PT1554686E - Processo de codificação vídeo de imagens compreendendo uma informação de endereço - Google Patents

Description

DESCRICAO

Processo de codificação video de imagens compreendendo uma informação de endereço 0 invento diz respeito à triagem automática de objectos postais e, nomeadamente, aos sistemas nos quais um processo de avaliação automática de endereço por OCR é aplicado a uma imagem de um objecto postal compreendendo uma informação de endereço, este processo sendo completado e melhorado por uma codificação video no caso em que a informação de endereço não pode ser interpretada automaticamente por OCR. Na emissão de uma codificação video, os campos de endereço são normalmente suficientes para satisfazer o nivel de triagem desejado. 0 invento compreende, mais particularmente, um processo de tratamento por codificação video de um objecto postal compreendendo uma informação de endereço rejeitado de um processo de avaliação automática do endereço por OCR. No documento de patente europeia n° 97921794, o tratamento por codificação video de imagens compreendendo uma informação de endereço consiste numa codificação sistemática de toda ou de parte dos diferentes campos do bloco de endereço para identificar inequivocamente o local de destino do objecto postal. São utilizadas diferentes técnicas de codificação, como a codificação por estimativa, a codificação por extracção, a codificação por complemento, a codificação por selecção.

Embora estas diferentes técnicas de codificação video tenham tendência a aumentar a produtividade dos operadores de codificação video, não aproveitam na totalidade os benefícios dos resultados fornecidos pelo processo de avaliação automática do endereço por OCR. De forma geral, o resultado de um processo 1 de avaliação automática de endereço por OCR apresenta-se na forma de um vector de atributos de imagem contendo todas as informação extraídas pelo OCR e caracterizando a informação de endereço (tipografia da informação de endereço: manuscriteldactylographiée)), número e coordenadas das linhas de informação detectadas no bloco de endereço por OCR ou ainda, para cada campo do bloco de endereço, um valor de campo ao qual está associada uma taxa de confiança. A taxa de confiança associada a um valor de campo traduz a probabilidade de reconhecimento do valor de campo extraído por OCR. A figura 1 ilustra uma imagem compreendendo uma informação de endereço IN e a estrutura de um valor de atributos de imagem AT com os campos de endereço V e N alocados, o campo V identificando o nome da rua (V=RUE JEAN PERRIN) no bloco de endereço e o campo N identificando o número na rua (N = 18) no bloco de endereço. A estes valores de campo de endereço são associadas taxas de confiança CV e CN traduzindo aqui que o nome da rua foi reconhecido como uma probabilidade de reconhecimento de 1 (taxa de confiança máxima) e que o número na rua foi reconhecido como uma probabilidade de reconhecimento de 0,38. Além disso, no vector de atributos de imagem, uma taxa de confiança conjunto CG correspondendo ao produto do conjunto das taxas de confiança associadas aos campos de endereço dá uma indicação da probabilidade de reconhecimento global da informação de endereço. Esta taxa de confiança conjunto é utilizada pelo processo de avaliação automática por OCR para decidir rejeitar uma imagem que deverá, por isso, ser tratada por codificação vídeo, a decisão tomando-se, por exemplo, por comparação da taxa de confiança conjunto com um valor limite pré-determinado. 2

Uma análise fina dos resultados fornecidos por um processo de avaliação automática de endereço por OCR aquando de uma bateria de testes num conjunto de imagens rejeitadas de um processo de triagem para distribuição geográfica, por exemplo, mostrou que as causas de rejeição podem ser classificadas em grandes categorias. Assim, aquando desta bateria de testes, mostrou-se que: - em 34% dos casos de rejeição, os campos de endereço V e N foram reconhecidos correctamente por OCR enquanto a taxa de confiança conjunta emitida pelo OCR era demasiado baixa, - em 14% dos casos de rejeição, o campo de endereço V foi reconhecido correctamente, mas não no campo de endereço N, - em 25% dos casos de rejeição, o campo de endereço V não foi reconhecido correctamente, enquanto que o campo de endereço N foi reconhecido correctamente, - em 26% dos casos de rejeição, os campos de endereço V e N não foram reconhecidos correctamente, - e que 1% dos casos de rejeição diz respeito a outras situações de defeito de reconhecimento correcto. A partir desta observação, pareceu possível filtrar-se o grupo das 34% de imagens rejeitadas na base da definição de um valor limite das taxas de confiança conjuntas. Da mesma forma, o grupo dos 14% de imagens rejeitadas poderia ser filtrado com base na definição de uma taxa de confiança CV, enquanto que o grupo dos 25% de imagens rejeitadas poderia ser filtrado com base na definição de um valor limite das taxas de confiança CN. Classificando assim as imagens rejeitadas de acordo com as categorias, torna-se possível aplicar a cada categoria de 3 rejeições um tratamento por codificação vídeo específico e adaptado à categoria de rejeições considerada, o que permite minimizar o tempo do operador e, assim, aumentar o débito do sistema de codificação vídeo. Se uma imagem rejeitada não entrar em qualquer categoria de rejeição pré-determinada, deverá ser tratada por uma codificação vídeo que varrerá o conjunto dos campos de endereço, o que é dispendioso em termos de tempo. É evidente que o número de categorias de rejeição é uma função da estrutura de endereço e do número de campos de endereço. Compreende-se, assim, que esta categorizarão das imagens rejeitadas permite tratar de forma não uniforme as imagens rejeitadas, mas de forma adaptativa.

Para isto, o invento tem por objectivo um processo para o tratamento por codificação vídeo de imagens, compreendendo uma informação de endereço rejeitada de um processo de avaliação automática de endereço por OCR para uma triagem para distribuição geográfica, por exemplo, tal como está definido pela reivindicação 1. Bem entendido, o processo pode ser facilmente generalizado para outros tipos de rejeição, por exemplo encaminhamento, caixa postal, reendereçamento, triagem para companhia. 0 processo de avaliação automática de endereço por OCR produz, para cada imagem rejeitada, um vector de atributos de imagem no qual as taxas de confiança são associadas, respectivamente, a valores de campo do bloco de endereço. De acordo com o invento, o processo consiste em identificar, para cada imagem rejeitada, uma categoria de rejeição correspondendo à imagem rejeitada por intermédio de uma cascata de filtros (cujo número pode variar em função do tipo de rejeição que se pretende tratar) aplicados às taxas de confiança no vector de atributos de imagem associado à imagem rejeitada e quando a categoria de rejeição correspondendo à 4 imagem rejeitada é identificada ao nível de um filtro, fazendo seguir desta filtragem, por um lado, por uma codificação de operador específica da categoria de rejeição de forma a completar ou a modificar o vector de atributos de imagem associado à imagem rejeitada e, por outro lado, por uma avaliação do vector de atributos de imagem associado à imagem rejeitada de forma a poder decidir a paragem da codificação vídeo para esta imagem rejeitada. As diferentes codificações de operador poderão ser implementadas, respectivamente, nas unidades ou consolas de codificação vídeo diferentes, o que apresenta a vantagem de ter operadores de codificação vídeo especializados numa determinada categoria de rejeição, o que pode melhorar o seu desempenho. Um exemplo de filtragem pode consistir na definição de um valor limite numa única taxa de confiança ou numa taxa de confiança conjunta, ou ainda numa combinação de definição de valores limites de várias taxas de confiança associadas aos diferentes campos do bloco do endereço. É possível, igualmente, refinar uma filtragem com o auxílio de regras técnicas e de estender a filtragem às partes do vector de atributos que não os valores dos campos de endereço e as taxas de confiança associadas, sem sair do âmbito do invento. No caso de filtragem por definição de valor limite, será vantajoso ter valores limite ajustáveis de forma dinâmica por um supervisor que controla as proporções de imagens que passam através dos diferentes filtros. 0 ajuste dos valores limite permite igualmente poder-se variar, à vez, o débito e a taxa de erro do sistema de codificação vídeo. Sabe-se que a codificação vídeo da totalidade dos campos de endereço necessários à triagem para distribuição não é considerada rentável pelos operadores postais, porque é feita com débitos demasiado baixos. Com o processo de acordo com o invento, é 5 possível espalhar pela cascata de filtros as imagens rejeitadas que não têm um tratamento rentável por codificação vídeo. Mais em particular, os valores limite dos filtros podem ser ajustados para não reter outras que não as imagens de objectos postais para as quais um tratamento por codificação vídeo é mais rápido de executar, em comparação com uma triagem manual dos objectos postais. Os débitos correntes na triagem manual são da ordem dos 1600 a 1800 objectos por hora, o que significa que, para ultrapassar este débito por codificação vídeo, cada imagem rejeitada deveria passar por codificação vídeo em menos de dois segundos, o que exclui, por exemplo, como operação de codificação vídeo a introdução de uma longa cadeia de caracteres como a introdução do campo V (ilustrado na figura 1) indicativo do nome da rua. O invento está descrito seguidamente mais em detalhe com referência aos desenhos. A figura 1 ilustra uma imagem compreendendo uma informação de endereço e um vector de atributos de imagem. A figura 2 ilustra esquematicamente, na forma de um diagrama de blocos, o processo de acordo com o invento. A figura 1, um processo de avaliação automática de endereço por OCR numa instalação de triagem postal produzido por uma imagem IN compreendendo uma informação de endereço, um vector AT de atributos de imagem constituído por valores de campos V, N do bloco de endereço aos quais são associadas taxas de confiança CV, CN e uma taxa de confiança conjunta CG que é o produto das taxas de confiança CV e CN.

Geralmente, quando a taxa de confiança conjunta CG é inferior a um valor limite pré-determinado, a avaliação 6 automática de endereço por OCR não pode resolver o endereço de forma unívoca e a imagem IN com o vector de atributos de imagem AT são enviados para um processo de tratamento por codificação vídeo.

No exemplo da figura 1, embora a taxa de confiança conjunta CG traduza uma resolução equívoca do endereço, o valor do campo de endereço V foi reconhecido de forma unívoca. Para resolver de forma unívoca o endereço, bastaria solicitar a um operador de codificação vídeo a confirmação do valor do campo de endereço N e, apenas no caso do operador não confirmar o valor, introduzir um novo valor no campo de endereço N. Uma codificação por confirmação é mais dispendioso, em termos de tempo de operador, e menos dispendioso em termos de tempo de operador do que uma codificação por entrada de informação, incluindo por extracção, selecção ou complemento. De acordo com o invento, procura-se identificar, a partir de uma cascata de filtros nas taxas de confiança nos valores de atributos de imagem AT, a categoria de rejeição correspondendo à imagem IN rejeitada para aplicar um tratamento específico a esta categoria de rejeição, por exemplo uma codificação por confirmação e, seguidamente, uma codificação por entrada de informação. A figura 2 mostra uma cascata de filtros F1 a F4 seguidos, cada um, por uma codificação de operador VC1 a VC4 e por uma avaliação E do vector de atributos de imagem AT. Os filtros F1 a F4 formam, de qualquer modo, um classificador TC de imagens rejeitadas e determinam várias categorias de imagens rejeitadas.

No exemplo da figura 2, em cada filtro F1 a F4, compara-se uma taxa de confiança CV, CN, CG com um valor limite SI a S4. A organização dos filtros da figura 2 é a que foi elaborada para 7 a tipologia das rejeições referidas mais acima. No filtro mais a montante Fl, se a taxa de confiança CV (taxa de confiança referente ao nome da rua) for superior ao valor limite Sl, efectua-se uma codificação por teclado VC1 para introduzir o número na rua.

No filtro F2 subsequente, se a taxa de confiança conjunta CG for superior ao valor limite S2, efectua-se uma codificação VC2 de confirmação por tecla ou por síntese vocal simultaneamente no número na rua e no nome da rua.

No filtro F3, se a taxa de confiança CV (taxa de confiança referente ao nome da rua) for superior ao valor limite S3, efectua-se em primeiro lugar uma codificação VC3 de confirmação do nome da rua e, em seguida, uma codificação por teclado para introduzir o número na rua.

No filtro F4, se a taxa de confiança CN (taxa de confiança referente ao número na rua) for superior ao valor limite S4, efectua-se uma codificação VC4 de confirmação do número na rua e uma codificação por teclado para introduzir o nome da rua. À saída da cascata de filtros, efectua-se uma codificação VC5 por teclado em que o operador introduz o conjunto dos campos do bloco de endereço, porque neste caso a informação codificada pelo OCR não é fiável. 0 encadeamento dos filtros F1-F4 é aqui feito numa ordem segundo a qual as operações de codificação são ainda mais dispendiosas em termos de tempo de operador.

Com este tipo de rejeição, os valores limite nos filtros Fl a F4 foram ajustados da forma seguinte: para Sl, um valor limite de 0,99; para S2, um valor limite de 0,93; para S3, um valor limite de 0,85, e para S4, um valor limite de 0,83.

Na base destes valores limite, a imagem IN da figura 1 é codificada por vídeo no ramo do filtro Fl. O tempo de 8 codificação é de cerca de 1385 ms, o que é bem menor do que uma codificação completa de todos os campos do bloco de endereço, estimado em 4000 ms. - Outro exemplo de atributos de uma imagem rejeitada: V = AVENUE GAMBETTA CV = 0,98 N = ?9 CN = 0,0 CG = 0,0 A taxa de confiança CV sendo inferior a 0,990 (valor limite Sl), a imagem é rejeitada pelo filtro Fl. É enviada para o filtro F2. A taxa de confiança CG é inferior a 0,93. A imagem é rejeitada pelo filtro F2 e é enviada para o filtro F3. A taxa de confiança CV, sendo superior a 0,85, aplica-se a codificação VC3 de confirmação do nome da rua e, seguidamente, uma codificação por teclado para introduzir o número na rua. O tempo de codificação é igual a cerca de 1600 ms = confirmação da rua (cerca de 1385 ms) + introdução do número na rua (cerca de 215 ms). — Outro exemplo de atributos de uma imagem rejeitada: V = RUE DE MONTFAUCON CV = 1,0 N = 6 ? ?6 CN = 0,0 CG = 0,0 9 0 processo de codificação vídeo é idêntico ao do exemplo da figura 1, e o tempo de codificação é, por isso, de cerca de 1385 ms. - Outro exemplo de atributos de uma imagem rejeitada: V = RUE AUGUSTE PERRET CV = 0,98 N = 8 CN = 0,99 CB = 0,97 A imagem é rejeitada pelo filtro Fl porque a taxa de confiança CV é inferior a Sl. É enviada para o segundo filtro F2. A taxa de confiança conjunta CG é superior a 0,85, pelo que se aplica a codificação vídeo VC2. O tempo de codificação médio é, aqui, igual a cerca de 1309 ms. - Outro exemplo de atributos de uma imagem rejeitada: V = PLACE FRANÇOIS TRUFFAUT CV = 0,62 N = 2 CN = 0,83 CG = 0,51 A imagem é, neste caso exemplificativo, rejeitado pelos filtros Fl, F2, F3 e F4 e será sujeito a codificação vídeo em VC5. O tempo de codificação é de 4000 ms. Trata-se do caso menos favorável. 10

Tal como está ilustrado na figura 2, a seguir a uma codificação de operador VC1 a VC4, o vector de atributos de imagem AT associado a uma imagem IN em curso da codificação vídeo é completado ou modificado e uma avaliação E do vector de atributos de imagem é feita a seguir a cada operação de codificação vídeo para poder decidir d paragem da codificação vídeo para esta imagem rejeitada (a informação de endereço está agora completamente reconhecida) . No caso em que a paragem da codificação vídeo não é decidida é um determinado nível de filtragem, encadeia-se o tratamento no nível de filtragem seguinte, tal como está ilustrado pelas setas na figura 2.

Na figura 2 é clara a estrutura em cascata dos filtros com uma acção de operador tal como VC1, VC2, VC3, VC4 e uma avaliação E associada em cada nível de filtragem. Como as acções de operador VC1 a VC4 são específicas dos filtros F1 a F4, respectivamente, as linhas de tratamento F1-VC1-E; F2-VC2-E, etc., serão implementadas nas unidades ou consolas de codificação vídeo diferentes, nas guais intervêm os operadores especializados por categoria de rejeição. A figura 2 ilustra igualmente um supervisor R gue ajusta automaticamente, de forma dinâmica, os valores limites SI a S4 nos filtros F1 a F4.

Para garantir a rentabilidade do tratamento por codificação vídeo, a cascata de filtros só poderá compreender os três primeiros nível de filtragem F1 a F3 e, se uma imagem rejeitada não for identificada por pelo menos um destes três níveis de filtragem, não será tratada por codificação vídeo e o objecto postal correspondente será triado manualmente. Consegue-se obter, assim, um débito médio de tratamento por codificação vídeo da ordem dos 2300 objectos postais por hora. Mais particularmente, num processo de triagem para 11 encaminhamento e distribuição, o tratamento de imagens rejeitadas por codificação video de acordo com o invento, com os três primeiros níveis de filtros F1-F3, poderá ser colocado em linha com processo de avaliação automática por OCR se, por exemplo, os filtros Fl - F3 forem ajustados para classificar apenas as imagens nas quais a informação postal de triagem para encaminhamento já tiver sido reconhecida inequivocamente por OCR, porque as codificações vídeo VC1 a VC3 podem fazer-se substancialmente no mesmo tempo de tratamento que uma codificação vídeo de triagem para encaminhamento.

Lisboa, 3 de Julho de 2012. 12

Claims (7)

1. REIVINDICAÇÕES 1. Processo de tratamento por codificação vídeo de imagens (IN) de objectos postais, cada imagem incluindo uma informação de endereço, esta imagens tendo sido rejeitadas por um processo de avaliação automática de endereço por OCR numa máquina de triagem postal, o processo de avaliação de endereço produzindo, para cada imagem rejeitada, um vector de atributos (AT) compreendendo taxas de confiança (CV, CN) associadas respectivamente aos valores de campo do bloco de endereço, caracterizado por consistir: a) no envio para um processo de codificação vídeo, com cada imagem rejeitada, o vector de atributos de imagem (AT) produzido para a imagem rejeitada pelo processo de avaliação de endereço, em pelo menos uma unidade ou consola de codificação vídeo (VC1-VC5), b) na aplicação das taxas de confiança do vector de atributos (AT) da imagem rejeitada aos filtros organizados em cascata para definir vários níveis de filtragem (F1-F4) das taxas de confiança, cujos níveis de filtragem têm valores limites de comparação (SI a S4) com as taxas de confiança que são ajustados para filtrar, cada um, uma de entre várias categorias de rejeição diferentes às quais estão associadas respectivamente no processo de codificação vídeo um número correspondente de processos de codificação vídeo específicos diferentes (VC1-VC4), os ditos filtros estando organizados em cascata de acordo com 1 uma ordem crescente do tempo de codificação do operador para executar os ditos tratamentos de codificação video específicos, e quando uma categoria de rejeição correspondente à imagem rejeitada é identificada num nível de filtragem, fazer seguir esta filtragem das etapas seguintes: c) aplicar o tratamento de codificação vídeo (VC1-VC4) específico desta categoria de rejeição na imagem rejeitada para recuperar uma informação de codificação vídeo, d) completar ou modificar o vector de atributos (AT) da imagem rejeitada a partir da informação de codificação vídeo, e) avaliar (E) o vector de atributos da imagem rejeitada completada ou modificada para detectar uma condição de paragem da codificação vídeo ou uma prossecução da categorizarão da dita imagem rejeitada num nível de filtragem subsequente da dita cascata de filtros.
2. 2. Processo de acordo com a reivindicação 1, no qual os diferentes níveis de filtragem (F1-F4) com os tratamentos de codificação vídeo (VC1-VC4) e as avaliações (E) do vector de atributos de imagem (AT) correspondente formam um conjunto de linhas de tratamento que são implementadas respectivamente nas unidades ou consolas de codificação vídeo diferentes.
3. 3. Processo de acordo com qualquer uma das reivindicações 1 ou 2, no qual cada nível de filtragem (F1-F4) consiste em comparar com um valor limite (S1-S4) pelo menos uma taxa de 2 confiança (CV, CN) associada a um campo do bloco de endereço da imagem rejeitada ou ainda a taxa de confiança conjunta (CG) correspondente ao produto das taxas de confiança associadas aos campos do bloco de endereço.
4. 4. Processo de acordo com a reivindicação 3, no qual os valores limites (S1-S4) são regulados de forma dinâmica por um supervisor (R) controlando as proporções de imagens rejeitadas que passam através dos diferentes niveis de filtragem.
5. 5. Processo de acordo com qualquer uma das reivindicações 1 a 4, no qual a informação de endereço é uma informação de endereço de distribuição postal, no qual o bloco de endereço compreende um primeiro campo (V) indicativo de um nome de rua e um segundo campo (N) indicativo de um número na rua, no qual o vector de atributos de imagem (AT) compreende uma primeira taxa de confiança (CV) associada ao primeiro campo (V) do bloco de endereço, uma segunda taxa de confiança (CN) associada ao segundo campo (N) do bloco de endereço, e uma taxa de confiança conjunta (CG) igual ao produto das ditas taxas de confiança associadas aos ditos primeiro e segundo campo do bloco de endereço, e no qual a cascata de filtros e de processos de codificação vídeo específicos é constituída pelos seguintes níveis de filtragem e de tratamento: a) se a primeira taxa de confiança (CV) for superior a um primeiro valor limite (Sl), então o número na rua é introduzido por codificação vídeo (VC1); b) se a taxa de confiança conjunta (CG) for superior a um segundo valor limite (S 2) então confirma-se por 3 codificação vídeo (VC2) simultaneamente o número na rua e o nome da rua; c) se a primeira taxa de confiança (CV) for superior a um terceiro valor limite (S3) então confirma-se por codificação vídeo (VC3) o nome da rua e seguidamente introduz-se o número na rua.
6. 6. Processo de acordo com a reivindicação 5, no qual a confirmação por codificação vídeo é feita por síntese vocal.
7. 7. Processo de triagem para encaminhamento e distribuição de objectos postais, caracterizado por utilizar um tratamento por codificação vídeo de imagens (IN) de objectos postais de acordo com qualquer uma das reivindicações 1 a 6, no qual se nenhuma categoria de rejeição for identificada por uma imagem rejeitada a seguir à cascata de filtros, então o objecto postal correspondente à imagem rejeitada é enviado para um processo de separação manual. Lisboa, 3 de Julho de 2012. 4