特許ウォッチ

公開番号2025164271
公報種別公開特許公報(A)
公開日2025-10-30
出願番号2024068099
出願日2024-04-19
発明の名称情報処理装置、文字認識方法、プログラム
出願人株式会社PFU
代理人個人,個人
主分類G06V 30/412 20220101AFI20251023BHJP(計算;計数)
要約【課題】準定型OCRの認識精度をより向上させること
【解決手段】情報処理装置は、帳票の画像データにおいて文字認識の対象とする第1の値を囲むユーザ指定座標を受け付ける操作受付部と、ユーザ指定座標の周囲の第1のキーワードを取得し、ユーザ指定座標と対応付けて学習データとして保存する学習データ取得部と、帳票の画像データを取得する取得部と、取得部が取得した画像データの全文認識結果から、予め設定されている項目定義に基づいて第2のキーワードと、項目定義により定義された1つ以上の第2の値を抽出する値抽出部と、第2の値の座標と、第2の値に対応付けられている第2のキーワードと同じ第1のキーワードであって、学習データで該第1のキーワードに対応付けられているユーザ指定座標との第1距離に基づいて、第2のキーワードの項目値とする第2の値を決定する値決定部と、を有する。
【選択図】図14
特許請求の範囲【請求項１】
ＯＣＲによる文字認識を行う情報処理装置であって、
帳票の画像データにおいて文字認識の対象とする第１の値を囲むユーザ指定座標を受け付ける操作受付部と、
前記ユーザ指定座標の周囲の第１のキーワードを取得し、前記ユーザ指定座標と対応付けて学習データとして保存する学習データ取得部と、
帳票の画像データを取得する取得部と、
前記取得部が取得した画像データの全文認識結果から、予め設定されている項目定義に基づいて第２のキーワードと、前記項目定義により定義された１つ以上の第２の値を抽出する値抽出部と、
前記第２の値の座標と、前記第２の値に対応付けられている前記第２のキーワードと同じ前記第１のキーワードであって、前記学習データで該第１のキーワードに対応付けられている前記ユーザ指定座標との第１距離に基づいて、前記第２のキーワードの項目値とする前記第２の値を決定する値決定部と、
を有する情報処理装置。
続きを表示（約 2,700 文字）【請求項２】
前記値決定部は、前記第２の値の座標と、前記第２の値に対応付けられている前記第２のキーワードの座標との第２距離に基づいて、前記第２のキーワードの項目値とする前記第２の値を決定する請求項１に記載の情報処理装置。
【請求項３】
前記値決定部は、前記第２の値を囲む矩形のサイズと、
前記第２の値に対応付けられている前記第２のキーワードと同じ前記第１のキーワードであって、前記学習データで該第１のキーワードに対応付けられている前記ユーザ指定座標が囲む前記第１の値のサイズとの差に基づいて、前記第２のキーワードの項目値とする前記第２の値を決定する請求項１に記載の情報処理装置。
【請求項４】
前記第２の値の座標と、前記第２の値に対応付けられている前記第２のキーワードと同じ前記第１のキーワードであって、前記学習データで該第１のキーワードに対応付けられている前記ユーザ指定座標との第１距離、
前記第２の値の座標と、前記第２の値に対応付けられている前記第２のキーワードの座標との第２距離、
前記第２の値を囲む矩形のサイズと、前記第２の値に対応付けられている前記第２のキーワードと同じ前記第１のキーワードであって、前記学習データで該第１のキーワードに対応付けられている前記ユーザ指定座標が囲む前記第１の値のサイズとの差、の少なくとも１つに基づいて、前記第２の値を前記第２のキーワードの項目値とすることの確からしさに関するスコアを算出するスコア算出部を有し、
前記値抽出部が抽出した前記第２の値のなかに、前記スコアが基準を満たす前記第２の値がない場合、
前記値決定部は、前記全文認識結果に含まれる全ての前記第２の値の座標と、前記学習データに含まれる全ての前記第１の値の前記ユーザ指定座標との距離、及び、
前記全文認識結果に含まれる全ての前記第２の値を囲む矩形のサイズと、前記学習データに含まれる全ての前記第１の値の領域のサイズとの差、に基づいて、前記第２の値と前記ユーザ指定座標のセットを特定し、
特定した前記ユーザ指定座標と前記学習データにおいて対応付けられている前記キーワードの項目値を、特定した前記第２の値に決定する請求項１に記載の情報処理装置。
【請求項５】
ＯＣＲによる文字認識を行う情報処理装置であって、
明細表を含む画像データに対しＯＣＲを行い、予め設定されている項目定義に基づいて前記明細表の項目名を取得する文字認識部と、
前記明細表の１行目にある各項目値を囲むユーザ指定座標を受け付ける操作受付部と、
前記ユーザ指定座標と前記明細表の項目名を対応付けて保存する学習データ取得部と、
明細表を含む画像データを取得する取得部と、を有し、
前記文字認識部は前記明細表の横罫線を検出し、
前記取得部が取得した画像データの認識結果のうち前記ユーザ指定座標の上端を前記明細表の上端に、前記横罫線のうち最も下方にある横罫線を前記明細表の下端に決定し、
前記認識結果のうち前記明細表の上端と下端の間にある文字列に基づいて上端と下端の間を行に分割する明細項目抽出部と、
を有する情報処理装置。
【請求項６】
前記明細項目抽出部は、前記明細表の上端と下端の間にある文字列が前記明細表の高さ方向に重なっている場合に、重なっている文字列のうち最も上にある文字列から最も下にある文字列までを１行とみなすことで、前記明細表の上端と下端の間を１つ以上の行に分割する請求項５に記載の情報処理装置。
【請求項７】
前記明細項目抽出部は、前記明細表の１行目にある各項目値について受け付けた前記ユーザ指定座標の幅方向の座標に基づいて、前記明細表を列に区切る請求項５又は６に記載の情報処理装置。
【請求項８】
ＯＣＲによる文字認識を行う情報処理装置であって、
帳票の画像データの全文認識結果から取得される第１の項目名と前記第１の項目名の座標を対応付けてレイアウトの識別辞書として保存する辞書作成部と、
前記画像データにおいて文字認識の対象とする第１の値の領域のユーザ指定座標を受け付ける操作受付部と、
前記ユーザ指定座標の周囲にある第２の項目名と前記ユーザ指定座標とを対応付けて学習データとして保存する学習データ取得部と、
帳票の画像データを取得する取得部と、
前記取得部が取得した画像データの認識結果に含まれる文字列のうち、前記識別辞書に含まれる前記第１の項目名と部分一致する前記文字列の座標と、前記第１の項目名の座標との距離に基づいて、前記取得部が取得した画像データのレイアウトに適合する前記識別辞書を特定するレイアウト識別部と、
前記画像データのレイアウトに適合する前記識別辞書に対応付けられている前記学習データを用いて文字認識する文字認識部と、
を有する情報処理装置。
【請求項９】
前記レイアウト識別部は、前記取得部が取得した画像データの認識結果に含まれる文字列のうち、前記識別辞書に含まれる前記第１の項目名と一致する文字数を前記距離の重み付けに使用して、該距離を算出する請求項８に記載の情報処理装置。
【請求項１０】
情報処理装置がＯＣＲにより文字認識を行う認識方法であって、
操作受付部が、帳票の画像データにおいて文字認識の対象とする第１の値を囲むユーザ指定座標を受け付けるステップと、
学習データ取得部が、前記ユーザ指定座標の周囲の第１のキーワードを取得し、前記ユーザ指定座標と対応付けて学習データとして保存するステップと、
取得部が、帳票の画像データを取得するステップと、
値抽出部が、前記取得部が取得した画像データの全文認識結果から、予め設定されている項目定義に基づいて第２のキーワードと、前記項目定義により定義された１つ以上の第２の値を抽出するステップと、
値決定部が、前記第２の値の座標と、前記第２の値に対応付けられている前記第２のキーワードと同じ前記第１のキーワードであって、前記学習データで該第１のキーワードに対応付けられている前記ユーザ指定座標との第１距離に基づいて、前記第２のキーワードの項目値とする前記第２の値を決定するステップと、
を有する認識方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、情報処理装置、文字認識方法、及びプログラムに関する。
続きを表示（約 2,400 文字）【背景技術】
【０００２】
帳票から値を抽出するＯＣＲ（Optical Character Recognition/Reader）技術は、主に定型ＯＣＲと準定型ＯＣＲの２つに分けられる。定型ＯＣＲは、固定されたレイアウトを持つ帳票の固定された領域に対しＯＣＲによる文字認識を行う技術である。準定型ＯＣＲは、固定された領域に文字認識は行わず、帳票全体の全文認識結果から、予め定義された項目名を抽出し、一定のルールにしたがって項目の付近にある項目値を抽出する技術である。準定型ＯＣＲは、レイアウトが異なる準定型帳票も認識できる。しかし、確実に読み取りたい領域が定義されている定型ＯＣＲと比較して、認識精度が低下する傾向がある。
【０００３】
ＯＣＲの認識精度を向上させる技術が知られている（例えば、特許文献１参照）。特許文献１には、帳票画像データにある表中の任意の枠がドラッグ操作に応じて指定された場合、指定された箇所の座標値を検出し、当該座標値から枠領域を抽出する技術が開示されている。
【先行技術文献】
【特許文献】
【０００４】
特開２０１３－２５０９２７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、従来の技術は、ＯＣＲの認識精度を向上させることができない場合がある。例えば、従来の技術では、指定された座標に枠領域がなければ認識結果を抽出できない。
【０００６】
本発明は、上記課題に鑑み、ＯＣＲの認識精度をより向上させることを課題とする。
【課題を解決するための手段】
【０００７】
本発明は、ＯＣＲによる文字認識を行う情報処理装置であって、帳票の画像データにおいて文字認識の対象とする第１の値を囲むユーザ指定座標を受け付ける操作受付部と、前記ユーザ指定座標の周囲の第１のキーワードを取得し、前記ユーザ指定座標と対応付けて学習データとして保存する学習データ取得部と、帳票の画像データを取得する取得部と、前記取得部が取得した画像データの全文認識結果から、予め設定されている項目定義に基づいて第２のキーワードと、前記項目定義により定義された１つ以上の第２の値を抽出する値抽出部と、前記第２の値の座標と、前記第２の値に対応付けられている前記第２のキーワードと同じ前記第１のキーワードであって、前記学習データで該第１のキーワードに対応付けられている前記ユーザ指定座標との第１距離に基づいて、前記第２のキーワードの項目値とする前記第２の値を決定する値決定部と、を有する。
【発明の効果】
【０００８】
ＯＣＲの認識精度をより向上させることができる。
【図面の簡単な説明】
【０００９】
定型ＯＣＲと準定型ＯＣＲのメリット、デメリットを比較して示す図である。
不都合が生じうる帳票の例を示す図である。
通常項目の改善を説明する図である。
ユーザが設定したユーザ指定座標を示す図の一例である。
図４の帳票に対する準定型ＯＣＲによる全文認識結果の一例を示す図である。
ユーザ指定座標と、全文認識結果から抽出された明細項目を示す図の一例である。
同じレイアウトだが、印字位置が異なる２つの帳票を示す図の一例である。
ＯＣＲ処理システムの全体構成を例示する図である。
ＯＣＲ処理装置の一例のハードウェア構成を示す図である。
項目定義が持つ情報の一例を示す図である。
準定型ＯＣＲ認識を説明する図である。
認識結果の確認、修正、学習を説明する図である。
ＯＣＲ処理装置の機能をブロックにわけて説明する機能ブロック図の一例である。
通常項目の改善を含め、ＯＣＲ処理装置２が行う処理を説明するフローチャート図の一例である。
処理（１）について説明する図である。
項目定義におけるキーワード、Value抽出条件、及び、結果候補の抽出ルールを抜粋した情報を示す図の一例である。
抽出されたキーワードとValueについて説明する図である。
認識結果候補の抽出方法を説明する図である。
キーワード特徴スコア及び位置スコアの算出方法を説明する図である。
ＯＣＲ処理装置の機能をブロックにわけて説明する機能ブロック図の一例である。
明細表の結果修正画面及びユーザ指定座標登録画面を示す図の一例である。
学習データの一例を示す図である。
ＯＣＲ処理装置が明細項目を取得する処理を説明するフローチャート図の一例である。
明細行の抽出を説明する図である。
ｙ座標が重複する矩形枠の座標の結合を説明する図である。
抽出された明細列を示す図の一例である。
比較技術において、行抽出及びヘッダ抽出の方法を説明する図である。
ＯＣＲ処理装置の機能をブロックにわけて説明する機能ブロック図の一例である。
入力文書に対しユーザが指定したユーザ指定座標を示す図の一例である。
識別辞書の一例を示す図である。
学習データの一例を示す図である。
ＯＣＲ処理装置が識別辞書と学習データを用いて帳票識別処理を改善する処理を説明するフローチャート図の一例である。
全文認識結果の一例を示す図である。
【発明を実施するための形態】
【００１０】
以下、本発明を実施するための形態の一例として、ＯＣＲ処理装置とＯＣＲ処理装置が行う文字認識方法について図面を参照しながら説明する。
（【００１１】以降は省略されています）

関連特許