JPH05274436A - パターン認識方法及び装置 - Google Patents

Abstract

(57)【要約】 （修正有） 【目的】 未知パターンを高信頼度で認識することがで
きない場合を検出する。 【構成】 パターン認識装置は、画像データ入力装置Ｓ
６０１、画像データから未知パターンを切り出すホスト
Ｓ６０２、ホストＣＰＵから入力された未知パターンに
対する認識候補を出力する文字認識装置とを備える。文
字認識装置は、信頼性指標を出力する信頼性指標部を備
え、信頼性指標は未知パターンと既知パターンとの近さ
に基づいて決定される。また、信頼性指標は未知パター
ンを異なる認識関数で認識したときの一致度に基づいて
決定される。最適認識候補の距離値が所定距離より小さ
ければ、認識候補は許容可能であると判断され、処理を
Ｓ６０８とＳ６０９に進めて、後処理と表示処理を行な
う。さらに、信頼性指標は認識候補と既知パターンとの
距離が所定レベル以上であれば信頼性は低いので認識候
補をＳ６１３に進めて出力しないように決定される。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明はパターン認識のための方
法及び装置に関するものであり、特に未知パターンの認
識候補を選択する際の信頼性指標を求める方法及び装置
に関するものである。

【０００２】

【従来の技術】パターン認識システムでは、未知パター
ン、例えば画像スキャナから入力したパターンやファク
シミリ転送で受信したパターンを分析して、パターンの
認識結果を出力する。図１５は、画像中に含まれる複数
の文字を認識する一般的なパターン認識の処理の流れを
示す図である。

【０００３】図１５において、ステップＳ１５０１で、
画像、例えば画像スキャナから入力した画像を入力し、
ステップＳ１５０２で画像中の個々の文字が切り出され
る。ステップＳ１５０１とＳ１５０２とは一般に汎用ホ
ストコンピュータで実行され、ステップＳ１５０２で切
り出された文字は所定の光学文字認識装置に転送され
る。ステップＳ１５０３では、光学文字認識装置におい
て切り出された文字に対して特徴抽出処理を行い、未知
パターンの特徴ベクトルを求める。特徴ベクトルは、ス
トローク位置，方向，長さなどのパターンに関する様々
な特徴を表すベクトルである。

【０００４】次いで、大分類のステップＳ１５０４にお
いて、未知パターンの特徴ベクトルと複数の標準パター
ンの特徴ベクトルとの比較処理を行う。すなわち、未知
パターンの特徴ベクトルと標準パターン辞書内の各特徴
ベクトルとの比較処理を行い、未知パターンの特徴ベク
トルと標準パターンの特徴ベクトル間の数学的距離であ
る距離値を計算する。次いで、距離値をソートして、最
良候補、例えば未知パターンの特徴ベクトルに近い上位
５２個の候補を選択する。ステップＳ１５０５では、こ
れらの最良候補に対して詳細分類を行う。詳細分類処理
では、他の識別関数、例えば擬似ベイズ(pseudo-boyesi
an) 識別関数を用いて、大分類処理において求めた候補
の中から最適な１つの候補あるいは最適な複数の候補を
選択する。次いで、未知パターンに対する最適な１つあ
るいは複数の候補を汎用ホストコンピュータに転送し、
ステップＳ１５０６の後処理を施す。後処理では、一般
に、スペルチェック，内容チェック，構文チェック処理
などを行い、未知パターンに対して１つの候補を選択す
る。

【０００５】

【発明が解決しようとする課題】しかしながら、図１５
に示す処理によれば未知パターンを高精度に認識するこ
とができるが、問題点は依然として残っている。すなわ
ち、未知パターンを必ずしも高信頼度で認識できるとは
限らず、最適候補であっても精度には疑問が残る場合が
ある。

【０００６】したがって、本発明の目的は、未知パター
ンを高信頼度で認識することができない場合を検出する
ことにある。本発明のさらなる目的は、未知パターンを
高信頼度で認識することができないという指標を求める
ことである。これにより、未知パターンの最適認識候補
であっても精度には疑問が残るような場合に、未知パタ
ーンの認識精度が低いことを示すことができる。

【０００７】

【課題を解決するための手段】本発明のパターン認識装
置は、未知パターンに対する認識候補を求めるパターン
認識手段と、認識候補の信頼度を決定する信頼度決定手
段と、認識候補の信頼度が所定値より高い場合に認識候
補を出力し、信頼度が所定値より低い場合には認識失敗
信号を出力する処理手段とを備える。

【０００８】また、画像情報からパターンを切り出すホ
ストと、該ホストから転送されたパターンに対する認識
候補を出力し、認識候補の信頼度を決定する信頼度決定
手段を有するパターン認識手段とを備え、該ホストは、
認識候補の信頼度が所定値より高い場合に認識候補を出
力し、信頼度が所定値より低い場合には認識失敗信号を
出力する。

【０００９】また、ネットワークバスと、該ネットワー
クバスに接続され、画像情報を入力するための画像入力
手段と、該ネットワークバスに接続され、未知パターン
に対する認識候補を求め、認識候補の信頼度を決定する
信頼度決定手段を有するパターン認識手段と、該ネット
ワークバスに接続された複数の処理手段であって、各該
処理手段は、前記画像入力装置から入力された画像情報
からパターンを切り出し、パターンを前記パターン認識
手段に入力し、前記パターン認識手段から認識候補と信
頼度とを受信する複数の処理手段とを備える。

【００１０】本発明のパターン認識方法は、未知パター
ンに対する認識候補を出力する行程と、認識候補の信頼
度を計算する行程と、高信頼度の場合に認識候補を出力
し、低信頼度の場合に認識失敗信号を出力する行程とを
備える。また、画像情報からパターンを切り出す行程
と、パターンに対する認識候補を出力する行程と、認識
候補の信頼度を計算する行程と、高信頼度の場合に認識
候補を出力し、低信頼度の場合に認識失敗信号を出力す
る行程とを備える。

【００１１】また、ネットワークバスに接続された画像
入力手段から画像情報を入力する行程と、前記画像情報
からパターンを切り出す行程と、前記パターンごとに認
識候補を出力する行程と、各認識候補の信頼度を計算す
る行程と、各パターンに対する認識候補と信頼度とをネ
ットワークバス上に転送する行程とを備える。

【００１２】

【実施例】図１は、本実施例のパターン認識装置の全体
構成を示すブロック図である。図１に示す通り、パター
ン認識装置は、プログラマブル・マイクロプロセッサ
（例えば、ＥＺＰＳ３５００）などのホストＣＰＵ１
０、画像スキャナやファクシミリ受信装置などの画像デ
ータ入力装置１１、入力装置１１から入力された画像デ
ータを記憶する画像メモリ１２、ホストＣＰＵ１０から
ＳＣＳＩインタフェース１３を介して転送された未知パ
ターンを認識し、未知パターンの候補をインタフェース
１３を介してホストＣＰＵに転送する文字認識装置１
４、文字認識装置１４から転送された候補を記憶する文
字メモリ１５、パターン認識結果を表示するディスプレ
イ１６を備える。

【００１３】図２は、文字認識装置１４の詳細な構成を
示すブロック図である。図２に示す通り、文字認識装置
１４は通信部と認識部とから構成される。通信部は、プ
ログラマブル・マイクロプロセッサ６８０００などのマ
イクロプロセッサ２１が接続される通信バス２０、マイ
クロプロセッサ２１において実行される処理ステップを
保持するプログラマブル・リードオンリーメモリ（ＰＲ
ＯＭ）２２、ホストＣＰＵ１０との通信をバッファリン
グするバッファメモリ２４、ホストＣＰＵ１０とのダイ
レクトメモリアクセス（ＤＭＡ）を制御するためのＤＭ
Ａ制御部２５、ホストＣＰＵ１０とインタフェース１３
を介して通信するためのＳＣＳＩ制御部２６、通信部と
認識部との間で内部的なバッファリングを行う内部バッ
ファメモリ２７を備える。

【００１４】認識部は、上述の内部バッファメモリ２７
ならびにテキサスインスツルメンツ製デジタル信号プロ
セッサ（ＴＭＳ３０２Ｃ２５）などのデジタル信号プロ
セッサ（ＤＳＰ）が接続される認識バス２９、ＤＳＰ３
０において実行される処理ステップを保持するＰＲＯＭ
３１、未知パターンから特徴ベクトルを抽出する特徴抽
出装置３２、未知パターンに対する認識候補を辞書ＲＯ
Ｍ３５ａと３５ｂから複数個選択する大分類装置３４、
詳細辞書データを用いて大分類での認識候補を絞りホス
トＣＰＵ１０に送って後処理を行うための詳細辞書ＲＯ
Ｍ３６とを備える。

【００１５】図３は、大分類装置３４の詳細な構成を示
すブロック図である。図３に示すように、大分類装置３
４は主制御ロジック３７を備え、大分類装置３４中の様
々な構成要素を制御する。すなわち、主制御ロジック３
７は辞書制御部３９、分類部４０、ソート部４１、デー
タＲＡＭ４４を制御するＲＡＭ制御部４２を制御する。
また、新しい出力が得られると、主制御ロジック３７は
新しい処理結果が出力可能であることを示す「新しい提
案出力」フラグ（ＮＰＯ）をＤＳＰ３０に対してたて
る。

【００１６】具体的には、辞書制御部３９は、辞書ＲＯ
Ｍ３５ａと３５ｂとを制御する。図３に示すように、辞
書制御部３９は、インタリーブ制御信号４５と辞書アド
レス４６とを出力する。このような信号によって、辞書
ＲＯＭ３５ａと３５ｂとを同時に読み出すことが可能と
なり、辞書ＲＯＭを交互に読み出す場合よりも高速に辞
書中の特徴ベクトルを分類部４０に入力することができ
る。尚、ここでは図示していないが、３つ以上の辞書Ｒ
ＯＭを読み出す際にこれらの信号を用いることも可能で
ある。

【００１７】分類部４０は、辞書特徴ベクトルと未知パ
ターンの特徴ベクトルとの間の距離を計算するための演
算部を２つ（辞書ＲＯＭごとに１つずつ）備えている。
分類部４０は、主制御ロジック３７からの制御に応じ
て、３つの距離関数、すなわちマハラノビス距離関数，
絶対値平均距離関数，２乗平均距離関数のうちの１つを
用いて距離の計算を行う。具体的には、マハラノビス距
離関数を用いる場合には、未知パターンの特徴ベクトル
Ｘと辞書ＲＯＭからの特徴ベクトルＷとの間の内積が計
算される。

【００１８】

【数１】

【００１９】ここで、ｋｍａｘは特徴ベクトルの次元数
であり、ｚ＝−２Ｃ^-1Ｗ（Ｃは辞書ベクトルの平均共分
散行列）、Ｘ₀ ＝１、Ｗ₀ ＝Ｗ^T Ｃ^-1Ｗである。絶対値
平均距離関数を用いる場合には、未知パターンの特徴ベ
クトルＸと辞書ＲＯＭからの特徴ベクトルＷとの間の絶
対値距離の全てを加算する。

【００２０】

【数２】

【００２１】２乗平均距離関数を用いる場合には、未知
パターンの特徴ベクトルＸと辞書ＲＯＭからの特徴ベク
トルＷとの間の距離の２乗が加算される。

【００２２】

【数３】

【００２３】このように計算された距離値は、距離値に
対応する候補とともに、ソート部４１に入力される。ソ
ート部４１では、分類部４０から入力される距離値を、
主制御ロジック３７からの制御信号に応じて昇順あるい
は降順でソートする。

【００２４】ソート部４１については、本出願の発明者
による１９９０年７月１９日出願の米国出願番号０７／
５５４３８４（対応日本出願特開平４−２２７５３２
号）に詳細に記されている。

【００２５】分類部４０が辞書ＲＯＭ３５ａと３５ｂ中
の各特徴ベクトルを処理すると、主制御ロジック３７
は、ソート部４１に対して、ソートされた距離値ならび
に対応する認識候補とをデータＲＡＭ４４に転送するよ
うに指示する。データＲＡＭ４４はＲＡＭ制御部４２と
主制御ロジック３７との制御に応じて、ソートされた距
離値と対応する認識候補とを連続する記憶位置に記憶す
る。ここで、データＲＡＭ４４の記憶容量を効率良く使
用するためには、距離値と認識候補とのどちらか一方を
データＲＡＭに記憶することが好ましい。尚、この選択
は、ＲＡＭ制御部４２からの制御に応じて行われる。

【００２６】図４は、大分類装置３４の動作を説明する
ためのフローチャートである。ステップＳ４１におい
て、ＤＳＰ３０は制御語をＲＡＭ制御部４２中の制御レ
ジスタ４２ａに書き込む。図５は、制御語のビット割り
当てを示したものである。図示のように、ビット１５は
開始ビットであり、大分類装置３４に対して分類／ソー
ト処理の開始を指示する。ビット１４はタグビットであ
り、ソート部４１からの距離値をデータＲＡＭ４４に記
憶するか、あるいはソート部４１からの認識候補を記憶
するかを装置に指示するために用いられる。ビット１３
は、ソート処理を昇順で行うか、降順で行うかを示すビ
ットである。ビット９と１０とは、大分類装置がソート
処理を行わずに単に距離値を計算して、データＲＡＭ４
４で単にデータをソートするのか、あるいは距離値計算
と計算された距離値のソート処理とを２つとも行うのか
を示すビットである。ビット７と８は、上述のマハラノ
ビス距離関数，絶対値平均距離関数，２乗平均距離関数
のうち、どの距離関数を分類部４０で用いるかを示すビ
ットである。ビット６は、データＲＡＭ４４中に上位１
００個の認識候補を記憶するのか、上位５２個の認識候
補を記憶するのかを示すビットである。ビット５は、辞
書ＲＯＭ３５ａと３５ｂ中でデータをアクセスし始める
位置を示すビットである。ビット５に１がセットされる
と、辞書ＲＯＭは最初からアクセスが開始される。一
方、ビット５に０がセットされると、辞書ＲＯＭは最後
のアクセスアドレスからアクセスが開始される。ビット
０〜２は辞書ＲＯＭモードを示すビットであり、装置中
の辞書ＲＯＭ数とこれらの辞書ＲＯＭに対するインタリ
ーブ法とを示している。

【００２７】図４に戻り、ステップＳ４２において、Ｄ
ＳＰ３０は未知パターンの特徴ベクトルを認識バス２９
に出力し、ＲＡＭ制御部４２は特徴ベクトルをデータＲ
ＡＭ４４中の連続する位置に記憶する。ステップＳ４３
では、ソート部４１のメモリを所定値に初期化して、ソ
ート処理に備える。

【００２８】ここでの所定値は、昇順ソートであるか降
順ソートであるかに応じて、予測される最大値あるいは
予測される最小値にセットされる。尚、図７を参照して
以下に詳細に説明するが、ほかの初期値を用いることも
可能である。

【００２９】ステップＳ４４において、データＲＡＭ４
４は開始ビット１５に応じて未知パターンの特徴ベクト
ルを分類部４０に入力する。次いで、辞書制御部３９は
ＲＯＭアクセス開始ビット５に示される順序で辞書ＲＯ
Ｍ３５ａと３５ｂとにアクセスし、辞書ＲＯＭ中の認識
候補パターンに対応する特徴ベクトルを分類部４０に入
力する。この際、マハラノビス距離関数を用いる場合に
は、辞書特徴ベクトルＷを式（１）において上述したよ
うに前処理して中間ベクトルＺ＝−２Ｃ^-1Ｗを求めてお
き必要がある。一方、図示してはいないが、マハラノビ
ス距離関数が選択されるときに限り、別の辞書を用いる
こともできる。この別の辞書には、式（１）にしたがっ
て前処理され、未知の特徴ベクトルに対して直接適用す
ることのできる特徴ベクトルが記憶される。

【００３０】ステップＳ４５において、分類部４０は未
知特徴ベクトルと認識候補特徴ベクトルとの間の距離値
を計算する。距離値を計算する際に用いる距離関数は、
制御レジスタ４２ａに保持される制御語のビット７と８
によって選択される。ステップＳ４６では、新しく計算
された距離値をソート部４１に入力する。ソート部４１
は新たな距離値をそれ以前に計算されている距離値中
に、上述の特開平４−２２７５３２号に示す手法でソー
トする。このソート処理は、制御レジスタ４２ａ中の制
御語のビット６に応じて、上位１００個もしくは上位５
２個の認識候補を用いて行われ、ビット１３に応じて昇
順あるいは降順で行われる。

【００３１】辞書ＲＯＭ３５ａと３５ｂにほかの特徴ベ
クトルが残っている場合には、ステップＳ４７において
制御がステップＳ４３に戻される。一方、すべての特徴
ベクトルの処理を終えると、処理はステップＳ４８に進
み、ソートされた認識候補とともにソートされた距離値
がデータＲＡＭ４４に書き込まれる。ＲＡＭ４４は、制
御レジスタ４２ａ中の制御語のビット１４に応じて、距
離値あるいは認識候補のどちらかを記憶する。データは
データＲＡＭ４４の連続する位置に書き込まれ、ステッ
プＳ４２で記憶した未知特徴ベクトルのデータに重ね書
きされる。

【００３２】ステップＳ４９において、大分類装置３４
はＮＰＯフラグ（図３参照）をたて、ＤＳＰ３０に新し
い提案出力が入力可能である旨を示す。すると、デジタ
ル信号プロセッサ３０は認識バス２９を介してデータＲ
ＡＭ４４を読み出し、以下詳述するようにソートされた
データの処理を行う。図６は、図１，図２，図３に示し
たパターン認識装置の動作を説明するフローチャートで
ある。図６に示す処理ステップは、ホストＣＰＵ１０の
不図示のメモリ、マイクロプロセッサ２１のＰＲＯＭ２
２、ＤＳＰ３０のＰＲＯＭ３１中でコンピュータプログ
ラムとして保持されており、以下の説明から明らかなよ
うに、それぞれホストＣＰＵ１０、マイクロプロセッサ
２１、デジタル信号プロセッサ３０において実行され
る。

【００３３】図６に示す処理では、大分類装置３４にお
いてソートされたデータに対して、ソート部４１でソー
トされた距離値に基づいて信頼度を求める。距離値が所
定のしきい値よりも小さい場合には、大分類処理の信頼
度は高い。一方、距離値が所定レベル以上であれば、大
分類処理において判断された認識候補の信頼度は低く、
認識処理の失敗となる。

【００３４】ステップＳ６０１において、画像データは
入力装置１１からホストＣＰＵ１０に入力される。ホス
トＣＰＵ１０は画像データを画像メモリ１２に記憶し、
ステップＳ６０２において画像を個々のパターンとして
切り出す。ホストＣＰＵ１０は順次切り出されたパター
ンをインタフェース１３を介して文字認識装置１４に転
送する。

【００３５】ステップＳ６０３において、文字認識装置
１４はＳＣＳＩコントロ−ラ２６を介して未知のパター
ンを入力し、未知パターンをバッファメモリ２４に保持
する。バッファメモリ２４は、ホストＣＰＵ１０から転
送されたパターンを保持し、認識バス２９にパターンを
連続して出力できるように、マイクロプロセッサ２１に
よって制御されている。通信バス２０と認識バス２９と
の間のインタフェースは内部バッファメモリ２７として
行われる。

【００３６】ステップＳ６０４において、内部バッファ
メモリ２７を介して認識バス２９に転送された未知パタ
ーンは、デジタル信号プロセッサ（ＤＳＰ）３０によっ
て特徴抽出装置３２に転送される。既知のように、特徴
抽出装置３２では、各ベクトル要素がストロークの位
置，方向及び長さなどの未知パターンのさまざまな特徴
を表している特徴ベクトルが求められる。一般に、各未
知パターンごとに２００個程度のさまざまな特徴が抽出
される。

【００３７】ステップＳ６０５において、デジタル信号
プロセッサ３０は制御語を大分類装置３４の制御レジス
タに書き込み、ソートされた認識候補ではなくソートさ
れた距離値を大分類装置３４が出力するように指示する
（すなわち、ビット１４を“１”にセットする）。ま
た、ステップＳ６０４で求めた特徴ベクトルの一部を、
大分類装置３４中のデータＲＡＭ４４に転送する。さら
に、大分類装置３４中で開始ビットをセットし、図４に
おいて述べたように、未知パターンの特徴ベクトルと辞
書ＲＯＭ３５ａと３５ｂとに記憶されている特徴ベクト
ルとの比較処理を大分類装置が実行するように指示す
る。

【００３８】ステップＳ６０６において、大分類装置３
４からのＮＰＯ信号を検出すると、デジタル信号プロセ
ッサ３０は大分類装置からのソートされた距離値を調べ
る。ここで、大分類装置３４からの最適距離値が所定値
より小さければ、すなわち距離値が少なくとも１つの認
識候補が近いことを示していれば、この認識候補の信頼
性は高いと判断する。この場合には、ステップＳ６０７
において、大分類処理を再び実行するが、今回はデジタ
ル信号プロセッサ３０は制御語を大分類装置３４に書き
込み、ソートされた認識候補を装置が出力するように指
示する（すなわち、ビット１４を“０”にセットす
る）。ステップＳ６０７においてソートされた認識候補
は、内部バッファメモリ２７を介して認識バス２９から
通信バス２０に転送され、さらにバッファメモリ２４と
ＳＣＳＩコントロ−ラ２６を介してインタフェース１３
でホストＣＰＵ１０に転送される。

【００３９】ステップＳ６０８において、ホストＣＰＵ
１０は認識候補に対して後処理を施し、未知パターンに
認識結果を割り当てる。すなわち、後処理では、スペル
チェック，構文チェック及び内容チェック（例えば、数
字中の文字、あるいはその逆を認識失敗とみなす）など
を行う。尚、ステップＳ６０８の処理の前に、図１５の
ステップＳ１５０５に示したような詳細分類処理を行う
こともできるが、ステップＳ６０６において認識候補の
信頼性が高いことが保証されているため必ずしも必要で
はない。未知パターンの認識結果は文字メモリ１５に記
憶され、ディスプレイ１６に表示される（ステップＳ６
０９）。

【００４０】一方、ステップＳ６０６において、ステッ
プＳ６０５の大分類処理において求められた最適距離値
が所定値以上であれば、ステップＳ６１０においてソー
トされた認識候補を出力する大分類処理を実行する。次
いで、ステップＳ６１１において、ソートされた認識候
補に対して詳細分類処理を行い、未知パターンに対する
許容可能な認識候補を求めることを試みる。この詳細分
類処理では、ステップＳ６０４で抽出された全ての特徴
ベクトルと詳細辞書ＲＯＭ３６に記憶されている全ての
特徴ベクトルとの比較処理を行う。

【００４１】この詳細な処理においては、マハラノビス
距離関数や２乗平均距離関数や絶対値平均距離関数の他
あるいは代わりに、擬似ベイズ(pseudo-boyesian) 識別
関数などの他の識別関数を用いることができる。擬似ベ
イズ識別関数法では、距離を計算する際に、特徴ベクト
ルの最初のＫ個の要素を用いる。次いで、残りの要素の
平均値をｈと仮定して、残りの要素の代わりにｈを用い
て距離を計算する。このような手法によれば、多数の特
徴ベクトルの距離計算を短い時間で行うことができる。
さらに、ステップＳ６１０において大分類を行っている
ため、詳細辞書ＲＯＭ３６中のすべての要素に対して距
離関数を計算する必要はなく、大分類ステップＳ６１０
において求められた認識候補のみに対して計算すれば良
い。

【００４２】ステップＳ６１２では、詳細分類処理にお
いて求めた距離値を調べて、許容可能な認識候補が得ら
れたかどうかを判断する。最適認識候補の距離値が所定
距離より小さければ、認識候補は許容可能であると判断
され、処理をステップＳ６０８とステップＳ６０９に進
めて、上述のように後処理と表示処理とを行う。一方、
最適認識候補の距離値が所定距離以上であれば、認識候
補は許容可能であるとは言えず、最適認識候補であって
も信頼性指標は低い。この場合には、処理をステップＳ
６１３に進め、低信頼性指標をセットする。この指標
は、未知パターンに対する最適認識候補であっても、信
頼性には疑問があることを意味する。ステップＳ６１１
やＳ６０９で実行される詳細分類処理や後処理は必要で
はない。そこで、大分類処理Ｓ６１０において判断され
た最適認識候補を単にホストＣＰＵ１０に転送して、文
字メモリ１５に低信頼性指標とともに最適認識候補を記
憶し、反転表示などの低信頼性指標とともに最適認識候
補をディスプレイ１６上に表示する（ステップＳ６１
４）。

【００４３】ステップＳ６１５では、認識結果が得られ
ていない未知パターンがあるかどうかを調べる。パター
ンがほかにあればステップＳ６０３に処理を戻し、パタ
ーンがほかになければ処理を終了する。

【００４４】図７は、図１，図２，図３に示したパター
ン認識装置の第２の動作モードを示すフローチャートで
あり、ここでは未知パターンの認識候補に対して信頼度
が求められる。図７において、ステップＳ７０１，Ｓ７
０２，Ｓ７０３、，７０４は、それぞれステップＳ６０
１，Ｓ６０２，Ｓ６０３，Ｓ６０４に対応する。

【００４５】ステップＳ７０５において、ソート部４１
のソートメモリは、未知パターンの認識候補に対する許
容信頼度に対応した所定のしきい値に初期化される。ソ
ートメモリをこのしきい値に初期化することで、ソート
メモリは距離値が所定値以上である辞書ＲＯＭ３５ａと
３５ｂ中の認識候補を自動的に無視する。適切にＤＳＰ
３０をプログラミングすることで、ソートメモリにしき
い値をセットすることができる。また、大分類装置３４
において、未知パターンの特徴ベクトルを処理するより
も前に、はじめに「ダミー」の特徴ベクトルデータを処
理することで、しきい値をソートメモリにセットするこ
ともできる。すなわち、「ダミー」特徴ベクトルデータ
は、辞書特徴ベクトルから既知の距離値を有するように
予め選択されたものであり、ソートメモリには大分類装
置の処理中に自動的にこの既知の距離値が記憶される。
未知パターンの特徴ベクトルの処理は「ダミー」の特徴
ベクトルの後に、またソートメモリを再初期化せずに行
われ、ソートメモリには効率良くしきい値がセットされ
ている。

【００４６】ステップＳ７０６において、デジタル信号
プロセッサ３０は大分類装置３４に制御語を書き込み、
大分類装置３４にソートされた距離値ではなくソートさ
れた認識候補を出力するように指示する。次いで、開始
ビットをセットして、大分類装置３４において未知パタ
ーンの特徴ベクトルと辞書ＲＯＭ３５ａと３５ｂ中の特
徴ベクトルとの比較処理を実行する。上述のように、ソ
ートメモリは許容信頼度に対応する所定のしきい値に初
期化されているため、認識候補の中で最小許容信頼度を
満たす候補のみに対してソート処理が行われ、デジタル
信号プロセッサ３０に転送される。

【００４７】ステップＳ７０７では、大分類処理の結果
を調べて、大分類装置３４から認識候補が出力されたか
どうかを判断する。認識候補が出力された場合には、こ
の出力された認識候補は最小許容信頼度を満たしている
ことになり、ステップＳ７０８で詳細認識処理を、ステ
ップ７０９で後処理を、ステップ７１０で記憶と表示処
理を行う。ステップＳ７０５においてセットされたしき
い値と出力された認識候補数とによっては、ステップＳ
７０８の詳細分類処理は必要ではなく、詳細分類処理を
省略することも可能である。

【００４８】一方、ステップ７０７において、大分類装
置３４から認識候補が出力されない場合には、いかなる
認識候補も最小許容信頼度を満たしていないことにな
る。そこで、ステップＳ７１１において、認識失敗処理
を行って低信頼性指標をセットする。この際、大分類装
置３４中のソートメモリを異なったより大きな値に初期
化して、大分類処理を再び実行し、未知パターンに対し
て少なくとも１つの認識候補を得ることもできる。しか
し、このようにして得られた認識候補の信頼性は低いた
め、単にホストＣＰＵ１０に「？」のような「不明文
字」を表す記号を出力し、ホストＣＰＵ１０は不明文字
記号を文字メモリ１５に記憶し、ディスプレイ１６に表
示するだけの方が好ましい。

【００４９】ステップＳ７１３では、パターン認識を行
わなければならない他のパターンがあるかどうかを調べ
る。他のパターンがある場合には処理をステップＳ７０
３に戻し、一方他にパターンがない場合には処理を終え
る。図８ａと図８ｂは、図１，図２，図３において示し
たパターン認識装置のさらなる動作モードを説明するた
めのフローチャートである。図８に示す処理では、３つ
の異なる距離計算関数を用いて未知パターンを大分類処
理して得られた認識候補に基づいて、信頼度が計算され
る。すなわち、異なる距離計算関数ごとの最適認識候補
が同一であれば、パターン認識候補の精度の信頼性は高
いと判断される。一方、異なる距離計算関数ごとに異な
る認識候補が得られた場合には、認識候補の信頼性は低
いと判断される。

【００５０】図８において、ステップＳ８０１，Ｓ８０
２，Ｓ８０３，Ｓ８０４はそれぞれステップＳ６０１，
Ｓ６０２Ｓ，６０３，Ｓ６０４と同一である。ステップ
Ｓ８０５において、デジタル信号プロセッサ３０は制御
語のビット７と８をセットしてマハラノビス距離関数を
選択し、ソートされた認識候補をデータＲＡＭ４４に記
憶するようにビット１４をセットする。次いで、開始ビ
ット１５をセットし、大分類装置３４に未知パターンの
特徴ベクトルと辞書ＲＯＭ３５ａと３５ｂ中の各特徴ベ
クトルとの比較処理をマハラノビス距離関数を用いて開
始するように指示する。この第１の大分類処理によって
得られたソートされた認識候補は内部バッファメモリ２
７に記憶される。

【００５１】ステップＳ８０６では、絶対値平均距離関
数を選択するように制御語のビット７と８とをセットす
ること以外はステップＳ８０５と同一の第２の大分類処
理を実行する。ここでも再び、大分類装置３４において
得られたソートされた認識候補は内部バッファメモリ２
７に記憶される。ステップＳ８０７では、２乗平均距離
関数を選択するように制御語のビット７と８とをセット
すること以外は上の２つの処理と同一の第３の大分類処
理を実行する。ここでも再び、大分類装置３４において
得られたソートされた認識候補は内部バッファメモリ２
７に記憶される。

【００５２】ステップＳ８０８において、異なる距離計
算ごとの最適認識候補を比較する。これらの認識候補が
同一であれば、認識候補の精度に関する信頼性は高いと
判断される。したがって、一般には詳細分類処理や後処
理は必要ではなく、ステップＳ８０９で最適認識候補は
単に記憶されて表示される。一方、ステップＳ８０８で
距離計算ごとに最適認識候補が異なる場合には、ステッ
プＳ８１０において最適認識候補を比較してすべてが異
なるかどうかを調べる。最適認識候補がすべて異なる場
合には、パターン認識処理の精度に関する信頼性は低い
と判断され、ステップＳ８１１で低信頼性指標をセット
する。次いで、ステップＳ８１２において、ホストＣＰ
Ｕ１０は、１つの距離計算で選択された認識候補を低信
頼性指標とともに文字メモリ１５に記憶し、選択された
認識候補をディスプレイ１６上に低信頼性指標ととも
に、例えば反転表示して表示する。

【００５３】ステップＳ８１２において記憶され表示さ
れた認識候補は、異なる距離計算関数から得られた最適
認識候補の中で任意に選択される。しかし、特定の特徴
を有する未知パターンに対しては、１つの距離関数を用
いれば他の距離関数を用いるよりも精度良く認識するこ
とが可能である。

【００５４】例えば、絶対値平均距離は、高品質で大き
なフォントサイズの画像に適している。したがって、こ
のような画像に対しては、ステップＳ８１２における最
適候補として、絶対値平均距離からの最適候補を選ぶ。
一方、低品質で小さなフォントサイズの画像に対して
は、マハラノビス距離関数と２乗平均距離関数とがより
精度良い結果を与える。したがって、このような画像に
対しては、絶対値平均距離関数から得られた最適認識候
補よりも、マハラノビス距離関数あるいは２乗平均距離
関数どちらかからの最適認識候補を用いるべきである。

【００５５】ステップＳ８１０に戻り、異なる距離関数
からの最適認識候補がすべて異なるわけではない場合、
すなわちいくつかの最適認識候補が同一である場合に
は、信頼度の高い認識候補が得られるかどうかを調べる
ための処理を更に行う。すなわち、処理をステップＳ８
１３に進め、最適認識候補に対して詳細分類処理を行
う。ステップＳ８１４では詳細分類処理において選択さ
れた認識候補に対する信頼度を計算する。この信頼度
は、詳細分類処理において出力される距離値に基づいて
計算される。例えば、距離値が大きい場合には信頼度は
低く、逆に距離値が小さい場合には信頼度が高い。同様
に、ステップＳ８１４において上位の認識候補の距離値
を比較することでも信頼度を計算することができる。上
位の認識候補の距離値間の差が小さい場合には信頼度は
低く、逆の場合には信頼度は高い。

【００５６】ステップＳ８１５においてステップＳ８１
４で計算された信頼度が低い場合には、ステップＳ８１
６において低信頼性指標をセットし、ステップＳ８１７
において、ＣＰＵ１０はステップＳ８１３における最適
認識候補を低信頼性指標とともに文字メモリ１５に記憶
し、最適認識候補をディスプレイ１６上に低信頼性指標
とともに、例えば反転表示で表示する。

【００５７】一方、ステップＳ８１５において、信頼度
が高い場合には、ステップＳ８１８においてＣＰＵ１０
はステップＳ８１３における最適認識候補を文字メモリ
１５に記憶し、最適認識候補をディスプレイ１６上に表
示する。次いで処理をステップＳ８１９に進め、パター
ン処理を行わなければなならい他のパターンが存在する
かどうかを調べる。存在する場合には処理をステップＳ
８０３に戻し、存在しない場合には処理を終了する。

【００５８】図９は、本発明におけるパターン認識装置
のさらなる実施例を示す図である。図９において、上述
の部位と同様の機能を果たす部位に対しては、同一の参
照番号を付してある。図９のパターン認識装置におい
て、ホストＣＰＵ１０は画像データ入力装置１１から画
像データを入力し、画像データを画像メモリ１２に記憶
する。画像メモリ中の画像データは、ＣＰＵ１０によっ
て個々の未知のパターンに切り出され、インタフェース
１３を介して文字認識装置１４に転送される。すると、
文字認識装置１４は、図１から図９を用いて上述したよ
うに、特徴抽出処理を行って未知パターンの特徴ベクト
ルを求め、特徴ベクトルに基づいて大分類を行い、大分
類結果に基づいて詳細分類処理を行う。詳細分類処理に
よって求められた認識候補はバス１３を介してホストＣ
ＰＵ１０に転送され、ホストＣＰＵ１０は後処理を行っ
て未知パターンに対して認識結果を割り当てる。

【００５９】未知パターンの認識結果は、バス５１を介
してローカルエリアネットワークバス５２に転送され
る。このローカルエリアネットワークバス５２には、複
数の独立したコンピュータ５３がアクセスでき、コンピ
ュータ５３のそれぞれがパターン認識装置のパターン認
識機能を利用することができる。図９に示す実施例の動
作は、これを除いて上述の実施例の動作と同一である。

【００６０】図１０は、本発明におけるパターン認識装
置のさらなる実施例を示す図である。図１０において、
上述の部位と同様の機能と構造を有する部位に対して
は、同一の参照番号を付してある。図１０において、ロ
ーカルエリアネットワークバス５２には、画像データ入
力装置１１、文字認識装置１４、複数の独立したコンピ
ュータが接続される。このような構成によれば、各独立
したコンピュータ５３は画像データ入力装置１１の画像
データ入力機能にアクセスでき、このように入力した画
像データを文字認識装置１４に転送して未知パターンの
認識結果を得ることができる。また、この構成によれ
ば、ホストＣＰＵや画像メモリを備える必要がない。上
述の実施例においてホストＣＰＵ１０や画像メモリ１２
が行う処理は、独立のコンピュータ５３において実行す
ることができるためである。

【００６１】図１１と図１２とは、入力装置１１から入
力された画像データが、文字から成る画像データと画像
から成る画像データとを含む場合の、上述の実施例の動
作を説明する図である。すなわち、図１１の（ａ）に示
すように、一般に画像データには、文字やテキストデー
タの画像から成る領域６１と、グラフ，絵，チャートな
ど文字でない画像データから成る領域６２とが含まれ
る。このような画像においては、文字領域６１と非文字
領域６２とを区別して、文字領域６１に対して文字認識
を行い、図１１の（ｂ）に示すように、入力画像中の文
字領域は復号した文字の認識結果で表現し、画像領域は
そのまま画像情報として表現して記憶すると便利であ
る。

【００６２】図１２は、図１１のような動作モードを示
すフローチャートである。ステップＳ１２０１におい
て、画像データが入力される。次いで、画像データを調
べて各ブロック情報を明らかにし、各ブロック情報を文
字情報を含むブロックと非文字情報を含むブロックとに
識別する（ステップＳ１２０２）。ここでの識別処理と
しては、例えば米国特許４，７０１，８０７や４，７２
９，０３５などに記されている手法を用いることができ
る。

【００６３】ステップＳ１２０３では、ステップＳ１３
０２において文字ブロックと識別されたかどうかを判断
する。文字ブロックでない場合には、ステップＳ１２０
４において画像データを処理せずに記憶する。一方、文
字ブロックである場合には、ステップＳ１２０５におい
て上述の手法のうちの一つを用いて文字認識処理を行
う。そして、ステップＳ１２０６において、文字の認識
結果が記憶される。

【００６４】ステップＳ１２０７では、画像あるいは文
字どちらかの記憶したデータが出力される。この際、記
憶したデータを、モデムを介して電話インタフェースに
出力することもできる。この場合には、文字データはＡ
ＳＣＩＩコードなどの符号形式で出力され、画像データ
はＣＣＩＴＴのＧ３ファクシミリ標準符号化方式などの
画像形式で出力される。

【００６５】図１３と図１４とは、本発明のさらなる実
施例を説明する図であり、この実施例ではワ−ド処理さ
れたテキストの文字認識結果を再確認することができ
る。再確認処理を行うことで、ワード処理されたテキス
トの画像から、パターン認識処理によって元のワード処
理されたテキストファイルを復元できることが保証され
る。すなわち、例えば、ワード処理されたテキストをフ
ァクシミリで離れた地点に送信する場合（例えば、「Ｐ
Ｃ−ｆａｘ」でワード処理装置から直接送信する場合）
には、再確認処理を行うことで、離れた地点で受信した
画像に対して文字認識処理を行った結果が元のワード処
理されたテキストファイルであることが保証される。

【００６６】図１３において、テキストファイル７０は
プリント部７１でプリントアウトされ、ファクシミリ送
信部７２でファクシミリ送信される。ここで「ＰＣ−ｆ
ａｘ」を用いる場合にはプリントアウトは行わず、点線
で示されているように、テキストファイルは画像変換部
７６で出力画像に変換されファクシミリ送信部７２でフ
ァクシミリ送信される。ファクシミリ受信部７３で受信
した画像に対して文字認識部７４で文字認識を行い、テ
キストファイル７５を生成する。なお、文字認識部７４
は上述のパターン認識システムのいずれかの手法を用い
て行うことができる。

【００６７】テキストファイル７５にテキストファイル
７０と同一の情報が含まれることを保証するためには、
画像変換，送信及びパターン認識の処理結果を再確認す
る必要がある。そこで、テキストファイル７０に対して
画像変換部７６で電子的な画像変換処理を行う。ここで
生成された画像は、プリント部７１で用いられる様々な
フォントやサイズを模擬したものである。画像変換部７
６で変換された画像に対して、文字認識部７７で文字認
識処理を施し、テキストファイル７８を生成する。

【００６８】表示部７９に元のテキストファイル７０が
表示され、表示部８０にパターン認識されたテキストフ
ァイル７８が表示される。ここで、表示は、ディスプレ
イ上のデータ表示例を示す図１４のように、それぞれ隣
合うように行われる。そこで、２つのテキストファイル
の比較を行い、２つのテキストファイル間での差異を求
める。参照番号９０で反転文字で示されるように、２つ
のファイル間での差異が存在する場合は、７１，７２，
７３，７４及び７５で送信処理を行うときに元のテキス
トファイルを復元できないことを意味する。したがっ
て、テキストファイル７８がテキストファイル７０と同
一になるまで、テキストファイルへの修正処理、あるい
はテキストファイルを異なるフォント，スタイル，サイ
ズなどでプリントアウトする処理などを行う。このよう
な修正処理を行うことで、ファクシミリ送信後の文字認
識処理を行ってもテキストファイル７０と同一のテキス
トファイル７８が得られることが保証される。

【００６９】

【発明の効果】本発明により、未知パターンを高信頼度
で認識できていない場合を検出できる。さらに、未知パ
ターンを高信頼度で認識できないという指標を求めるこ
とにより、未知パターンの最適認識候補であっても精度
には疑問が残るような場合に、未知パターンの認識精度
が低いことを示すことができる。

【図面の簡単な説明】

【図１】本実施例のパターン認識装置の全体ブロック図
である。

【図２】図１中の光学文字認識装置の詳細なブロック図
である。

【図３】図２中の大分類装置の詳細なブロック図であ
る。

【図４】図３の大分類装置の動作の流れを示すフローチ
ャートである。

【図５】図３の大分類装置で用いる制御語を説明する図
である。

【図６】本実施例の認識失敗処理の流れを説明するフロ
ーチャートである。

【図７】本実施例の認識失敗処理の流れを説明するフロ
ーチャートである。

【図８ａ】本実施例の認識失敗処理の流れを説明するフ
ローチャートである。

【図８ｂ】本実施例の認識失敗処理の流れを説明するフ
ローチャートである。

【図９】本発明におけるパターン認識装置の他の実施例
を示すブロック図である。

【図１０】本発明におけるパターン認識装置の他の実施
例を示すブロック図である。

【図１１】本実施例のパターン認識の例を説明するため
の図である。

【図１２】図１１のパターン認識処理の流れを説明する
ためのフローチャートである。

【図１３】本発明における他のパターン認識システムを
説明する機能ブロック図である。

【図１４】図１３のシステムにおけるパターン認識結果
を示す図である。

【図１５】既知のパターン認識処理の流れを説明するた
めのフローチャートである。

Claims (72)

【特許請求の範囲】
1. 【請求項１】 未知パターンに対する認識候補を求める
   パターン認識手段と、 認識候補の信頼度を決定する信頼度決定手段と、 認識候補の信頼度が所定値より高い場合に認識候補を出
   力し、信頼度が所定値より低い場合には認識失敗信号を
   出力する処理手段とを備えることを特徴とするパターン
   認識装置。
2. 【請求項２】 前記パターン認識手段は、未知パターン
   と少なくとも１つの既知パターンとの間の距離値を計算
   する分類手段を備えることを特徴とする請求項１記載の
   パターン認識装置。
3. 【請求項３】 前記信頼度決定手段は、前記分類手段か
   らの距離値に基づいて信頼度を決定することを特徴とす
   る請求項２記載のパターン認識装置。
4. 【請求項４】 前記分類手段は、未知パターンと少なく
   とも１つの既知パターンとの間のソートされた距離値
   と、未知パターンに対するソートされた認識候補とを、
   選択的に出力することを特徴とする請求項３記載のパタ
   ーン認識装置。
5. 【請求項５】 前記分類手段は複数の距離関数に基づい
   て未知パターンと少なくとも１つの既知パターンとの間
   の距離値を出力し、前記信頼度決定手段は複数の距離関
   数から出力された距離値を比較することで信頼度を決定
   することを特徴とする請求項２記載のパターン認識装
   置。
6. 【請求項６】 前記パターン認識手段は、認識候補が所
   定レベルよりも既知パターンに近い場合に、認識候補を
   出力する分類手段を備えることを特徴とする請求項１記
   載のパターン認識装置。
7. 【請求項７】 前記パターン認識手段は複数の認識候補
   を出力し、前記処理手段は複数の認識候補を処理するた
   めの詳細処理手段を備えることを特徴とする請求項１記
   載のパターン認識装置。
8. 【請求項８】 前記詳細処理手段は、信頼度に基づいて
   選択的に詳細処理を実行することを特徴とする請求項７
   記載のパターン認識装置。
9. 【請求項９】 前記未知パターンは文字パターンである
   ことを特徴とする請求項１記載のパターン認識装置。
10. 【請求項１０】 文字パターンと非文字パターンとを識
    別する識別手段をさらに備え、文字パターンが識別され
    た場合には前記パターン認識手段が認識候補を出力する
    ことを特徴とする請求項９記載のパターン認識装置。
11. 【請求項１１】 前記処理手段は文字情報処理手段を備
    え、該文字情報処理手段において処理された文字情報を
    前記パターン認識手段によって処理させるための再確認
    手段とをさらに備えることを特徴とする請求項９記載の
    パターン認識装置。
12. 【請求項１２】 画像情報からパターンを切り出すホス
    トと、 該ホストから転送されたパターンに対する認識候補を出
    力し、認識候補の信頼度を決定する信頼度決定手段を有
    するパターン認識手段とを備え、 該ホストは、認識候補の信頼度が所定値より高い場合に
    認識候補を出力し、信頼度が所定値より低い場合には認
    識失敗信号を出力することを特徴とするパターン認識装
    置。
13. 【請求項１３】 前記画像情報をホストに入力するため
    の画像情報入力手段をさらに備えることを特徴とする請
    求項１２記載のパターン認識装置。
14. 【請求項１４】 前記ホストが接続されるネットワーク
    バスをさらに備え、前記ホストはパターン認識のための
    該ネットワークバス上の命令に対して応答することを特
    徴とする請求項１２記載のパターン認識装置。
15. 【請求項１５】 前記パターン認識手段は、未知パター
    ンと少なくとも１つの既知パターンとの間の距離値を計
    算する分類手段を備えることを特徴とする請求項１２記
    載のパターン認識装置。
16. 【請求項１６】 前記信頼度決定手段は、前記分類手段
    からの距離値に基づいて信頼度を決定することを特徴と
    する請求項１５記載のパターン認識装置。
17. 【請求項１７】 前記分類手段は、未知パターンと少な
    くとも１つの既知パターンとの間のソートされた距離値
    と、未知パターンに対するソートされた認識候補とを、
    選択的に出力することを特徴とする請求項１６記載のパ
    ターン認識装置。
18. 【請求項１８】 前記分類手段は複数の距離関数に基づ
    いて未知パターンと少なくとも１つの既知パターンとの
    間の距離値を出力し、前記信頼度決定手段は複数の距離
    関数から出力された距離値を比較することで信頼度を決
    定することをとする請求項１６記載のパターン認識装
    置。
19. 【請求項１９】 前記パターン認識手段は、認識候補が
    所定レベルよりも既知パターンに近い場合に、認識候補
    を出力する分類手段を備えることを特徴とする請求項１
    ２記載のパターン認識装置。
20. 【請求項２０】 前記パターン認識手段は複数の認識候
    補を出力し、前記ホストは複数の認識候補を処理するた
    めの詳細処理手段を備えることを特徴とする請求項１２
    記載のパターン認識装置。
21. 【請求項２１】 前記詳細処理手段は、信頼度に基づい
    て選択的に詳細処理を実行することを特徴とする請求項
    ２０記載のパターン認識装置。
22. 【請求項２２】 前記未知パターンは文字パターンであ
    ることを特徴とする請求項１２記載のパターン認識装
    置。
23. 【請求項２３】 文字パターンと非文字パターンとを識
    別する識別手段をさらに備え、文字パターンが識別され
    た場合には前記パターン認識手段が認識候補を出力する
    ことを特徴とする請求項２２記載のパターン認識装置。
24. 【請求項２４】 前記ホストは文字情報処理手段を備
    え、該文字情報処理手段において処理された文字情報を
    前記パターン認識手段によって処理させるための再確認
    手段とをさらに備えることを特徴とする請求項２２記載
    のパターン認識装置。
25. 【請求項２５】 ネットワークバスと、 該ネットワークバスに接続され、画像情報を入力するた
    めの画像入力手段と、 該ネットワークバスに接続され、未知パターンに対する
    認識候補を求め、認識候補の信頼度を決定する信頼度決
    定手段を有するパターン認識手段と、 該ネットワークバスに接続された複数の処理手段であっ
    て、各該処理手段は、前記画像入力装置から入力された
    画像情報からパターンを切り出し、パターンを前記パタ
    ーン認識手段に入力し、前記パターン認識手段から認識
    候補と信頼度とを受信する複数の処理手段とを備えるこ
    とを特徴とするパターン認識装置。
26. 【請求項２６】 前記処理手段の各々は、認識候補の信
    頼度が所定値より高い場合に認識候補を出力し、信頼度
    が所定値より低い場合には認識失敗信号を出力すること
    を特徴とする請求項２５記載のパターン認識装置。
27. 【請求項２７】 前記パターン認識手段は、未知パター
    ンと少なくとも１つの既知パターンとの間の距離値を計
    算する分類手段を備えることを特徴とする請求項２５記
    載のパターン認識装置。
28. 【請求項２８】 前記信頼度決定手段は、前記分類手段
    からの距離値に基づいて信頼度を決定することを特徴と
    する請求項２７記載のパターン認識装置。
29. 【請求項２９】 前記分類手段は、未知パターンと少な
    くとも１つの既知パターンとの間のソートされた距離値
    と、未知パターンに対するソートされた認識候補とを、
    選択的に出力することを特徴とする請求項２８記載のパ
    ターン認識装置。
30. 【請求項３０】 前記分類手段は複数の距離関数に基づ
    いて未知パターンと少なくとも１つの既知パターンとの
    間の距離値を出力し、前記信頼度決定手段は複数の距離
    関数から出力された距離値を比較することで信頼度を決
    定することをとする請求項２７記載のパターン認識装
    置。
31. 【請求項３１】 前記パターン認識手段は、認識候補が
    所定レベルよりも既知パターンに近い場合に、認識候補
    を出力する分類手段を備えることを特徴とする請求項２
    ５記載のパターン認識装置。
32. 【請求項３２】 前記パターン認識手段は複数の認識候
    補を出力し、前記複数の処理手段の各々は複数の認識候
    補を処理するための詳細処理手段を備えることを特徴と
    する請求項２５記載のパターン認識装置。
33. 【請求項３３】 前記詳細処理手段は、信頼度に基づい
    て選択的に詳細処理を実行することを特徴とする請求項
    ３２記載のパターン認識装置。
34. 【請求項３４】 前記未知パターンは文字パターンであ
    ることを特徴とする請求項２５記載のパターン認識装
    置。
35. 【請求項３５】 文字パターンと非文字パターンとを識
    別する識別手段をさらに備え、文字パターンが識別され
    た場合には前記パターン認識手段が認識候補を出力する
    ことを特徴とする請求項３４記載のパターン認識装置。
36. 【請求項３６】 前記複数の処理手段の各々は文字情報
    処理手段を備え、該文字情報処理手段において処理され
    た文字情報を前記パターン認識手段によって処理させる
    ための再確認手段とをさらに備えることを特徴とする請
    求項３４記載のパターン認識装置。
37. 【請求項３７】 未知パターンに対する認識候補を出力
    する行程と、 認識候補の信頼度を計算する行程と、 高信頼度の場合に認識候補を出力し、低信頼度の場合に
    認識失敗信号を出力する行程とを備えることを特徴とす
    るパターン認識方法。
38. 【請求項３８】 前記認識候補の出力行程では、未知パ
    ターンと少なくとも１つの既知パターンとの間の距離値
    を計算することを特徴とする請求項３７記載のパターン
    認識方法。
39. 【請求項３９】 前記信頼度の計算行程では、距離値に
    基づいて信頼度を計算することを特徴とする請求項３８
    記載のパターン認識方法。
40. 【請求項４０】 前記出力行程では、未知パターンと少
    なくとも１つの既知パターンとの間のソートされた距離
    値と、未知パターンのソートされた認識候補とを、選択
    的に出力することを特徴とする請求項３９記載のパター
    ン認識方法。
41. 【請求項４１】 前記出力行程では、未知パターンと少
    なくとも１つの既知パターンとの間の距離値を複数の距
    離関数に基づいて計算し、前記信頼度の計算行程では、
    複数の計算関数に基づく距離値を比較することで信頼度
    を計算することを特徴とする請求項３８記載のパターン
    認識方法。
42. 【請求項４２】 前記認識候補の出力行程では、認識候
    補と既知パターンとの距離が所定レベル以下である場合
    に認識候補を出力することを特徴とする請求項３７記載
    のパターン認識方法。
43. 【請求項４３】 前記出力行程では複数の認識候補を出
    力し、さらに該複数の認識候補を詳細に分類する行程を
    備えることを特徴とする請求項３７記載のパターン認識
    方法。
44. 【請求項４４】 前記詳細分類行程では、信頼度に基づ
    いて選択的に実行されることを特徴とする請求項４３記
    載のパターン認識方法。
45. 【請求項４５】 前記未知パターンは文字パターンであ
    ることを特徴とする請求項３７記載のパターン認識方
    法。
46. 【請求項４６】 文字パターンと非文字パターンとを識
    別する識別行程をさらに備え、文字パターンが識別され
    た場合に前記出力行程では認識候補を出力することを特
    徴とする請求項４５記載のパターン認識装置。
47. 【請求項４７】 文字情報の処理行程と、該文字情報の
    処理行程で処理された文字情報を再確認する行程をさら
    に備えることを特徴とする請求項４５記載のパターン認
    識方法。
48. 【請求項４８】 画像情報からパターンを切り出す行程
    と、 パターンに対する認識候補を出力する行程と、 認識候補の信頼度を計算する行程と、 高信頼度の場合に認識候補を出力し、低信頼度の場合に
    認識失敗信号を出力する行程とを備えることを特徴とす
    るパターン認識方法。
49. 【請求項４９】 前記画像情報をホストに入力する行程
    をさらに備えることを特徴とする請求項４８記載のパタ
    ーン認識方法。
50. 【請求項５０】 前記ホストをネットワークバスに接続
    する行程をさらに備え、前記ホストはパターン認識のた
    めの該ネットワークバス上の命令に対して応答すること
    を特徴とする請求項４８記載のパターン認識方法。
51. 【請求項５１】 前記認識候補の出力行程では、未知パ
    ターンと少なくとも１つの既知パターンとの間の距離値
    を計算することを特徴とする請求項４８記載のパターン
    認識方法。
52. 【請求項５２】 前記信頼度の計算行程では、距離値に
    基づいて信頼度を計算することを特徴とする請求項５１
    記載のパターン認識方法。
53. 【請求項５３】 前記出力行程では、未知パターンと少
    なくとも１つの既知パターンとの間のソートされた距離
    値と、未知パターンのソートされた認識候補とを、選択
    的に出力することを特徴とする請求項５２記載のパター
    ン認識方法。
54. 【請求項５４】 前記出力行程では、未知パターンと少
    なくとも１つの既知パターンとの間の距離値を複数の距
    離関数に基づいて計算し、前記信頼度の計算行程では、
    複数の計算関数に基づく距離値を比較することで信頼度
    を計算することを特徴とする請求項５１記載のパターン
    認識方法。
55. 【請求項５５】 前記認識候補の出力行程では、認識候
    補と既知パターンとの距離が所定レベル以下である場合
    に認識候補を出力することを特徴とする請求項４８記載
    のパターン認識方法。
56. 【請求項５６】 前記認識候補の出力行程では複数の認
    識候補を出力し、さらに該複数の認識候補を詳細に分類
    する行程を備えることを特徴とする請求項４８記載のパ
    ターン認識方法。
57. 【請求項５７】 前記詳細分類の行程では、信頼度に基
    づいて選択的に実行されることを特徴とする請求項５６
    記載のパターン認識方法。
58. 【請求項５８】 前記未知パターンは文字パターンであ
    ることを特徴とする請求項５６記載のパターン認識方
    法。
59. 【請求項５９】 文字パターンと非文字パターンとを識
    別する識別行程をさらに備え、文字パターンが識別され
    た場合に前記認識候補の出力行程で認識候補を出力する
    ことを特徴とする請求項５８記載のパターン認識方法。
60. 【請求項６０】 文字情報の処理行程と、該文字情報の
    処理行程で処理された文字情報を再確認する行程をさら
    に備えることを特徴とする請求項５８記載のパターン認
    識方法。
61. 【請求項６１】 ネットワークバスに接続された画像入
    力手段から画像情報を入力する行程と、 前記画像情報からパターンを切り出す行程と、 前記パターンごとに認識候補を出力する行程と、 各認識候補の信頼度を計算する行程と、 各パターンに対する認識候補と信頼度とをネットワーク
    バス上に転送する行程とを備えることを特徴とするパタ
    ーン認識方法。
62. 【請求項６２】 ネットワーク上に転送された認識候補
    を処理し、高信頼度の場合に各パターンに対する認識候
    補を出力し、低信頼度の場合に認識失敗信号を出力する
    行程をさらに備えることを特徴とする請求項６１記載の
    パターン認識方法。
63. 【請求項６３】 前記認識候補の出力行程は、パターン
    と少なくとも１つの既知パターンとの間の距離値を計算
    することを特徴とする請求項６１記載のパターン認識方
    法。
64. 【請求項６４】 前記信頼度の計算行程では、距離値に
    基づいて信頼度を計算することを特徴とする請求項６３
    記載のパターン認識方法。
65. 【請求項６５】 前記出力行程では、未知パターンと少
    なくとも１つの既知パターンとの間のソートされた距離
    値と、未知パターンのソートされた認識候補とを、選択
    的に出力することを特徴とする請求項６４記載のパター
    ン認識方法。
66. 【請求項６６】 前記出力行程では、パターンと少なく
    とも１つの既知パターンとの間の距離値を複数の距離関
    数に基づいて計算し、前記信頼度の計算行程では、複数
    の計算関数に基づく距離値を比較することで信頼度を計
    算することを特徴とする請求項６３記載のパターン認識
    方法。
67. 【請求項６７】 前記認識候補の出力行程では、認識候
    補と既知パターンとの距離が所定レベル以下である場合
    に認識候補を出力することを特徴とする請求項６１記載
    のパターン認識方法。
68. 【請求項６８】 前記認識候補の出力行程では複数の認
    識候補を出力し、さらに少なくとも高信頼度である場合
    には該複数の認識候補を詳細に分類する行程を備えるこ
    とを特徴とする請求項６１記載のパターン認識方法。
69. 【請求項６９】 前記詳細分類の行程では、信頼度に基
    づいて選択的に実行されることを特徴とする請求項６８
    記載のパターン認識方法。
70. 【請求項７０】 前記未知パターンは文字パターンであ
    ることを特徴とする請求項６１記載のパターン認識方
    法。
71. 【請求項７１】 文字パターンと非文字パターンとを識
    別する識別行程をさらに備え、文字パターンが識別され
    た場合に前記認識候補の出力行程で認識候補を出力する
    ことを特徴とする請求項７０記載のパターン認識方法。
72. 【請求項７２】 文字情報の処理行程と、該文字情報の
    処理行程で処理された文字情報を再確認する行程をさら
    に備えることを特徴とする請求項７０記載のパターン認
    識方法。