JPH09507721A - 文字認識機構 - Google Patents

Abstract

(57)【要約】 文書（２０）上に書かれた文字を認識する装置および方法である。この装置は、少なくとも２つの文字認識機構（３０、４０）と、文字認識機構（３０、４０）によって認識されたサンプルを評価する規則が入った規則のデータベース（１１０）を使用して文字認識機構（３０、４０）の結果を評価する評価装置（５０）と、文字認識機構（３０、４０）によって認識された各サンプルの信頼レベルを算出する計算装置（５０）と、算出された信頼レベルを記憶するサンプル・ベクトル・メモリ部（１２０）とを有する。この信頼レベルは、評価手段（５０）が評価の結果を向上させるために使用する。文書（２０）上に書かれた文字を認識するプロセスは、書かれた文字を少なくとも２つの文字認識機構（３０、４０）を使用して認識し、信頼値を提供する第１のステップ（２００）と、書かれた文字の信頼レベルを判断する第２のステップ（２１０）と、異なる文字認識機構の結果の一致を検査する第３のステップ（２２０、２３０、２４０）と、信頼レベルおよび一致を使用して規則を評価する第４のステップ（２５０）と、文字認識プロセスの総合結果を提供する第５のステップ（２７０）とを含む。第３図を本要約書とともに公告するために提示する。

Description

【発明の詳細な説明】 文字認識機構 本発明は、少なくとも２つの文字認識機構と、文字認識機構によって認識され たサンプルを評価する規則のデータベースを使用して文字認識機構の結果を評価 する評価装置とを備える、文書における文字を認識する装置に関する。本発明は 、前記装置を使用する文字認識のプロセスにも関する。 文字サンプルまたは書かれた記号の認識は、最近のビジネスの世界でますます 重要な作業になっている。特に銀行業務分野およびその他の金融業務では、送金 依頼書、小切手用紙、およびその他の文書を手動入力を用いずに読み取るために 、文字認識機構を備えたデータ処理システムが使用されている。 ドイツ連邦共和国では、特に、市販されている２つの文字または筆跡認識方法 が知られている。コンピュータ・ゲゼルシャフト・コンスタンツＧｍｂＨ（ＣＧ Ｋ）社のプロセスが、「ＣＳＬ ２６１０」という型式番号で市販されている。 ＡＥＧエレクトロコムＧｍｂＨエアケヌングスジュステーメ社は、「ポリフォー ム」文字認識ソフトウェアを開発している。このソフトウェアは、ＡＥＧの読取 り装置およびその他の会社の装置で使用される。 上記の２つの方法は、異なる文字認識アルゴリズムに基づいており、したがっ て互いに「直交する」と言うことができ る。この使用アルゴリズムの相違により、この２つの方法は同じテキストについ て異なる結果を出すことになる。手書きテキストの文字は非常に素早く不明瞭に 書かれることが多いため、この結果の差は特に手書きテキストの場合に顕著であ る。 文字認識の信頼性を向上させるために、いくつかの文字認識機構による同じ文 字の読取り結果がアービトレーション機構に供給される、いわゆる「マルチボー ティング」によって検査が行われてきた。現在使用されているアービトレーショ ン機構は、結果を比較し、以下の規則に従って文字認識プロセスの総合結果を選 択することが多い。 １）すべての文字認識機構が同じ結果になる場合、その結果は問題にはならない 。すなわち、任意の所望の文字認識機構から総合結果が選択される。 ２）その文字認識機構も満足な結果を出さない場合、総合結果は「拒否」される （認識不能である）。 ３）すべての文字認識機構の結果が同じで、そのうちの少なくとも１つは一定の しきい値（たとえば５０％）を超える信頼値を有する場合、最も信頼性の高い値 が総合結果として選択される。 ４）すべての文字認識機構の結果が等しくない場合、総合結果は「拒否」される （認識不能である）。 この「マルチボーティング」方法は、従来の方法と比較して文字認識プロセス の信頼性をわずかしか向上させない。し かし、それぞれの機構が異なる認識アルゴリズムを使用する少なくとも２つの文 字認識機構を必要とする。これは、ライセンス料の点でかなり高くつき、費用／ 利益関係が疑わしい。 したがって、本発明の目的はいくつかの文字認識機構を使用して多くの利益を 引き出す、改良された文字認識方法を開発することである。 上記の目的は、本発明によって、動作条件において評価手段が信頼度を入手す ることができる、文字認識機構に認識される各サンプルの信頼レベルを計算する 計算手段と、信頼レベルを記憶するサンプル・ベクトル・メモリ構成要素とを使 用して達成される。算出された信頼度、「ファジィ論理」の原理、または不確定 数量の教示を、複数の文字認識機構の結果を評価するために使用する。周知の従 来の「マルチボーティング」方法と比較して本発明の教示による文字認識方法の 信頼性が５７％向上することが、シミュレーションによってわかった。 本発明の他の実施例では、この装置は規則の結果とそれらの規則が満たされた 程度を記憶する充足度テーブルを含む。この充足度は、文字認識プロセスの結果 を最も高い満足度で表す規則の結果を選択するために使用する。最も充足度の高 い規則の結果を確定するために、充足度テーブルを探索する出力手段を使用する 。 上記の目的は、さらに文書上の記号を認識するプロセスによって達成される。 このプロセスは、 少なくとも２つの文字認識機構を使用して書かれた文字を認識し、信頼値を出 す第１のステップと、 文字の信頼レベルを判断する第２のステップと、 異なる文字認識機構の結果の一致を検査する第３のステップと、 信頼度および一致を使用して規則を評価する第４のステップと、 文字認識プロセスの総合結果を出す第５のステップとを含む。 本発明の好ましい実施例では、このプロセスは本発明による装置を使用する。 しかし、他の装置を使用することもできる。 本発明の他の実施例では、第４のステップにおいて各規則の充足度を計算し、 第５のステップにおいて最も充足度の高い規則の結果が総合結果として提供され る。規則の充足度は、規則の評価に使用される値の最低の信頼レベルである。 このプロセスを使用する際には、各文字認識機構による最も信頼性の高い結果 のみが採用される。しかし、相応により低い信頼値を使用する認識代替方法を使 用することも可能であろう。 第１図は、本発明による装置の図である。 第２図は、本発明による装置のメモリを示す図である。 第３図は、本発明によるプロセスのフロー・チャートであ る。 第４図は、文字認識機構によって得られる信頼値から整合値を計算する様子を 示す図である。 第５図は、認識する文字サンプルの例を示す図である。 第６Ａ図は、充足度の計算を示す図表である。 第６Ｂ図は、算出された充足度の例を示す図である。 第１図に、本発明による装置１０を示す。スキャン装置１５上に文書２０を置 く。この文書２０は為替用紙、白地小切手、借方記入書、またはその他の書類で ある。文書２０には、装置１０によって認識する必要がある手書き文字または文 字サンプルが記載されている。 装置１０は、文書２０を、文字認識機構３０、４０に供給する電子画像に変換 する光学式スキャン機構７０を含む。 装置１０は、第１の文字認識機構３０と第２の文字認識機構４０も含む。第１ および第２の文字認識機構３０および４０は、それぞれ異なる文字認識アルゴリ ズムを使用する２つの異なる文字認識機構であることが好ましい。しかし、所望 の数だけあってもよい。第１の文字認識機構３０は、たとえばＡＥＧによって開 発されたアルゴリズムを使用し、第２の文字認識機構４０は、コンピュータ・ゲ ゼルシャフト・コンスタンツ社によって開発されたアルゴリズムを使用すること ができる。 文字認識機構３０、４０は、それぞれの結果を信号線３５、 ４５を使用してプロセッサ５０に送る。プロセッサ５０は、２つの文字認識機構 ３０、４０の結果を処理して、文書２０に書かれたテキストをデコードし、デコ ードされたテキストをメモリ６０の一部に記憶する。 メモリ６０は、第２図に示すような２つの異なる部分に分割されている。文字 認識機構３０、４０の結果はすべて、まず文字サンプル記憶部１００に記憶され る。本発明によるプロセスに使用される規則は、規則データベース１１０に記憶 されている。認識された文字の信頼レベルに関するデータがサンプル・ベクトル 記憶部１２０に格納される。規則結果記憶部１２５には、規則データベース１１ ０を使用したサンプル・ベクトルの評価結果が記憶される。充足度テーブル１３ ５に、規則の充足度が記憶される。最終結果記憶部１３０に、文字認識プロセス の結果が、たとえばＡＳＣＩＩコードまたはその他の機械可読記号の形式などの コード化形式で記憶される。 第３図に、本発明による文字認識プロセスの流れ図を示す。ステップ２００で 、文書２０上のテキストが１文字ずつ認識される。すなわち、文字認識機構３０ 、４０が文書２０上の各文字サンプルを調べる。各文字サンプルについて、文字 認識機構３０、４０は、認識された記号だけでなく認識された各文字の信頼値も プロセッサ５０に供給する。これらの文字とその信頼値は、文字サンプル・メモ リ部１００に格納される。 文書上の各別々のサンプルについて、文字認識機構３０、４０は、個々の文字 サンプルについて可能性のあるいくつかの選択可能記号を、対応する信頼値と共 に出力する。本発明の好ましい実施例では、最高の信頼値を持つ候補文字だけが 取り出されて、文字サンプル記憶部１００に格納される。本発明により、他の候 補記号も同様に格納し処理することができる。 第５図に示す例を、ステップ２００の例として使用する。人間の目には、この 文字サンプルは、明らかに「Ｍ」という文字に見える。しかし、文字認識機構３ ０、４０はこの文字サンプルにおいていくつかの候補文字を認識する。したがっ て、このサンプルの可能性のあるすべての異形が、それに対応する信頼値と共に プロセッサ５０に供給される。それぞれの文字認識機構３０、４０は異なるアル ゴリズムに従って機能するため、認識された文字について異なる信頼値が生成さ れる。 文字認識機構３０、４０のうちの一方が第２図の文字サンプルで文字「Ｍ」（ 信頼値：８０％）または文字「Ｎ」（信頼値：５０％）を認識する。文字認識機 構３０、４０のうちの他方は、文字「Ｍ」（信頼値：６０％）と「Ｎ」（信頼値 ５０％）だけでなく、文字「＊」（信頼値：３０％）も認識する。本発明の好ま しい実施例は、最高の信頼値を持つ認識された記号のみをさらに処理するため、 文字「Ｍ」と信頼値６０％または５０％だけが文字サンプル記憶部１００に読み 込まれる。 第３図のステップ２１０で、信頼値に信頼レベルと整合値が割り振られ、特定 の値範囲内に入るすべての信頼値が、同じ信頼レベルを獲得するが、整合値は異 なる。各信頼値には、少なくとも１つの信頼レベルが割り当てられる。好ましい 実施例では、６段階の信頼レベルが定義されている。これらの信頼レベルとそれ に関連する信頼値を表１に示す。 信頼値に対する整合値の比と、信頼レベルを第４図に示す。上記の表から、７ ０％という値は２つの信頼レベルに入るため、７０％の信頼値は信頼レベルＨお よびＭＨに関連することがわかる。第４図に、両方の信頼レベルの整合の値が示 されている。信頼レベルＭＨの場合、信頼値７０％は整合値０． ２５を有し、信頼レベルＨの場合、信頼値７０％は整合値０．６５を有する。こ れらの整合値はサンプル・ベクトルの形でサンプル・ベクトル・メモリ部１２０ に格納される。上記の例では、７０％の信頼値を持つ認識された文字サンプルは 以下の形式のベクトルを有する。 （０；０；０；０．２５；０．６５；０；） 信頼値が９０％を超えるかまたは１０％未満の場合、値１．０の整合には信頼 レベル（ＶＨまたはＶＬ）が割り当てられる。サンプル・ベクトルは、以下の形 式を有することになる。 （０；０；０；０；０；１）または（１；０；０；０；０；０） 信頼レベルと整合値と信頼値との間の関係は、文字認識システムのユーザによ って設定され、文字認識プロセスの結果を改善するために経験に従って変更する ことができる。整合値を決定するために、たとえば、第４図に示す三角形のグラ フの代わりに、ガウス分布の形の曲線を設定することができる。また、信頼レベ ルを定義するための信頼値範囲の広さを変更することもできる。 他の入力値である、プロセッサ５０のいわゆる「認識出力値」すなわち「Ｒｅ ｃｏＯｕｔ」値が、文字認識機構３０、 ４０の結果から得られる（ステップ２２０）。２つの文字認識機構３０、４０の 認識結果が一致する場合、出力認識値（ＲｅｃｏＯｕｔ）が値１に設定される（ ステップ２３０）。認識結果が一致しない場合、認識出力値（ＲｅｃｏＯｕｔ） は値０に設定される（ステップ２４０）。したがって、３つのいわゆる「ファジ ィ集合」（不確かな数量）が得られ、本発明によるプロセスの入力値として使用 される。この３つの数量は、以下の通りである。 ｉ）認識機構１の信頼レベル（変数「Ｃｏｎｆ１」と呼ぶ） ii）認識機構２の信頼レベル（変数「Ｃｏｎｆ２」と呼ぶ） iii）認識機構の一致／不一致（変数「ＲｅｃｏＯｕｔ」と呼ぶ） 本発明による方法の決定基準は、規則データベース１１０に格納されている規 則によって補完される。これらの規則は、文字認識システム１０のプログラマに よって作成され、経験に照らして修正してプロセスの結果を改善することができ る。 本発明の好ましい実施例では、６０を超える規則が規則データベース１１０に 記憶される。規則の構造を明確にするために、表２に例として９つの規則を示す 。 各規則の結果は変数「ｖｏｔｅ」で、これは「ｒｅｃｏ１」、「ｒｅｃｏ２」 、または「ｒｅｊｅｃｔ」のうちの１つをとることができる。値「ｒｅｃｏ１」 は、この規則の結果に従って第１の文字認識機構３０が最も受容できる認識済み 記号を出力することを示す。値「ｒｅｃｏ２」は、この規則の結果に従って第２ の文字認識機構４０が最も受容できる認識済み記号を出力することを示す。値「 ｒｅｊｅｃｔ」は、この規則の結果に従って２つの文字認識機構３０、４０のい ずれも受容可能な認識済み記号を出力しないことを示す。 ステップ２５０で、データベース１１０の規則を使用して入力値Ｃｏｎｆ１、 Ｃｏｎｆ２、ＲｅｃｏＯｕｔが評価される。これらの入力値は、前述のサンプル ・ベクトル・メモリ部１２０で前にサンプル・ベクトルの形で表したものである 。この評価はプロセッサ５０で行われ、その結果、すなわち変数「ｖｏｔｅ」は 、規則結果メモリ部１２５に読み込まれる。 以下では、規則ａ）およびｉ）をこの評価プロセスの例として使用する。規則 ａ）は、両方の文字認識機構３０、４０が同じ文字を認識する（すなわちＲｅｃ ｏＯｕｔが１である）ことを条件として、第１の文字認識機構３０の結果の信頼 限度が非常に低い（ＶＬ）（すなわち信頼値が３０％未満。第４図参照。）であ って、文字認識機構４０の信頼限度が非常に高い（ＶＨ）（すなわち信頼値が７ ５％を超える。図４参照。）場合、変数「ｖｏｔｅ」は値「ｒｅｃｏ２」を取る と表明している。 規則ｉ）は、両方の文字認識機構３０、４０が同じ文字を認識する（すなわち ＲｅｃｏＯｕｔが１である）場合であっても、第１の文字認識機構３０の結果の 信頼限度が非常に低い（ＶＬ）（すなわち信頼値が３０％未満。第４図参照）で あって、第２の文字認識機構４０の信頼限度が低い（Ｌ）（すなわち信頼値が１ ５％と４５％の間である。第４図参照。）場合、変数「ｖｏｔｅ」は値「Ｒｅｊ ｅｃｔ」を取ると表明している。 ステップ２６０で、いわゆる推論方法を用いて各規則の充足度を計算する。様 々な推論方法が知られており、H.-H．Boethe著「Fuzzy Vote」（Springer Verla g，Berlin，1993）に記載されている。好ましい実施例では、いわゆるマックス ミン推論方法を選択する。 この方法によると、ステップ２１０で算出された入力変数Ｃｏｎｆ１およびＣ ｏｎｆ２の整合値を使用して、規則の充足度（または重み）を計算する。この規 則の充足度は、２つの整合値のうちの低い方をとる。変数Ｃｏｎｆ１の整合値が ０．２５で変数Ｃｏｎｆ２の整合値が０．７５であるとすると、この２つの整合 値を使用する規則の充足度は、０．２５となる。メモリ６０内の充足度テーブル １３５に、各規則の充足度を各規則の結果と共に格納する。 ステップ２７０で、文字認識プロセスの総合結果を計算する。充足度テーブル １３５に格納されている充足度値と規則の結果がプロセッサ５０によって照会さ れ、規則出力変数ｖ ｏｔｅの３つの可能な値、すなわち値「Ｒｅｊｅｃｔ」、「Ｒｅｃｏ１」、およ び「Ｒｅｃｏ２」のそれぞれについて、最低充足度が選択される。 したがって、すべての値「Ｒｅｃｏ１」、「Ｒｅｃｏ２」、「Ｒｅｊｅｃｔ」 に充足度が割り振られる。これらの充足度のうちの１つが他の２つの充足度より もかなり大きいことがわかる。充足度の高い値がこの文字認識プロセスの総合結 果として選択される。総合結果が「Ｒｅｃｏ１」の場合は、第１の文字認識機構 ３０の手書き文字認識が最も信頼性が高いということを意味する。総合結果が「 Ｒｅｃｏ２」の場合、第２の文字認識機構４０の手書き文字認識が最も信頼性が 高いということを意味する。総合結果が「Ｒｅｊｅｃｔ」の場合、文字認識機構 ３０、４０のいずれも文字認識について信頼性のある結果を出すことができない ことを意味する。 この総合結果は第６Ａ図に図示されている。変数「ｖｏｔｅ」は３つの値「Ｒ ｅｃｏ１」、「Ｒｅｃｏ２」、または「Ｒｅｊｅｃｔ」をとることができ、この ３つの値のそれぞれに、０から１．０までの値をとることができる充足度（Ｙ軸 ）が割り当てられる。第６Ｂ図に、規則データベース１１０を走査して各値の最 低充足度を計算した後の結果を示す。この場合、値「Ｒｅｃｏ１」と「Ｒｅｃｏ ２」は充足度が低いため、図に現れない。値「Ｒｅｊｅｃｔ」の充足度は他より もかなり高く、したがってこの新規の文字認識プロセス「ファジィ・ボート」の 総合結果は「Ｒｅｊｅｃｔ」であり、 すなわち、認識された記号のいずれも信頼性がない。 シミュレーションによって、周知のプロセスより優れたこの新規の「ファジィ ・ボート」文字認識システムの利点を示すことができる。表３に、このシミュレ ーションの結果を示す。 このシミュレーションは、２つの事例について行った。第１の事例では、第１ と第２の文字認識機構３０、４０の結果は同じ、すなわちＲｅｃｏＯｕｔが１で あるものとした。その結果は、表３の列１〜６に示されている。第２の事例では 、第１と第２の文字認識機構３０、４０の結果が異なる、すなわちＲｅｃｏＯｕ ｔが０であるものとした。これらの結果を表３の７〜１４列に示す。列２と列８ 、または列３と列９に、それぞれ第１の文字認識機構３０または第２の文字認識 機構４０の信頼限度が示されている。本明細書で述べる原理による「ファジィ・ ボート」文字認識プロセスの結果は、列４および列１０である。２つの文字認識 機構の結果を従来の周知のマルチボーティング・プロセスによって組み合わせる 文字認識プロセスの結果は、列５および列１２に示されている。列６および列１ ３に、プロセスに文字認識機構を１つしか使用しない場合を示す。この最後の場 合、信頼レベルが５０％を下回る結果はすべて拒否された。行４８の的中数は、 文字認識機構３０、４０のうちの一方または他方の結果をプロセスの総合結果と して使用した場合の数を示している。 列１１および１４は、置換値である。これらの値は、文字認識プロセスによる 誤った文字認識の確率を示す。列１１の行５は、専門知識によると第２の文字認 識機構４０が文字を正しく認識しない可能性が２０％あることを示している。列 １４の行２２は、専門家の意見によると、単一の文字認識機構３０が高い確率で 文字を正しく認識しなかったことを示し ている。 表３を使用して、文字認識プロセスの結果を比較することができる。単一の文 字認識機構を使用する従来の見かけのプロセスＴの的中率（列６および列１３） は、（１８＋１８）／２２＝５０％である。しかし、従来のプロセスの見かけの 置換率（列１４）は１２／７２＝１６．７６％であることを考慮に入れなければ ならない。したがって、このプロセスの全体的利得は（５０−１６．７６）％＝ ３３．２４％である。 「マルチボーティング」プロセスの的中率（列５および列１２）は、（２７＋ ０）／７２＝３７％である。このシミュレーションでは置換はないため、これは 同時に総合利得でもある。 本発明による「ファジィ・ボート」プロセスの的中率（列４および列１０）は 、（３３＋６）／７２＝３９／７２＝５４．２％である。 これから、１．４／７２＝１．９６％の置換率（列１１）を差し引く必要があ る。したがって、総合結果は５２．２４％である。したがって、このシミュレー ションから文字認識方法の結果の改善が明らかである。

───────────────────────────────────────────────────── 【要約の続き】 の総合結果を提供する第５のステップ（２７０）とを含 む。第３図を本要約書とともに公告するために提示す る。

Claims (1)

1. 【特許請求の範囲】 １．文書（２０）上に書かれた文字を認識する装置であって、 少なくとも２つの文字認識機構（３０、４０）と、 文字認識機構（３０、４０）によって認識されたサンプルを評価するための規 則を含む規則のデータベース（１１０）を使用して文字認識機構（３０、４０） の結果を評価する評価装置（５０）とを備え、 文字認識機構（３０、４０）によって認識された各サンプルの信頼レベルを算 出する計算装置（５０）と、 算出された信頼レベルを記憶するサンプル・ベクトル・メモリ部（１２０）と を特徴とし、 信頼レベルは動作中に評価手段（５０）から入手可能であることを特徴とする 装置。 ２．規則の結果と規則の充足度とを記憶する充足度テーブル（１３５）をさらに 特徴とする、請求項１に記載の装置。 ３．最高の充足度を有する規則の結果を確定するために充足度テーブルにアクセ スする結果手段（５０）をさらに特徴とする、請求項２に記載の装置。 ４．文書（２０）上に書かれた文字を認識する方法であって、 少なくとも２つの文字認識機構（３０、４０）を使用して書かれた文字を認識 し、信頼値を提供する第１のステップ（２００）と、 書かれた文字の信頼レベルを判断する第２のステップ（２ １０）と、 異なる文字認識機構の結果の一致を検査する第３のステップ（２２０、２３０ 、２４０）と、 信頼レベルと一致を使用して規則を評価する第４のステップ（２５０）と、 文字認識プロセスの総合結果を出す第５のステップ（２７０）とを含む方法。 ５．第４のステップ（２５０）において各規則の充足度（２６０）を計算し、 第５のステップ（２７０）において最高の充足度を有する規則の結果を総合結 果として提供することを特徴とする、請求項４に記載の方法。 ６．規則の充足度が規則の評価に使用される値の最低の信頼レベルであることを 特徴とする、請求項５に記載の方法。 ７．各文字認識機構（３０、４０）による最高の信頼値を有する結果のみを使用 することを特徴とする、請求項４ないし６のいずれか一項に記載の方法。