JPH07160822A

JPH07160822A - パターン認識方法

Info

Publication number: JPH07160822A
Application number: JP5339944A
Authority: JP
Inventors: Toshihiro Suzuki; 俊博鈴木
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 1993-12-07
Filing date: 1993-12-07
Publication date: 1995-06-23

Abstract

(57)【要約】【目的】複数の認識方法を直列、並列に結合する場合
の、各長所を生かし、処理の高速性を保ちつつ認識能力
を高めるたパターン認識方法を提供する。【構成】ｎ通りの認識方法があり、直列に結合されて
いるものとする。まず第１段階の認識方法によって認識
を試み、認識されれば認識処理を終了するが、認識され
ない場合、第２段階以降の認識方法に順次移行する。入
力された文字が第ｍ（ｍ＜ｎ）段階までの認識方法では
認識されなかった場合、第（ｍ＋１）段階の処理におい
て、第ｍ段階までの認識処理の過程で得られた情報をも
利用する。利用できる情報には、第ｍ段階までの候補
文字、第ｍ段階までの候補モデル（あるいはクラス、
テンプレート）、第ｍ段階までの特徴量などがあり、
こうした情報を基にして分類の数を増やす。第（ｍ＋
１）段階で認識されれば、その時点で認識処理を終了す
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方法に係
り、詳細には、文字、図形、音声等の各種パターンを、
複数の方法で認識するパターン認識方法に関する。

【０００２】

【従来の技術】文字、図形、音声等の各種パターンを自
動認識し、コンピュータ等の各種ＯＡ機器の入力に使用
されている。このようなパターン認識方法では、例えば
文字を認識する場合、文字の構造などの各種観点から文
字を認識する方法が色々提案されている。また、近年で
は、ハードウェアの性能向上による計算能力の増大に伴
い、複数の認識方法を組み合わせることで文字等の認識
能力を高めるという方法が数多く提案されている。この
ように複数の認識方法を有する文字認識方法として、本
出願人は、処理量が少ない輪郭解析による認識方法を前
段階に置き、ここでリジェクトされた文字のみを、後段
階の骨格解析による認識方法において認識するという方
法（特開平４−２９７９７５）を提案している。すなわ
ち、異なる認識方法を直列に結合する形で文字を認識す
る方法である。この方法にによば、高速処理が可能で誤
認の少ないものを前の段階に置き、処理量は多いが認識
能力の高いものを後の段階に置くことで、認識処理の高
速性と高性能さを両立させることができる。同様な方法
として、複数の辞書を段階的に用いる方法（特開平４─
６０７８４）、複数の認識方法を併用する方法（特開平
４─２０５６９０、特開昭４９─０３４７４０、特公昭
５２─０３６３７７）等がある。

【０００３】

【発明が解決しようとする課題】このような従来から使
用されているパターン認識の方法は、異なる認識方法を
直列あるいは並列に組み合わせたものである。そして、
並列に結合する方法の場合、最終的に認識結果を判定す
るに当たって利用された情報が多いことから認識能力を
高めるうえでのメリットがある反面、処理量は増大し、
処理速度が低下するという問題がある。一方、直列に結
合する方法は、特に処理の高速性の点で優れているが、
認識能力の点で並列に結合する場合に比較して劣るとい
う問題がある。そこで、本発明はこのような複数の認識
方法を直列、並列に結合する場合の、各長所を生かし、
処理の高速性を保ちつつ認識能力を高めることを目的と
する。

【０００４】

【課題を解決するための手段】請求項１記載のパターン
認識方法では、複数の認識方法を直列に組み合わせるパ
ターン認識方法において、ある段階の認識方法において
認識結果を決定する際に、その段階での情報に加えて、
それ以前の認識方法における情報をも利用することで、
前記目的を達成する。請求項２記載の発明では、請求項
１記載のパターン認識方法において、利用する情報とし
て、前段までの候補文字、前段までの候補モデル、前段
までに抽出された特徴量、の少なくとも１つの情報を利
用する。請求項３記載の発明では、請求項１記載のパタ
ーン認識方法において、情報を利用する方法として、あ
らかじめ定められたテーブルを用いることで個別に制御
する。請求項４記載の発明では、請求項１記載のパター
ン認識方法において、情報を利用する方法として、結合
確率を用いる。請求項５記載の発明では、請求項１記載
のパターン認識方法において、情報を利用する方法とし
て、文字認識の類似度あるいは確信度の重み付き総和を
用いる。請求項６記載の発明では、請求項１記載のパタ
ーン認識方法において、情報を利用する方法として、多
数決を用いる。

【０００５】

【実施例】以下本発明のパターン認識方法における好適
な実施例について、図１と図２を参照して詳細に説明す
る。第１図は本実施例のパターン認識方法を実施するた
めの文字認識装置の構成を示すブロック図である。この
図１に示すように、文字認識装置は、イメージスキャナ
あるいはタブレット等の入力機器から文字画像データを
入力する入力インターフェイス（Ｉ／Ｆ）１を備えてお
り、データバス等の各種バスライン６を介してＣＰＵ
（中央処理装置）２に接続されている。このＣＰＵ２に
は、バスライン６を介して、ＣＰＵ２による本装置各部
の制御を行うための各種プログラムが格納されたＲＯＭ
（リード・オンリ・メモリ）３が接続されている。この
ＲＯＭ３には、ｎ通りの認識を行うためのプログラムも
格納されている。それぞれの認識方法は全く別個なもの
である必要はなく、特徴の取り方を変えたものや、画像
や二値化しきい値に偏向を加えたもの等でもよい。但
し、本実施例では、別々な認識方法として扱うものと
し、個々の認識方法は既存のものを使用してもよい。

【０００６】また、ＣＰＵ２には、上記各種プログラム
のワークエリアとして用いられるＲＡＭ（ランダム・ア
クセス・メモリ）４が接続されている。このＲＡＭ４は
画像記憶領域を備えており、入力Ｉ／Ｆ１から入力され
る文字画像データが格納されようになっている。さら
に、ＣＰＵ２には、出力Ｉ／Ｆ５が接続されており、外
部機器のホストコンピュータなどに認識結果を出力する
ようになっている。

【０００７】次に、このように構成されたパターン認識
装置による本実施例の動作について説明する。まず本発
明の動作原理について、文字認識の原理から説明する。
一般に文字認識を行う場合、画像から抽出した特徴等の
基準を用いて、入力された文字画像をいくつかのクラス
に分類し、分類されたクラスに応じて認識結果としての
文字カテゴリを決定するという処理がなされる。ここ
で、クラス数が少ないのは、クラス数が認識対象字種と
しての文字カテゴリの数と等しい場合である。例えば数
字であれば「０」〜「９」のカテゴリを表す１０クラス
であり、英字の大文字であれば「Ａ」〜「Ｚ」のカテゴ
リを表す２６クラスである。一方、最もクラス数が多い
のは、起こりうる画像パターンの数だけ分類する場合で
ある。この場合には原理的に全てのパターンを完全に認
識することが可能であるが、分類の数が極めて膨大にな
るので現実的ではなく、一般に、何らかの基準によって
少数のクラスへの分類ということが行われる。

【０００８】要するに、分類の数が幾ら大きくてもよい
のであれば、原理的には全ての文字を完全に認識できる
が、時間的あるいは空間的な制約のために分類数を少な
くしているというのが文字認識の立脚点になっている。
このように、認識能力を高めるためには、時間的あるい
は空間的な制約の許す範囲で「分類の数を増やす」とい
うことが一つの基本的な方法である。この分類数を増や
すには、例えば認識辞書の項目を増やす等のように、
（見かけ上の）クラス数を増やす方法がある。また、一
つのクラスから認識結果としての文字カテゴリを決定す
る際に、複数のカテゴリに振り分けることが可能である
ようにする方法もある。例えば、あるクラスに分類され
た場合に、必ず「Ａ」という文字カテゴリに認識するよ
りも、ある条件Ｐに従って「Ａ」または「Ｂ」のいずれ
かに認識しうる方が、見かけ上の分類の数は多く、認識
能力を高める可能性が増す。この場合、ある条件Ｐに従
ってクラスを再分割したと見なすことができる。

【０００９】このように、分類の数を増やすことが認識
能力を高めるための一つの基本的方法であるが、分類数
を増やすには分類のための情報を抽出する必要があり、
従って処理量の増大を招く傾向がある。本実施例は、処
理量の増大を招くことなく、分類のため情報を得るよう
にしたもので、処理の過程で無駄にされている情報を再
利用するものである。すなわち、直列結合を取る場合に
従来では無駄にされていた、それまでの認識手段におけ
る情報を、分類の数を増やすための情報に充てるもので
ある。図２における、後述のステップ５、８がこれに該
当する。こうすることにより、新たに情報を抽出する必
要はなく、したがってこの点に関して処理量の増大を招
くことなしに、分類の数を増やすことが可能になる。

【００１０】次に、本実施例の動作について説明する。
ここではｎ通りの認識方法があり、直列に結合されてい
るものとする。すなわち、同時に全てが起動されるので
はなく、順番に必要なところまでが起動されるものとす
る。それぞれの方法は全く別個なものである必要はな
く、特徴の取り方を変えたものや、画像や二値化しきい
値に変更を加えたものであるなどしても構わない。しか
しここでは、説明の都合上、こうしたものも別々な認識
方法として考えるものとする。個々の認識方法は既存の
ものでよい。

【００１１】全体の構成は直列結合であるから、基本的
な流れは次のようになる。まず第１段階の認識方法によ
って認識を試みる。ここで首尾よく認識されたならば、
以後の処理を行うことなく、この時点で認識処理を終了
するが、認識されなかったならば、第２段階の認識方法
へと処理が移されることになる。第２段階で認識されな
かったならば第３段階へというように処理は進められ、
ある段階で首尾よく認識されたならば、以後の処理を行
うことなく、その時点で認識処理を終了する。これが基
本的な流れである。

【００１２】いま入力された文字が、第ｍ（ｍ＜ｎ）段
階までの認識方法では、首尾よく認識されなかったもの
とする。このとき、通常の直列結合であれば、それまで
に抽出された情報をすべて無視し、新たに第（ｍ＋１）
段階の処理を行い、それまでの結果とは独立に認識結果
を決定することになる。本実施例では、ここで第ｍ段階
までの認識方法における認識処理の過程で得られた情報
をも利用するものである。利用できる情報には、第ｍ
段階までの候補文字、第ｍ段階までの候補モデル（あ
るいはクラス、テンプレート）、第ｍ段階までの特徴
量などがあり、こうした情報を基にして分類の数を増や
す。

【００１３】なお、以下、数字認識を例にとって説明す
る。候補文字というのは、その名のとおり候補として挙
げられた文字でり、数字であれば認識対象は「０」から
「９」の１０カテゴリであり、拒否を含めれば１１カテ
ゴリとなる。したがって第ｉ段階の認識方法は、カテゴ
リ数に対応して１１通りの答えを出しうる。第ｊ段階の
認識方法も同様である。それぞれの方法を独立に適用す
るならば、いずれも入力されたものを１１通りに分けて
考えることができることを意味している。ところがこの
二つの認識方法の組み合わせを考えると、単純に考えて
も１１×１１＝１２１通りに分けることができ、さら
に、第ｍ段階までの、認識方法の全てを考え合わせる
と、１１^m通りに分けることができる。これは、新たな
処理を増やすことなく分類の数を増やすことができると
いうことであり、従って認識能力の向上の可能性が増す
ということである。

【００１４】ところで、現実の文字認識技術において、
一つの文字カテゴリに対して一つのモデルしか持たせな
いということは少なく、一つの文字カテゴリを覆うよう
に複数のモデルを用いることも多い。例えば、一つの文
字カテゴリ「４」なら「４」でも、上が閉じることにな
るが、途中の段階では開いた「４」と閉じた「４」は別
なものとして扱うといったことである。あるいは、
「１」という文字のなかには、上部の突起部分が横に長
いために「７」に近い「１」もあれば、下部に横線があ
り縦棒が傾斜したために「２」に近い「１」もある。同
じ「１」のなかにもこのように幾つかのバリエーション
があることがある。また、印刷文字認識であれば、フォ
ントの違いなどもある。このような場合に、一つの文字
カテゴリを覆うように複数のモデルを用いることがあ
る。上記の「候補モデル」は、この意味でのモデルのこ
とであり、認識方法によっては複数のテンプレートと言
い換えてもよく、複数のクラスと言ってもよい。

【００１５】いま、「０」から「９」の１０カテゴリに
対して、第ｉ段階の認識方法は合計２９のモデルを持つ
とし、第ｊ段階の認識方法は４９のモデルを持つとす
る。そうすると拒否の場合を考慮して、それぞれの方法
を独立に適用するならば、第ｉ、ｊ段階の認識方法では
それぞれ入力されたものを３０通り、５０通りに分けて
考えることができる。ここで、この二つの認識方法の結
果を、候補モデルという視点で組み合わせると、単純に
考えても３０×５０＝１５００通りに分けることができ
る。さらに、第ｋ段階の認識方法におけるモデル数に、
拒否に相当する１を加えたものをＮ_kとすれば、第ｍ段
階までの認識方法の全てを考え合わせると、IIＮ_k＝
（Ｎ₁×Ｎ₂×・・×Ｎ_m）通りに分けられることがわ
かる。従って、新たな処理を増やすことなく分類の数を
増やすことができるので、認識能力の向上の可能性が増
すことになる。

【００１６】以上の説明では、第ｍ段階までの候補文字
あるいは候補モデルによって分類の数を増やすことがで
きるということであった。全ての認識方法が候補文字あ
るいは候補モデルとして常に一つしか持たないものとし
て議論したが、複数の候補文字あるいは候補モデルを持
つようにしてもよく、この場合にはより一層分類の数が
増すこととなる。

【００１７】さらに、これ以外のものとして特徴量を使
うことも考えられる。これは先に述べた、「一つのクラ
スから認識結果としての文字カテゴリを決定する際に、
複数のカテゴリへと振り分けることが可能であるように
する方法」に相当する。例えば、あるクラスに分類され
たものが、「０」の上部が飛び出たものと、上部の突起
の短い「６」とをともに含んでいる場合を考える。さら
に、それまでの認識方法における候補として「０」と
「６」しか挙がっていないとすれば、突起の長さによっ
てこのクラスを二つに再分割し、一方は「０」のみを含
み、他方は「６」のみを含むようにすることができる。
このとき、突起の長さという特徴量を条件としてクラス
を再分割したと見なすことができる。従って見かけ上の
分類の数は多く、認識能力を高める可能性が増す。以上
の説明は、可能性としての分類の数をいかに増やすかと
いうことであり、そのための情報として、第ｍ段階まで
の候補文字、第ｍ段階までの候補モデル（あるいはクラ
ス、テンプレート）、及び第ｍ段階までの特徴量がある
ということであり、これは、後述する第２図のステップ
５、８に相当する。

【００１８】次なる問題は、この可能性のなかから、具
体的にどのように最終的な認識結果を決定するかという
判断の問題であり、これは第２図のステップ６、９に相
当する。まず第一に、全ての場合の判断基準をあらかじ
め設定し、テーブル状に蓄えておく方法がある。また、
結合確率を用いる方法がある。すなわち、第ｉ段階の認
識方法が候補文字あるいはモデルとしてＣ_iを挙げたと
するならば、｛Ｃ_i｜１≦ｉ≦ｍ｝が同時に生起した場
合に結果として文字Ｘである確率Ｐ（Ｘ｜｛Ｃ_i｜１≦
ｉ≦ｍ｝）を求めて、これが予め定められたしきい値以
上であれば、最終的な認識結果をＸとするという方法で
ある。以上は分類のそれぞれに対して個別に判断する方
法であり、非常に詳細な制御が可能となる。

【００１９】しかしながら、これらの方法が現実には困
難な場合もある。というのも、数字を例にとった場合あ
っても、１１^m通りあるいは（Ｎ₁×Ｎ₂×・・Ｎ_m）
通りのように、相当大きな数となりうるからである。そ
こで考えられるのが、個々の組み合わせに応じて判断方
法を別々に決めるのではなく、全体として一つの方法を
貫くものである。その一つとして多数決を用いる方法が
ある。分類を規定している情報を用いて多数決により決
定する方法である。分類を規定している情報というの
は、例えば先の｛Ｃ_i｜１≦ｉ≦ｍ｝がこれに該当す
る。最終的な判断基準として、全ての一致を基準とした
り、２／３以上あるいは過半数などが考えられる。例え
ば、第ｍ段階までの認識方法が全て同一の候補を挙げて
はいたものの確信度が十分な値を取らないために拒否さ
れてきた文字を、この時点で認識結果として決定する場
合などは、その一例にあたる。次に考えられるのは、確
信度などの評価値の重み付き総和を取ることである。算
出した値が、あるしきい値以上（あるいは以下）などの
ようなあらかじめ定められた条件を満たせば最終結果と
して決定するという方法である。実は、先の多数決はこ
の特殊な場合にあたり、重み・確信度ともに等しいもの
と仮定した場合に、多数決となるのである。

【００２０】以上、分類の数が増えたなかから、具体的
に最終的な認識結果を決定する判断の方法を述べた。こ
れは大きく二つに大別できる。一つは個々の組み合わせ
に応じてあらかじめ判断の基準を設定しておく方法であ
る。判断の基準は例えばテーブル状に蓄えておくことも
できるし、結合確率として求めることもできる。この方
法の特徴は、非常に詳細な制御が可能となることであ
る。もう一つは個々の組み合わせに応じて別々に決める
のではなく、全体として一つの方法を貫くものであり、
確信度などの評価値の重み付き総和を用いる方法と、そ
の一特殊例としての多数決を用いる方法である。これら
は後述の第２図のステップ６、９に相当する。

【００２１】このように、複数の認識方法を直列に組み
合わせる認識方法において、無駄にされがちな情報を記
録し、これを基に分類の数を増やし、これに基づいて最
終的な認識結果を決定することにより、処理量をあまり
増やすことなく認識能力を高めることができる。

【００２２】次に、以上説明した本実施例の具体的動作
について詳細に説明する。第２図は本実施例の文字認識
処理の動作の詳細を表したものである。まず、図示しな
いイメージスキャナから原稿が読み取られると、その文
字画像データが入力Ｉ／Ｆ１を通して入力され、ＲＡＭ
４中の画像記憶領域に格納される（ステップ１）。そし
て、一文字分の文字切り出しが行われ（ステップ２）、
第１段階の認識方法による認識が行われる（ステップ
３）。

【００２３】次に、文字認識がおこなわれたか否か判断
し（ステップ４）、認識されたならば（ステップ４；
Ｙ）、ステップ１１に移行して認識結果を出力する。一
方、第１段階の認識では読み取った文字の認識ができな
かった場合（ステップ４；Ｎ）、第１段階の認識方法に
おける情報をＲＡＭ４に記録（ステップ５）したのち、
第２段階の認識方法による認識を行う（ステップ６）。
この第２段階の文字認識を行う場合、ＲＡＭ４に格納し
た第１段階の情報も利用される。この第２段階で文字が
認識されれば（ステップ７；Ｙ）ステップ１１に移行し
て認識結果を出力し、一方、認識されない場合（ステッ
プ７；Ｎ）、その第２段階における情報もＲＡＭ４に格
納したのち、第３段階へと処理を進める。

【００２４】このように、各段階の認識を繰り返し、第
ｎ段階の認識方法による認識を、第ｎ段階までの情報を
利用して行う（ステップ９）。第ｎ段階で文字が認識さ
れると、以後の処理を行うことなくその時点で認識処理
を終了し、認識結果を出力Ｉ／Ｆ５を介して図示しない
ホストコンピュータ等に出力する（ステップ１１）。そ
して、全ての文字認識が終了か否か判断し（ステップ１
２）、まだ認識を行っていない文字が有れば（ステップ
１２；Ｎ）、ステップ２に移行して上記処理を繰り返
し、全ての文字認識が終了した場合には（ステップ１
２；Ｙ）、処理を終了する。

【００２５】以上説明した実施例では、文字認識を中心
に説明したが、本発明はこの実施例に限定されるもので
はなく、例えば、図形、音声等の各種パターンを、複数
の方法で認識する各種のパターン認識方法にも適用する
ことが可能である。

【００２６】

【発明の効果】本発明のパターン認識方法によれば、複
数の認識方法を直列に組み合わせる文字認識方法におい
て、ある段階の認識方法において認識結果を決定する際
に、単にその段階での情報を利用するのみならず、それ
以前の認識方法における情報をも利用することにより、
処理の高速性を保ちつつ認識能力を高めることができ
る。

【図面の簡単な説明】

【図１】本発明の一実施例におけるパターン認識方法を
実施するための文字認識装置のブッロク構成図である。

【図２】同上、実施例の文字認識処理の動作の詳細を示
すフローチャートである。

【符号の説明】

１入力Ｉ／Ｆ２ＣＰＵ３ＲＯＭ４ＲＡＭ５出力Ｉ／Ｆ６バスライン

Claims

【特許請求の範囲】

【請求項１】複数の認識方法を直列に組み合わせるパ
ターン認識方法において、ある段階の認識方法において認識結果を決定する際に、
その段階での情報に加えて、それ以前の認識方法におけ
る情報をも利用することを特徴とするパターン認識方
法。
【請求項２】利用する情報として、前段までの候補文
字、前段までの候補モデル、前段までに抽出された特徴
量、の少なくとも１つの情報を利用することを特徴する
請求項１記載のパターン認識方法。
【請求項３】情報を利用する方法として、あらかじめ
定められたテーブルを用いることで個別に制御すること
を特徴とする、請求項１記載のパターン認識方法。
【請求項４】情報を利用する方法として、結合確率を
用いる、ことを特徴とする請求項１記載のパターン認識
方法。
【請求項５】情報を利用する方法として、文字認識の
類似度あるいは確信度の重み付き総和を用いる、ことを
特徴とする請求項１記載のパターン認識方法。
【請求項６】情報を利用する方法として、多数決を用
いる、ことを特徴とする請求項１記載のパターン認識方
法。