JPS6253840B2 - - Google Patents

Description

【発明の詳細な説明】 本発明は文字、図形等のパターン認識機能をも
つ装置に用いて好適する音声情報入力方式に関す
る。

従来、情報処理装置において、文字（又は図
形）情報と音声情報とを取扱う場合、文字と音声
とのパターンの性質が互に異なることから、認識
方法をそれぞれ異にしていた。従つてハードウエ
アも全く別の回路構成により実現されていた。し
かしながら、文字又は図形のパターン認識機能を
もつ装置、例えばCOR（光学的文字読取装置）
において、キーボードによる操作負担の軽減を計
るべく、音声による、コマンドの入力機能、リジ
エクト文字修正機能を持たせようとする場合、音
声パターンの認識機能部を既存の文字認識機能部
と全く別個に設けたのでは、ハードウエア量が著
しく増加して、装置の大形化、繁雑化を招くとと
もに、コストの大幅な上昇を招き、製品の実現が
困難であつた。

本発明は上記実情に鑑みなされたもので、文字
又は図形のパターン認識機能をもつ装置におい
て、既存の認識回路を有効に用い、少量のハード
ウエアを付加するのみで、安価かつ容易に音声情
報による認識機能を持たせることのできる音声情
報入力方式を提供することを目的とする。

以下図面を参照して本発明の一実施例を説明す
る。

第１図は本発明の一実施例を示すブロツク図で
ある。図中、１は文字パターンを電気信号に変換
する光電変換装置、２は音声を電気信号に変換す
るマイクロホン及び音声の特徴を抽出するために
必要な帯域フイルター群でなる音声入力部であ
る。３は光電変換装置１と音声入力部２の出力信
号を制御部１４からのコントロール信号１６によ
つて、振分けるマルチプレクサである。４はこの
マルチプレクサより出力された光電変換装置１又
は音声入力部２のアナログ信号をデジタル量の信
号に変換するＡ／Ｄコンバータである。５は文
字、音声によつてパターン部分の切り出しを異つ
た方法で行うため、Ａ／Ｄコンバータ４より出力
される信号を別々の回路に送出制御するゲートで
ある。６はこのゲート５で選択出力された信号か
ら文字パターンを検出する検出切出し回路、７は
音声パターンを切出す音声切出し回路である。８
はコントロール信号１６に従つて文字と音声パタ
ーンを振分けるマルチプレクサである。９乃至１
３は認識部の各構成要素をなすもので、９は文
字／音声のパターンを一定のサイズに収納するパ
ターン正規化回路、１０はボケの操作によりパタ
ーンの雑音を除去するパターン標本化回路、１１
はあらかじめ辞書として記憶された標準の文字／
音声パターンとの類似度を計算する類似度計算回
路、１２は文字及び音声の標準パターンを記憶す
る記憶装置、１３は類似度計算回路１２より出力
された類似度値から答えを決定する回路及び後段
処理へのデータ受渡しのフオーマツトを整える回
路をもつ答え編集回路である。又、１４は各認識
処理部に必要なパラメータ１５、および各種コン
トロール信号を発生させるためのOCR全体をコ
ントロールする制御部である。ここで、上記光電
変換装置１、Ａ／Ｄコンバータ４、検出切出し回
路６、パターン正規化回路９、パターン標本化回
路１０、類似度計算回路１１、記憶装置（但し音
声辞書部を除く）１２、答え編集回路１３、制御
部１４等は既にOCRに設けられている既存の機
能ブロツクである。

第２図および第３図はそれぞれ本発明の音声入
力によるリジエクト文字修正動作を示すタイミン
グ図であり、第２図は即時モードでリジエクト文
字を修正する場合のタイミング図、第３図は一括
モードでリジエクト文字を修正するか、又は
OCRと関係なく、データエントリ用として音声
入力を実行する場合のタイミング図である。

ここで一実施例の動作を説明する。制御部１４
はOCRの文字読取モードであるか、又はリジエ
クト文字修正のための音声入力識別モードである
かの判定を行ない、その判定に従い、マルチプレ
クサ３，８、ゲート５等に対して、選択制御のた
めのコントロール信号（モード信号）１６を転送
する。同時に各モードに適したパラメータを選択
し、認識部を構成するパターン正規化回路９、パ
ターン標本化回路１０、類似度計算回路等１１、
答え編集回路１３等へ転送する。ここで、OCR
モードすなわち文字読取モードの際は、通常の
OCRとしての動作を実行する。すなわち光電変
換装置１で光電変換された文字パターンがマルチ
プレクサ３を介してＡ／Ｄコンバータ４に送られ
てデイジタル量の信号に変換され、ゲート５を経
て検出切出回路６で文字の切出しが行なわれた
後、マルチプレクサ８より選択され出力される。
更にマルチプレクサ８より選択された文字情報は
認識部を構成する各回路（パターン正規化回路
９、パターン標本化回路１０、類似度計算回路１
１、答え編集回路１３等）を経て順次パターン認
識処理される。

次にリジエクト文字修正時（既存のOCRはこ
の期間、認識部の各回路（９〜１３）が休止状態
にある）においては音声入力識別モードとなり、
音声入力部２より入力された音声は電気信号化さ
れた後、マルチプレクサ３を介し、Ａ／Ｄコンバ
ータ４に送られて、デイジタル量の信号に変換さ
れた後、ゲート５を介して音声切出し回路７に送
られ、音声パターンの切出しが行なわれる。更に
音声切出し回路７より出力された音声パターンデ
ータはマルチプレクサ８を経た後、認識部を構成
するパターン正規化回路９、パターン標本化回路
１０、類似度計算回路１１、答え編集回路１３等
を順次経て認識処理され答え編集回路１３より最
終的な出力（ANS−OUT）を得る。ここで、上
述の文字パターンは２次元のビツトパターンとし
て表現され、パターン標本化回路１０による処理
の段階でｍ次元のベクトルに変換されるが、上記
した音声パターンも一例として時間軸と帯域フイ
ルタを他方の軸とした２次元アレイとして表現で
きる。このため上述の如く、文字、音声共に共通
のハードウエアによる処理が可能となる。文字、
音声に最適な次元数等は予め制御部１４に格納し
ておき、必要に応じて認識部を構成する各回路
９，１０，１１，１３にパラメータとして供給す
る。文字パターンと音声パターンは標準パターン
として全く同じ構造をもつ記憶装置１２に記憶さ
れており、必要に応じてアドレスを指示し、標本
パターンを選択する。又、類似度の計算も全く共
通のハードウエア１１により実行される。類似度
計算回路１１により識別された答えは、リジエク
ト文字修正の場合、答え編集回路１３にて、リジ
エクトコードを音声入力の答えと置換える等の編
集を行ない、最終的な答え（ANS−OUT）を出
力する。

第２図は即時モードでリジエクト文字を修正す
る際のタイミングを示したもので、実際にはａ≪
ｂである。又、第３図は一括モードでリジエクト
文字を修正するか、又はOCRと関係なくデータ
エントリ用として音声入力を実行する場合のタイ
ミングを示すもので、Ａは秒乃至日のオーダであ
る。

上述した如く、OCRの文字認識機能部を有効
に利用して文字認識と音声認識とを任意選択的に
行なうことができ、これにより経済的に有利な構
成にて、キーボードによらず、音声によるリジエ
クト文字の修正機能、コマンド入力機能等をもた
せることができる。

なお上記した実施例では、文字パターンの認識
機能部を音声認識に共用する場合を例にとつた
が、音声と共通のパターン構造に変換できるもの
であれば、文字パターンに限らず例えば図形パタ
ーンの認識機能部等を音声認識に共用することも
できる。

以上詳記したように本発明によれば、文字又は
図形等のパターン認識機能をもつ装置において、
既存の認識回路を有効に用い、少量のハードウエ
アを付加するのみで、安価かつ容易に音声情報に
よる認識機能を持たせることのできる音声情報入
力方式が提供できる。

【図面の簡単な説明】

第１図は本発明の一実施例を示すブロツク図、
第２図および第３図はそれぞれ上記実施例の動作
を説明するためのタイムチヤートである。 １……光電変換装置、２……音声入力部、３，
８……マルチプレクサ、４……Ａ／Ｄコンバー
タ、５……ゲート、６……検出切出し回路、７…
…音声切出し回路、９……パターン正規化回路、
１０……パターン標本化回路、１１……類似度計
算回路、１２……記憶装置、１３……答え編集回
路、１４……制御部。

Claims (1)

【特許請求の範囲】
1. １ 文字又は図形情報を読取る光電変換部、及び
   音声入力部と、前記光電変換部より得られる第１
   の信号又は音声入力部より得られる第２の信号の
   何れか一方を選択する第１の選択回路と、この第
   １の選択回路で選択された第１又は第２の信号を
   アナログ−デイジタル変換するＡ／Ｄ変換部、及
   びこのＡ／Ｄ変換部でデイジタル化された第１の
   信号と第２の信号とを振分けるゲートと、このゲ
   ートで振分けられた第１の信号を受けて読取パタ
   ーンの切出しを行なう第１の検出切出回路、及び
   前記ゲートで振分けられた第２の信号を受けて音
   声の切出しを行なう第２の検出切出回路と、前記
   第１の検出切出回路より得られる第１のパターン
   信号又は前記第２の検出切出回路より得られる第
   ２のパターン信号の何れか一方を選択する第２の
   選択回路と、この第２の選択回路で選択された第
   １又は第２のパターン信号をそれぞれ固有のパラ
   メータ及び辞書によりパターン認識する認識部と
   を有してなることを特徴とした音声情報入力方
   式。