JP6374079B1

JP6374079B1 - 文字認識装置、方法およびプログラム

Info

Publication number: JP6374079B1
Application number: JP2017251102A
Authority: JP
Inventors: 択渡久地
Original assignee: Ai Inside; AI Inside Inc
Current assignee: Ai Inside; AI Inside Inc
Priority date: 2017-12-27
Filing date: 2017-12-27
Publication date: 2018-08-15
Anticipated expiration: 2037-12-27
Also published as: JP2019117520A

Abstract

【課題】様々な手書き文字が含まれている書類の読取項目ごとに精度の高いテキストデータ生成を行うことができる文字認識装置、方法およびプログラムを提供する。
【解決手段】ユーザの操作により見本画像データにおける読取範囲の設定を行う読取範囲設定部２３１、見本画像データにおける読取範囲の座標位置を算出して読取項目を決定する読取項目決定部２３２、ユーザの操作により所定の属性情報を付加する属性情報付加部２３３、属性情報付加部２３３にて付加した属性情報に基づいて読取項目決定部２３２により決定された読取項目に表示されている文字情報からテキストデータを生成するテキストデータ生成部２３４を有する制御部２３０を備える文字認識装置２００を提供する。
【選択図】図２

Description

本開示は、画像データから文字情報を読み取る文字認識装置、方法およびプログラムに関する。

手書きで文字が記入された書類をイメージスキャナなどで読み取り、ＯＣＲ（ＯｐｔｉｃａｌＣｈａｒａｃｔｅｒＲｅｃｏｇｎｉｔｉｏｎ）処理を行うことにより、入力情報を所定の文字コードに変換したデジタルデータを生成する技術が普及している。

例えば、特許文献１によれば、機械学習により文字認識を行う文字識別システムが開示されている。文字認識システムは、見本文字画像の入力を受け付ける文字画像入力受付部と、見本文字画像に基づいて文字部品を抽出する文字部品抽出と、文字部品に基づいて擬似文字モデルを生成する擬似文字モデル生成部と、擬似文字モデルに基づいて文字識別パターンを生成して識別辞書を生成する識別辞書生成と、により構成されるシステムが提案されている。

また、近年、ＢＰＯ（ＢｕｓｉｎｅｓｓＰｒｏｃｅｓｓＯｕｔｓｏｕｒｃｉｎｇ）と呼ばれる、自社の業務プロセスの一部を外部企業に業務委託するサービスが提供されており、例えば、ＢＰＯサービスにおいては、手書きの申込書や口座振替依頼書などをテキスト化する処理を外部企業に委託するような形態がある。当該形態においては、自社において、申込書などをイメージスキャナなどで読み取って画像データに変換し、変換した画像データをインターネット等のネットワークを介して外部企業に送信している。

特開２０１５−０６９２５６号公報

しかしながら、このようなＢＰＯサービスでは、画像データのままで外部企業に発注されるので、外部企業側で読取項目を設定することができない。例えば、手書きのデータに対してＯＣＲ処理を行う場合、数字の「１」と、小文字アルファベットの「ｌ」（エル）のように、識別が困難な場合があるが、このような手書き文字が記入される項目は、例えば電話番号のように、その記入欄に記入される文字が数字しかあり得ない場合もあり、入力項目ごとに文字の種類が限定できたほうが、識別精度が上がる場合もある。

さらに、記入された文字が氏名等の場合、通常、誤りは許されないものであり、このような場合は人間が手入力したほうが誤りを防止できるので効率が良い場合もある。そのため、記入欄ごとに、文字の種類を限定してＯＣＲによる文字認識を行ったり、人間による手入力と、ＯＣＲによる文字認識とを選択可能にしたりしたいという要望がある。

そこで、本開示では、様々な手書き文字が含まれている書類の画像データの見本画像データから、読取項目を決定し、読取項目ごとに文字種類や文字数、ＯＣＲによる文字認識を行うか否か等の属性情報を付加することで、読取項目ごとに精度の高いテキストデータ生成を行うことができる文字認識装置、方法およびプログラムについて説明する。

本開示の一態様における文字認識装置は、書類を画像としてスキャンした画像データから、文字情報を読み取る文字認識装置であって、書類の見本を画像としてスキャンした見本画像データから、ユーザの操作により、書類の読取範囲を設定する読取範囲設定部と、見本画像データにおける読取範囲の座標位置から、書類の読取項目を決定する読取項目決定部と、読取項目に対し、ユーザの操作により、読取項目ごとに、文字情報からテキストデータを生成するか、文字情報からテキストデータを生成せずにユーザに入力させるか、または文字情報からテキストデータを生成してユーザによる入力も行うか、を示す生成有無条件を含む所定の属性情報を付加する属性情報付加部と、画像データから、読取項目及び属性情報に基づき、画像データの読取項目に表示されている文字情報をテキストデータとして生成するテキストデータ生成部と、読取項目の生成有無条件が、文字情報からテキストデータを生成してユーザによる入力も行う場合、文字情報から生成されたテキストデータと、ユーザによる入力内容とが一致するか否か判定し、一致しない場合に注意喚起を行うテキストデータ判定部と、を備える。

本開示の一態様における文字認識方法は、書類を画像としてスキャンした画像データから、文字情報を読み取る文字認識方法であって、書類の見本を画像としてスキャンした見本画像データから、ユーザの操作により読取範囲設定部が行う、書類の読取範囲を設定する読取範囲設定ステップと、見本画像データにおける読取範囲の座標位置から、読取項目決定部が行う、書類の読取項目を決定する読取項目決定ステップと、読取項目に対し、ユーザの操作により属性情報付加部が行う、読取項目ごとに、文字情報からテキストデータを生成するか、文字情報からテキストデータを生成せずにユーザに入力させるか、または文字情報からテキストデータを生成してユーザによる入力も行うか、を示す生成有無条件を含む所定の属性情報を付加する属性情報付加ステップと、画像データから、読取項目及び属性情報に基づきテキストデータ生成部が行う、画像データの読取項目に表示されている文字情報をテキストデータとして生成するテキストデータ生成ステップと、読取項目の生成有無条件が、文字情報からテキストデータを生成してユーザによる入力も行う場合、テキストデータ判定部が行う、文字情報から生成されたテキストデータと、ユーザによる入力内容とが一致するか否か判定し、一致しない場合に注意喚起を行うテキストデータ判定ステップと、を備える。

また、本開示の一態様における文字認識プログラムは、書類を画像としてスキャンした画像データから、文字情報を読み取る文字認識プログラムであって、書類の見本を画像としてスキャンした見本画像データから、ユーザの操作により、書類の読取範囲を設定する読取範囲設定ステップと、見本画像データにおける読取範囲の座標位置から、書類の読取項目を決定する読取項目決定ステップと、読取項目に対し、ユーザの操作により、読取項目ごとに、文字情報からテキストデータを生成するか、文字情報からテキストデータを生成せずにユーザに入力させるか、または文字情報からテキストデータを生成してユーザによる入力も行うか、を示す生成有無条件を含む所定の属性情報を付加する属性情報付加ステップと、画像データから、読取項目及び属性情報に基づき、画像データの読取項目に表示されている文字情報をテキストデータとして生成するテキストデータ生成ステップと、読取項目の生成有無条件が、文字情報からテキストデータを生成してユーザによる入力も行う場合、文字情報から生成されたテキストデータと、ユーザによる入力内容とが一致するか否か判定し、一致しない場合に注意喚起を行うテキストデータ判定ステップと、を電子計算機に実行させる。

本開示によれば、様々な手書き文字が含まれている書類の画像データについて、読取項目ごとに精度の高いテキストデータ生成を行うことができる。

本開示の一実施形態に係る文字認識システムを示すブロック図である。図１に示す文字認識装置の構成の一例を示す機能ブロック図である。図１に示す文字認識システムによる文字認識方法を示すフローチャートである。スキャンされる書類の例である口座振替依頼書を示す模式図である。スキャンされる書類の見本の例である口座振替依頼書（見本）を示す模式図である。読取範囲設定の例を示す模式図である。図６のフリガナ読取範囲及び金融機関コード読取範囲に付加された属性情報の例を示す模式図である。金融機関テーブルの例を示す図である。生成されたテキストデータの例を示す図である。本開示の一実施形態に係る文字認識装置の構成の一例を示す機能ブロック図である。図１０に示す文字認識装置を備えた文字認識システムによる文字認識方法を示すフローチャートである。図６の氏名読取範囲及び金融機関コード読取範囲に付加された属性情報の例を示す模式図である。

本開示の実施形態について図面を参照して説明する。なお、以下に説明する実施形態は、特許請求の範囲に記載された本開示の内容を不当に限定するものではない。また、実施形態に示される構成要素のすべてが、本開示の必須の構成要素であるとは限らない。

（実施形態１）
＜構成＞
図１は、本開示の実施形態１に係る文字認識システム１のブロック図である。この文字認識システム１は、例えば、手書きの申込書や口座振替依頼書等の書類を画像としてスキャンした画像データから、文字情報を読み取るシステムであり、顧客から申込書や口座振替依頼書を受領する企業（発注側企業）が、ＢＰＯサービスを提供する外部企業（受注側企業）に業務委託するために使用される。

文字認識システム１は、画像データ変換装置１００と、文字認識装置２００と、ネットワークＮＷと、を有している。画像データ変換装置１００と、文字認識装置２００とは、ネットワークＮＷを介して接続される。ネットワークＮＷは、インターネット、ＬＡＮ（Local Area Network）やＷＡＮ（Wide Area Network）等により構成される。また、このネットワークＮＷは有線通信でも無線通信でも良く、ＬＴＥ（Long Term Evolution）等の４Ｇと呼ばれる通信方式や、５Ｇによる通信方式も含まれる。

画像データ変換装置１００は、発注側企業に設置されており、複数の項目から構成される申込書や口座振替依頼書などの書類がスキャンされ、画像データに変換され、変換された画像データを記憶する。この画像データ変換装置１００は、スキャナ装置１１０と、サーバ装置１２０と、ユーザ端末１３０とを備え、例えば、ＵＳＢ（登録商標）やＬＡＮにより相互に通信可能に接続されている。

スキャナ装置１１０は、申込書や口座振替依頼書などの書類をスキャンして画像データに変換し、これらの書類の見本となる書類をスキャンして見本画像データに変換する装置である。なお、この実施形態１ではスキャナ装置としたが、紙媒体による書類を電子データ化できる装置であれば良く、例えば、カメラ等でも良い。

サーバ装置１２０は、発注側企業の業務管理を行うサーバである。また、サーバ装置１２０は、スキャナ装置１１０で変換した画像データ及び見本画像データを記憶する画像データＤＢ１２１と、文字認識装置２００で見本画像データから決定した読取項目を記憶する読取項目ＤＢ１２２とを備えている。画像データＤＢ１２１及び読取項目ＤＢ１２２は、文字認識装置２００からアクセスされて参照、更新が可能なデータベースである。

ユーザ端末１３０は、発注側企業に設置される端末であり、ユーザの操作により、見本画像データから読取範囲を設定する端末である。このユーザ端末１３０は、見本画像データを表示する表示部を備え、操作部を操作することで読取範囲を設定できるようになっており、表示部はディスプレイ等から構成され、操作部はキーボードやマウス等から構成される。

図２は、図１に示す文字認識装置の構成の一例を示す機能ブロック図である。この文字認識装置２００は、受注側企業に設置されており、ユーザ端末１３０が操作されることにより設定された読取範囲に基づき、見本画像データ上の読取項目を決定し、画像データの読取項目に表示されている文字情報をテキストデータとして生成する。文字認識装置２００は、通信部２１０と、記憶部２２０と制御部２３０とを備える。

通信部２１０は、画像データ変換装置１００と通信を行うための通信インターフェースであり、ＴＣＰ／ＩＰ（Transmission Control Protocol/Internet Protocol）等の通信規約により通信が行われる。

記憶部２２０は、各種制御処理や制御部２３０内の各機能を実行するためのプログラム、入力データ等を記憶するものであり、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等から構成される。また、記憶部２２０は、見本画像データから決定した読取項目や、生成したテキストデータを一時的に記憶し、過去に手書き情報を読み取った結果も学習情報として記憶している。

制御部２３０は、記憶部２２０に記憶されているプログラムを実行することにより、文字認識装置２００の全体の動作を制御するものであり、ＣＰＵ（Central Processing Unit）やＧＰＵ（Graphics Processing Unit）等から構成される。制御部２３０の機能として、読取範囲設定部２３１、読取項目決定部２３２、属性情報付加部２３３、テキストデータ生成部２３４を備えている。この読取範囲設定部２３１、読取項目決定部２３２、属性情報付加部２３３、テキストデータ生成部２３４は、記憶部２２０に記憶されているプログラムにより起動されて実行される。

読取範囲設定部２３１は、ユーザ端末１３０が操作されることにより通信部２１０を介してサーバ装置１２０をアクセスし、画像データＤＢ１２１に記憶されている見本画像データを読み出し、ユーザ端末１３０の表示部に表示する。

また、読取範囲設定部２３１は、ユーザ端末１３０の操作部が操作されることにより、見本画像データにおける読取範囲の設定を行う。この読取範囲の設定は、見本画像データが表示されている表示部で、操作部（例えば、マウス）が操作されて、いわゆるドラッグ＆ドロップによる範囲設定により行われる。

読取項目決定部２３２は、読取範囲設定部２３１により行われた読取範囲から、見本画像データにおける読取範囲の座標位置、例えばドラッグ＆ドロップによる範囲の四隅の座標位置を算出し、その内側を読取項目と決定する。この読取項目は、サーバ装置１２０にアクセスされて読取項目ＤＢ１２２に記憶される。

属性情報付加部２３３は、読取項目決定部２３２により決定された読取項目に対して、ユーザの操作により、例えば項目名（氏名、電話番号、等）、生成条件（所定のテーブルから選択、ＯＣＲで読み取る、等）、文字種類条件（漢字＋ひらがな＋カタカナ、数字のみ、アルファベットのみ、等）等の属性情報を付加する。この属性情報は、サーバ装置１２０にアクセスされ、読取項目ごとに読取項目ＤＢ１２２に記憶される。

テキストデータ生成部２３４は、ＯＣＲ機能を備え、画像データＤＢ１２１に記憶されている画像データを読み出し、属性情報付加部２３３にて付加した属性情報に基づき、読取項目決定部２３２により決定された読取項目に表示されている文字情報をＯＣＲで読み取ってテキストデータを生成する。

＜処理の流れ＞
以下、図３を参照しながら、文字認識システム１が実行する文字認識方法の一例を説明する。図３は、図１に示す文字認識システム１による文字認識方法を示すフローチャートである。

ステップＳ１０１の処理として、画像データ変換装置１００では、スキャナ装置１１０を使用して、申込書や口座振替依頼書などの書類の見本となる見本書類がスキャンされて見本画像データに変換され、変換された画像データが画像データＤＢ１２１に記憶される。

図４は、ステップＳ１０１にてスキャンされる見本書類の元になる、書類の例である口座振替依頼書を示す模式図である。この口座振替依頼書は、公共料金の引き落とし等のために、金融機関に対して口座振替を依頼するための申込書であり、フリガナ記入欄Ａ１、氏名記入欄Ａ２、金融機関名記入欄Ａ３、支店名記入欄Ａ４、金融機関コード記入欄Ａ５、支店コード記入欄Ａ６、預金種目記入欄Ａ７、口座番号記入欄Ａ８が設けられている。

発注側企業の顧客は、図４に示すように、これらの記入欄に自己の氏名等を記入して発注側企業に口座振替を依頼する。発注側企業では、記入済の口座振替依頼書を受領すると、スキャナ装置１１０を使用してスキャンを行い、画像データを画像データＤＢ１２１に記憶させる。

図５は、ステップＳ１０１にてスキャンされる見本書類の例である口座振替依頼書（見本）を示す模式図である。この口座振替依頼書（見本）は、図４に示す口座振替依頼書と同様の見本であり、口座振替依頼書と同様に、フリガナ記入欄Ａ１１、氏名記入欄Ａ１２、金融機関名記入欄Ａ１３、支店名記入欄Ａ１４、金融機関コード記入欄Ａ１５、支店コード記入欄Ａ１６、預金種目記入欄Ａ１７、口座番号記入欄Ａ１８が設けられている。この見本は、口座振替依頼書の文字をＯＣＲで読み取る際の読取項目を決定するために使用される。

発注側企業では、口座振替依頼書をテキスト化する処理を受注側企業に委託する際、見本としてこの口座振替依頼書（見本）を、スキャナ装置１１０を使用してスキャンを行い、見本画像データを画像データＤＢ１２１に記憶させる。

ステップＳ１０２の処理として、ユーザ端末１３０の操作部が操作されることにより、文字認識装置２００では、読取範囲設定部２３１によって通信部２１０を介してサーバ装置１２０がアクセスされ、画像データＤＢ１２１に記憶されている見本画像データが読み出され、ユーザ端末１３０の表示部に表示される。ユーザの操作により、ユーザ端末１３０の操作部が操作され、見本画像データにおける読取範囲の設定が行われる。

図６は、ステップＳ１０２における読取範囲設定の例を示す模式図である。図６に示すように、表示部には、図５に示す口座振替依頼書（見本）の見本画像データが表示されている。口座振替依頼書（見本）と同様に、フリガナ記入欄Ａ２１、氏名記入欄Ａ２２、金融機関名記入欄Ａ２３、支店名記入欄Ａ２４、金融機関コード記入欄Ａ２５、支店コード記入欄Ａ２６、預金種目記入欄Ａ２７、口座番号記入欄Ａ２８が表示されている。

この状態で、ユーザ端末１３０の操作部を操作してドラッグ＆ドロップを行い、図６に破線で示すように範囲設定を行う。例えば、フリガナ読取範囲Ｓ１、氏名読取範囲Ｓ２、金融機関名読取範囲Ｓ３、支店名読取範囲Ｓ４、金融機関コード読取範囲Ｓ５、支店コード読取範囲Ｓ６、口座番号読取範囲Ｓ７を読取範囲のとして設定する。

ステップＳ１０３の処理として、文字認識装置２００では、読取項目決定部２３２によって、見本画像データにおける読取範囲の四隅の座標位置が算出され、その内側が読取項目と決定される。例えば、図６に示す見本画像データの左上の点Ｐ１の座標を（０，０）とし、読取範囲の四隅の点について、点Ｐ１からの相対座標をドット単位で算出する。これにより決定された読取範囲は、通信部２１０を介してサーバ装置１２０がアクセスされ、読取項目ＤＢ１２２に記憶される。

ステップＳ１０４の処理として、文字認識装置２００では、属性情報付加部２３３によって、ステップＳ１０３にて決定された読取項目に対して、ユーザの操作により、項目名、生成条件、文字種類条件等の属性情報が付加される。付加された属性情報は、通信部２１０を介してサーバ装置１２０がアクセスされ、読取項目ＤＢ１２２に記憶される。

図７は、ステップＳ１０４における、図６のフリガナ読取範囲Ｓ１及び金融機関コード読取範囲Ｓ５に付加された属性情報の例を示す模式図である。例えば、図６に示すフリガナ読取範囲Ｓ１について、図７に示すフリガナ属性情報Ｔ１のように、項目名欄Ｔ１１、生成条件欄Ｔ１２、文字種類欄Ｔ１３に対して、それぞれ「フリガナ」、「ＯＣＲ読込」、「カタカナ」と入力される。また、金融機関コード読取範囲Ｓ５について、金融機関コード属性情報Ｔ２のように、項目名欄Ｔ２１、生成条件欄Ｔ２２、文字種類欄Ｔ２３に対して、それぞれ「金融機関コード」、「テーブル選択」、「数字４桁」と入力される。

項目名欄Ｔ１１，Ｔ２１は、項目名がそのまま入力される。生成条件欄Ｔ１２，Ｔ２２は、例えば、「ＯＣＲ読込」、「テーブル選択」のいずれかを選択可能であり、「ＯＣＲ読込」は、ＯＣＲで読み取ってテキスト化することを示しており、「テーブル選択」は、図８に示す金融機関テーブルから選択することを示している。文字種類欄Ｔ１３，Ｔ２３は、例えば、「カタカナ」、「数字４桁」等を選択可能であり、「カタカナ」は、フリガナ読取範囲Ｓ１にはカタカナしか記入されないので、読み取る文字の種類もカタカナのみで良く、「数字４桁」は、金融機関コード読取範囲Ｓ５には数字しか記入されず、桁数も４桁と決められているので、読み取る文字の種類も４桁の数字のみで良いことを示している。なお、例えば、金融機関コード読取範囲Ｓ５、支店コード読取範囲Ｓ６、口座番号読取範囲Ｓ７のように１桁ごとにマスが設けられている場合（マス有り数字）と、電話番号等の記入欄のようにマスが設けられていない場合（マス無し数字）とのように区別しても良い。

図８は、金融機関テーブルの例を示す図である。この金融機関テーブルは、例えばサーバ装置１２０に記憶されている。図６の金融機関コード読取範囲Ｓ５、金融機関名読取範囲Ｓ３には、この金融機関テーブルに格納されている金融機関コード及び金融機関名しか入力されない。そのため、金融機関コード読取範囲Ｓ５の読取は、この金融機関テーブルの金融機関コードから選択すれば良い。

また、金融機関名読取範囲Ｓ３の生成条件は、「ＯＣＲ読込」、「テーブル選択」のいずれでも良く、例えば、通常は「ＯＣＲ読込」にしてＯＣＲで読み取ってテキスト化を行い、手書き文字が判読できないような場合にのみ、金融機関コード読取範囲Ｓ５から読み取った金融機関コードに対応する、金融機関テーブルの金融機関名を取得するようにしても良い。

さらに、支店名読取範囲Ｓ４、支店コード読取範囲Ｓ６についても同様であり、支店コードテーブルをサーバ装置１２０に記憶させ、金融機関名読取範囲Ｓ３、金融機関コード読取範囲Ｓ５のように処理しても良い。

ステップＳ１０５の処理として、画像データ変換装置１００では、スキャナ装置１１０を使用して、図４に示す申込書や口座振替依頼書などの書類がスキャンされて画像データに変換され、変換された見本画像データが画像データＤＢ１２１に記憶される。この状態で、発注側企業は、画像データＤＢ１２１内の画像データ及び見本画像データを示して受注側企業に委託する。

ステップＳ１０６の処理として、文字認識装置２００では、テキストデータ生成部２３４によって、ステップＳ１０５にて付加したフリガナ属性情報Ｔ１、金融機関コード属性情報Ｔ２、・・・・に基づき、フリガナ読取範囲Ｓ１〜口座番号読取範囲Ｓ７に表示されている文字情報をＯＣＲで読み取り、テキストデータを生成する。

図９は、ステップＳ１０６において生成されたテキストデータの例を示す図である。例えば、図４に示すフリガナ記入欄Ａ１、氏名記入欄Ａ２、金融機関名記入欄Ａ３、支店名記入欄Ａ４、金融機関コード記入欄Ａ５、支店コード記入欄Ａ６、口座番号記入欄Ａ８に記載されていた「トッキョタロウ」、「特許太郎」、「０００１」、「みずほ」、「０２１」、「丸の内」、「１１１１１１１」がそれぞれ読み取られ、テキストデータとして生成される。

ステップＳ１０７の処理として、文字認識装置２００では、ステップＳ１０６にて生成されたテキストデータが、発注側企業への納品として、通信部２１０を介してサーバ装置１２０に送信される。

以上のように、本実施形態に係る文字認識システムは、見本画像データ上でドラッグ＆ドロップにより読取範囲を設定すると、見本画像データにおける読取範囲の座標位置が算出されて読取項目が決定される。この読取項目に従ってテキストデータの生成が行われる。これにより、受注側企業で、ＯＣＲによる文字認識を行う読取項目を決定することが可能になる。

また、読取項目ごとに、文字種類や文字数、ＯＣＲで読み取るかまたはテーブルから選択するか等の属性情報を付加することができるので、不必要な文字の認識を排除することができるので、読取項目ごとに精度の高いテキストデータ生成を行うことが可能になる。

（実施形態２）
＜構成＞
図１０は、本開示の実施形態２に係る文字認識装置の構成の一例を示す機能ブロック図である。この文字認識装置２００は、実施形態１と同様の構成に対して、制御部２３０の機能としてテキストデータ入力部２３５及びテキストデータ判定部２３６が追加されている。

テキストデータ入力部２３５は、画像データＤＢ１２１に記憶されている画像データを読み出して表示部に表示し、ユーザ端末１３０の操作部の操作により、テキストデータを入力させる。これは、口座振替依頼書などをテキスト化する処理において、誤りが許されないような場合、人間が手入力したほうが誤りを防止できるので入力情報の正確性を担保するためである。また、ダブルチェックを行うために、ＯＣＲによる読取を行い、さらにユーザによるテキストデータの手入力を行うことも可能である。このような場合に、ユーザによるテキストデータの手入力を可能にするための機能である。

テキストデータ判定部２３６は、前述のように、ＯＣＲによる読取を行い、さらにユーザによるテキストデータの手入力を行う場合に、ダブルチェックを行う。これは、口座振替依頼書などをテキスト化する処理において、誤りが許されないような場合、ダブルチェックを行うことで誤りを防止し、入力情報の正確性をさらに担保するためである。そして、ＯＣＲによる読取内容と、ユーザによるテキストデータの手入力の内容とが不一致の場合、当該入力欄が、例えば赤色に表示される等の注意喚起をする。その他の構成については、実施形態１と同様である。

＜処理の流れ＞
以下、図１１を参照しながら、文字認識システム１が実行する文字認識方法の一例について、実施形態１と異なる処理について説明する。図１１は、図１０に示す文字認識装置２００を備えた文字認識システム１による文字認識方法を示すフローチャートである。図３に示すステップＳ１０３までは、実施形態１と同様であるため、後続のステップＳ１０４について説明する。

ステップＳ１０４の処理として、読取項目に対して属性情報が付加され、読取項目ＤＢ１２２に記憶される点においては、実施形態１と同様であるが、付加される属性情報が実施形態１と異なる。

図１２は、ステップＳ１０４における、図６の氏名読取範囲Ｓ２及び金融機関コード読取範囲Ｓ５に付加された属性情報の例を示す模式図である。例えば、図６に示す氏名読取範囲Ｓ１について、図１２に示すフリガナ属性情報Ｔ３のように、実施形態１と同様の項目名欄Ｔ３１、生成条件欄Ｔ３２、文字種類欄Ｔ３３に加えて、生成有無条件欄Ｔ３４に対して、それぞれ「氏名」、「‐」、「漢字＋ひらがな＋カタカナ」、「ＯＣＲ＋エントリー」と入力される。また、金融機関コード読取範囲Ｓ５について、金融機関コード属性情報Ｔ４のように、項目名欄Ｔ４１、生成条件欄Ｔ４２、文字種類欄Ｔ４３、生成有無条件欄Ｔ４４に対して、それぞれ「金融機関コード」、「テーブル選択」、「数字４桁」、「ＯＣＲ」と入力される。

生成有無条件欄Ｔ３４，Ｔ４４は、例えば、「エントリー」、「ＯＣＲ＋エントリー」、「ＯＣＲ」のいずれかを選択可能であり、「エントリー」は、ＯＣＲによる読取を行わずにユーザによるテキストデータの手入力を行うことを示しており、「ＯＣＲ＋エントリー」は、ＯＣＲによる読取を行い、さらにユーザによるテキストデータの手入力を行い、双方の入力内容でダブルチェックを行い、「ＯＣＲ」は、ＯＣＲによる読取を行うことを示している。

ステップＳ１０５の処理として、書類がスキャンされるのは実施形態１と同様である。

ステップＳ１０６の処理として、文字認識装置２００では、テキストデータ生成部２３４によって、ステップＳ１０４にて付加したフリガナ属性情報Ｔ１、金融機関コード属性情報Ｔ２、・・・・に基づき、フリガナ読取範囲Ｓ１〜口座番号読取範囲Ｓ７に表示されている文字情報をＯＣＲで読み取り、テキストデータを生成する。このとき、属性情報の生成有無条件が「エントリー」の場合は、テキストデータの生成は行われない。

ステップＳ１０８の処理として、文字認識装置２００では、テキストデータ入力部２３５によって、画像データＤＢ１２１に記憶されている画像データが読み出されて表示部に表示される。属性情報の生成有無条件欄に「エントリー」、「ＯＣＲ＋エントリー」を付加した項目の入力欄がユーザ端末１３０の表示部に表示され、操作部の操作により、テキストデータが入力される。

ステップＳ１０９の処理として、文字認識装置２００では、テキストデータ判定部２３６によって、属性情報の生成有無条件欄に「ＯＣＲ＋エントリー」を付加した項目について、ＯＣＲによる読取内容と、ユーザによるテキストデータの手入力の内容とでダブルチェックが行われる。そして、双方の入力内容が一致した場合は注意喚起を行わず、双方の入力内容が不一致の場合は、ユーザ端末１３０の表示部の入力欄が赤色に表示され、注意喚起がされる。これ以降の処理の流れについては、実施形態１と同様である。

本実施形態によれば、上記実施形態１の効果に加え、読取項目ごとに、ユーザによるテキストデータの手入力を行うか、ＯＣＲによる読取とユーザによるテキストデータの手入力との双方を行ってダブルチェックを行うか、またはＯＣＲによる読取を行うかの属性情報を付加することを可能にし、テキストデータの手入力を可能にしたので、人間が手入力したほうが誤りを防止できる場合に、読取項目ごとに精度の高いテキストデータ生成を行うことが可能になる。

なお、その他の実施形態として、文字認識装置に直接スキャナ装置を接続し、ネットワークを経由せずにスタンドアローンで文字認識装置を構成することも可能である。これは、外部への情報漏洩を防止するために、文字認識装置をネットワークに接続せずに構成したい場合に有効である。

以上、開示に係る実施形態について説明したが、これらはその他の様々な形態で実施することが可能であり、種々の省略、置換および変更を行なって実施することができる。これらの実施形態および変形例ならびに省略、置換および変更を行なったものは、特許請求の範囲の技術的範囲とその均等の範囲に含まれるものである。

１文字認識システム、１００画像データ変換装置、１１０スキャナ装置、１２０サーバ装置、１２１画像データＤＢ、１２２読取項目ＤＢ、２００文字認識装置、２１０通信部、２２０記憶部、２３０制御部、２３１読取範囲設定部、２３２読取項目決定部、２３３属性情報付加部、２３４テキストデータ生成部、２３５テキストデータ入力部、２３６テキストデータ判定部、ＮＷネットワーク

Claims

書類を画像としてスキャンした画像データから、文字情報を読み取る文字認識装置であって、
前記書類の見本を画像としてスキャンした見本画像データから、ユーザの操作により、前記書類の読取範囲を設定する読取範囲設定部と、
前記見本画像データにおける前記読取範囲の座標位置から、前記書類の読取項目を決定する読取項目決定部と、
前記読取項目に対し、ユーザの操作により、前記読取項目ごとに、文字情報からテキストデータを生成するか、前記文字情報から前記テキストデータを生成せずに前記ユーザに入力させるか、または前記文字情報から前記テキストデータを生成して前記ユーザによる入力も行うか、を示す生成有無条件を含む所定の属性情報を付加する属性情報付加部と、
前記画像データから、前記読取項目及び前記属性情報に基づき、前記画像データの前記読取項目に表示されている前記文字情報を前記テキストデータとして生成するテキストデータ生成部と、
前記読取項目の前記生成有無条件が、前記文字情報から前記テキストデータを生成して前記ユーザによる入力も行う場合、前記文字情報から生成された前記テキストデータと、前記ユーザによる入力内容とが一致するか否か判定し、一致しない場合に注意喚起を行うテキストデータ判定部と、を備える、
文字認識装置。
前記属性情報は、前記文字情報を所定のテーブルに登録されている登録情報から選択するか、または前記文字情報をＯＣＲで読み取るか、を示す生成条件を含み、
前記テキストデータ生成部は、前記生成条件に基づいて前記テキストデータを生成する、請求項１に記載の文字認識装置。
一の前記読取項目と他の前記読取項目とが関連付けされていて、前記一の読取項目の前記生成条件が前記文字情報をＯＣＲで読み取り、前記他の読取項目の前記生成条件が前記登録情報から選択する場合であって、前記一の読取項目の前記文字情報が読み取れない場合、前記テキストデータ生成部は、前記他の読取項目において選択された前記登録情報から前記一の読取項目の前記文字情報を決定する、請求項２に記載の文字認識装置。
前記属性情報は、前記文字情報の文字種類を指定する文字種類条件を含み、
前記テキストデータ生成部は、前記文字種類条件に基づいて前記テキストデータを生成する、請求項１から請求項３のいずれか１項に記載の文字認識装置。
前記属性情報は、前記文字情報の文字数を指定する文字数条件を含み、
前記テキストデータ生成部は、前記文字数条件に基づいて前記テキストデータを生成する、請求項１から請求項４のいずれか１項に記載の文字認識装置。
書類を画像としてスキャンした画像データから、文字情報を読み取る文字認識方法であって、
前記書類の見本を画像としてスキャンした見本画像データから、ユーザの操作により読取範囲設定部が行う、前記書類の読取範囲を設定する読取範囲設定ステップと、
前記見本画像データにおける前記読取範囲の座標位置から、読取項目決定部が行う、前記書類の読取項目を決定する読取項目決定ステップと、
前記読取項目に対し、ユーザの操作により属性情報付加部が行う、前記読取項目ごとに、文字情報からテキストデータを生成するか、前記文字情報から前記テキストデータを生成せずに前記ユーザに入力させるか、または前記文字情報から前記テキストデータを生成して前記ユーザによる入力も行うか、を示す生成有無条件を含む所定の属性情報を付加する属性情報付加ステップと、
前記画像データから、前記読取項目及び前記属性情報に基づきテキストデータ生成部が行う、前記画像データの前記読取項目に表示されている前記文字情報を前記テキストデータとして生成するテキストデータ生成ステップと、
前記読取項目の前記生成有無条件が、前記文字情報から前記テキストデータを生成して前記ユーザによる入力も行う場合、テキストデータ判定部が行う、前記文字情報から生成された前記テキストデータと、前記ユーザによる入力内容とが一致するか否か判定し、一致しない場合に注意喚起を行うテキストデータ判定ステップと、を備える、
文字認識方法。
書類を画像としてスキャンした画像データから、文字情報を読み取る文字認識プログラムであって、
前記書類の見本を画像としてスキャンした見本画像データから、ユーザの操作により、前記書類の読取範囲を設定する読取範囲設定ステップと、
前記見本画像データにおける前記読取範囲の座標位置から、前記書類の読取項目を決定する読取項目決定ステップと、
前記読取項目に対し、ユーザの操作により、前記読取項目ごとに、文字情報からテキストデータを生成するか、前記文字情報から前記テキストデータを生成せずに前記ユーザに入力させるか、または前記文字情報から前記テキストデータを生成して前記ユーザによる入力も行うか、を示す生成有無条件を含む所定の属性情報を付加する属性情報付加ステップと、
前記画像データから、前記読取項目及び前記属性情報に基づき、前記画像データの前記読取項目に表示されている前記文字情報を前記テキストデータとして生成するテキストデータ生成ステップと、
前記読取項目の前記生成有無条件が、前記文字情報から前記テキストデータを生成して前記ユーザによる入力も行う場合、前記文字情報から生成された前記テキストデータと、前記ユーザによる入力内容とが一致するか否か判定し、一致しない場合に注意喚起を行うテキストデータ判定ステップと、を電子計算機に実行させる、
文字認識プログラム。