ
ーンと認識対象文字の２値化文字パターンとの一致度の
計算を行い、前記濃淡用辞書が選択された場合には該濃
淡用辞書に登録してある濃淡の基準文字パターンと認識
対象文字の文字パターンとの一致度の計算を行なうこと
によって前記認識対象文字を認識することを特徴とす
る。
方法は、認識対象文字を撮像して得られた文字パターン
を２値化して２値化文字パターンを生成し、その２値化
文字パターンと、辞書に予め登録してある複数の２値化
基準文字パターンとの一致度をそれぞれ算出し、算出さ
れた各一致度に基づいて、１つの２値化基準文字パター
ンを選定することによって認識対象文字を認識する方法
において、前記辞書として少なくとも、２値化基準文字
パターンを登録してある第１の２値化辞書と、該第１の
２値化辞書に登録してある２値化基準文字パターンのマ
トリクスサイズよりも相対的に大きいマトリクスサイズ
の２値化基準文字パターンを登録してある第２の２値化
辞書と、濃淡の基準文字パターンを登録してある濃淡用
辞書とを用意し、前記第１の２値化辞書に登録してある
各２値化基準文字パターンと前記認識対象文字の２値化
文字パターンとの一致度をそれぞれ算出し、算出された
一致度が最も高い第１候補文字の一致度と、該第１候補
文字の次に一致度が高い第２候補文字の一致度とが予め
定められた複数の条件を満たすか否かを判断し、前記複
数の条件を満たすと判断した場合には前記認識対象文字
を前記第１候補文字であると認識し、前記複数の条件を
満たさないと判断した場合には満たされていない条件に
応じて前記第２の２値化辞書又は濃淡用辞書のいずれか
を選択し、前記第２の２値化辞書が選択された場合には
該第２の２値化辞書に登録してある２値化基準文字パタ
ーンと認識対象文字の２値化文字パターンとの一致度の
計算を行い、前記濃淡用辞書が選択された場合には該濃
淡用辞書に登録してある濃淡の基準文字パターンと認識
対象文字の文字パターンとの一致度の計算を行なうこと
によって前記認識対象文字を認識することを特徴とす
る。
【００１１】第２発明に係る文字認識方法は、認識対象
文字を撮像して得られた文字パターンを２値化して２値
化文字パターンを生成し、その２値化文字パターンを、
複数の２値化基準文字パターンを用いて学習させたニュ
ーラルネットワークに与えて、２値化文字パターンと２
値化基準文字パターンとの一致度をそれぞれ算出させ、
算出された各一致度に基づいて、１つの２値化基準文字
パターンを選定することによって認識対象文字を認識す
る方法において、前記ニューラルネットワークに２値化
基準文字パターンを用いて学習させておき、少なくと
も、前記ニューラルネットワークの学習に用いた２値化
基準文字パターンのマトリクスサイズよりも相対的に大
きいマトリクスサイズの２値化基準文字パターンが登録
してある２値化辞書と、濃淡の基準文字パターンが登録
してある濃淡用辞書とを用意しておき、前記認識対象文
字の２値化文字パターンをニューラルネットワークに与
えて一致度をそれぞれ算出させ、算出された一致度が最
も高い第１候補文字の一致度と、該第１候補文字の次に
一致度が高い第２候補文字の一致度とが予め定められた
複数の条件を満たすか否かを判断し、前記複数の条件を
満たすと判断した場合には前記認識対象文字を前記第１
候補文字であると認識し、前記複数の条件を満たさない
と判断した場合には満たされていない条件に応じて前記
２値化辞書又は濃淡用辞書のいずれかを選択し、前記２
値化辞書が選択された場合には該２値化辞書に登録して
ある２値化基準文字パターンと認識対象文字の２値化文
字パターンとの一致度の計算を行い、前記濃淡用辞書が
選択された場合には該濃淡用辞書に登録してある濃淡の
基準文字パターンと認識対象文字の文字パターンとの一
致度の計算を行なうことによって前記認識対象文字を認
識することを特徴とする。
文字を撮像して得られた文字パターンを２値化して２値
化文字パターンを生成し、その２値化文字パターンを、
複数の２値化基準文字パターンを用いて学習させたニュ
ーラルネットワークに与えて、２値化文字パターンと２
値化基準文字パターンとの一致度をそれぞれ算出させ、
算出された各一致度に基づいて、１つの２値化基準文字
パターンを選定することによって認識対象文字を認識す
る方法において、前記ニューラルネットワークに２値化
基準文字パターンを用いて学習させておき、少なくと
も、前記ニューラルネットワークの学習に用いた２値化
基準文字パターンのマトリクスサイズよりも相対的に大
きいマトリクスサイズの２値化基準文字パターンが登録
してある２値化辞書と、濃淡の基準文字パターンが登録
してある濃淡用辞書とを用意しておき、前記認識対象文
字の２値化文字パターンをニューラルネットワークに与
えて一致度をそれぞれ算出させ、算出された一致度が最
も高い第１候補文字の一致度と、該第１候補文字の次に
一致度が高い第２候補文字の一致度とが予め定められた
複数の条件を満たすか否かを判断し、前記複数の条件を
満たすと判断した場合には前記認識対象文字を前記第１
候補文字であると認識し、前記複数の条件を満たさない
と判断した場合には満たされていない条件に応じて前記
２値化辞書又は濃淡用辞書のいずれかを選択し、前記２
値化辞書が選択された場合には該２値化辞書に登録して
ある２値化基準文字パターンと認識対象文字の２値化文
字パターンとの一致度の計算を行い、前記濃淡用辞書が
選択された場合には該濃淡用辞書に登録してある濃淡の
基準文字パターンと認識対象文字の文字パターンとの一
致度の計算を行なうことによって前記認識対象文字を認
識することを特徴とする。
【００１２】第３発明に係る文字認識方法は、第１又は
第２発明において、前記複数の条件を満たさないと判断
して２値化基準文字パターンが登録してある辞書が選択
された場合は、各候補文字の一致度と前記第１候補文字
の一致度との差に基づいて候補文字を算定し、これらの
算定された候補文字に対応する２値化基準文字パターン
を前記選択した辞書から読み出し、認識対象文字の２値
化文字パターンと一致度の計算を行なうことにより認識
対象文字を認識することを特徴とする。
第２発明において、前記複数の条件を満たさないと判断
して２値化基準文字パターンが登録してある辞書が選択
された場合は、各候補文字の一致度と前記第１候補文字
の一致度との差に基づいて候補文字を算定し、これらの
算定された候補文字に対応する２値化基準文字パターン
を前記選択した辞書から読み出し、認識対象文字の２値
化文字パターンと一致度の計算を行なうことにより認識
対象文字を認識することを特徴とする。
【００１３】第４発明に係る文字認識方法は、認識対象
文字を撮像して得られた文字パターンを２値化して２値
化文字パターンを生成し、その２値化文字パターンと、
辞書に予め登録してある複数の２値化基準文字パターン
との一致度をそれぞれ算出し、算出された各一致度に基
づいて、１つの２値化基準文字パターンを選定すること
によって認識対象文字を認識する方法において、前記辞
書として少なくとも、２値化基準文字パターンを登録し
てある２値化辞書と、濃淡の基準文字パターンを登録し
てある濃淡用辞書と、前記２値化辞書に登録してある２
値化基準文字パターンのマトリクスサイズよりも相対的
に大きいマトリクスサイズの２値化基準文字パターンを
用いて学習させたニューラルネットワークとを用意し、
前記２値化辞書に登録してある各２値化基準文字パター
ンと前記認識対象文字の２値化文字パターンとの一致度
をそれぞれ算出し、算出された一致度が最も高い第１候
補文字の一致度と、該第１候補文字の次に一致度が高い
第２候補文字の一致度とが予め定められた複数の条件を
満たすか否かを判断し、前記複数の条件を満たすと判断
した場合には前記認識対象文字を前記第１候補文字であ
ると認識し、前記複数の条件を満たさないと判断した場
合には満たされていない条件に応じて前記濃淡用辞書又
はニューラルネットワークのいずれかを選択し、前記濃
淡用辞書が選択された場合には該濃淡用辞書に登録して
ある濃淡の基準文字パターンと認識対象文字の文字パタ
ーンとの一致度の計算を行い、前記ニューラルネットワ
ークが選択された場合には該ニューラルネットワークに
学習させてある２値化基準文字パターンと認識対象文字
の２値化文字パターンとの一致度の計算を行なうことに
よって前記認識対象文字を認識することを特徴とする。
文字を撮像して得られた文字パターンを２値化して２値
化文字パターンを生成し、その２値化文字パターンと、
辞書に予め登録してある複数の２値化基準文字パターン
との一致度をそれぞれ算出し、算出された各一致度に基
づいて、１つの２値化基準文字パターンを選定すること
によって認識対象文字を認識する方法において、前記辞
書として少なくとも、２値化基準文字パターンを登録し
てある２値化辞書と、濃淡の基準文字パターンを登録し
てある濃淡用辞書と、前記２値化辞書に登録してある２
値化基準文字パターンのマトリクスサイズよりも相対的
に大きいマトリクスサイズの２値化基準文字パターンを
用いて学習させたニューラルネットワークとを用意し、
前記２値化辞書に登録してある各２値化基準文字パター
ンと前記認識対象文字の２値化文字パターンとの一致度
をそれぞれ算出し、算出された一致度が最も高い第１候
補文字の一致度と、該第１候補文字の次に一致度が高い
第２候補文字の一致度とが予め定められた複数の条件を
満たすか否かを判断し、前記複数の条件を満たすと判断
した場合には前記認識対象文字を前記第１候補文字であ
ると認識し、前記複数の条件を満たさないと判断した場
合には満たされていない条件に応じて前記濃淡用辞書又
はニューラルネットワークのいずれかを選択し、前記濃
淡用辞書が選択された場合には該濃淡用辞書に登録して
ある濃淡の基準文字パターンと認識対象文字の文字パタ
ーンとの一致度の計算を行い、前記ニューラルネットワ
ークが選択された場合には該ニューラルネットワークに
学習させてある２値化基準文字パターンと認識対象文字
の２値化文字パターンとの一致度の計算を行なうことに
よって前記認識対象文字を認識することを特徴とする。
【００１４】第５発明に係る文字認識方法は、認識対象
文字を撮像して得られた文字パターンを２値化して２値
化文字パターンを生成し、その２値化文字パターンを、
複数の２値化基準文字パターンを用いて学習させたニュ
ーラルネットワークに与えて、２値化文字パターンと２
値化基準文字パターンとの一致度をそれぞれ算出させ、
算出された各一致度に基づいて、１つの２値化基準文字
パターンを選定することによって認識対象文字を認識す
る方法において、前記ニューラルネットワークとして少
なくとも、２値化基準文字パターンを用いて学習させた
第１ニューラルネットワーク及び該第１ニューラルネッ
トワークの学習に用いた２値化基準文字パターンのマト
リクスサイズよりも相対的に大きいマトリクスサイズの
２値化基準文字パターンを用いて学習させた第２ニュー
ラルネットワークと、濃淡の基準文字パターンが登録し
てある濃淡用辞書とを用意しておき、前記認識対象文字
の２値化文字パターンを前記第１ニューラルネットワー
クに与えて一致度をそれぞれ算出させ、算出された一致
度が最も高い第１候補文字の一致度と、該第１候補文字
の次に一致度が高い第２候補文字の一致度とが予め定め
られた複数の条件を満たすか否かを判断し、前記複数の
条件を満たすと判断した場合には前記認識対象文字を前
記第１候補文字であると認識し、前記複数の条件を満た
さないと判断した場合には満たされていない条件に応じ
て前記濃淡用辞書又は第２ニューラルネットワークのい
ずれかを選択し、前記濃淡用辞書が選択された場合には
該濃淡用辞書に登録してある濃淡の基準文字パターンと
認識対象文字の文字パターンとの一致度の計算を行な
い、前記第２ニューラルネットワークが選択された場合
には該第２ニューラルネットワークに学習させてある２
値化基準文字パターンと認識対象文字の２値化文字パタ
ーンとの一致度の計算を行なうことによって前記認識対
象文字を認識することを特徴とする。
文字を撮像して得られた文字パターンを２値化して２値
化文字パターンを生成し、その２値化文字パターンを、
複数の２値化基準文字パターンを用いて学習させたニュ
ーラルネットワークに与えて、２値化文字パターンと２
値化基準文字パターンとの一致度をそれぞれ算出させ、
算出された各一致度に基づいて、１つの２値化基準文字
パターンを選定することによって認識対象文字を認識す
る方法において、前記ニューラルネットワークとして少
なくとも、２値化基準文字パターンを用いて学習させた
第１ニューラルネットワーク及び該第１ニューラルネッ
トワークの学習に用いた２値化基準文字パターンのマト
リクスサイズよりも相対的に大きいマトリクスサイズの
２値化基準文字パターンを用いて学習させた第２ニュー
ラルネットワークと、濃淡の基準文字パターンが登録し
てある濃淡用辞書とを用意しておき、前記認識対象文字
の２値化文字パターンを前記第１ニューラルネットワー
クに与えて一致度をそれぞれ算出させ、算出された一致
度が最も高い第１候補文字の一致度と、該第１候補文字
の次に一致度が高い第２候補文字の一致度とが予め定め
られた複数の条件を満たすか否かを判断し、前記複数の
条件を満たすと判断した場合には前記認識対象文字を前
記第１候補文字であると認識し、前記複数の条件を満た
さないと判断した場合には満たされていない条件に応じ
て前記濃淡用辞書又は第２ニューラルネットワークのい
ずれかを選択し、前記濃淡用辞書が選択された場合には
該濃淡用辞書に登録してある濃淡の基準文字パターンと
認識対象文字の文字パターンとの一致度の計算を行な
い、前記第２ニューラルネットワークが選択された場合
には該第２ニューラルネットワークに学習させてある２
値化基準文字パターンと認識対象文字の２値化文字パタ
ーンとの一致度の計算を行なうことによって前記認識対
象文字を認識することを特徴とする。
【００１５】第６発明に係る文字認識方法は、第４又は
第５発明において、前記２値化基準文字パターンを複数
のグループに分け、各グループ毎に、それに属する２値
化基準文字パターンを用いて学習させた特定文字ニュー
ラルネットワークをそれぞれ用意しておき、条件を満た
さないと判断した場合、その程度に応じて特定文字ニュ
ーラルネットワークを選択し、その特定文字ニューラル
ネットワークに算出させて得た各一致度を用いて認識対
象文字を認識することを特徴とする。
第５発明において、前記２値化基準文字パターンを複数
のグループに分け、各グループ毎に、それに属する２値
化基準文字パターンを用いて学習させた特定文字ニュー
ラルネットワークをそれぞれ用意しておき、条件を満た
さないと判断した場合、その程度に応じて特定文字ニュ
ーラルネットワークを選択し、その特定文字ニューラル
ネットワークに算出させて得た各一致度を用いて認識対
象文字を認識することを特徴とする。
【００１６】第７発明に係る文字認識装置は、認識対象
文字を撮像する撮像装置と、得られた文字パターンを２
値化して２値化文字パターンを生成する手段と、生成さ
れた２値化文字パターンと、辞書に予め登録してある複
数の２値化基準文字パターンとの一致度をそれぞれ算出
し、算出された各一致度に基づいて、１つの２値化基準
文字パターンを選定する手段とを備える文字認識装置に
おいて、前記辞書として少なくとも、２値化基準文字パ
ターンが登録してある第１の２値化辞書と、該第１の２
値化辞書に登録してある２値化基準文字パターンのマト
リクスサイズよりも相対的に大きいマトリクスサイズの
２値化基準文字パターンが登録してある第２の２値化辞
書と、濃淡の基準文字パターンが登録してある濃淡用辞
書と、前記第１の２値化辞書に登録してある各２値化基
準文字パターンと前記認識対象文字の２値化文字パター
ンとの一致度をそれぞれ算出する手段と、算出された一
致度が最も高い第１候補文字の一致度と、該第１候補文
字の次に一致度が高い第２候補文字の一致度とが予め定
められた複数の条件を満たすか否かを判断する手段と、
前記複数の条件を満たすと判断した場合には前記認識対
象文字を前記第１候補文字であると認識し、前記複数の
条件を満たさないと判断した場合には満たされていない
条件に応じて前記第２の２値化辞書又は濃淡用辞書のい
ずれかを選択する手段とを備え、前記第２の２値化辞書
が選択された場合には該第２の２値化辞書に登録してあ
る２値化基準文字パターンと認識対象文字の２値化文字
パターンとの一致度を計算して１つの２値化基準文字パ
ターンを選定し、前記濃淡用辞書が選択された場合には
該濃淡用辞書に登録してある濃淡の基準文字パターンと
認識対象文字の文字パターンとの一致度を計算して１つ
の濃淡の基準文字パターンを選定することによって前記
認識対象文字を認識するようになしてあることを特徴と
する。
文字を撮像する撮像装置と、得られた文字パターンを２
値化して２値化文字パターンを生成する手段と、生成さ
れた２値化文字パターンと、辞書に予め登録してある複
数の２値化基準文字パターンとの一致度をそれぞれ算出
し、算出された各一致度に基づいて、１つの２値化基準
文字パターンを選定する手段とを備える文字認識装置に
おいて、前記辞書として少なくとも、２値化基準文字パ
ターンが登録してある第１の２値化辞書と、該第１の２
値化辞書に登録してある２値化基準文字パターンのマト
リクスサイズよりも相対的に大きいマトリクスサイズの
２値化基準文字パターンが登録してある第２の２値化辞
書と、濃淡の基準文字パターンが登録してある濃淡用辞
書と、前記第１の２値化辞書に登録してある各２値化基
準文字パターンと前記認識対象文字の２値化文字パター
ンとの一致度をそれぞれ算出する手段と、算出された一
致度が最も高い第１候補文字の一致度と、該第１候補文
字の次に一致度が高い第２候補文字の一致度とが予め定
められた複数の条件を満たすか否かを判断する手段と、
前記複数の条件を満たすと判断した場合には前記認識対
象文字を前記第１候補文字であると認識し、前記複数の
条件を満たさないと判断した場合には満たされていない
条件に応じて前記第２の２値化辞書又は濃淡用辞書のい
ずれかを選択する手段とを備え、前記第２の２値化辞書
が選択された場合には該第２の２値化辞書に登録してあ
る２値化基準文字パターンと認識対象文字の２値化文字
パターンとの一致度を計算して１つの２値化基準文字パ
ターンを選定し、前記濃淡用辞書が選択された場合には
該濃淡用辞書に登録してある濃淡の基準文字パターンと
認識対象文字の文字パターンとの一致度を計算して１つ
の濃淡の基準文字パターンを選定することによって前記
認識対象文字を認識するようになしてあることを特徴と
する。
【００１７】第８発明に係る文字認識装置は、認識対象
文字を撮像する撮像装置と、得られた文字パターンを２
値化して２値化文字パターンを生成する手段と、生成さ
れた２値化文字パターンと複数の２値化基準文字パター
ンとの一致度をそれぞれ算出するニューラルネットワー
クと、算出された各一致度に基づいて、１つの２値化基
準文字パターンを選定する手段とを備える文字認識装置
において、２値化基準文字パターンを用いて学習させた
ニューラルネットワークと、少なくとも、前記ニューラ
ルネットワークの学習に用いた２値化基準文字パターン
のマトリクスサイズよりも相対的に大きいマトリクスサ
イズの２値化基準文字パターンが登録してある２値化辞
書と、濃淡の基準文字パターンが登録してある濃淡用辞
書と、前記認識対象文字の２値化文字パターンを前記ニ
ューラルネットワークに与えて一致度をそれぞれ算出す
る手段と、算出された一致度が最も高い第１候補文字の
一致度と、該第１候補文字の次に一致度が高い第２候補
文字の一致度とが予め定められた複数の条件を満たすか
否かを判断する手段と、前記複数の条件を満たすと判断
した場合には前記認識対象文字を前記第１候補文字であ
ると認識し、前記複数の条件を満たさないと判断した場
合には満たされていない条件に応じて前記２値化辞書又
は濃淡用辞書のいずれかを選択する手段とを備え、前記
２値化辞書が選択された場合には該２値化辞書に登録し
てある２値化基準文字パターンと認識対象文字の２値化
文字パターンとの一致度を計算して１つの２値化基準文
字パターンを選定し、前記濃淡用辞書が選択された場合
には該濃淡用辞書に登録してある濃淡の基準文字パター
ンと認識対象文字の文字パターンとの一致度を計算して
１つの濃淡の基準文字パターンを選定することによって
前記認識対象文字を認識するようになしてあることを特
徴とする。
文字を撮像する撮像装置と、得られた文字パターンを２
値化して２値化文字パターンを生成する手段と、生成さ
れた２値化文字パターンと複数の２値化基準文字パター
ンとの一致度をそれぞれ算出するニューラルネットワー
クと、算出された各一致度に基づいて、１つの２値化基
準文字パターンを選定する手段とを備える文字認識装置
において、２値化基準文字パターンを用いて学習させた
ニューラルネットワークと、少なくとも、前記ニューラ
ルネットワークの学習に用いた２値化基準文字パターン
のマトリクスサイズよりも相対的に大きいマトリクスサ
イズの２値化基準文字パターンが登録してある２値化辞
書と、濃淡の基準文字パターンが登録してある濃淡用辞
書と、前記認識対象文字の２値化文字パターンを前記ニ
ューラルネットワークに与えて一致度をそれぞれ算出す
る手段と、算出された一致度が最も高い第１候補文字の
一致度と、該第１候補文字の次に一致度が高い第２候補
文字の一致度とが予め定められた複数の条件を満たすか
否かを判断する手段と、前記複数の条件を満たすと判断
した場合には前記認識対象文字を前記第１候補文字であ
ると認識し、前記複数の条件を満たさないと判断した場
合には満たされていない条件に応じて前記２値化辞書又
は濃淡用辞書のいずれかを選択する手段とを備え、前記
２値化辞書が選択された場合には該２値化辞書に登録し
てある２値化基準文字パターンと認識対象文字の２値化
文字パターンとの一致度を計算して１つの２値化基準文
字パターンを選定し、前記濃淡用辞書が選択された場合
には該濃淡用辞書に登録してある濃淡の基準文字パター
ンと認識対象文字の文字パターンとの一致度を計算して
１つの濃淡の基準文字パターンを選定することによって
前記認識対象文字を認識するようになしてあることを特
徴とする。
【００１８】第９発明に係る文字認識装置は、第７又は
第８発明において、前記複数の条件を満たさないと判断
されて２値化基準文字パターンが登録してある辞書が選
択された場合に、各候補文字の一致度と前記第１候補文
字の一致度との差に基づいて候補文字を算定する手段
と、これらの算定された候補文字に対応する２値化基準
文字パターンを前記選択した辞書から読み出し、認識対
象文字の２値化文字パターンと一致度の計算を行なう手
段とを備え、計算した一致度に基づいて認識対象文字を
認識するようになしてあることを特徴とする
第８発明において、前記複数の条件を満たさないと判断
されて２値化基準文字パターンが登録してある辞書が選
択された場合に、各候補文字の一致度と前記第１候補文
字の一致度との差に基づいて候補文字を算定する手段
と、これらの算定された候補文字に対応する２値化基準
文字パターンを前記選択した辞書から読み出し、認識対
象文字の２値化文字パターンと一致度の計算を行なう手
段とを備え、計算した一致度に基づいて認識対象文字を
認識するようになしてあることを特徴とする
【００１９】第１０発明に係る文字認識装置は、認識対
象文字を撮像する撮像装置と、得られた文字パターンを
２値化して２値化文字パターンを生成する手段と、生成
された２値化文字パターンと、辞書に予め登録してある
複数の２値化基準文字パターンとの一致度をそれぞれ算
出し、算出された各一致度に基づいて、１つの２値化基
準文字パターンを選定する手段とを備える文字認識装置
において、前記辞書として少なくとも、２値化基準文字
パターンが登録してある２値化辞書と、濃淡の基準文字
パターンを登録してある濃淡用辞書と、前記２値化辞書
に登録してある２値化基準文字パターンのマトリクスサ
イズよりも相対的に大きいマトリクスサイズの２値化基
準文字パターンを用いて学習させたニューラルネットワ
ークと、前記２値化辞書に登録してある各２値化基準文
字パターンと前記認識対象文字の２値化文字パターンと
の一致度をそれぞれ算出する手段と、算出された一致度
が最も高い第１候補文字の一致度と、該第１候補文字の
次に一致度が高い第２候補文字の一致度とが予め定めら
れた複数の条件を満たすか否かを判断する手段と、前記
複数の条件を満たすと判断した場合には前記認識対象文
字を前記第１候補文字であると認識し、前記複数の条件
を満たさないと判断した場合には満たされていない条件
に応じて前記濃淡用辞書又はニューラルネットワークの
いずれかを選択する手段とを備え、前記濃淡用辞書が選
択された場合には該濃淡用辞書に登録してある濃淡の基
準文字パターンと認識対象文字の文字パターンとの一致
度を計算して１つの濃淡の基準文字パターンを選定し、
前記ニューラルネットワークが選択された場合には該ニ
ューラルネットワークに学習させてある２値化基準文字
パターンと認識対象文字の２値化文字パターンとの一致
度を計算して１つの２値化基準文字パターンを選定する
ことによって前記認識対象文字を認識するようになして
あることを特徴とする。
象文字を撮像する撮像装置と、得られた文字パターンを
２値化して２値化文字パターンを生成する手段と、生成
された２値化文字パターンと、辞書に予め登録してある
複数の２値化基準文字パターンとの一致度をそれぞれ算
出し、算出された各一致度に基づいて、１つの２値化基
準文字パターンを選定する手段とを備える文字認識装置
において、前記辞書として少なくとも、２値化基準文字
パターンが登録してある２値化辞書と、濃淡の基準文字
パターンを登録してある濃淡用辞書と、前記２値化辞書
に登録してある２値化基準文字パターンのマトリクスサ
イズよりも相対的に大きいマトリクスサイズの２値化基
準文字パターンを用いて学習させたニューラルネットワ
ークと、前記２値化辞書に登録してある各２値化基準文
字パターンと前記認識対象文字の２値化文字パターンと
の一致度をそれぞれ算出する手段と、算出された一致度
が最も高い第１候補文字の一致度と、該第１候補文字の
次に一致度が高い第２候補文字の一致度とが予め定めら
れた複数の条件を満たすか否かを判断する手段と、前記
複数の条件を満たすと判断した場合には前記認識対象文
字を前記第１候補文字であると認識し、前記複数の条件
を満たさないと判断した場合には満たされていない条件
に応じて前記濃淡用辞書又はニューラルネットワークの
いずれかを選択する手段とを備え、前記濃淡用辞書が選
択された場合には該濃淡用辞書に登録してある濃淡の基
準文字パターンと認識対象文字の文字パターンとの一致
度を計算して１つの濃淡の基準文字パターンを選定し、
前記ニューラルネットワークが選択された場合には該ニ
ューラルネットワークに学習させてある２値化基準文字
パターンと認識対象文字の２値化文字パターンとの一致
度を計算して１つの２値化基準文字パターンを選定する
ことによって前記認識対象文字を認識するようになして
あることを特徴とする。
【００２０】第１１発明に係る文字認識装置は、認識対
象文字を撮像する撮像装置と、得られた文字パターンを
２値化して２値化文字パターンを生成する手段と、生成
された２値化文字パターンを、複数の２値化基準文字パ
ターンを用いて学習させたニューラルネットワークに与
えて、２値化文字パターンと２値化基準文字パターンと
の一致度をそれぞれ算出させ、算出された各一致度に基
づいて、１つの２値化基準文字パターンを選定する手段
とを備える文字認識装置において、前記ニューラルネッ
トワークとして少なくとも、２値化基準文字パターンを
用いて学習させた第１ニューラルネットワークと、該第
１ニューラルネットワークの学習に用いた２値化基準文
字パターンのマトリクスサイズよりも相対的に大きいマ
トリクスサイズの２値化基準文字パターンを用いて学習
させた第２ニューラルネットワークと、濃淡の基準文字
パターンが登録してある濃淡用辞書と、前記認識対象文
字の２値化文字パターンを前記第１ニューラルネットワ
ークに与えて一致度をそれぞれ算出する手段と、算出さ
れた一致度が最も高い第１候補文字の一致度と、該第１
候補文字の次に一致度が高い第２候補文字の一致度とが
予め定められた複数の条件を満たすか否かを判断する手
段と、前記複数の条件を満たすと判断した場合には前記
認識対象文字を前記第１候補文字であると認識し、前記
複数の条件を満たさないと判断した場合には満たされて
いない条件に応じて前記濃淡用辞書又は第２ニューラル
ネットワークのいずれかを選択する手段とを備え、前記
濃淡用辞書が選択された場合には該濃淡用辞書に登録し
てある濃淡の基準文字パターンと認識対象文字の文字パ
ターンとの一致度を計算して１つの濃淡の基準文字パタ
ーンを選定し、前記第２ニューラルネットワークが選択
された場合には該第２ニューラルネットワークに学習さ
せてある２値化基準文字パターンと認識対象文字の２値
化文字パターンとの一致度を計算して１つの２値化基準
文字パターンを選定することによって前記認識対象文字
を認識するようになしてあることを特徴とする。
象文字を撮像する撮像装置と、得られた文字パターンを
２値化して２値化文字パターンを生成する手段と、生成
された２値化文字パターンを、複数の２値化基準文字パ
ターンを用いて学習させたニューラルネットワークに与
えて、２値化文字パターンと２値化基準文字パターンと
の一致度をそれぞれ算出させ、算出された各一致度に基
づいて、１つの２値化基準文字パターンを選定する手段
とを備える文字認識装置において、前記ニューラルネッ
トワークとして少なくとも、２値化基準文字パターンを
用いて学習させた第１ニューラルネットワークと、該第
１ニューラルネットワークの学習に用いた２値化基準文
字パターンのマトリクスサイズよりも相対的に大きいマ
トリクスサイズの２値化基準文字パターンを用いて学習
させた第２ニューラルネットワークと、濃淡の基準文字
パターンが登録してある濃淡用辞書と、前記認識対象文
字の２値化文字パターンを前記第１ニューラルネットワ
ークに与えて一致度をそれぞれ算出する手段と、算出さ
れた一致度が最も高い第１候補文字の一致度と、該第１
候補文字の次に一致度が高い第２候補文字の一致度とが
予め定められた複数の条件を満たすか否かを判断する手
段と、前記複数の条件を満たすと判断した場合には前記
認識対象文字を前記第１候補文字であると認識し、前記
複数の条件を満たさないと判断した場合には満たされて
いない条件に応じて前記濃淡用辞書又は第２ニューラル
ネットワークのいずれかを選択する手段とを備え、前記
濃淡用辞書が選択された場合には該濃淡用辞書に登録し
てある濃淡の基準文字パターンと認識対象文字の文字パ
ターンとの一致度を計算して１つの濃淡の基準文字パタ
ーンを選定し、前記第２ニューラルネットワークが選択
された場合には該第２ニューラルネットワークに学習さ
せてある２値化基準文字パターンと認識対象文字の２値
化文字パターンとの一致度を計算して１つの２値化基準
文字パターンを選定することによって前記認識対象文字
を認識するようになしてあることを特徴とする。
【００２１】第１２発明に係る文字認識装置は、第１０
又は第１１発明において、前記２値化基準文字パターン
を複数のグループに分け、各グループ毎に、それに属す
る２値化基準文字パターンを用いて学習させた特定文字
ニューラルネットワークと、条件を満たさないと判断し
た場合、その程度に応じて特定文字ニューラルネットワ
ークを選択する手段とを備え、その特定文字ニューラル
ネットワークに算出させて得た各一致度を用いて認識対
象文字を認識するようになしてあることを特徴とする。
又は第１１発明において、前記２値化基準文字パターン
を複数のグループに分け、各グループ毎に、それに属す
る２値化基準文字パターンを用いて学習させた特定文字
ニューラルネットワークと、条件を満たさないと判断し
た場合、その程度に応じて特定文字ニューラルネットワ
ークを選択する手段とを備え、その特定文字ニューラル
ネットワークに算出させて得た各一致度を用いて認識対
象文字を認識するようになしてあることを特徴とする。
【００２２】第１，第２，第４，第５，第７，第８，第
１０及び第１２発明にあっては、複数の基準文字パター
ンが登録してある２値化辞書を複数用意し、各２値化辞
書には互いに異なるマトリクスサイズの２値化基準文字
パターンを登録しておき、又は、ニューラルネットワー
クを複数用意し、各ニューラルネットワークは互いにマ
トリクスサイズが異なる２値化基準文字パターンを用い
学習させておく。また、２値化前の濃淡画像に対応する
濃淡の基準文字パターンが登録してある濃淡用辞書を用
意しておく。最も小さいマトリクスサイズの２値化基準
文字パターンが登録してある２値化辞書内の各２値化基
準文字パターンと認識対象文字を撮像して得た２値化文
字パターンとの一致度をそれぞれ算出する。又は、最も
小さいマトリクスサイズの２値化基準文字パターンを用
いて学習させたニューラルネットワークに２値化基準文
字パターンと認識対象文字を撮像して得た２値化文字パ
ターンとの一致度をそれぞれ算出させる。これによっ
て、一致度を短時間で求めることができる。
１０及び第１２発明にあっては、複数の基準文字パター
ンが登録してある２値化辞書を複数用意し、各２値化辞
書には互いに異なるマトリクスサイズの２値化基準文字
パターンを登録しておき、又は、ニューラルネットワー
クを複数用意し、各ニューラルネットワークは互いにマ
トリクスサイズが異なる２値化基準文字パターンを用い
学習させておく。また、２値化前の濃淡画像に対応する
濃淡の基準文字パターンが登録してある濃淡用辞書を用
意しておく。最も小さいマトリクスサイズの２値化基準
文字パターンが登録してある２値化辞書内の各２値化基
準文字パターンと認識対象文字を撮像して得た２値化文
字パターンとの一致度をそれぞれ算出する。又は、最も
小さいマトリクスサイズの２値化基準文字パターンを用
いて学習させたニューラルネットワークに２値化基準文
字パターンと認識対象文字を撮像して得た２値化文字パ
ターンとの一致度をそれぞれ算出させる。これによっ
て、一致度を短時間で求めることができる。
【００２３】各２値化基準文字パターンにあって、得ら
れた各一致度が高い順に、第１候補，第２候補，…と
し、第１候補の一致度の程度、第１候補の一致度と第２
候補の一致度との差が所定の条件を満たしている場合、
対象文字は第１候補の基準文字パターンであると判断し
て文字認識を終了する。対象文字の状態が良好である場
合、ここまでの操作で文字認識が終了され、短時間で文
字認識を行うことができる。
れた各一致度が高い順に、第１候補，第２候補，…と
し、第１候補の一致度の程度、第１候補の一致度と第２
候補の一致度との差が所定の条件を満たしている場合、
対象文字は第１候補の基準文字パターンであると判断し
て文字認識を終了する。対象文字の状態が良好である場
合、ここまでの操作で文字認識が終了され、短時間で文
字認識を行うことができる。
【００２４】一方、第１候補の一致度の程度、第１候補
の一致度と第２候補の一致度との差が所定の条件を満た
していない場合、更に文字認識を行うことによって、文
字認識率を向上させる。更なる文字認識は、より大きな
マトリクスサイズの２値化基準文字パターンが登録して
ある他の２値化辞書、又は、より大きなマトリクスサイ
ズの２値化基準文字パターンを用いて学習させた他のニ
ューラルネットワーク、或いは、濃淡画像に対応する濃
淡基準文字パターンが登録してある濃淡用辞書の内か
ら、第１候補の一致度の程度、第１候補の一致度と第２
候補の一致度との差に応じたいずれかの辞書又はニュー
ラルネットワークを選択する。これによって、文字認識
精度を向上させつつ、文字認識速度の低下を可及的に抑
制する。
の一致度と第２候補の一致度との差が所定の条件を満た
していない場合、更に文字認識を行うことによって、文
字認識率を向上させる。更なる文字認識は、より大きな
マトリクスサイズの２値化基準文字パターンが登録して
ある他の２値化辞書、又は、より大きなマトリクスサイ
ズの２値化基準文字パターンを用いて学習させた他のニ
ューラルネットワーク、或いは、濃淡画像に対応する濃
淡基準文字パターンが登録してある濃淡用辞書の内か
ら、第１候補の一致度の程度、第１候補の一致度と第２
候補の一致度との差に応じたいずれかの辞書又はニュー
ラルネットワークを選択する。これによって、文字認識
精度を向上させつつ、文字認識速度の低下を可及的に抑
制する。
【００２５】第３，第６，第９及び第１２発明にあって
は、例えば、第１候補の一致度の程度は条件を満たして
いるが、第１候補の一致度と第２候補の一致度との差が
条件を満たしていない場合、ある程度の文字認識はでき
ているが、部分的な汚れ又は欠け等によって、類似文字
との区別ができないと判断することができる。
は、例えば、第１候補の一致度の程度は条件を満たして
いるが、第１候補の一致度と第２候補の一致度との差が
条件を満たしていない場合、ある程度の文字認識はでき
ているが、部分的な汚れ又は欠け等によって、類似文字
との区別ができないと判断することができる。
【００２６】そこで、第１候補と共に、第１候補の一致
度との差が少ない他の候補の２値化基準文字パターンを
指定し、よりマトリクスサイズが大きい２値化基準文字
パターンが登録してある２値化辞書において、指定した
２値化基準文字パターンに対応する２値化基準文字パタ
ーンを特定し、特定した２値化基準文字パターンについ
てのみ、認識対象文字を撮像して得た２値化文字パター
ンとの一致度をそれぞれ算出し、算出した一致度の最も
高いものが認識対象文字であると判断する。
度との差が少ない他の候補の２値化基準文字パターンを
指定し、よりマトリクスサイズが大きい２値化基準文字
パターンが登録してある２値化辞書において、指定した
２値化基準文字パターンに対応する２値化基準文字パタ
ーンを特定し、特定した２値化基準文字パターンについ
てのみ、認識対象文字を撮像して得た２値化文字パター
ンとの一致度をそれぞれ算出し、算出した一致度の最も
高いものが認識対象文字であると判断する。
【００２７】また、ニューラルネットワークを用いる場
合、２値化基準文字パターンを複数のグループに分け、
各グループ毎に、それに属する２値化基準文字パターン
を用いて学習させた特定文字ニューラルネットワークを
それぞれ用意しておく。そして、前述した条件を満たし
ていないと判断した場合、その程度に応じた特定文字ニ
ューラルネットワークを選択し、その特定文字ニューラ
ルネットワークに算出させて得た各一致度の内、最も高
いものが対象文字であると判断する。これによって、文
字認識率及び認識精度が向上する一方、文字認識速度の
低下を可及的に抑制することができる。
合、２値化基準文字パターンを複数のグループに分け、
各グループ毎に、それに属する２値化基準文字パターン
を用いて学習させた特定文字ニューラルネットワークを
それぞれ用意しておく。そして、前述した条件を満たし
ていないと判断した場合、その程度に応じた特定文字ニ
ューラルネットワークを選択し、その特定文字ニューラ
ルネットワークに算出させて得た各一致度の内、最も高
いものが対象文字であると判断する。これによって、文
字認識率及び認識精度が向上する一方、文字認識速度の
低下を可及的に抑制することができる。
【００２８】
【発明の実施の形態】以下、本発明の実施の形態を図面
に基づいて具体的に説明する。図１及び図２は本発明に
係る文字認識装置の構成を示すブロック図であり、図３
〜図８は図１に示した文字認識装置による文字認識手順
を示すフローチャートである。鋼板，鋼管等の被撮像物
Ｓは搬送装置１によって矢符方向に搬送されるようにな
っており、該被撮像物Ｓの所定位置にはロット番号又は
製品番号等の認識対象文字が印字してある。被撮像物Ｓ
の搬送領域には、被撮像物Ｓの認識対象文字が印字され
る部分と対向して撮像装置２が設置してあり、該撮像装
置２によって被撮像物Ｓの認識対象文字が撮像される。
撮像装置２が撮像した文字画像は、アナログ／ディジタ
ル（Ａ／Ｄ）変換器３に与えられ、Ａ／Ｄ変換器３によ
って所定階調の濃淡画像に変換されて、コンピュータ４
に備えられた中央演算装置（ＣＰＵ）41によって第１メ
モリ42に与えられ、そこに記憶される（ステップＳ
１）。
に基づいて具体的に説明する。図１及び図２は本発明に
係る文字認識装置の構成を示すブロック図であり、図３
〜図８は図１に示した文字認識装置による文字認識手順
を示すフローチャートである。鋼板，鋼管等の被撮像物
Ｓは搬送装置１によって矢符方向に搬送されるようにな
っており、該被撮像物Ｓの所定位置にはロット番号又は
製品番号等の認識対象文字が印字してある。被撮像物Ｓ
の搬送領域には、被撮像物Ｓの認識対象文字が印字され
る部分と対向して撮像装置２が設置してあり、該撮像装
置２によって被撮像物Ｓの認識対象文字が撮像される。
撮像装置２が撮像した文字画像は、アナログ／ディジタ
ル（Ａ／Ｄ）変換器３に与えられ、Ａ／Ｄ変換器３によ
って所定階調の濃淡画像に変換されて、コンピュータ４
に備えられた中央演算装置（ＣＰＵ）41によって第１メ
モリ42に与えられ、そこに記憶される（ステップＳ
１）。
【００２９】第１メモリ42に記憶された濃淡画像は２値
化部44によって２値化処理され、得られた２値化画像は
第２メモリ43に与えられてそこに記憶される（ステップ
Ｓ２）。文字切り出し部45は第２メモリ43に記憶された
２値化画像を、文字列方向及び文字列方向と直交する方
向に投影して文字切り出し位置を決定し、予め設定した
文字枠となるように各文字を切り出し、切り出した各文
字を前処理部46に与える。
化部44によって２値化処理され、得られた２値化画像は
第２メモリ43に与えられてそこに記憶される（ステップ
Ｓ２）。文字切り出し部45は第２メモリ43に記憶された
２値化画像を、文字列方向及び文字列方向と直交する方
向に投影して文字切り出し位置を決定し、予め設定した
文字枠となるように各文字を切り出し、切り出した各文
字を前処理部46に与える。
【００３０】コンピュータ４は、２値化画像についての
パターンマッチングに用いる第１の２値化辞書である第
１辞書51，第２の２値化辞書である第２辞書52及び第３
辞書53を備えており、各辞書51，52，53には文字の数
（種類）は同じであり、異なるマトリクスサイズ（画素
数）に０又は255 階調で構成した複数の２値化基準文字
パターンが予め登録してある（第１辞書51内の２値化基
準文字パターンのマトリクスサイズ＜第２辞書52内の２
値化基準文字パターンのマトリクスサイズ＜第３辞書53
内の２値化基準文字パターンのマトリクスサイズ）。ま
た、コンピュータ４は、第１〜第３辞書51〜53とは別
に、濃淡画像についてのパターンマッチングに用いる濃
淡用辞書54を備えており、該濃淡用辞書54には第１〜第
３辞書51〜53に登録した２値化基準文字パターンと同じ
種類であり、第１辞書51内の２値化基準文字パターンの
マトリクスサイズと略同じマトリクスサイズに０〜255
階調で構成した基準文字パターンが登録してある。
パターンマッチングに用いる第１の２値化辞書である第
１辞書51，第２の２値化辞書である第２辞書52及び第３
辞書53を備えており、各辞書51，52，53には文字の数
（種類）は同じであり、異なるマトリクスサイズ（画素
数）に０又は255 階調で構成した複数の２値化基準文字
パターンが予め登録してある（第１辞書51内の２値化基
準文字パターンのマトリクスサイズ＜第２辞書52内の２
値化基準文字パターンのマトリクスサイズ＜第３辞書53
内の２値化基準文字パターンのマトリクスサイズ）。ま
た、コンピュータ４は、第１〜第３辞書51〜53とは別
に、濃淡画像についてのパターンマッチングに用いる濃
淡用辞書54を備えており、該濃淡用辞書54には第１〜第
３辞書51〜53に登録した２値化基準文字パターンと同じ
種類であり、第１辞書51内の２値化基準文字パターンの
マトリクスサイズと略同じマトリクスサイズに０〜255
階調で構成した基準文字パターンが登録してある。
【００３１】一方、コンピュータ４は、２値化画像につ
いての文字認識を行う第１ニューラルネットワーク61及
び第２ニューラルネットワーク62を備えている。両ニュ
ーラルネットワーク61，62は、出力層のノードの数は２
値化基準文字パターンの数であり、入力層及び隠れ層の
ノードの数は第１ニューラルネットワーク61，第２ニュ
ーラルネットワーク62の順番に多い。この入力層のノー
ドの数が多いほど大きいマトリクスサイズの２値化基準
文字パターンを用いて文字認識を学習させてあり、第１
ニューラルネットワーク61は第１辞書51内の各２値化基
準文字パターンのマトリクスサイズと同じマトリクスサ
イズの２値化基準文字パターンを用いて学習させてあ
り、第２ニューラルネットワーク62は第２辞書52又は第
３辞書53内の２値化基準文字パターンのマトリクスサイ
ズと同じマトリクスサイズの２値化基準文字パターンを
用いて学習させてある。
いての文字認識を行う第１ニューラルネットワーク61及
び第２ニューラルネットワーク62を備えている。両ニュ
ーラルネットワーク61，62は、出力層のノードの数は２
値化基準文字パターンの数であり、入力層及び隠れ層の
ノードの数は第１ニューラルネットワーク61，第２ニュ
ーラルネットワーク62の順番に多い。この入力層のノー
ドの数が多いほど大きいマトリクスサイズの２値化基準
文字パターンを用いて文字認識を学習させてあり、第１
ニューラルネットワーク61は第１辞書51内の各２値化基
準文字パターンのマトリクスサイズと同じマトリクスサ
イズの２値化基準文字パターンを用いて学習させてあ
り、第２ニューラルネットワーク62は第２辞書52又は第
３辞書53内の２値化基準文字パターンのマトリクスサイ
ズと同じマトリクスサイズの２値化基準文字パターンを
用いて学習させてある。
【００３２】更に、コンピュータ４は、これらとは別に
特定文字用ニューラルネットワーク63，63，63を備えて
いる。汚れ及びにじみ等によって文字認識が困難になり
易い特定の文字グループを求めておく。例えば、（０，
３，６，８，９），（１，２，７）及び（５，６）のグ
ループ内の各文字は、汚れ及びにじみ等によって文字認
識が困難になり易い。そこで、（０，３，６，８，９）
のノードからなる出力層を備える特定文字用ニューラル
ネットワーク63と、（１，２，７）のノードからなる出
力層を備える特定文字用ニューラルネットワーク63と、
（５，６）のノードからなる出力層を備える特定文字用
ニューラルネットワーク63とをコンピュータ４に設けて
おく。なお、特定文字用ニューラルネットワーク63，6
3，63の学習に用いた２値化基準文字パターンのマトリ
クスサイズは、第２辞書52内の２値化基準文字パターン
のマトリクスサイズと同じである。
特定文字用ニューラルネットワーク63，63，63を備えて
いる。汚れ及びにじみ等によって文字認識が困難になり
易い特定の文字グループを求めておく。例えば、（０，
３，６，８，９），（１，２，７）及び（５，６）のグ
ループ内の各文字は、汚れ及びにじみ等によって文字認
識が困難になり易い。そこで、（０，３，６，８，９）
のノードからなる出力層を備える特定文字用ニューラル
ネットワーク63と、（１，２，７）のノードからなる出
力層を備える特定文字用ニューラルネットワーク63と、
（５，６）のノードからなる出力層を備える特定文字用
ニューラルネットワーク63とをコンピュータ４に設けて
おく。なお、特定文字用ニューラルネットワーク63，6
3，63の学習に用いた２値化基準文字パターンのマトリ
クスサイズは、第２辞書52内の２値化基準文字パターン
のマトリクスサイズと同じである。
【００３３】文字認識の処理を判断する判断部71は、第
１辞書51又は第１ニューラルネットワーク61を選択する
（ステップＳ３）。なお、第１辞書51及び第１ニューラ
ルネットワーク61のどちらを選択するかは、先行試験の
結果に基づいて判断部71に予め設定しておく。判断部71
が第１辞書51又は第１ニューラルネットワーク61を選択
すると、前処理部46は与えられた文字と第１辞書51内の
２値化基準文字パターン又は第１ニューラルネットワー
ク61の学習に用いた２値化基準文字パターンとを比較で
きるように、切り出した文字の方向，サイズ，線幅等を
正規化する（ステップＳ４）。そして、ステップＳ３に
て第１辞書51が選択された場合、パターンマッチング部
50は、正規化された文字と第１辞書51内の各２値化基準
文字パターンとの一致度を次の（１）式によってそれぞ
れ算出し、また、ステップＳ３にて第１ニューラルネッ
トワーク61が選択された場合、正規化された文字が第１
ニューラルネットワーク61の入力層に与えられ、出力層
の各ノードから各２値化基準文字パターンとの一致度が
それぞれ出力される（ステップＳ５）。 一致度＝（一致した画素の総数）／（２値化基準文字パターン を構成する画素の総数）…（１）
１辞書51又は第１ニューラルネットワーク61を選択する
（ステップＳ３）。なお、第１辞書51及び第１ニューラ
ルネットワーク61のどちらを選択するかは、先行試験の
結果に基づいて判断部71に予め設定しておく。判断部71
が第１辞書51又は第１ニューラルネットワーク61を選択
すると、前処理部46は与えられた文字と第１辞書51内の
２値化基準文字パターン又は第１ニューラルネットワー
ク61の学習に用いた２値化基準文字パターンとを比較で
きるように、切り出した文字の方向，サイズ，線幅等を
正規化する（ステップＳ４）。そして、ステップＳ３に
て第１辞書51が選択された場合、パターンマッチング部
50は、正規化された文字と第１辞書51内の各２値化基準
文字パターンとの一致度を次の（１）式によってそれぞ
れ算出し、また、ステップＳ３にて第１ニューラルネッ
トワーク61が選択された場合、正規化された文字が第１
ニューラルネットワーク61の入力層に与えられ、出力層
の各ノードから各２値化基準文字パターンとの一致度が
それぞれ出力される（ステップＳ５）。 一致度＝（一致した画素の総数）／（２値化基準文字パターン を構成する画素の総数）…（１）
【００３４】一致度が算出されると、文字状態特徴量算
出部70は、各２値化基準文字パターンの内、一致度が高
いものから順番に第１候補文字，第２候補文字，…とし
て、第１候補文字の一致度Ｍ1 と第２候補文字の一致度
Ｍ2 との差を算出し（ステップＳ６）、算出した差（Ｍ
1 −Ｍ2 ）及び第１候補文字の一致度Ｍ1 を印字された
認識対象文字の状態特徴量として、判断部71に与える。
判断部71は、第１候補文字の一致度Ｍ1 と予め設定され
た第１閾値Ｄ1 とを比較し、また第１候補文字の一致度
と第２候補文字の一致度との差（Ｍ1 −Ｍ2 ）と予め設
定された第２閾値Ｄ2 とを比較する。
出部70は、各２値化基準文字パターンの内、一致度が高
いものから順番に第１候補文字，第２候補文字，…とし
て、第１候補文字の一致度Ｍ1 と第２候補文字の一致度
Ｍ2 との差を算出し（ステップＳ６）、算出した差（Ｍ
1 −Ｍ2 ）及び第１候補文字の一致度Ｍ1 を印字された
認識対象文字の状態特徴量として、判断部71に与える。
判断部71は、第１候補文字の一致度Ｍ1 と予め設定され
た第１閾値Ｄ1 とを比較し、また第１候補文字の一致度
と第２候補文字の一致度との差（Ｍ1 −Ｍ2 ）と予め設
定された第２閾値Ｄ2 とを比較する。
【００３５】図９〜図12は図１に示した判断部71による
一致度と第１閾値及び第２閾値との比較結果の一例を示
すグラフであり、縦軸は一致度を、横軸は文字種類をそ
れぞれ示している。図９は第１候補文字（“７”）の一
致度Ｍ1 が第１閾値Ｄ1 を越えており、第１候補文字の
一致度Ｍ1 と第２候補文字（“１”）の一致度Ｍ2 との
差（Ｍ1 −Ｍ2 ）が第２閾値Ｄ2 を越えている場合を、
図10は第１候補文字の一致度Ｍ1 は第１閾値Ｄ1 を越え
ていないが、第１候補文字と第２候補文字との差（Ｍ1
−Ｍ2 ）が第２閾値Ｄ2 を越えている場合を示してい
る。また、図11は第１候補文字の一致度Ｍ1 は第１閾値
Ｄ1 を越えているが、第１候補文字の一致度と第２候補
文字の一致度との差（Ｍ1 −Ｍ2 ）が第２閾値Ｄ2 を越
えていない場合を、図12は第１候補文字の一致度Ｍ1 は
第１閾値Ｄ1 を越えておらず、第１候補文字と第２候補
文字との差（Ｍ1 −Ｍ2 ）も第２閾値Ｄ2 を越えていな
い場合を示している。
一致度と第１閾値及び第２閾値との比較結果の一例を示
すグラフであり、縦軸は一致度を、横軸は文字種類をそ
れぞれ示している。図９は第１候補文字（“７”）の一
致度Ｍ1 が第１閾値Ｄ1 を越えており、第１候補文字の
一致度Ｍ1 と第２候補文字（“１”）の一致度Ｍ2 との
差（Ｍ1 −Ｍ2 ）が第２閾値Ｄ2 を越えている場合を、
図10は第１候補文字の一致度Ｍ1 は第１閾値Ｄ1 を越え
ていないが、第１候補文字と第２候補文字との差（Ｍ1
−Ｍ2 ）が第２閾値Ｄ2 を越えている場合を示してい
る。また、図11は第１候補文字の一致度Ｍ1 は第１閾値
Ｄ1 を越えているが、第１候補文字の一致度と第２候補
文字の一致度との差（Ｍ1 −Ｍ2 ）が第２閾値Ｄ2 を越
えていない場合を、図12は第１候補文字の一致度Ｍ1 は
第１閾値Ｄ1 を越えておらず、第１候補文字と第２候補
文字との差（Ｍ1 −Ｍ2 ）も第２閾値Ｄ2 を越えていな
い場合を示している。
【００３６】判断部71は、比較した結果、次の（２）式
かつ（３）式を満足するか否かを判断し（ステップＳ
７）、満足すると判断した場合（図９参照）、切り出し
た文字は第１候補文字であると決定し（ステップＳ
８）、その文字に係る認識処理を終了する。 第１候補文字の一致度≧第１閾値 …（２） 第１候補文字の一致度と 第２候補文字の一致度との差≧第２閾値 …（３）
かつ（３）式を満足するか否かを判断し（ステップＳ
７）、満足すると判断した場合（図９参照）、切り出し
た文字は第１候補文字であると決定し（ステップＳ
８）、その文字に係る認識処理を終了する。 第１候補文字の一致度≧第１閾値 …（２） 第１候補文字の一致度と 第２候補文字の一致度との差≧第２閾値 …（３）
【００３７】ステップＳ７で満足しないと判断した場
合、判断部71は、（３）式を満足するか否かを判断し
（ステップＳ９）、満足すると判断した場合（図10参
照）、濃淡用辞書54を選択する（ステップＳ10）と共
に、文字切り出し部45に指令を出し、第１メモリ42に記
憶してある濃淡画像から、第２メモリ43から切り出した
文字に対応する文字を切り出させる（ステップＳ11）。
濃淡画像から文字が切り出されると、前処理部46は切り
出した文字を正規化し（ステップＳ12）、パターンマッ
チング部50は、正規化した文字と濃淡用辞書54の各基準
文字パターンの内、前述した第１候補文字に対応する基
準文字パターンとの一致度Ｍ11を、次の（４）式に従っ
て算出する（ステップＳ13）。 一致度＝｛（濃淡用辞書のマトリクスサイズ×最大階調−Σ｜マトリクス上 の各座標位置での階調差｜）／（濃淡用辞書のマトリクスサイズ ×最大階調）｝×１００ …（４）
合、判断部71は、（３）式を満足するか否かを判断し
（ステップＳ９）、満足すると判断した場合（図10参
照）、濃淡用辞書54を選択する（ステップＳ10）と共
に、文字切り出し部45に指令を出し、第１メモリ42に記
憶してある濃淡画像から、第２メモリ43から切り出した
文字に対応する文字を切り出させる（ステップＳ11）。
濃淡画像から文字が切り出されると、前処理部46は切り
出した文字を正規化し（ステップＳ12）、パターンマッ
チング部50は、正規化した文字と濃淡用辞書54の各基準
文字パターンの内、前述した第１候補文字に対応する基
準文字パターンとの一致度Ｍ11を、次の（４）式に従っ
て算出する（ステップＳ13）。 一致度＝｛（濃淡用辞書のマトリクスサイズ×最大階調−Σ｜マトリクス上 の各座標位置での階調差｜）／（濃淡用辞書のマトリクスサイズ ×最大階調）｝×１００ …（４）
【００３８】そして、判断部71は、算出された一致度Ｍ
11と予め設定した第３閾値Ｄ3 とを比較し（ステップＳ
14）、一致度Ｍ11が第３閾値Ｄ3 を越えている場合、切
り出した文字は第１候補文字であると判断し（ステップ
Ｓ15）、そうでない場合、不読であると判断し（ステッ
プＳ16）、出力部75はこれらの結果を出力する。
11と予め設定した第３閾値Ｄ3 とを比較し（ステップＳ
14）、一致度Ｍ11が第３閾値Ｄ3 を越えている場合、切
り出した文字は第１候補文字であると判断し（ステップ
Ｓ15）、そうでない場合、不読であると判断し（ステッ
プＳ16）、出力部75はこれらの結果を出力する。
【００３９】ステップＳ９で、（３）式を満足しないと
判断した場合、判断部71は（２）式を満足するか否かを
判断し（ステップＳ20）、満足すると判断した場合（図
11参照）、判断部71は、図５に示した如きパターンマッ
チングによる一致度の算出か、又は図６に示した如きニ
ューラルネットワークによる一致度の算出かを選択す
る。なお、パターンマッチング及びニューラルネットワ
ークのどちらを選択するかは先行試験の結果に基づいて
判断部71に予め設定しておく。
判断した場合、判断部71は（２）式を満足するか否かを
判断し（ステップＳ20）、満足すると判断した場合（図
11参照）、判断部71は、図５に示した如きパターンマッ
チングによる一致度の算出か、又は図６に示した如きニ
ューラルネットワークによる一致度の算出かを選択す
る。なお、パターンマッチング及びニューラルネットワ
ークのどちらを選択するかは先行試験の結果に基づいて
判断部71に予め設定しておく。
【００４０】図５の如く、パターンマッチングによって
一致度を算出する場合、判断部71は文字候補算出部72に
指令を与えて後述する如く候補文字を算定させると共
に、第２辞書52を選択する（ステップＳ21，22）。判断
部71から実行指令が与えられると、文字候補算出部72
は、前述した各候補文字の内、第３候補文字以降の各候
補文字の一致度と第１候補文字の一致度との差をそれぞ
れ求め、求めた各差の値が第２閾値以下であるものを第
１候補文字及び第２候補文字に加えて、更なるパターン
マッチングの候補文字とし、第２辞書52に登録した各２
値化基準文字パターンの内、前述した如く定めた候補文
字と同じ文字を特定する（ステップＳ23）。
一致度を算出する場合、判断部71は文字候補算出部72に
指令を与えて後述する如く候補文字を算定させると共
に、第２辞書52を選択する（ステップＳ21，22）。判断
部71から実行指令が与えられると、文字候補算出部72
は、前述した各候補文字の内、第３候補文字以降の各候
補文字の一致度と第１候補文字の一致度との差をそれぞ
れ求め、求めた各差の値が第２閾値以下であるものを第
１候補文字及び第２候補文字に加えて、更なるパターン
マッチングの候補文字とし、第２辞書52に登録した各２
値化基準文字パターンの内、前述した如く定めた候補文
字と同じ文字を特定する（ステップＳ23）。
【００４１】前処理部46は、第２辞書52の特定された２
値化基準文字パターンと比較できるように、切り出した
文字を正規化し（ステップＳ24）、パターンマッチング
部50は正規化した文字と特定された２値化基準文字パタ
ーンとの一致度をそれぞれ求める（ステップＳ25）。そ
して、文字状態特徴量算出部70は新たに求められた第１
候補文字の一致度と第２候補文字の一致度の差を演算し
（ステップＳ26）、判断部71はその差と第２閾値とを比
較し（ステップＳ27）、第２閾値以上であると判断する
と、切り出した文字は第１候補文字であると決定する
（ステップＳ28）。また、判断部71は、ステップＳ27に
て、第２閾値未満であると判断すると、切り出した文字
は不読であると決定し（ステップＳ29）、出力部75はこ
れらの結果を出力する。
値化基準文字パターンと比較できるように、切り出した
文字を正規化し（ステップＳ24）、パターンマッチング
部50は正規化した文字と特定された２値化基準文字パタ
ーンとの一致度をそれぞれ求める（ステップＳ25）。そ
して、文字状態特徴量算出部70は新たに求められた第１
候補文字の一致度と第２候補文字の一致度の差を演算し
（ステップＳ26）、判断部71はその差と第２閾値とを比
較し（ステップＳ27）、第２閾値以上であると判断する
と、切り出した文字は第１候補文字であると決定する
（ステップＳ28）。また、判断部71は、ステップＳ27に
て、第２閾値未満であると判断すると、切り出した文字
は不読であると決定し（ステップＳ29）、出力部75はこ
れらの結果を出力する。
【００４２】図６の如く、ニューラルネットワークによ
って一致度を算出する場合、判断部71は、ステップＳ21
と同様な操作を行って候補文字を算定し（ステップＳ3
1）、算定した候補文字が属する文字グループを特定
し、特定した文字グループの文字を認識する特定文字用
ニューラルネットワーク63を選択する（ステップＳ3
2）。特定文字用ニューラルネットワーク63が選択され
ると、前処理部46は、切り出した文字を特定文字用ニュ
ーラルネットワーク63の学習に用いた２値化基準文字パ
ターンに正規化し（ステップＳ33）、それを特定文字用
ニューラルネットワーク63の入力層に与える。
って一致度を算出する場合、判断部71は、ステップＳ21
と同様な操作を行って候補文字を算定し（ステップＳ3
1）、算定した候補文字が属する文字グループを特定
し、特定した文字グループの文字を認識する特定文字用
ニューラルネットワーク63を選択する（ステップＳ3
2）。特定文字用ニューラルネットワーク63が選択され
ると、前処理部46は、切り出した文字を特定文字用ニュ
ーラルネットワーク63の学習に用いた２値化基準文字パ
ターンに正規化し（ステップＳ33）、それを特定文字用
ニューラルネットワーク63の入力層に与える。
【００４３】特定文字用ニューラルネットワーク63は特
定文字の一致度を算出し（ステップＳ34）、それを文字
状態特徴量算出部70に与える。そして、文字状態特徴量
算出部70は新たに求められた第１候補文字の一致度と第
２候補文字の一致度の差を演算し（ステップＳ35）、判
断部71はその差と第２閾値とを比較し（ステップＳ3
6）、第２閾値以上であると判断すると、切り出した文
字は第１候補文字であると決定する（ステップＳ37）。
また、判断部71は、ステップＳ36にて、第２閾値未満で
あると判断すると、切り出した文字は不読であると決定
し（ステップＳ38）、出力部75はこれらの結果を出力す
る。
定文字の一致度を算出し（ステップＳ34）、それを文字
状態特徴量算出部70に与える。そして、文字状態特徴量
算出部70は新たに求められた第１候補文字の一致度と第
２候補文字の一致度の差を演算し（ステップＳ35）、判
断部71はその差と第２閾値とを比較し（ステップＳ3
6）、第２閾値以上であると判断すると、切り出した文
字は第１候補文字であると決定する（ステップＳ37）。
また、判断部71は、ステップＳ36にて、第２閾値未満で
あると判断すると、切り出した文字は不読であると決定
し（ステップＳ38）、出力部75はこれらの結果を出力す
る。
【００４４】一方、ステップＳ20で（２）式を満足しな
いと判断した場合（図12参照）、判断部71は、図７に示
した如きパターンマッチングによる一致度の算出か、又
は図８に示した如きニューラルネットワークによる一致
度の算出かを選択する。なお、パターンマッチング及び
ニューラルネットワークのどちらを選択するかは先行試
験の結果に基づいて判断部71に予め設定しておく。
いと判断した場合（図12参照）、判断部71は、図７に示
した如きパターンマッチングによる一致度の算出か、又
は図８に示した如きニューラルネットワークによる一致
度の算出かを選択する。なお、パターンマッチング及び
ニューラルネットワークのどちらを選択するかは先行試
験の結果に基づいて判断部71に予め設定しておく。
【００４５】図７の如く、パターンマッチングによって
一致度を算出する場合、判断部71は第３辞書53を選択す
る（ステップＳ41）。このとき、判断部71は第２辞書52
を選択してもよいが、第３辞書53を選択した方が不読と
なる割合が少なくなる。第３辞書53が選択されると、前
処理部46は、第３辞書53内の２値化基準文字パターンと
比較できるように、第２メモリ43から切り出した文字を
正規化し（ステップＳ42）、パターンマッチング部50
は、正規化された文字と各２値化基準文字パターンとの
一致度をそれぞれ求める（ステップＳ43）。文字状態特
徴量算出部70は、第１候補文字の一致度，及び第１候補
文字の一致度と第２候補文字の一致度との差を演算し
（ステップＳ44）、判断部71は（２）式かつ（３）式を
満足するか否かを判断する（ステップＳ45）、両式を満
足する場合、判断部71は切り出した文字は第１候補文字
であると決定し（ステップＳ46）、満足しない場合、切
り出した文字は不読であると決定する（ステップＳ4
7）。そして、出力部75はこれらの結果を出力する。
一致度を算出する場合、判断部71は第３辞書53を選択す
る（ステップＳ41）。このとき、判断部71は第２辞書52
を選択してもよいが、第３辞書53を選択した方が不読と
なる割合が少なくなる。第３辞書53が選択されると、前
処理部46は、第３辞書53内の２値化基準文字パターンと
比較できるように、第２メモリ43から切り出した文字を
正規化し（ステップＳ42）、パターンマッチング部50
は、正規化された文字と各２値化基準文字パターンとの
一致度をそれぞれ求める（ステップＳ43）。文字状態特
徴量算出部70は、第１候補文字の一致度，及び第１候補
文字の一致度と第２候補文字の一致度との差を演算し
（ステップＳ44）、判断部71は（２）式かつ（３）式を
満足するか否かを判断する（ステップＳ45）、両式を満
足する場合、判断部71は切り出した文字は第１候補文字
であると決定し（ステップＳ46）、満足しない場合、切
り出した文字は不読であると決定する（ステップＳ4
7）。そして、出力部75はこれらの結果を出力する。
【００４６】図８の如く、ニューラルネットワークによ
って一致度を算出する場合、判断部71は、第２ニューラ
ルネットワーク62を選択する。第２ニューラルネットワ
ーク62が選択されると、前処理部46は切り出した文字を
第２ニューラルネットワーク62の学習に用いた２値化基
準文字パターンに正規化し、それを第２ニューラルネッ
トワーク62の入力層に与え、第２ニューラルネットワー
ク62は各一致度を求めて（ステップＳ53）、それを文字
状態特徴量算出部70に与える。文字状態特徴量算出部70
は与えられた一致度に基づいて、第１候補文字の一致度
と第２候補文字の一致度との差を演算し（ステップＳ5
4）、判断部71は演算された一致度の差が（２）式かつ
（３）式を満足するか否かを判断する（ステップＳ5
5）。そして、判断部71は、（２）式かつ（３）式を満
足する場合、切り出した文字は第１候補文字であると決
定し（ステップＳ56）、満足しない場合、不読であると
決定する（ステップＳ57）。そして、出力部75はこれら
の結果を出力する。
って一致度を算出する場合、判断部71は、第２ニューラ
ルネットワーク62を選択する。第２ニューラルネットワ
ーク62が選択されると、前処理部46は切り出した文字を
第２ニューラルネットワーク62の学習に用いた２値化基
準文字パターンに正規化し、それを第２ニューラルネッ
トワーク62の入力層に与え、第２ニューラルネットワー
ク62は各一致度を求めて（ステップＳ53）、それを文字
状態特徴量算出部70に与える。文字状態特徴量算出部70
は与えられた一致度に基づいて、第１候補文字の一致度
と第２候補文字の一致度との差を演算し（ステップＳ5
4）、判断部71は演算された一致度の差が（２）式かつ
（３）式を満足するか否かを判断する（ステップＳ5
5）。そして、判断部71は、（２）式かつ（３）式を満
足する場合、切り出した文字は第１候補文字であると決
定し（ステップＳ56）、満足しない場合、不読であると
決定する（ステップＳ57）。そして、出力部75はこれら
の結果を出力する。
【００４７】
【発明の効果】第１，第２，第４，第５，第７，第８，
第１０及び第１１発明にあっては、最も小さいマトリク
スサイズの２値化基準文字パターンが登録してある２値
化辞書、又は最も小さいマトリクスサイズの２値化基準
文字パターンで学習させたニューラルネットワークを用
いて算出した一致度が所定の条件を満たしていない場
合、より大きいマトリクスサイズの２値化基準文字パタ
ーンが登録してある２値化辞書、又はより大きいマトリ
クスサイズの２値化基準文字パターンで学習させたニュ
ーラルネットワーク、或いは撮像して得た文字パターン
に対応する濃淡の基準文字パターンが登録してある濃淡
用辞書から、条件を満たしていない程度に応じた辞書又
はニューラルネットワークを選択して一致度を算出する
ため、文字認識率及び文字認識精度が向上する一方、文
字認識速度の低下が抑制される。
第１０及び第１１発明にあっては、最も小さいマトリク
スサイズの２値化基準文字パターンが登録してある２値
化辞書、又は最も小さいマトリクスサイズの２値化基準
文字パターンで学習させたニューラルネットワークを用
いて算出した一致度が所定の条件を満たしていない場
合、より大きいマトリクスサイズの２値化基準文字パタ
ーンが登録してある２値化辞書、又はより大きいマトリ
クスサイズの２値化基準文字パターンで学習させたニュ
ーラルネットワーク、或いは撮像して得た文字パターン
に対応する濃淡の基準文字パターンが登録してある濃淡
用辞書から、条件を満たしていない程度に応じた辞書又
はニューラルネットワークを選択して一致度を算出する
ため、文字認識率及び文字認識精度が向上する一方、文
字認識速度の低下が抑制される。
【００４８】第３及び第９発明にあっては、最も小さい
マトリクスサイズの２値化基準文字パターンが登録して
ある２値化辞書又は最も小さいマトリクスサイズの２値
化基準文字パターンにて学習させたニューラルネットワ
ークを用いて算出した一致度が所定の条件を満たしてい
ない場合、一致度に基づいて、より大きいサイズの基準
文字パターンが登録してある２値化辞書内の候補文字を
特定し特定した基準文字パターンについてのみ、一致度
を算出するため、文字認識速度の低下を可及的に抑制し
つつ、文字認識率及び文字認識精度が向上する。
マトリクスサイズの２値化基準文字パターンが登録して
ある２値化辞書又は最も小さいマトリクスサイズの２値
化基準文字パターンにて学習させたニューラルネットワ
ークを用いて算出した一致度が所定の条件を満たしてい
ない場合、一致度に基づいて、より大きいサイズの基準
文字パターンが登録してある２値化辞書内の候補文字を
特定し特定した基準文字パターンについてのみ、一致度
を算出するため、文字認識速度の低下を可及的に抑制し
つつ、文字認識率及び文字認識精度が向上する。
【００４９】第６及び第１２発明にあっては、最も小さ
いマトリクスサイズの２値化基準文字パターンが登録し
てある２値化辞書又は最も小さいマトリクスサイズの２
値化基準文字パターンにて学習させたニューラルネット
ワークを用いて算出した一致度が所定の条件を満たして
いない場合、グループ分けした２値化基準文字パターン
を用いて学習させた各特定文字ニューラルネットワーク
の内から、その程度に応じた特定文字ニューラルネット
ワークを選択して一致度を算出するため、文字認識速度
の低下を可及的に抑制しつつ、文字認識率及び文字認識
精度が向上する等、本発明は優れた効果を奏する。
いマトリクスサイズの２値化基準文字パターンが登録し
てある２値化辞書又は最も小さいマトリクスサイズの２
値化基準文字パターンにて学習させたニューラルネット
ワークを用いて算出した一致度が所定の条件を満たして
いない場合、グループ分けした２値化基準文字パターン
を用いて学習させた各特定文字ニューラルネットワーク
の内から、その程度に応じた特定文字ニューラルネット
ワークを選択して一致度を算出するため、文字認識速度
の低下を可及的に抑制しつつ、文字認識率及び文字認識
精度が向上する等、本発明は優れた効果を奏する。
【図１】本発明に係る文字認識装置の構成を示すブロッ
ク図である。
ク図である。
【図２】本発明に係る文字認識装置の構成を示すブロッ
ク図である。
ク図である。
【図３】図１に示した文字認識装置による文字認識手順
を示すフローチャートである。
を示すフローチャートである。
【図４】図１に示した文字認識装置による文字認識手順
を示すフローチャートである。
を示すフローチャートである。
【図５】図１に示した文字認識装置による文字認識手順
を示すフローチャートである。
を示すフローチャートである。
【図６】図１に示した文字認識装置による文字認識手順
を示すフローチャートである。
を示すフローチャートである。
【図７】図１に示した文字認識装置による文字認識手順
を示すフローチャートである。
を示すフローチャートである。
【図８】図１に示した文字認識装置による文字認識手順
を示すフローチャートである。
を示すフローチャートである。
【図９】図１に示した判断部による一致度と第１閾値及
び第２閾値との比較結果の一例を示すグラフである。
び第２閾値との比較結果の一例を示すグラフである。
【図１０】図１に示した判断部による一致度と第１閾値
及び第２閾値との比較結果の一例を示すグラフである。
及び第２閾値との比較結果の一例を示すグラフである。
【図１１】図１に示した判断部による一致度と第１閾値
及び第２閾値との比較結果の一例を示すグラフである。
及び第２閾値との比較結果の一例を示すグラフである。
【図１２】図１に示した判断部による一致度と第１閾値
及び第２閾値との比較結果の一例を示すグラフである。
及び第２閾値との比較結果の一例を示すグラフである。
２ 撮像装置 ４ コンピュータ ４２ 第１メモリ ４３ 第２メモリ ５０ パターンマッチング部 ５１ 第１辞書 ５２ 第２辞書 ５３ 第３辞書 ５４ 濃淡用辞書 ６１ 第１ニューラルネットワーク ６２ 第２ニューラルネットワーク ６３ 特定文字用ニューラルネットワーク ７０ 文字状態特徴量算出部 ７１ 判断部 ７２ 文字候補算出部
───────────────────────────────────────────────────── フロントページの続き (73)特許権者 000001199 株式会社神戸製鋼所 兵庫県神戸市中央区脇浜町１丁目３番18 号 (73)特許権者 390023928 日立エンジニアリング株式会社 茨城県日立市幸町３丁目２番１号 (72)発明者 安達 祐二 大阪府大阪市中央区北浜４丁目５番33号 住友金属工業株式会社内 (72)発明者 橋本 和樹 大阪府大阪市中央区北浜４丁目５番33号 住友金属工業株式会社内 (72)発明者 大槻 幸平 大阪府大阪市中央区北浜４丁目５番33号 住友金属工業株式会社内 (72)発明者 橋詰 基 東京都千代田区丸の内一丁目１番２号 日本鋼管株式会社内 (72)発明者 高橋 暢 岡山県倉敷市水島川崎通１丁目（番地な し） 川崎製鉄株式会社 水島製鉄所内 (72)発明者 長谷川 裕之 兵庫県加古川市金沢町１番地 株式会社 神戸製鋼所 加古川製鉄所内 (72)発明者 後藤 仁 茨城県日立市幸町三丁目２番１号 日立 エンジニアリング株式会社内 (56)参考文献 特開 平８−272904（ＪＰ，Ａ) 特開 平８−129610（ＪＰ，Ａ) 特開 平６−20098（ＪＰ，Ａ) 特開 平３−171275（ＪＰ，Ａ) 特開 昭59−43480（ＪＰ，Ａ) 特開 昭58−176698（ＪＰ，Ａ) 特開 昭58−123172（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) G06K 9/62 - 9/68 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (12)
- 【請求項１】 認識対象文字を撮像して得られた文字パ
ターンを２値化して２値化文字パターンを生成し、その
２値化文字パターンと、辞書に予め登録してある複数の
２値化基準文字パターンとの一致度をそれぞれ算出し、
算出された各一致度に基づいて、１つの２値化基準文字
パターンを選定することによって認識対象文字を認識す
る方法において、 前記辞書として少なくとも、２値化基準文字パターンを
登録してある第１の２値化辞書と、該第１の２値化辞書
に登録してある２値化基準文字パターンのマトリクスサ
イズよりも相対的に大きいマトリクスサイズの２値化基
準文字パターンを登録してある第２の２値化辞書と、濃
淡の基準文字パターンを登録してある濃淡用辞書とを用
意し、 前記 第１の２値化辞書に登録してある各２値化基準文字
パターンと前記認識対象文字の２値化文字パターンとの
一致度をそれぞれ算出し、算出された 一致度が最も高い第１候補文字の一致度と、
該第１候補文字の次に一致度が高い第２候補文字の一致
度とが予め定められた複数の条件を満たすか否かを判断
し、前記複数の条件を満たすと判断した場合には前記認識対
象文字を前記第１候補文字であると認識し、 前記複数の 条件を満たさないと判断した場合には満たさ
れていない条件に応じて前記第２の２値化辞書又は濃淡
用辞書のいずれかを選択し、前記 第２の２値化辞書が選択された場合には該第２の２
値化辞書に登録してある２値化基準文字パターンと認識
対象文字の２値化文字パターンとの一致度の計算を行
い、前記濃淡用辞書が選択された場合には該濃淡用辞書
に登録してある濃淡の基準文字パターンと認識対象文字
の文字パターンとの一致度の計算を行なうことによって
前記認識対象文字を認識することを特徴とする文字認識
方法。 - 【請求項２】 認識対象文字を撮像して得られた文字パ
ターンを２値化して２値化文字パターンを生成し、その
２値化文字パターンを、複数の２値化基準文字パターン
を用いて学習させたニューラルネットワークに与えて、
２値化文字パターンと２値化基準文字パターンとの一致
度をそれぞれ算出させ、算出された各一致度に基づい
て、１つの２値化基準文字パターンを選定することによ
って認識対象文字を認識する方法において、 前記ニューラルネットワークに２値化基準文字パターン
を用いて学習させておき、少なくとも、前記 ニューラルネットワークの学習に用い
た２値化基準文字パターンのマトリクスサイズよりも相
対的に大きいマトリクスサイズの２値化基準文字パター
ンが登録してある２値化辞書と、濃淡の基準文字パター
ンが登録してある濃淡用辞書とを用意しておき、 前記認識対象文字の２値化文字パターンをニューラルネ
ットワークに与えて一致度をそれぞれ算出させ、算出された 一致度が最も高い第１候補文字の一致度と、
該第１候補文字の次に一致度が高い第２候補文字の一致
度とが予め定められた複数の条件を満たすか否かを判断
し、前記複数の条件を満たすと判断した場合には前記認識対
象文字を前記第１候補文字であると認識し、 前記複数の 条件を満たさないと判断した場合には満たさ
れていない条件に応じて前記２値化辞書又は濃淡用辞書
のいずれかを選択し、前記２値化 辞書が選択された場合には該２値化辞書に登
録してある２値化基準文字パターンと認識対象文字の２
値化文字パターンとの一致度の計算を行い、前記濃淡用
辞書が選択された場合には該濃淡用辞書に登録してある
濃淡の基準文字パターンと認識対象文字の文字パターン
との一致度の計算を行なうことによって前記認識対象文
字を認識することを特徴とする文字認識方法。 - 【請求項３】 前記複数の条件を満たさないと判断して
２値化基準文字パターンが登録してある辞書が選択され
た場合は、 各候補文字の一致度と前記第１候補文字の一致度との差
に基づいて候補文字を算定し、 これらの算定された候補文字に対応する２値化基準文字
パターンを前記選択し た辞書から読み出し、認識対象文
字の２値化文字パターンと一致度の計算を行なうことに
より認識 対象文字を認識することを特徴とする請求項１
又は２記載の文字認識方法。 - 【請求項４】 認識対象文字を撮像して得られた文字パ
ターンを２値化して２値化文字パターンを生成し、その
２値化文字パターンと、辞書に予め登録してある複数の
２値化基準文字パターンとの一致度をそれぞれ算出し、
算出された各一致度に基づいて、１つの２値化基準文字
パターンを選定することによって認識対象文字を認識す
る方法において、 前記辞書として少なくとも、２値化基準文字パターンを
登録してある２値化辞書と、濃淡の基準文字パターンを
登録してある濃淡用辞書と、前記２値化辞書に登録して
ある２値化基準文字パターンのマトリクスサイズよりも
相対的に大きいマトリクスサイズの２値化基準文字パタ
ーンを用いて学習させたニューラルネットワークとを用
意し、前記２値化辞書に登録してある 各２値化基準文字パター
ンと前記認識対象文字の２値化文字パターンとの一致度
をそれぞれ算出し、算出された 一致度が最も高い第１候補文字の一致度と、
該第１候補文字の次に一致度が高い第２候補文字の一致
度とが予め定められた複数の条件を満たすか否かを判断
し、前記複数の条件を満たすと判断した場合には前記認識対
象文字を前記第１候補文字であると認識し、 前記複数の 条件を満たさないと判断した場合には満たさ
れていない条件に応じて前記濃淡用辞書又はニューラル
ネットワークのいずれかを選択し、前記濃淡用 辞書が選択された場合には該濃淡用辞書に登
録してある濃淡の基準文字パターンと認識対象文字の文
字パターンとの一致度の計算を行い、前記ニューラルネ
ットワークが選択された場合には該ニューラルネットワ
ークに学習させてある２値化基準文字パターンと認識対
象文字の２値化文字パターンとの一致度の計算を行なう
ことによって前記認識対象文字を認識することを特徴と
する文字認識方法。 - 【請求項５】 認識対象文字を撮像して得られた文字パ
ターンを２値化して２値化文字パターンを生成し、その
２値化文字パターンを、複数の２値化基準文字パターン
を用いて学習させたニューラルネットワークに与えて、
２値化文字パターンと２値化基準文字パターンとの一致
度をそれぞれ算出させ、算出された各一致度に基づい
て、１つの２値化基準文字パターンを選定することによ
って認識対象文字を認識する方法において、 前記ニューラルネットワークとして少なくとも、２値化
基準文字パターンを用いて学習させた第１ニューラルネ
ットワーク及び該第１ニューラルネットワークの学習に
用いた２値化基準文字パターンのマトリクスサイズより
も相対的に大きいマトリクスサイズの２値化基準文字パ
ターンを用いて学習させた第２ニューラルネットワーク
と、濃淡の基準文字パターンが登録してある濃淡用辞書
とを用意しておき、 前記認識対象文字の２値化文字パターンを前記第１ニュ
ーラルネットワークに与えて一致度をそれぞれ算出さ
せ、算出された 一致度が最も高い第１候補文字の一致度と、
該第１候補文字の次に一致度が高い第２候補文字の一致
度とが予め定められた複数の条件を満たすか否かを判断
し、前記複数の条件を満たすと判断した場合には前記認識対
象文字を前記第１候補文字であると認識し、 前記複数の 条件を満たさないと判断した場合には満たさ
れていない条件に応じて前記濃淡用辞書又は第２ニュー
ラルネットワークのいずれかを選択し、前記濃淡用 辞書が選択された場合には該濃淡用辞書に登
録してある濃淡の基準文字パターンと認識対象文字の文
字パターンとの一致度の計算を行ない、前記第２ニュー
ラルネットワークが選択された場合には該第２ニューラ
ルネットワークに学習させてある２値化基準文字パター
ンと認識対象文字の２値化文字パターンとの一致度の計
算を行なうことによって前記認識対象文字を認識するこ
とを特徴とする文字認識方法。 - 【請求項６】 前記２値化基準文字パターンを複数のグ
ループに分け、各グループ毎に、それに属する２値化基
準文字パターンを用いて学習させた特定文字ニューラル
ネットワークをそれぞれ用意しておき、条件を満たさな
いと判断した場合、その程度に応じて特定文字ニューラ
ルネットワークを選択し、その特定文字ニューラルネッ
トワークに算出させて得た各一致度を用いて認識対象文
字を認識する請求項４又は５記載の文字認識方法。 - 【請求項７】 認識対象文字を撮像する撮像装置と、得
られた文字パターンを２値化して２値化文字パターンを
生成する手段と、生成された２値化文字パターンと、辞
書に予め登録してある複数の２値化基準文字パターンと
の一致度をそれぞれ算出し、算出された各一致度に基づ
いて、１つの２値化基準文字パターンを選定する手段と
を備える文字認識装置において、前記辞書として少なくとも、 ２値化基準文字パターンが
登録してある第１の２値化辞書と、該第１の２値化辞書
に登録してある２値化基準文字パターンのマトリクスサ
イズよりも相対的に大きいマトリクスサイズの２値化基
準文字パターンが登録してある第２の２値化辞書と、濃
淡の基準文字パターンが登録してある濃淡用辞書と、前記 第１の２値化辞書に登録してある各２値化基準文字
パターンと前記認識対象文字の２値化文字パターンとの
一致度をそれぞれ算出する手段と、算出された 一致度が最も高い第１候補文字の一致度と、
該第１候補文字の次に一致度が高い第２候補文字の一致
度とが予め定められた複数の条件を満たすか否かを判断
する手段と、前記複数の条件を満たすと判断した場合には前記認識対
象文字を前記第１候補文字であると認識し、前記複数の
条件を満たさないと判断した場合には満たされていない
条件に応じて前記第２の２値化辞書又は濃淡用辞書のい
ずれかを選択する手段とを備え、前記 第２の２値化辞書が選択された場合には該第２の２
値化辞書に登録してある２値化基準文字パターンと認識
対象文字の２値化文字パターンとの一致度を計算して１
つの２値化基準文字パターンを選定し、前記濃淡用辞書
が選択された場合には該濃淡用辞書に登録してある濃淡
の基準文字パターンと認識対象文字の文字パターンとの
一致度を計算して１つの濃淡の基準文字パターンを選定
することによって前記認識対象文字を認識するようにな
してあることを特徴とする文字認識装置。 - 【請求項８】 認識対象文字を撮像する撮像装置と、得
られた文字パターンを２値化して２値化文字パターンを
生成する手段と、生成された２値化文字パターンと複数
の２値化基準文字パターンとの一致度をそれぞれ算出す
るニューラルネットワークと、算出された各一致度に基
づいて、１つの２値化基準文字パターンを選定する手段
とを備える文字認識装置において、２値化 基準文字パターンを用いて学習させたニューラル
ネットワークと、少なくとも、前記 ニューラルネットワークの学習に用い
た２値化基準文字パターンのマトリクスサイズよりも相
対的に大きいマトリクスサイズの２値化基準文字パター
ンが登録してある２値化辞書と、濃淡の基準文字パター
ンが登録してある濃淡用辞書と、 前記認識対象文字の２値化文字パターンを前記ニューラ
ルネットワークに与えて一致度をそれぞれ算出する手段
と、 算出された 一致度が最も高い第１候補文字の一致度と、
該第１候補文字の次に一致度が高い第２候補文字の一致
度とが予め定められた複数の条件を満たすか否かを判断
する手段と、前記複数の条件を満たすと判断した場合には前記認識対
象文字を前記第１候補文字であると認識し、前記複数の
条件を満たさないと判断した場合には満たされていない
条件に応じて前記２値化辞書又は濃淡用辞書のいずれか
を選択する手段とを備え、前記２値化 辞書が選択された場合には該２値化辞書に登
録してある２値化基準文字パターンと認識対象文字の２
値化文字パターンとの一致度を計算して１つの２値化基
準文字パターンを選定し、前記濃淡用辞書が選択された
場合には該濃淡用辞書に登録してある濃淡の基準文字パ
ターンと認識対象文字の文字パターンとの一致度を計算
して１つの濃淡の基準文字パターンを選定することによ
って前記認識対象文字を認識するようになしてあること
を特徴とする文字認識装置。 - 【請求項９】 前記複数の条件を満たさないと判断され
て２値化基準文字パターンが登録してある辞書が選択さ
れた場合に、各候補文字の一致度と前記第１ 候補文字の
一致度との差に基づいて候補文字を算定する手段と、これらの算定された候補文字に対応する２値化基準文字
パターンを前記選択した辞書から読み出し、認識対象文
字の２値化文字パターンと一致度の計算を行なう手段と
を備え、 計算した一致度に基づいて認識 対象文字を認識するよう
になしてあることを特徴とする請求項７又は８記載の文
字認識装置。 - 【請求項１０】 認識対象文字を撮像する撮像装置と、
得られた文字パターンを２値化して２値化文字パターン
を生成する手段と、生成された２値化文字パターンと、
辞書に予め登録してある複数の２値化基準文字パターン
との一致度をそれぞれ算出し、算出された各一致度に基
づいて、１つの２値化基準文字パターンを選定する手段
とを備える文字認識装置において、前記辞書として少なくとも、 ２値化基準文字パターンが
登録してある２値化辞書と、濃淡の基準文字パターンを
登録してある濃淡用辞書と、前記２値化辞書に登録してある ２値化基準文字パターン
のマトリクスサイズよりも相対的に大きいマトリクスサ
イズの２値化基準文字パターンを用いて学習させたニュ
ーラルネットワークと、前記２値化辞書に登録してある 各２値化基準文字パター
ンと前記認識対象文字の２値化文字パターンとの一致度
をそれぞれ算出する手段と、算出された 一致度が最も高い第１候補文字の一致度と、
該第１候補文字の次に一致度が高い第２候補文字の一致
度とが予め定められた複数の条件を満たすか否かを判断
する手段と、前記複数の条件を満たすと判断した場合には前記認識対
象文字を前記第１候補文字であると認識し、前記複数の
条件を満たさないと判断した場合には満たされていない
条件に応じて前記濃淡用辞書又はニューラルネットワー
クのいずれかを選択する手段とを備え、前記濃淡用 辞書が選択された場合には該濃淡用辞書に登
録してある濃淡の基準文字パターンと認識対象文字の文
字パターンとの一致度を計算して１つの濃淡の 基準文字
パターンを選定し、前記ニューラルネットワークが選択
された場合には該ニューラルネットワークに学習させて
ある２値化基準文字パターンと認識対象文字の２値化文
字パターンとの一致度を計算して１つの２値化基準文字
パターンを選定することによって前記認識対象文字を認
識するようになしてあることを特徴とする文字認識装
置。 - 【請求項１１】 認識対象文字を撮像する撮像装置と、
得られた文字パターンを２値化して２値化文字パターン
を生成する手段と、生成された２値化文字パターンを、
複数の２値化基準文字パターンを用いて学習させたニュ
ーラルネットワークに与えて、２値化文字パターンと２
値化基準文字パターンとの一致度をそれぞれ算出させ、
算出された各一致度に基づいて、１つの２値化基準文字
パターンを選定する手段とを備える文字認識装置におい
て、前記ニューラルネットワークとして少なくとも、 ２値化
基準文字パターンを用いて学習させた第１ニューラルネ
ットワークと、該第１ニューラルネットワークの学習に
用いた２値化基準文字パターンのマトリクスサイズより
も相対的に大きいマトリクスサイズの２値化基準文字パ
ターンを用いて学習させた第２ニューラルネットワーク
と、濃淡の 基準文字パターンが登録してある濃淡用辞書と、 前記認識対象文字の２値化文字パターンを前記第１ニュ
ーラルネットワークに与えて一致度をそれぞれ算出する
手段と、 算出された 一致度が最も高い第１候補文字の一致度と、
該第１候補文字の次に一致度が高い第２候補文字の一致
度とが予め定められた複数の条件を満たすか否かを判断
する手段と、前記複数の条件を満たすと判断した場合には前記認識対
象文字を前記第１候補文字であると認識し、前記複数の
条件を満たさないと判断した場合には満たされていない
条件に応じて前記濃淡用辞書又は第２ニューラルネット
ワークのいずれかを選択する手段とを備え、前記濃淡用 辞書が選択された場合には該濃淡用辞書に登
録してある濃淡の基準文字パターンと認識対象文字の文
字パターンとの一致度を計算して１つの濃淡の 基準文字
パターンを選定し、前記第２ニューラルネットワークが
選択された場合には該第２ニューラルネットワークに学
習させてある２値化基準文字パターンと認識対象文字の
２値化文字パターンとの一致度を計算して１つの２値化
基準文字パターンを選定することによって前記認識対象
文字を認識するようになしてあることを特徴とする文字
認識装置。 - 【請求項１２】 前記２値化基準文字パターンを複数の
グループに分け、各グループ毎に、それに属する２値化
基準文字パターンを用いて学習させた特定文字ニューラ
ルネットワークと、条件を満たさないと判断した場合、
その程度に応じて特定文字ニューラルネットワークを選
択する手段とを備え、その特定文字ニューラルネットワ
ークに算出させて得た各一致度を用いて認識対象文字を
認識するようになしてあることを特徴とする請求項１０
又は１１記載の文字認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23789496A JP3170622B2 (ja) | 1996-09-09 | 1996-09-09 | 文字認識方法及び装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23789496A JP3170622B2 (ja) | 1996-09-09 | 1996-09-09 | 文字認識方法及び装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH1083432A JPH1083432A (ja) | 1998-03-31 |
| JP3170622B2 true JP3170622B2 (ja) | 2001-05-28 |
Family
ID=17022009
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP23789496A Expired - Fee Related JP3170622B2 (ja) | 1996-09-09 | 1996-09-09 | 文字認識方法及び装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3170622B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6744633B2 (ja) * | 2017-06-26 | 2020-08-19 | 株式会社Ｒｕｔｉｌｅａ | 物品判定装置、システム、学習方法及びプログラム |
-
1996
- 1996-09-09 JP JP23789496A patent/JP3170622B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH1083432A (ja) | 1998-03-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2049758C (en) | Optical character recognition system and method | |
| US5475768A (en) | High accuracy optical character recognition using neural networks with centroid dithering | |
| US4672678A (en) | Pattern recognition apparatus | |
| US20030063802A1 (en) | Image processing method, apparatus and system | |
| JPH05314315A (ja) | 光学文字認識用画像データ処理方法 | |
| Randriamahefa et al. | Printed music recognition | |
| CN113888536B (zh) | 一种基于计算机视觉的印刷品重影检测方法及系统 | |
| CN114155527A (zh) | 一种场景文本识别方法和装置 | |
| US20040218790A1 (en) | Print segmentation system and method | |
| US6240209B1 (en) | Method for deriving character features in a character recognition system | |
| JPH02196565A (ja) | 画像二値化方式 | |
| EP0877335B1 (en) | Character recognition method, character recognition apparatus | |
| JPH0792820B2 (ja) | 文字認識方法 | |
| JPH09270917A (ja) | 画像処理装置 | |
| JP3170622B2 (ja) | 文字認識方法及び装置 | |
| EP0632404B1 (en) | Pattern recognition by generating and using zonal features and anti-features | |
| JPH10222602A (ja) | 光学式文字読取装置 | |
| JPH1069524A (ja) | 文字切り出し方法 | |
| Tsuji et al. | Character image segmentation | |
| JPH0916715A (ja) | 文字認識装置および方法 | |
| JP3066448B2 (ja) | 文字切り出し方法 | |
| Beran et al. | Recognition of printed music score | |
| KR970002424B1 (ko) | 후보문자분류방법 | |
| JPH0757048A (ja) | 微細文字画像の拡大方法 | |
| JPH06251202A (ja) | 文字認識装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313117 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080323 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090323 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100323 Year of fee payment: 9 |
|
| LAPS | Cancellation because of no payment of annual fees |