ホーム > 特許ランキング > ローレルバンクマシン株式会社
▶ ローレルバンクマシン株式会社の特許一覧 ▶ ローレル機械株式会社の特許一覧 ▶ ローレル精機株式会社の特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023003647
(43)【公開日】2023-01-17
(54)【発明の名称】情報処理装置、及び、プログラム
(51)【国際特許分類】
G06V 30/12 20220101AFI20230110BHJP
【ＦＩ】
G06K9/03 C
【審査請求】未請求
【請求項の数】8
【出願形態】ＯＬ
(21)【出願番号】P 2021104847
(22)【出願日】2021-06-24
(71)【出願人】
【識別番号】000116079
【氏名又は名称】ローレルバンクマシン株式会社
(71)【出願人】
【識別番号】500267170
【氏名又は名称】ローレル機械株式会社
(71)【出願人】
【識別番号】500265501
【氏名又は名称】ローレル精機株式会社
(74)【代理人】
【識別番号】110003177
【氏名又は名称】弁理士法人旺知国際特許事務所
(72)【発明者】
【氏名】小澤 茂樹
【テーマコード（参考）】
5B064
【Ｆターム（参考）】
5B064AA01
5B064AB03
5B064BA01
5B064DA10
5B064EA11
5B064EA12
5B064EA29
5B064EA39
5B064FA13
(57)【要約】
【課題】文字認識処理における誤認識の発生が見落とされるリスクを低減する。
【解決手段】第１の文字認識処理、及び、第２の文字認識処理の各々により、文字画像ＧCに表された一の文字を認識する記載内容認識部１１３と、第１の文字認識処理による一の文字の認識結果である認識候補文字Ｒ[m1][1]、及び、第２の文字認識処理による一の文字の認識結果である認識候補文字Ｒ[m2][1]が、同一の文字である場合、認識候補文字Ｒ[m1][1]及び認識候補文字Ｒ[m2][1]を、確定認識文字ＲXとして決定し、認識候補文字Ｒ[m1][1]及び認識候補文字Ｒ[m2][1]が、異なる文字である場合、認識候補文字Ｒ[m1][1]及び認識候補文字Ｒ[m2][1]の一方を、有力認識文字ＲY決定する認識結果決定部１１４と、有力認識文字ＲYを確定認識文字ＲXとは異なる態様で表示部３１に表示させるための表示情報ＪHを生成する表示情報生成部１１５と、を備える、ことを特徴とする文字認識装置１。
【選択図】図１１
【解決手段】第１の文字認識処理、及び、第２の文字認識処理の各々により、文字画像ＧCに表された一の文字を認識する記載内容認識部１１３と、第１の文字認識処理による一の文字の認識結果である認識候補文字Ｒ[m1][1]、及び、第２の文字認識処理による一の文字の認識結果である認識候補文字Ｒ[m2][1]が、同一の文字である場合、認識候補文字Ｒ[m1][1]及び認識候補文字Ｒ[m2][1]を、確定認識文字ＲXとして決定し、認識候補文字Ｒ[m1][1]及び認識候補文字Ｒ[m2][1]が、異なる文字である場合、認識候補文字Ｒ[m1][1]及び認識候補文字Ｒ[m2][1]の一方を、有力認識文字ＲY決定する認識結果決定部１１４と、有力認識文字ＲYを確定認識文字ＲXとは異なる態様で表示部３１に表示させるための表示情報ＪHを生成する表示情報生成部１１５と、を備える、ことを特徴とする文字認識装置１。
【選択図】図１１
【特許請求の範囲】
【請求項1】
画像に含まれる文字を認識する第１の文字認識処理、及び、
画像に含まれる文字を認識する第２の文字認識処理の各々により、
文字画像に表された一の文字を認識する認識部と、
前記第１の文字認識処理による前記一の文字の認識結果である第１文字、及び、
前記第２の文字認識処理による前記一の文字の認識結果である第２文字が、同一の文字である場合、
前記第１文字及び前記第２文字を、前記一の文字の認識結果に対応する確定文字として決定し、
前記第１文字及び前記第２文字が、異なる文字である場合、
前記第１文字及び前記第２文字のうち一方を、前記一の文字の認識結果に対応する候補文字として決定する決定部と、
前記決定部により決定された前記確定文字または前記候補文字を表示部に表示させる表示制御部と、
を備え、
前記表示制御部は、
前記候補文字を前記確定文字とは異なる態様で前記表示部に表示させる、
ことを特徴とする情報処理装置。
画像に含まれる文字を認識する第２の文字認識処理の各々により、
文字画像に表された一の文字を認識する認識部と、
前記第１の文字認識処理による前記一の文字の認識結果である第１文字、及び、
前記第２の文字認識処理による前記一の文字の認識結果である第２文字が、同一の文字である場合、
前記第１文字及び前記第２文字を、前記一の文字の認識結果に対応する確定文字として決定し、
前記第１文字及び前記第２文字が、異なる文字である場合、
前記第１文字及び前記第２文字のうち一方を、前記一の文字の認識結果に対応する候補文字として決定する決定部と、
前記決定部により決定された前記確定文字または前記候補文字を表示部に表示させる表示制御部と、
を備え、
前記表示制御部は、
前記候補文字を前記確定文字とは異なる態様で前記表示部に表示させる、
ことを特徴とする情報処理装置。
【請求項2】
前記第１の文字認識処理は、
文字を含む画像と、前記画像に表された文字との関係を学習した第１の学習モデルを用いて、
前記文字画像に表された前記一の文字を認識する処理である、
ことを特徴とする、請求項１に記載の情報処理装置。
文字を含む画像と、前記画像に表された文字との関係を学習した第１の学習モデルを用いて、
前記文字画像に表された前記一の文字を認識する処理である、
ことを特徴とする、請求項１に記載の情報処理装置。
【請求項3】
前記表示部に表示された前記候補文字または前記確定文字の修正を受け付ける受付部と、
前記受付部が、前記候補文字または前記確定文字を前記一の文字へと変更する修正を受け付けた場合、
前記第１の学習モデルに対して、前記文字画像が前記一の文字を表すことを学習させる学習部と、
を備える、
ことを特徴とする、請求項２に記載の情報処理装置。
前記受付部が、前記候補文字または前記確定文字を前記一の文字へと変更する修正を受け付けた場合、
前記第１の学習モデルに対して、前記文字画像が前記一の文字を表すことを学習させる学習部と、
を備える、
ことを特徴とする、請求項２に記載の情報処理装置。
【請求項4】
前記表示部に表示された前記候補文字または前記確定文字の修正を受け付ける受付部と、
前記受付部が、前記候補文字または前記確定文字を前記一の文字へと変更する修正を受け付けた場合であって、
前記第１文字と前記一の文字が異なる場合において、
前記第１の学習モデルに対して、前記文字画像が前記一の文字を表すことを学習させる学習部と、
を備える、
ことを特徴とする、請求項２に記載の情報処理装置。
前記受付部が、前記候補文字または前記確定文字を前記一の文字へと変更する修正を受け付けた場合であって、
前記第１文字と前記一の文字が異なる場合において、
前記第１の学習モデルに対して、前記文字画像が前記一の文字を表すことを学習させる学習部と、
を備える、
ことを特徴とする、請求項２に記載の情報処理装置。
【請求項5】
前記表示部に表示された前記候補文字または前記確定文字の修正を受け付ける受付部を備え、
前記表示制御部は、
前記決定部が、前記第１文字及び前記第２文字のうち一方を、前記候補文字として決定した場合であって、
前記受付部が、前記候補文字の修正を受け付ける場合、
前記第１文字及び前記第２文字のうち他方を、前記候補文字の修正候補として、前記表示部に表示させる、
ことを特徴とする、請求項１乃至４のうち何れか１項に記載の情報処理装置。
前記表示制御部は、
前記決定部が、前記第１文字及び前記第２文字のうち一方を、前記候補文字として決定した場合であって、
前記受付部が、前記候補文字の修正を受け付ける場合、
前記第１文字及び前記第２文字のうち他方を、前記候補文字の修正候補として、前記表示部に表示させる、
ことを特徴とする、請求項１乃至４のうち何れか１項に記載の情報処理装置。
【請求項6】
前記表示制御部は、
前記文字画像と、前記確定文字または前記候補文字とを、前記表示部に表示させる、
ことを特徴とする、請求項１乃至５のうち何れか１項に記載の情報処理装置。
前記文字画像と、前記確定文字または前記候補文字とを、前記表示部に表示させる、
ことを特徴とする、請求項１乃至５のうち何れか１項に記載の情報処理装置。
【請求項7】
前記認識部は、
前記文字画像に表された前記一の文字の種類に応じて、
画像に含まれる文字を認識する複数の文字認識処理の中から、
前記第１の文字認識処理と、前記第２の文字認識処理とを選択する、
ことを特徴とする、請求項１乃至６のうち何れか１項に記載の情報処理装置。
前記文字画像に表された前記一の文字の種類に応じて、
画像に含まれる文字を認識する複数の文字認識処理の中から、
前記第１の文字認識処理と、前記第２の文字認識処理とを選択する、
ことを特徴とする、請求項１乃至６のうち何れか１項に記載の情報処理装置。
【請求項8】
プロセッサを、
画像に含まれる文字を認識する第１の文字認識処理、及び、
画像に含まれる文字を認識する第２の文字認識処理の各々により、
文字画像に表された一の文字を認識する認識部と、
前記第１の文字認識処理による前記一の文字の認識結果である第１文字、及び、
前記第２の文字認識処理による前記一の文字の認識結果である第２文字が、同一の文字である場合、
前記第１文字及び前記第２文字を、前記一の文字の認識結果に対応する確定文字として決定し、
前記第１文字及び前記第２文字が、異なる文字である場合、
前記第１文字及び前記第２文字のうち一方を、前記一の文字の認識結果に対応する候補文字として決定する決定部と、
前記決定部により決定された前記確定文字または前記候補文字を表示部に表示させる表示制御部と、
して機能させ、
前記表示制御部は、
前記候補文字を前記確定文字とは異なる態様で前記表示部に表示させる、
ことを特徴とするプログラム。
画像に含まれる文字を認識する第１の文字認識処理、及び、
画像に含まれる文字を認識する第２の文字認識処理の各々により、
文字画像に表された一の文字を認識する認識部と、
前記第１の文字認識処理による前記一の文字の認識結果である第１文字、及び、
前記第２の文字認識処理による前記一の文字の認識結果である第２文字が、同一の文字である場合、
前記第１文字及び前記第２文字を、前記一の文字の認識結果に対応する確定文字として決定し、
前記第１文字及び前記第２文字が、異なる文字である場合、
前記第１文字及び前記第２文字のうち一方を、前記一の文字の認識結果に対応する候補文字として決定する決定部と、
前記決定部により決定された前記確定文字または前記候補文字を表示部に表示させる表示制御部と、
して機能させ、
前記表示制御部は、
前記候補文字を前記確定文字とは異なる態様で前記表示部に表示させる、
ことを特徴とするプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報処理装置、及び、プログラムに関する。
【背景技術】
【0002】
画像に含まれる文字を認識する文字認識処理に関する技術が提案されている（例えば、特許文献１参照）。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０１５－０６９２５６号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかし、従来の技術において、文字認識処理における文字の認識の精度を如何に高めようとしても、文字認識処理において誤認識の発生を完全に防止することは難しい。そして、文字認識処理において誤認識が発生した場合に、文字認識処理の結果を確認するオペレータが、文字認識処理における誤認識の発生を見落としてしまう可能性があった。
【0005】
本発明は、上述した事情に鑑みてなされたものであり、従来の技術と比較して、文字認識処理における誤認識の発生が見落とされるリスクを低減することを可能とする技術の提供を、解決課題の一つとする。
【課題を解決するための手段】
【0006】
以上の課題を解決するために、本発明に係る情報処理装置は、画像に含まれる文字を認識する第１の文字認識処理、及び、画像に含まれる文字を認識する第２の文字認識処理の各々により、文字画像に表された一の文字を認識する認識部と、前記第１の文字認識処理による前記一の文字の認識結果である第１文字、及び、前記第２の文字認識処理による前記一の文字の認識結果である第２文字が、同一の文字である場合、前記第１文字及び前記第２文字を、前記一の文字の認識結果に対応する確定文字として決定し、前記第１文字及び前記第２文字が、異なる文字である場合、前記第１文字及び前記第２文字のうち一方を、前記一の文字の認識結果に対応する候補文字として決定する決定部と、前記決定部により決定された前記確定文字または前記候補文字を表示部に表示させる表示制御部と、を備え、前記表示制御部は、前記候補文字を前記確定文字とは異なる態様で前記表示部に表示させる、ことを特徴とする。
【0007】
また、本発明に係るプログラムは、プロセッサを、画像に含まれる文字を認識する第１の文字認識処理、及び、画像に含まれる文字を認識する第２の文字認識処理の各々により、文字画像に表された一の文字を認識する認識部と、前記第１の文字認識処理による前記一の文字の認識結果である第１文字、及び、前記第２の文字認識処理による前記一の文字の認識結果である第２文字が、同一の文字である場合、前記第１文字及び前記第２文字を、前記一の文字の認識結果に対応する確定文字として決定し、前記第１文字及び前記第２文字が、異なる文字である場合、前記第１文字及び前記第２文字のうち一方を、前記一の文字の認識結果に対応する候補文字として決定する決定部と、前記決定部により決定された前記確定文字または前記候補文字を表示部に表示させる表示制御部と、して機能させ、前記表示制御部は、前記候補文字を前記確定文字とは異なる態様で前記表示部に表示させる、ことを特徴とする。
【発明の効果】
【0008】
本発明によれば、従来の技術と比較して、文字認識処理における誤認識の発生が見落とされるリスクを低減することが可能となる。
【図面の簡単な説明】
【0009】
【図1】本発明の実施形態に係る文字認識システムＳysの概要の一例を示す説明図である。
【図2】申込書画像ＧMの概要の一例を示す説明図である。
【図3】申込内容表示画像ＧHの概要の一例を示す説明図である。
【図4】申込内容表示画像ＧHの概要の一例を示す説明図である。
【図5】文字認識装置１の構成の一例を示すブロック図である。
【図6】文字認識装置１のハードウェア構成の一例を示すブロック図である。
【図7】申込書情報ＪMのデータ構成の一例を示す図である。
【図8】アルゴリズム特性情報ＪRのデータ構成の一例を示す図である。
【図9】文字認識装置１の動作の一例を示すフローチャートである。
【図10】文字認識装置１の動作の一例を示すフローチャートである。
【図11】文字認識処理及び表示文字決定処理の一例を説明するための説明図である。
【図12】文字認識装置１の動作の一例を示すフローチャートである。
【図13】変形例４に係る文字認識システムＳys-Bの概要の一例を示す説明図である。
【図14】文字認識装置１Bの構成の一例を示すブロック図である。
【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について図面を参照して説明する。なお、各図において、各部の寸法及び縮尺は、実際のものと適宜に異ならせてある。また、以下に述べる実施の形態は、本発明の好適な具体例であるから、技術的に好ましい種々の限定が付されているが、本発明の範囲は、以下の説明において特に本発明を限定する旨の記載がない限り、これらの形態に限られるものではない。
【0011】
［Ａ．実施形態］
以下、本発明の実施形態を説明する。
以下、本発明の実施形態を説明する。
【0012】
【0013】
図１は、本実施形態に係る文字認識システムＳysの構成の一例を説明するための説明図である。
【0014】
図１に例示するように、文字認識システムＳysは、文字認識装置１と、端末装置３と、撮像装置５と、を備える。
【0015】
文字認識装置１（「情報処理装置」の一例）は、例えば、光学文字認識（ＯＣＲ：Ｏｐｔｉｃａｌ Ｃｈａｒａｃｔｅｒ Ｒｅｃｏｇｎｉｔｉｏｎ）技術を用いて、画像に含まれる文字を認識する文字認識処理を実行する。本実施形態では、文字認識装置１による文字認識処理の対象となる画像が、所定のサービスに入会するための入会申込書を撮像した申込書画像ＧMである場合を、一例として想定する。なお、申込書画像ＧMについては、図２において後述する。
【0016】
撮像装置５は、例えば、カメラまたはイメージスキャナ等の光学的な装置であり、入会申込書を撮像し、当該撮像の結果得られた申込書画像ＧMを示す画像情報ＪGを、端末装置３に供給する。
【0017】
端末装置３は、画像を表示可能な表示部３１と、端末装置３のオペレータの操作を受け付ける操作部３２と、を備える。なお、端末装置３としては、パーソナルコンピュータ等の据置型の情報機器であってもよいし、タブレット端末、または、スマートフォン等の可搬型の情報端末であってもよい。
【0018】
本実施形態において、端末装置３は、ネットワークＮWを介して文字認識装置１と通信可能であり、撮像装置５から供給された画像情報ＪGを、ネットワークＮWを介して文字認識装置１に送信する。そして、文字認識装置１は、端末装置３から画像情報ＪGが供給されると、端末装置３から供給された画像情報ＪGの示す申込書画像ＧMに対して文字認識処理を施す。その後、文字認識装置１は、申込書画像ＧMに対する文字認識処理による認識の結果に基づいて、表示部３１に申込内容表示画像ＧHを表示させるための表示情報ＪHを生成し、生成した表示情報ＪHを、端末装置３に対して送信する。そして、端末装置３は、文字認識装置１から表示情報ＪHが供給されると、文字認識装置１から供給された表示情報ＪHに基づいて、表示部３１に申込内容表示画像ＧHを表示させる。なお、申込内容表示画像ＧHについては、図３及び図４において後述する。
【0019】
図２は、申込書画像ＧMの一例を説明するための説明図である。
【0020】
図２に例示するように、申込書画像ＧMは、複数の記載欄を含む。複数の記載欄の各々は、当該記載欄に記載すべき申込内容の項目の名称である項目名称が記載された項目名称記載領域ＡMと、当該記載欄に係る申込内容が記載された申込内容記載領域ＡKと、を含む。以下では、申込書画像ＧMのうち、申込内容記載領域ＡKに記載された申込内容に係る文字列を示す画像を、文字列画像ＧCLと称する。また、以下では、文字列画像ＧCLのうち、文字列画像ＧCLの示す文字列に含まれる複数の文字の各々を示す画像を、文字画像ＧCと称する。すなわち、文字列画像ＧCLは、複数の文字画像ＧCを含む画像である。
【0021】
なお、本実施形態では、一例として、入会申込書が、図２に示すように、「申込番号」に係る記載欄と、「カナ氏名」に係る記載欄と、「氏名」に係る記載欄と、「郵便番号」に係る記載欄と、「住所」に係る記載欄と、「メール」に係る記載欄と、「電話番号」に係る記載欄と、を有する場合を想定する。そして、以下では、申込書画像ＧMのうち、「申込番号」に係る記載欄に記載された申込内容を示す文字列画像ＧCLを、文字列画像ＧCL1と称し、「カナ氏名」に係る記載欄に記載された申込内容を示す文字列画像ＧCLを、文字列画像ＧCL2と称し、「氏名」に係る記載欄に記載された申込内容を示す文字列画像ＧCLを、文字列画像ＧCL3と称し、「郵便番号」に係る記載欄に記載された申込内容を示す文字列画像ＧCLを、文字列画像ＧCL4と称し、「住所」に係る記載欄に記載された申込内容を示す文字列画像ＧCLを、文字列画像ＧCL5と称し、「メール」に係る記載欄に記載された申込内容を示す文字列画像ＧCLを、文字列画像ＧCL6と称し、「電話番号」に係る記載欄に記載された申込内容を示す文字列画像ＧCLを、文字列画像ＧCL7と称する場合がある。
【0022】
なお、以下では、文字認識装置１が、図２に例示するフォーマットを有する申込書画像ＧMを、文字認識処理の対象とする場合を想定するが、本発明はこのような態様に限定されるものではない。本実施形態において、文字認識装置１は、任意のフォーマットを有する書類を、文字認識処理の対象とすることができる。また、以下では、記載欄に記載された申込内容が、手書きされた文字である手書文字により記載される場合を想定するが、本発明はこのような態様に限定されるものではない。本実施形態において、記載欄に記載された複数の申込内容のうち、一部または全部が、活字により記載されていてもよい。
【0023】
図３は、申込内容表示画像ＧHの一例を説明するための説明図である。
【0024】
図３に例示するように、申込内容表示画像ＧHは、申込書画像ＧMにおける複数の記載欄に１対１に対応する複数の項目名称と、申込書画像ＧMにおける複数の記載欄に１対１に対応する複数の文字列画像ＧCL（文字列画像ＧCL1～ＧCL7）と、申込書画像ＧMにおける複数の記載欄に１対１に対応する複数の認識文字列ＬMK（認識文字列ＬMK1～ＬMK7）と、を含む。
【0025】
ここで、認識文字列ＬMKとは、文字認識装置１において、申込書画像ＧMに含まれる文字列画像ＧCLに対して実行された文字認識処理の結果に基づいて得られた文字列である。以下では、認識文字列ＬMKに含まれる複数の文字の各々を、表示文字ＲHと称する。すなわち、表示文字ＲHとは、文字認識装置１において、文字画像ＧCに対して実行された文字認識処理の結果に基づいて得られた文字である。
【0026】
また、図３に例示するように、申込内容表示画像ＧHは、注意喚起マークＭKを含む場合がある。ここで、注意喚起マークＭKとは、文字認識装置１において、文字画像ＧCに対して文字認識処理が実行され、当該文字認識処理の結果に基づいて表示文字ＲHが決定された場合に、文字認識装置１が、文字画像ＧCの示す文字と、表示文字ＲHとが異なる文字である可能性があると判断した場合に、申込内容表示画像ＧHにおいて表示する画像である。例えば、図３に示す例では、文字認識装置１が、文字列画像ＧCL5に含まれる文字画像ＧC1の示す文字と、認識文字列ＬMK5に含まれる表示文字ＲH1である「丈」とが、異なる文字である可能性があると判断したため、当該文字画像ＧC1及び表示文字ＲH1に対応する位置に、注意喚起マークＭK1が表示される場合を例示している。また、図３に示す例では、文字認識装置１が、文字列画像ＧCL7に含まれる文字画像ＧC2の示す文字と、認識文字列ＬMK7に含まれる表示文字ＲH2である「７」とが、異なる文字である可能性があると判断したため、当該文字画像ＧC2及び表示文字ＲH2に対応する位置に、注意喚起マークＭK2が表示される場合を例示している。
【0027】
また、図３に例示するように、申込内容表示画像ＧHは、修正ボタンＳSBを含む。
ここで、修正ボタンＳSBとは、端末装置３を操作するオペレータが、申込内容表示画像ＧHにおいて、文字画像ＧCと、当該文字画像ＧCに対応する表示文字ＲHとを比較し、表示文字ＲHが、文字画像ＧCの示す文字とは異なる文字であると判断した場合に、表示文字ＲHを修正可能な状態とするためのボタンである。
ここで、修正ボタンＳSBとは、端末装置３を操作するオペレータが、申込内容表示画像ＧHにおいて、文字画像ＧCと、当該文字画像ＧCに対応する表示文字ＲHとを比較し、表示文字ＲHが、文字画像ＧCの示す文字とは異なる文字であると判断した場合に、表示文字ＲHを修正可能な状態とするためのボタンである。
【0028】
図４は、修正ボタンＳSBが押下された場合における、申込内容表示画像ＧHの一例を説明するための説明図である。
【0029】
図４に例示するように、申込内容表示画像ＧHにおいて、修正ボタンＳSBが押下されると、端末装置３を操作するオペレータは、各認識文字列ＬMKを編集することができるようになる。具体的には、申込内容表示画像ＧHにおいて、修正ボタンＳSBが押下された場合に、端末装置３を操作するオペレータは、端末装置３を操作するオペレータが選択した表示文字ＲHに対応する位置に、カーソルＣSRを配置することで、当該表示文字ＲHを編集可能な状態にする。
【0030】
また、図４に例示するように、申込内容表示画像ＧHにおいて、修正ボタンＳSBが押下され、端末装置３を操作するオペレータが、表示文字ＲHに対応する位置にカーソルＣSRを配置し、当該表示文字ＲHを編集可能な状態とした場合に、当該表示文字ＲHに対応する修正候補文字ＲZが表示されたポップアップ画像ＰRZが、表示文字ＲHに対応する位置に表示される。ここで、修正候補文字ＲZとは、表示文字ＲHの修正候補となる文字である。より具体的には、修正候補文字ＲZとは、表示文字ＲHに対応する文字画像ＧCに対して文字認識処理を実行することで得られる複数の認識候補文字Ｒのうち、表示文字ＲHとは異なる認識候補文字Ｒである。ここで、認識候補文字Ｒとは、表示文字ＲHに対応する文字画像ＧCに対して文字認識処理を実行することで得られる、当該文字画像ＧCの示す文字の候補となる文字である。
そして、端末装置３を操作するオペレータは、ポップアップ画像ＰRZに表示された修正候補文字ＲZを選択することで、表示文字ＲHを修正候補文字ＲZに置き換えることができる。
そして、端末装置３を操作するオペレータは、ポップアップ画像ＰRZに表示された修正候補文字ＲZを選択することで、表示文字ＲHを修正候補文字ＲZに置き換えることができる。
【0031】
なお、図４では、端末装置３を操作するオペレータが、認識文字列ＬMK5に含まれる表示文字ＲH1である「丈」に対して、カーソルＣSRを配置し、当該表示文字ＲH1を編集可能な状態とした場合を例示している。そして、図４では、表示文字ＲH1である「丈」に対応して、修正候補文字ＲZ-1である「太」と、修正候補文字ＲZ-2である「大」と、修正候補文字ＲZ-3である「犬」と、が存在し、これらの修正候補文字ＲZ1～ＲZ3が表示されたポップアップ画像ＰRZが、表示文字ＲH1の近傍に表示される場合を例示している。そして、図４では、端末装置３を操作するオペレータは、ポップアップ画像ＰRZに表示された修正候補文字ＲZ1～ＲZ3の中から一の修正候補文字ＲZを選択することで、表示文字ＲH1を一の修正候補文字ＲZに修正することができる。例えば、図４において、端末装置３を操作するオペレータが、ポップアップ画像ＰRZに表示された、修正候補文字ＲZ-1（太）、修正候補文字ＲZ-2（大）、及び、修正候補文字ＲZ-3（犬）の中から、修正候補文字ＲZ-2である「大」を選択した場合、表示文字ＲH1は、「丈」から「大」に修正（変更）されることになる。
【0032】
また、図３及び図４に例示するように、申込内容表示画像ＧHは、確定ボタンＫTBを含む。
ここで、確定ボタンＫTBとは、申込内容表示画像ＧHに含まれる複数の認識文字列ＬMKを確定するためのボタンである。確定ボタンＫTBが押下された場合、各認識文字列ＬMKに含まれる各表示文字ＲHが確定し、端末装置３を操作するオペレータが各表示文字ＲHを変更できない状態となる。これにより、文字認識システムＳysは、申込書画像ＧMに含まれる文字の認識結果を、申込内容表示画像ＧHに表示される複数の表示文字ＲHであるとして確定する。
ここで、確定ボタンＫTBとは、申込内容表示画像ＧHに含まれる複数の認識文字列ＬMKを確定するためのボタンである。確定ボタンＫTBが押下された場合、各認識文字列ＬMKに含まれる各表示文字ＲHが確定し、端末装置３を操作するオペレータが各表示文字ＲHを変更できない状態となる。これにより、文字認識システムＳysは、申込書画像ＧMに含まれる文字の認識結果を、申込内容表示画像ＧHに表示される複数の表示文字ＲHであるとして確定する。
【0033】
なお、本実施形態では、表示部３１において申込内容表示画像ＧHが表示された状態で修正ボタンＳSBが押下された場合に限り、端末装置３を操作するオペレータが各認識文字列ＬMKを編集可能となる態様を例示しているが、本発明はこのような態様に限定されるものではない。例えば、端末装置３を操作するオペレータは、表示部３１において申込内容表示画像ＧHが表示された時点で、認識文字列ＬMKを編集可能であってもよい。この場合、申込内容表示画像ＧHは、修正ボタンＳSBを含まなくてもよい。
【0034】
【0035】
図５は、文字認識装置１の構成の一例を示す機能ブロック図である。
【0036】
図５に例示するように、文字認識装置１は、文字認識装置１の各部を制御する制御部１１と、各種情報を記憶する記憶部１２と、文字認識装置１の外部に存在する外部装置との間の通信を実行する通信部１３と、を備える。
【0037】
図５に例示するように、制御部１１は、画像情報取得部１１１と、文字領域特定部１１２と、記載内容認識部１１３と、認識結果決定部１１４と、表示情報生成部１１５と、操作受付部１１６と、学習実行部１１７と、を備える。
【0038】
画像情報取得部１１１は、端末装置３から画像情報ＪGを取得する。
文字領域特定部１１２は、画像情報取得部１１１の取得した画像情報ＪGの示す申込書画像ＧMにおいて、複数の申込内容記載領域ＡKを特定する。具体的には、文字領域特定部１１２は、例えば、記憶部１２に記憶された申込書画像ＧMのレイアウトに関する情報（図示省略）に基づいて、申込書画像ＧMに含まれる複数の申込内容記載領域ＡKを特定する。
文字領域特定部１１２は、画像情報取得部１１１の取得した画像情報ＪGの示す申込書画像ＧMにおいて、複数の申込内容記載領域ＡKを特定する。具体的には、文字領域特定部１１２は、例えば、記憶部１２に記憶された申込書画像ＧMのレイアウトに関する情報（図示省略）に基づいて、申込書画像ＧMに含まれる複数の申込内容記載領域ＡKを特定する。
【0039】
記載内容認識部１１３（「認識部」の一例）は、申込内容記載領域ＡKに表された文字列画像ＧCLに含まれる各文字画像ＧCに対して、文字認識処理を施すことで、当該文字画像ＧCの示す文字の認識結果として、１または複数の認識候補文字Ｒを特定する。
【0040】
具体的には、記載内容認識部１１３は、Ｍ個の文字認識部ＲG[1]～ＲG[M]を備える。ここで、値Ｍは、Ｍ≧２を満たす自然数である。なお、以下では、Ｍ個の文字認識部ＲG[1]～ＲG[M]のうち、ｍ番目の文字認識部ＲGを、文字認識部ＲG[m]と称する場合がある。ここで、変数ｍは、１≦ｍ≦Ｍを満たす自然数である。文字認識部ＲG[m]は、文字画像ＧCに対して文字認識処理を施すことで、当該文字画像ＧCの示す文字の認識結果として、１または複数の認識候補文字Ｒを特定することができる。
なお、文字認識部ＲG[m]による文字認識処理には、様々な方法を適用できるが、本実施形態では、一例として、光学文字認識（ＯＣＲ：Ｏｐｔｉｃａｌ ｃｈａｒａｃｔｅｒ ｒｅｃｏｇｎｉｔｉｏｎ）による方法を適用する場合を想定する。
なお、文字認識部ＲG[m]による文字認識処理には、様々な方法を適用できるが、本実施形態では、一例として、光学文字認識（ＯＣＲ：Ｏｐｔｉｃａｌ ｃｈａｒａｃｔｅｒ ｒｅｃｏｇｎｉｔｉｏｎ）による方法を適用する場合を想定する。
【0041】
また、本実施形態において、記載内容認識部１１３は、Ｍ個の文字認識部ＲG[1]～ＲG[M]の中から、Ｗ個の文字認識部ＲGを選択し、当該選択されたＷ個の文字認識部ＲGの各々に、文字認識処理を実行させる。ここで、Ｗは、２≦Ｗ≦Ｍを満たす自然数である。なお、本実施形態では、一例として、「Ｗ＝２」である場合を想定する。そして、以下では、選択されたＷ個（＝２個）の文字認識部ＲGを、文字認識部ＲG[m1]及び文字認識部ＲG[m2]と称する。ここで、変数ｍ1は、１≦ｍ1≦Ｍを満たす自然数であり、また、変数ｍ2は、１≦ｍ2≦Ｍを満たす自然数である。
【0042】
認識結果決定部１１４（「決定部」の一例）は、記載内容認識部１１３が、文字画像ＧCの示す文字の認識結果として特定した、１または複数の認識候補文字Ｒの中から、一の認識候補文字Ｒを、表示文字ＲHとして決定する。
表示情報生成部１１５（「表示制御部部」の一例）は、認識結果決定部１１４により決定された表示文字ＲHを表す申込内容表示画像ＧHを、表示部３１において表示させるための、表示情報ＪHを生成する。
表示情報生成部１１５（「表示制御部部」の一例）は、認識結果決定部１１４により決定された表示文字ＲHを表す申込内容表示画像ＧHを、表示部３１において表示させるための、表示情報ＪHを生成する。
【0043】
操作受付部１１６（「受付部」の一例）は、端末装置３を操作するオペレータによる、操作部３２の操作内容を示す操作情報ＪSを受け付ける。
学習実行部１１７（「学習部」の一例）は、後述する学習モデルＮN[m]に対して、文字画像ＧCと、当該文字画像ＧCの示す文字との関係を学習させる。
学習実行部１１７（「学習部」の一例）は、後述する学習モデルＮN[m]に対して、文字画像ＧCと、当該文字画像ＧCの示す文字との関係を学習させる。
【0044】
図５に例示するように、記憶部１２は、申込書情報ＪMと、アルゴリズム特性情報ＪRと、Ｍ個の文字認識部ＲG[1]～ＲG[M]と１対１に対応するＭ個の学習モデルＮN[1]～ＮN[M]と、文字認識装置１の各部を制御するための制御プログラムＰG1と、を記憶している。なお、記憶部１２には、文字認識装置１が文字認識処理の対象とすることができる入会申込書等の書類が複数種類存在する場合には、当該複数種類の書類と１対１に対応する複数の申込書情報ＪMを記憶していることとする。なお、申込書情報ＪMについては、図７において後述する。また、アルゴリズム特性情報ＪRについては、図８において後述する。
【0045】
学習モデルＮN[m]は、例えば、多層ニューラルネットワークであり、１または複数の種類の文字について、当該種類の文字を含む画像と、当該画像に含まれる文字との関係を学習した学習モデルである。
ここで、本実施形態では、説明の便宜上、画像の示す文字の種類が、漢字、ひらがな、カタカナ、アラビア数字（以下、単に「数字」と称する）、アルファベット、及び、記号の、６種類である場合を想定する。ここで、記号とは、例えば、ドット、カンマ、句点、読点、ハイフン、及び、演算記号を含む概念である。
ここで、本実施形態では、説明の便宜上、画像の示す文字の種類が、漢字、ひらがな、カタカナ、アラビア数字（以下、単に「数字」と称する）、アルファベット、及び、記号の、６種類である場合を想定する。ここで、記号とは、例えば、ドット、カンマ、句点、読点、ハイフン、及び、演算記号を含む概念である。
【0046】
本実施形態において、文字認識部ＲG[m]は、学習モデルＮN[m]を用いて、文字画像ＧCの示す文字を認識する。すなわち、本実施形態において、文字認識部ＲG[m]は、記憶部１２に記憶された学習モデルＮN[m]を用いることで、ＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）－ＯＣＲによる文字認識処理を実行する。
また、本実施形態において、Ｍ個の文字認識部ＲGは、互いに異なるアルゴリズムを用いて、文字認識処理を実行する。すなわち、文字認識部ＲG[m1]が文字認識処理において用いるアルゴリズムと、文字認識部ＲG[m2]が文字認識処理において用いるアルゴリズムとは異なる。ここで、「アルゴリズムが異なる」とは、例えば、文字認識処理に用いられる学習モデルＮNの種類（例えば、ニューラルネットワークの種類）が異なることであってもよいし、文字認識処理に用いられる学習モデルＮNを学習させる際に用いるデータセットが異なることであってもよいし、または、これらの両方の概念を含むものであってもよい。
具体的には、本実施形態では、一例として、文字認識部ＲG[m1]が文字認識処理において用いる学習モデルＮN[m1]を学習させる際に用いた画像に含まれる文字には、文字認識部ＲG[m2]が文字認識処理において用いる学習モデルＮN[m2]を学習させる際に用いた画像に含まれる文字とは、異なる種類の文字が含まれる場合を想定する。この場合、文字認識部ＲG[m1]が文字認識処理において用いる学習モデルＮN[m1]を学習させる際に用いた画像に含まれる文字には、文字認識部ＲG[m2]が文字認識処理において用いる学習モデルＮN[m2]を学習させる際に用いた画像に含まれる文字と、同一の種類の文字が含まれていてもよい。また、本実施形態では、一例として、文字認識部ＲG[m1]が文字認識処理において用いる学習モデルＮN[m1]を構成するニューラルネットワークと、文字認識部ＲG[m2]が文字認識処理において用いる学習モデルＮN[m2]を構成するニューラルネットワークとが、異なる種類のニューラルネットワークである場合を想定する。但し、本発明はこのような態様に限定されるものではない。文字認識部ＲG[m1]が文字認識処理において用いる学習モデルＮN[m1]を構成するニューラルネットワークと、文字認識部ＲG[m2]が文字認識処理において用いる学習モデルＮN[m2]を構成するニューラルネットワークとは、同一の種類のニューラルネットワークであってもよい。
また、本実施形態において、Ｍ個の文字認識部ＲGは、互いに異なるアルゴリズムを用いて、文字認識処理を実行する。すなわち、文字認識部ＲG[m1]が文字認識処理において用いるアルゴリズムと、文字認識部ＲG[m2]が文字認識処理において用いるアルゴリズムとは異なる。ここで、「アルゴリズムが異なる」とは、例えば、文字認識処理に用いられる学習モデルＮNの種類（例えば、ニューラルネットワークの種類）が異なることであってもよいし、文字認識処理に用いられる学習モデルＮNを学習させる際に用いるデータセットが異なることであってもよいし、または、これらの両方の概念を含むものであってもよい。
具体的には、本実施形態では、一例として、文字認識部ＲG[m1]が文字認識処理において用いる学習モデルＮN[m1]を学習させる際に用いた画像に含まれる文字には、文字認識部ＲG[m2]が文字認識処理において用いる学習モデルＮN[m2]を学習させる際に用いた画像に含まれる文字とは、異なる種類の文字が含まれる場合を想定する。この場合、文字認識部ＲG[m1]が文字認識処理において用いる学習モデルＮN[m1]を学習させる際に用いた画像に含まれる文字には、文字認識部ＲG[m2]が文字認識処理において用いる学習モデルＮN[m2]を学習させる際に用いた画像に含まれる文字と、同一の種類の文字が含まれていてもよい。また、本実施形態では、一例として、文字認識部ＲG[m1]が文字認識処理において用いる学習モデルＮN[m1]を構成するニューラルネットワークと、文字認識部ＲG[m2]が文字認識処理において用いる学習モデルＮN[m2]を構成するニューラルネットワークとが、異なる種類のニューラルネットワークである場合を想定する。但し、本発明はこのような態様に限定されるものではない。文字認識部ＲG[m1]が文字認識処理において用いる学習モデルＮN[m1]を構成するニューラルネットワークと、文字認識部ＲG[m2]が文字認識処理において用いる学習モデルＮN[m2]を構成するニューラルネットワークとは、同一の種類のニューラルネットワークであってもよい。
【0047】
なお、本実施形態では、一例として、記憶部１２が、Ｍ個の文字認識部ＲG[1]～ＲG[M]と１対１に対応するＭ個の学習モデルＮN[1]～ＮN[M]を記憶している場合を想定するが、本発明はこのような態様に限定されるものではない。例えば、Ｍ個の文字認識部ＲG[1]～ＲG[M]のうちの、一部または全部は、ニューラルネットワークを用いずに文字認識処理を行う構成要素であってもよい。
【0048】
図６は、文字認識装置１のハードウェア構成の一例を示す構成図である。
【0049】
図６に例示するように、文字認識装置１は、文字認識装置１の各部を制御するプロセッサ１００１と、各種情報を記憶する記憶装置１００２と、文字認識装置１の外部に存在する外部装置との通信を行うための通信装置１００３と、を備える。
【0050】
このうち、記憶装置１００２は、プロセッサ１００１の作業領域として機能するＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等の揮発性メモリと、制御プログラムＰG1等の各種情報を記憶するＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏry）等の不揮発性メモリとの、一方または双方を含み、記憶部１２としての機能を提供する。
また、プロセッサ１００１は、例えば、１または複数のＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を含んで構成される。プロセッサ１００１は、記憶装置１００２に記憶された制御プログラムＰG1を実行し、当該制御プログラムＰG1に従って動作することで、制御部１１として機能する。なお、プロセッサ１００１は、１または複数のＣＰＵに加え、または、１または複数のＣＰＵのうち一部または全部に替えて、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、または、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等の、ハードウェアを含んで構成されるものであってもよい。この場合、プロセッサ１００１により実現される制御部１１の一部または全部は、ＤＳＰ等のハードウェアにより実現されてもよい。
また、通信装置１００３は、有線ネットワーク及び無線ネットワークの一方または双方を介して、文字認識装置１の外部に存在する外部装置との通信を行うためのハードウェアであり、通信部１３としての機能を提供する。
また、プロセッサ１００１は、例えば、１または複数のＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を含んで構成される。プロセッサ１００１は、記憶装置１００２に記憶された制御プログラムＰG1を実行し、当該制御プログラムＰG1に従って動作することで、制御部１１として機能する。なお、プロセッサ１００１は、１または複数のＣＰＵに加え、または、１または複数のＣＰＵのうち一部または全部に替えて、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、または、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等の、ハードウェアを含んで構成されるものであってもよい。この場合、プロセッサ１００１により実現される制御部１１の一部または全部は、ＤＳＰ等のハードウェアにより実現されてもよい。
また、通信装置１００３は、有線ネットワーク及び無線ネットワークの一方または双方を介して、文字認識装置１の外部に存在する外部装置との通信を行うためのハードウェアであり、通信部１３としての機能を提供する。
【0051】
図７は、申込書情報ＪMのデータ構成の一例を示す説明図である。ここで、申込書情報ＪMとは、申込書画像ＧMに含まれる複数の記載欄に関する情報である。
【0052】
図７に例示するように、申込書情報ＪMは、申込書画像ＧMの有する複数の記載欄と１対１に対応する複数のレコードを有する。申込書情報ＪMの各レコードは、項目ＩDと、項目名称と、文字種別情報ＪMMとを有する。
【0053】
このうち、項目ＩDとは、申込書画像ＧMの有する複数の記載欄の中から、各記載欄を識別するための情報である。
また、項目名称とは、申込書画像ＧMの有する各記載欄の項目名称記載領域ＡMに記載された名称である。
また、項目名称とは、申込書画像ＧMの有する各記載欄の項目名称記載領域ＡMに記載された名称である。
【0054】
また、文字種別情報ＪMMとは、申込書画像ＧMの有する各記載欄の申込内容記載領域ＡKに記載される可能性のある文字の種類に関する情報である。具体的には、本実施形態において、文字種別情報ＪMMは、申込内容記載領域ＡKに漢字が記載される可能性があるか否かを示す漢字使用有無情報ＪMM1と、申込内容記載領域ＡKにひらがなが記載される可能性があるか否かを示すひらがな使用有無情報ＪMM2と、申込内容記載領域ＡKにカタカナが記載される可能性があるか否かを示すカタカナ使用有無情報ＪMM3と、申込内容記載領域ＡKに数字が記載される可能性があるか否かを示す数字使用有無情報ＪMM4と、申込内容記載領域ＡKにアルファベットが記載される可能性があるか否かを示すアルファベット使用有無情報ＪMM5と、申込内容記載領域ＡKに記号が記載される可能性があるか否かを示す記号使用有無情報ＪMM6と、を含む。
例えば、図７において、漢字使用有無情報ＪMM1が「１」を示す場合、当該漢字使用有無情報ＪMM1に対応する記載欄に漢字が記載される可能性があることを示し、漢字使用有無情報ＪMM1が「０」を示す場合、当該漢字使用有無情報ＪMM1に対応する記載欄に漢字が記載される可能性がないことを示す。但し、漢字使用有無情報ＪMM1は、「１」または「０」の何れかを示す２値の情報ではなく、当該漢字使用有無情報ＪMM1に対応する記載欄に漢字が記載される可能性を、例えば、０以上１以下の実数で示す情報であってもよい。なお、ひらがな使用有無情報ＪMM2、カタカナ使用有無情報ＪMM3、数字使用有無情報ＪMM4、アルファベット使用有無情報ＪMM5、及び、記号使用有無情報ＪMM6についても、文字の種類が異なる点を除き、漢字使用有無情報ＪMM1と同様である。
例えば、図７において、漢字使用有無情報ＪMM1が「１」を示す場合、当該漢字使用有無情報ＪMM1に対応する記載欄に漢字が記載される可能性があることを示し、漢字使用有無情報ＪMM1が「０」を示す場合、当該漢字使用有無情報ＪMM1に対応する記載欄に漢字が記載される可能性がないことを示す。但し、漢字使用有無情報ＪMM1は、「１」または「０」の何れかを示す２値の情報ではなく、当該漢字使用有無情報ＪMM1に対応する記載欄に漢字が記載される可能性を、例えば、０以上１以下の実数で示す情報であってもよい。なお、ひらがな使用有無情報ＪMM2、カタカナ使用有無情報ＪMM3、数字使用有無情報ＪMM4、アルファベット使用有無情報ＪMM5、及び、記号使用有無情報ＪMM6についても、文字の種類が異なる点を除き、漢字使用有無情報ＪMM1と同様である。
【0055】
図８は、アルゴリズム特性情報ＪRのデータ構成の一例を示す説明図である。ここで、アルゴリズム特性情報ＪRとは、文字認識部ＲGが文字認識処理において用いるアルゴリズムの特性を示す情報である。
【0056】
図８に例示するように、アルゴリズム特性情報ＪRは、Ｍ個の文字認識部ＲG[1]～ＲG[M]と１対１に対応するＭ個のレコードを有する。アルゴリズム特性情報ＪRの各レコードは、アルゴリズムＩDと、学習有無情報と、学習モデル情報と、有効文字種別情報ＪRMとを有する。
【0057】
このうち、アルゴリズムＩDとは、記載内容認識部１１３において使用される可能性のある複数のアルゴリズムの中から、文字認識部ＲG[m]が文字認識処理を行う際に使用するアルゴリズムを識別するための情報である。
また、学習有無情報とは、文字認識部ＲG[m]が文字認識処理を行う際に使用するアルゴリズムが、ニューラルネットワークを用いたアルゴリズムであるか否かを示す情報である。
また、学習モデル情報とは、文字認識部ＲG[m]が文字認識処理を行う際に使用するアルゴリズムが、ニューラルネットワークを用いたアルゴリズムである場合に、当該ニューラルネットワークにより構成される学習モデルＮN[m]を示す情報である。つまり、学習モデル情報とは、記憶部１２に記憶された複数の学習モデルＮNの中から、文字認識部ＲG[m]により使用される学習モデルＮN[m]を特定するための情報である。
また、学習有無情報とは、文字認識部ＲG[m]が文字認識処理を行う際に使用するアルゴリズムが、ニューラルネットワークを用いたアルゴリズムであるか否かを示す情報である。
また、学習モデル情報とは、文字認識部ＲG[m]が文字認識処理を行う際に使用するアルゴリズムが、ニューラルネットワークを用いたアルゴリズムである場合に、当該ニューラルネットワークにより構成される学習モデルＮN[m]を示す情報である。つまり、学習モデル情報とは、記憶部１２に記憶された複数の学習モデルＮNの中から、文字認識部ＲG[m]により使用される学習モデルＮN[m]を特定するための情報である。
【0058】
また、有効文字種別情報ＪRMとは、文字認識部ＲG[m]が文字認識処理を行う際に使用するアルゴリズムが、認識可能な文字の種類を示す情報である。具体的には、本実施形態において、有効文字種別情報ＪRMは、文字認識部ＲG[m]が文字認識処理を行う際に使用するアルゴリズムが、漢字の認識に適したアルゴリズムであるか否かを示す漢字対応有無情報ＪRM1と、文字認識部ＲG[m]が文字認識処理を行う際に使用するアルゴリズムが、ひらがなの認識に適したアルゴリズムであるか否かを示すひらがな対応有無情報ＪRM2と、文字認識部ＲG[m]が文字認識処理を行う際に使用するアルゴリズムが、カタカナの認識に適したアルゴリズムであるか否かを示すカタカナ対応有無情報ＪRM3と、文字認識部ＲG[m]が文字認識処理を行う際に使用するアルゴリズムが、数字の認識に適したアルゴリズムであるか否かを示す数字対応有無情報ＪRM4と、文字認識部ＲG[m]が文字認識処理を行う際に使用するアルゴリズムが、アルファベットの認識に適したアルゴリズムであるか否かを示すアルファベット対応有無情報ＪRM5と、文字認識部ＲG[m]が文字認識処理を行う際に使用するアルゴリズムが、記号の認識に適したアルゴリズムであるか否かを示す記号対応有無情報ＪRM6と、を含む。
例えば、図８において、漢字対応有無情報ＪRM1が「１」を示す場合、当該漢字対応有無情報ＪRM1に対応する文字認識部ＲGが文字認識処理において使用するアルゴリズムが、漢字の認識に適したアルゴリズムであることを示し、漢字対応有無情報ＪRM1が「０」を示す場合、当該漢字対応有無情報ＪRM1に対応する文字認識部ＲGが文字認識処理において使用するアルゴリズムが、漢字の認識に適さないアルゴリズムであることを示す。但し、漢字対応有無情報ＪRM1は、「１」または「０」の何れかを示す２値の情報ではなく、当該漢字対応有無情報ＪRM1に対応する文字認識部ＲGが文字認識処理において使用するアルゴリズムを、漢字の認識に使用することの適切さの程度を、０以上１以下の実数で示す情報であってもよい。なお、ひらがな対応有無情報ＪRM2、カタカナ対応有無情報ＪRM3、数字対応有無情報ＪRM4、アルファベット対応有無情報ＪRM5、及び、記号対応有無情報ＪRM6についても、文字の種類が異なる点を除き、漢字対応有無情報ＪRM1と同様である。
例えば、図８において、漢字対応有無情報ＪRM1が「１」を示す場合、当該漢字対応有無情報ＪRM1に対応する文字認識部ＲGが文字認識処理において使用するアルゴリズムが、漢字の認識に適したアルゴリズムであることを示し、漢字対応有無情報ＪRM1が「０」を示す場合、当該漢字対応有無情報ＪRM1に対応する文字認識部ＲGが文字認識処理において使用するアルゴリズムが、漢字の認識に適さないアルゴリズムであることを示す。但し、漢字対応有無情報ＪRM1は、「１」または「０」の何れかを示す２値の情報ではなく、当該漢字対応有無情報ＪRM1に対応する文字認識部ＲGが文字認識処理において使用するアルゴリズムを、漢字の認識に使用することの適切さの程度を、０以上１以下の実数で示す情報であってもよい。なお、ひらがな対応有無情報ＪRM2、カタカナ対応有無情報ＪRM3、数字対応有無情報ＪRM4、アルファベット対応有無情報ＪRM5、及び、記号対応有無情報ＪRM6についても、文字の種類が異なる点を除き、漢字対応有無情報ＪRM1と同様である。
【0059】
【0060】
＜３．１．申込内容表示処理＞
図９及び図１０は、文字認識装置１が、申込書画像ＧMを示す画像情報ＪGに基づいて、申込内容表示画像ＧHを示す表示情報ＪHを生成する処理（以下、「申込内容表示処理」と称する）を実行する場合の、文字認識装置１の動作の一例を示すフローチャートである。
図９及び図１０は、文字認識装置１が、申込書画像ＧMを示す画像情報ＪGに基づいて、申込内容表示画像ＧHを示す表示情報ＪHを生成する処理（以下、「申込内容表示処理」と称する）を実行する場合の、文字認識装置１の動作の一例を示すフローチャートである。
【0061】
図９に例示するように、申込内容表示処理が開始されると、画像情報取得部１１１は、端末装置３から供給される画像情報ＪGを取得する（Ｓ１０１）。
次に、文字領域特定部１１２は、ステップＳ１０１において画像情報取得部１１１が取得した画像情報ＪGの示す申込書画像ＧMにおいて、複数の申込内容記載領域ＡKを特定する（Ｓ１０３）。
そして、文字領域特定部１１２は、ステップＳ１０３において特定した複数の申込内容記載領域ＡKの中から、１つの申込内容記載領域ＡKを選択する（Ｓ１０５）。なお、ステップＳ１０５において、文字領域特定部１１２は、複数の申込内容記載領域ＡKのうち、申込内容表示処理が開始されてから未選択の申込内容記載領域ＡKを選択する。
次に、文字領域特定部１１２は、ステップＳ１０１において画像情報取得部１１１が取得した画像情報ＪGの示す申込書画像ＧMにおいて、複数の申込内容記載領域ＡKを特定する（Ｓ１０３）。
そして、文字領域特定部１１２は、ステップＳ１０３において特定した複数の申込内容記載領域ＡKの中から、１つの申込内容記載領域ＡKを選択する（Ｓ１０５）。なお、ステップＳ１０５において、文字領域特定部１１２は、複数の申込内容記載領域ＡKのうち、申込内容表示処理が開始されてから未選択の申込内容記載領域ＡKを選択する。
【0062】
図９に例示するように、記載内容認識部１１３は、ステップＳ１０５で選択された申込内容記載領域ＡKに表された文字列画像ＧCLに対して文字認識処理を行うための、Ｗ個の文字認識部ＲGを選択する（Ｓ１０７）。
本実施形態において、記載内容認識部１１３は、ステップＳ１０７において、申込内容記載領域ＡKに対応する文字種別情報ＪMMと、アルゴリズム特性情報ＪRとに基づいて、Ｍ個の文字認識部ＲG[1]～ＲG[M]の中から、文字認識部ＲG[m1]及び文字認識部ＲG[m2]を選択する。具体的には、記載内容認識部１１３は、ステップＳ１０７において、申込内容記載領域ＡKに対応する文字種別情報ＪMMと、各文字認識部ＲGに対応する有効文字種別情報ＪRMとの類似度に基づいて、Ｍ個の文字認識部ＲG[1]～ＲG[M]の中から、文字認識部ＲG[m1]及び文字認識部ＲG[m2]を選択する。より具体的には、記載内容認識部１１３は、ステップＳ１０７において、文字認識部ＲG[1]～ＲG[M]のうち、申込内容記載領域ＡKに対応する文字種別情報ＪMMと、各文字認識部ＲGに対応する有効文字種別情報ＪRMとの類似度が、他と比べて高くなる２つの文字認識部ＲGを、文字認識部ＲG[m1]及び文字認識部ＲG[m2]として選択する。
ここで、文字種別情報ＪMMと有効文字種別情報ＪRMとの類似度として、例えば、文字種別情報ＪMMに含まれる複数の情報（ＪMM1～ＪMM6）の各々を要素とするベクトルＶMと、有効文字種別情報ＪRMに含まれる複数の情報（ＪRM1～ＪRM6）の各々を要素とするベクトルＶRとの内積を採用してもよい。より具体的には、ベクトルＶMを、ＶM＝（ＪMM1,ＪMM2,ＪMM3,ＪMM4,ＪMM5,ＪMM6）とし、ベクトルＶRを、ＶR＝（ＪRM1,ＪRM2,ＪRM3,ＪRM4,ＪRM5,ＪRM6）としたときの、ベクトルＶMとベクトルＶRとの内積（ＪMM1*ＪRM1＋ＪMM2*ＪRM2＋ＪMM3*ＪRM3＋ＪMM4*ＪRM4＋ＪMM5*ＪRM5＋ＪMM6*ＪRM6）を、文字種別情報ＪMMと有効文字種別情報ＪRMとの類似度として採用してもよい。
本実施形態において、記載内容認識部１１３は、ステップＳ１０７において、申込内容記載領域ＡKに対応する文字種別情報ＪMMと、アルゴリズム特性情報ＪRとに基づいて、Ｍ個の文字認識部ＲG[1]～ＲG[M]の中から、文字認識部ＲG[m1]及び文字認識部ＲG[m2]を選択する。具体的には、記載内容認識部１１３は、ステップＳ１０７において、申込内容記載領域ＡKに対応する文字種別情報ＪMMと、各文字認識部ＲGに対応する有効文字種別情報ＪRMとの類似度に基づいて、Ｍ個の文字認識部ＲG[1]～ＲG[M]の中から、文字認識部ＲG[m1]及び文字認識部ＲG[m2]を選択する。より具体的には、記載内容認識部１１３は、ステップＳ１０７において、文字認識部ＲG[1]～ＲG[M]のうち、申込内容記載領域ＡKに対応する文字種別情報ＪMMと、各文字認識部ＲGに対応する有効文字種別情報ＪRMとの類似度が、他と比べて高くなる２つの文字認識部ＲGを、文字認識部ＲG[m1]及び文字認識部ＲG[m2]として選択する。
ここで、文字種別情報ＪMMと有効文字種別情報ＪRMとの類似度として、例えば、文字種別情報ＪMMに含まれる複数の情報（ＪMM1～ＪMM6）の各々を要素とするベクトルＶMと、有効文字種別情報ＪRMに含まれる複数の情報（ＪRM1～ＪRM6）の各々を要素とするベクトルＶRとの内積を採用してもよい。より具体的には、ベクトルＶMを、ＶM＝（ＪMM1,ＪMM2,ＪMM3,ＪMM4,ＪMM5,ＪMM6）とし、ベクトルＶRを、ＶR＝（ＪRM1,ＪRM2,ＪRM3,ＪRM4,ＪRM5,ＪRM6）としたときの、ベクトルＶMとベクトルＶRとの内積（ＪMM1*ＪRM1＋ＪMM2*ＪRM2＋ＪMM3*ＪRM3＋ＪMM4*ＪRM4＋ＪMM5*ＪRM5＋ＪMM6*ＪRM6）を、文字種別情報ＪMMと有効文字種別情報ＪRMとの類似度として採用してもよい。
【0063】
図９に例示するように、文字認識部ＲG[m1]及び文字認識部ＲG[m2]の各々は、ステップＳ１０５で選択された申込内容記載領域ＡKに表された文字列画像ＧCLを、複数の文字画像ＧCに区分する（Ｓ１０９）。
そして、文字認識部ＲG[m1]及び文字認識部ＲG[m2]の各々は、ステップＳ１０９において区分された複数の文字画像ＧCの中から、１つの文字画像ＧCを選択する（Ｓ１１１）。
次に、文字認識部ＲG[m1]及び文字認識部ＲG[m2]の各々は、ステップＳ１１１において選択された文字画像ＧCに対して、文字認識処理を実行する（Ｓ１１３）。
その後、図１０に例示するように、認識結果決定部１１４は、ステップＳ１１３における文字認識処理の結果に基づいて、表示文字ＲHを決定する（Ｓ１１５）。なお、以下では、認識結果決定部１１４により表示文字ＲHを決定する処理を、表示文字決定処理と称する。
そして、文字認識部ＲG[m1]及び文字認識部ＲG[m2]の各々は、ステップＳ１０９において区分された複数の文字画像ＧCの中から、１つの文字画像ＧCを選択する（Ｓ１１１）。
次に、文字認識部ＲG[m1]及び文字認識部ＲG[m2]の各々は、ステップＳ１１１において選択された文字画像ＧCに対して、文字認識処理を実行する（Ｓ１１３）。
その後、図１０に例示するように、認識結果決定部１１４は、ステップＳ１１３における文字認識処理の結果に基づいて、表示文字ＲHを決定する（Ｓ１１５）。なお、以下では、認識結果決定部１１４により表示文字ＲHを決定する処理を、表示文字決定処理と称する。
【0064】
図１１は、ステップＳ１１３において文字認識部ＲG[m1]及び文字認識部ＲG[m2]が行う文字認識処理と、ステップＳ１１５において認識結果決定部１１４が行う表示文字決定処理とを、説明するための説明図である。
【0065】
図１１に例示するように、文字認識部ＲG[m1]は、文字画像ＧCに対して文字認識処理を施すことで、Ｑ1個の認識候補文字Ｒ[m1][1]～Ｒ[m1][Q1]を特定する。ここで、値Ｑ1は、Ｑ1≧１を満たす自然数である。以下では、Ｑ1個の認識候補文字Ｒ[m1][1]～Ｒ[m1][Q1]のうち、ｑ1番目の認識候補文字Ｒを、認識候補文字Ｒ[m1][q1]と称する。ここで、変数ｑ1は、１≦ｑ1≦Ｑ1を満たす自然数である。
また、文字認識部ＲG[m1]は、認識候補文字Ｒ[m1][q1]に対応する認識確度Ｄ[m1][q1]を算出する。ここで、認識確度Ｄ[m1][q1]とは、文字認識部ＲG[m1]が、文字画像ＧCに対して文字認識処理を行った場合に、文字画像ＧCに表された文字の認識結果の確からしさを示す指標値である。本実施形態では、認識確度が高いほど、認識結果が確からしいものとする。また、本実施形態において、Ｑ1個の認識候補文字Ｒ[m1][1]～Ｒ[m1][Q1]は、当該Ｑ1個の認識候補文字Ｒ[m1][1]～Ｒ[m1][Q1]と１対１に対応するＱ1個の認識確度Ｄ[m1][1]～Ｄ[m1][Q1]が、「Ｄ[m1][1]≧Ｄ[m1][2]≧…≧Ｄ[m1][Q1]」という関係を満たすように、定められることとする。すなわち、認識候補文字Ｒ[m1][1]は、文字認識部ＲG[m1]が特定したＱ1個の認識候補文字Ｒ[m1][1]～Ｒ[m1][Q1]の中で、認識確度が最も高い認識候補文字Ｒである。
なお、本実施形態において、文字認識部ＲG[m1]が行う文字認識処理は、「第１の文字認識処理」の一例であり、文字認識部ＲG[m1]により特定された認識確度が最も高い認識候補文字Ｒ[m1][1]は、「第１文字」の一例であり、文字認識部ＲG[m1]が文字認識処理において用いる学習モデルＮN[m1]は、「第１の学習モデル」の一例である。
また、文字認識部ＲG[m1]は、認識候補文字Ｒ[m1][q1]に対応する認識確度Ｄ[m1][q1]を算出する。ここで、認識確度Ｄ[m1][q1]とは、文字認識部ＲG[m1]が、文字画像ＧCに対して文字認識処理を行った場合に、文字画像ＧCに表された文字の認識結果の確からしさを示す指標値である。本実施形態では、認識確度が高いほど、認識結果が確からしいものとする。また、本実施形態において、Ｑ1個の認識候補文字Ｒ[m1][1]～Ｒ[m1][Q1]は、当該Ｑ1個の認識候補文字Ｒ[m1][1]～Ｒ[m1][Q1]と１対１に対応するＱ1個の認識確度Ｄ[m1][1]～Ｄ[m1][Q1]が、「Ｄ[m1][1]≧Ｄ[m1][2]≧…≧Ｄ[m1][Q1]」という関係を満たすように、定められることとする。すなわち、認識候補文字Ｒ[m1][1]は、文字認識部ＲG[m1]が特定したＱ1個の認識候補文字Ｒ[m1][1]～Ｒ[m1][Q1]の中で、認識確度が最も高い認識候補文字Ｒである。
なお、本実施形態において、文字認識部ＲG[m1]が行う文字認識処理は、「第１の文字認識処理」の一例であり、文字認識部ＲG[m1]により特定された認識確度が最も高い認識候補文字Ｒ[m1][1]は、「第１文字」の一例であり、文字認識部ＲG[m1]が文字認識処理において用いる学習モデルＮN[m1]は、「第１の学習モデル」の一例である。
【0066】
図１１に例示するように、文字認識部ＲG[m2]は、文字画像ＧCに対して文字認識処理を施すことで、Ｑ2個の認識候補文字Ｒ[m2][1]～Ｒ[m2][Q2]を特定する。ここで、値Ｑ2は、Ｑ2≧１を満たす自然数である。以下では、Ｑ2個の認識候補文字Ｒ[m2][1]～Ｒ[m2][Q2]のうち、ｑ2番目の認識候補文字Ｒを、認識候補文字Ｒ[m2][q2]と称する。ここで、変数ｑ2は、１≦ｑ2≦Ｑ2を満たす自然数である。
また、文字認識部ＲG[m2]は、認識候補文字Ｒ[m2][q2]に対応する認識確度Ｄ[m2][q2]を算出する。ここで、認識確度Ｄ[m2][q2]とは、文字認識部ＲG[m2]が、文字画像ＧCに対して文字認識処理を行った場合に、文字画像ＧCに表された文字の認識結果の確からしさを示す指標値である。また、本実施形態において、Ｑ2個の認識候補文字Ｒ[m2][1]～Ｒ[m2][Q2]は、当該Ｑ2個の認識候補文字Ｒ[m2][1]～Ｒ[m2][Q2]と１対１に対応するＱ2個の認識確度Ｄ[m2][1]～Ｄ[m2][Q2]が、「Ｄ[m2][1]≧Ｄ[m2][2]≧…≧Ｄ[m2][Q2]」という関係を満たすように、定められることとする。すなわち、認識候補文字Ｒ[m2][1]は、文字認識部ＲG[m2]が特定したＱ2個の認識候補文字Ｒ[m2][1]～Ｒ[m2][Q2]の中で、認識確度が最も高い認識候補文字Ｒである。
なお、本実施形態において、文字認識部ＲG[m2]が行う文字認識処理は、「第２の文字認識処理」の一例であり、文字認識部ＲG[m2]により特定された認識確度が最も高い認識候補文字Ｒ[m2][1]は、「第２文字」の一例である。
また、文字認識部ＲG[m2]は、認識候補文字Ｒ[m2][q2]に対応する認識確度Ｄ[m2][q2]を算出する。ここで、認識確度Ｄ[m2][q2]とは、文字認識部ＲG[m2]が、文字画像ＧCに対して文字認識処理を行った場合に、文字画像ＧCに表された文字の認識結果の確からしさを示す指標値である。また、本実施形態において、Ｑ2個の認識候補文字Ｒ[m2][1]～Ｒ[m2][Q2]は、当該Ｑ2個の認識候補文字Ｒ[m2][1]～Ｒ[m2][Q2]と１対１に対応するＱ2個の認識確度Ｄ[m2][1]～Ｄ[m2][Q2]が、「Ｄ[m2][1]≧Ｄ[m2][2]≧…≧Ｄ[m2][Q2]」という関係を満たすように、定められることとする。すなわち、認識候補文字Ｒ[m2][1]は、文字認識部ＲG[m2]が特定したＱ2個の認識候補文字Ｒ[m2][1]～Ｒ[m2][Q2]の中で、認識確度が最も高い認識候補文字Ｒである。
なお、本実施形態において、文字認識部ＲG[m2]が行う文字認識処理は、「第２の文字認識処理」の一例であり、文字認識部ＲG[m2]により特定された認識確度が最も高い認識候補文字Ｒ[m2][1]は、「第２文字」の一例である。
【0067】
図１１に例示するように、認識結果決定部１１４は、文字認識部ＲG[m1]による文字認識処理の結果として特定されたＱ1個の認識候補文字Ｒ[m1][1]～Ｒ[m1][Q1]の中で、認識確度が最も高い認識候補文字Ｒ[m1][1]と、文字認識部ＲG[m2]による文字認識処理の結果として特定されたＱ2個の認識候補文字Ｒ[m2][1]～Ｒ[m2][Q2]の中で、認識確度が最も高い認識候補文字Ｒ[m2][1]と、に基づいて、表示文字ＲHを決定する処理である、表示文字決定処理を実行する。
具体的には、表示文字決定処理において、認識結果決定部１１４は、認識候補文字Ｒ[m1][1]と、認識候補文字Ｒ[m2][1]とが、同一の文字である場合、これら、認識候補文字Ｒ[m1][1]及び認識候補文字Ｒ[m2][1]を、確定認識文字ＲX（「確定文字」の一例）として決定する。また、認識結果決定部１１４は、認識候補文字Ｒ[m1][1]と、認識候補文字Ｒ[m2][1]とが、異なる文字である場合であって、認識確度Ｄ[m1][1]及び認識確度Ｄ[m2][1]が、Ｄ[m1][1]＞Ｄ[m2][1]を満たす場合には、認識候補文字Ｒ[m1][1]を、有力認識文字ＲY（「候補文字」の一例）として決定する。また、認識結果決定部１１４は、認識候補文字Ｒ[m1][1]と、認識候補文字Ｒ[m2][1]とが、異なる文字である場合であって、認識確度Ｄ[m1][1]及び認識確度Ｄ[m2][1]が、Ｄ[m2][1]≧Ｄ[m1][1]を満たす場合には、認識候補文字Ｒ[m2][1]を、有力認識文字ＲY（「候補文字」の他の例）として決定する。そして、認識結果決定部１１４は、確定認識文字ＲXまたは有力認識文字ＲYを、表示文字ＲHとして決定する。
具体的には、表示文字決定処理において、認識結果決定部１１４は、認識候補文字Ｒ[m1][1]と、認識候補文字Ｒ[m2][1]とが、同一の文字である場合、これら、認識候補文字Ｒ[m1][1]及び認識候補文字Ｒ[m2][1]を、確定認識文字ＲX（「確定文字」の一例）として決定する。また、認識結果決定部１１４は、認識候補文字Ｒ[m1][1]と、認識候補文字Ｒ[m2][1]とが、異なる文字である場合であって、認識確度Ｄ[m1][1]及び認識確度Ｄ[m2][1]が、Ｄ[m1][1]＞Ｄ[m2][1]を満たす場合には、認識候補文字Ｒ[m1][1]を、有力認識文字ＲY（「候補文字」の一例）として決定する。また、認識結果決定部１１４は、認識候補文字Ｒ[m1][1]と、認識候補文字Ｒ[m2][1]とが、異なる文字である場合であって、認識確度Ｄ[m1][1]及び認識確度Ｄ[m2][1]が、Ｄ[m2][1]≧Ｄ[m1][1]を満たす場合には、認識候補文字Ｒ[m2][1]を、有力認識文字ＲY（「候補文字」の他の例）として決定する。そして、認識結果決定部１１４は、確定認識文字ＲXまたは有力認識文字ＲYを、表示文字ＲHとして決定する。
【0068】
なお、図１１では、文字認識部ＲG[m1]による文字認識処理の結果として特定されたＱ1個の認識候補文字Ｒ[m1][1]～Ｒ[m1][Q1]のうち、認識候補文字Ｒ[m1][1]が「丈」であり、認識確度Ｄ[m1][1]が「９８％」であり、認識候補文字Ｒ[m1][2]が「大」であり、認識確度Ｄ[m1][2]が「８５％」であり、認識候補文字Ｒ[m1][Q1]が「炎」であり、認識確度Ｄ[m1][1]が「２５％」である場合を例示している。また、図１１では、文字認識部ＲG[m2]による文字認識処理の結果として特定されたＱ2個の認識候補文字Ｒ[m2][1]～Ｒ[m2][Q2]のうち、認識候補文字Ｒ[m2][1]が「太」であり、認識確度Ｄ[m2][1]が「９２％」であり、認識候補文字Ｒ[m2][2]が「犬」であり、認識確度Ｄ[m2][2]が「８０％」であり、認識候補文字Ｒ[m2][Q2]が「人」であり、認識確度Ｄ[m2][Q2]が「４５％」である場合を例示している。この結果、図１１に示す例では、認識候補文字Ｒ[m1][1]である「丈」と、認識候補文字Ｒ[m2][1]である「太」とが、異なる文字であるため、認識結果決定部１１４は、表示文字決定処理において、確定認識文字ＲXは存在しない旨の決定をしている。また、図１１に示す例では、認識候補文字Ｒ[m1][1]である「丈」に対応する認識確度Ｄ[m1][1]が「９８％」であり、認識候補文字Ｒ[m2][1]である「太」に対応する認識確度Ｄ[m2][1]の「９２％」よりも大きいため、認識結果決定部１１４は、表示文字決定処理において、認識候補文字Ｒ[m1][1]である「丈」を、有力認識文字ＲYとして決定している。そして、図１１に示す例では、確定認識文字ＲXが存在せず、認識候補文字Ｒ[m1][1]である「丈」が有力認識文字ＲYとして決定されたため、認識結果決定部１１４は、表示文字決定処理において、当該有力認識文字ＲYとして決定された認識候補文字Ｒ[m1][1]である「丈」を、表示文字ＲHとして決定している。
【0069】
説明を、図１０に戻す。
図１０に例示するように、記載内容認識部１１３は、ステップＳ１０９において文字列画像ＧCLから区分された複数の文字画像ＧCの全てについて、ステップＳ１１３の文字認識処理と、ステップＳ１１５の表示文字決定処理とが、完了したか否かを判定する（Ｓ１１７）。
ステップＳ１１７における判定の結果が否定の場合、記載内容認識部１１３は、処理をステップＳ１１１に進める。
図１０に例示するように、記載内容認識部１１３は、ステップＳ１０９において文字列画像ＧCLから区分された複数の文字画像ＧCの全てについて、ステップＳ１１３の文字認識処理と、ステップＳ１１５の表示文字決定処理とが、完了したか否かを判定する（Ｓ１１７）。
ステップＳ１１７における判定の結果が否定の場合、記載内容認識部１１３は、処理をステップＳ１１１に進める。
【0070】
図１０に例示するように、ステップＳ１１７における判定の結果が肯定の場合、文字領域特定部１１２は、ステップＳ１０３において特定された複数の申込内容記載領域ＡKの全てについて、ステップＳ１１３の文字認識処理と、ステップＳ１１５の表示文字決定処理とが、完了したか否かを判定する（Ｓ１１９）。
ステップＳ１１９における判定の結果が否定の場合、記載内容認識部１１３は、処理をステップＳ１０５に進める。
ステップＳ１１９における判定の結果が否定の場合、記載内容認識部１１３は、処理をステップＳ１０５に進める。
【0071】
図１０に例示するように、ステップＳ１１９における判定の結果が肯定の場合、表示情報生成部１１５は、表示文字ＲHを含む申込内容表示画像ＧHを示す表示情報ＪHを生成する（Ｓ１２１）。
具体的には、ステップＳ１２１において、表示情報生成部１１５は、表示文字決定処理において有力認識文字ＲYであると決定された認識候補文字Ｒに対応する表示文字ＲHと、表示文字決定処理において確定認識文字ＲXであると決定された認識候補文字Ｒに対応する表示文字ＲHとが、申込内容表示画像ＧHにおいて異なる態様で表示されるように、表示情報ＪHを生成する。より具体的には、表示情報生成部１１５は、ステップＳ１２１において、表示文字ＲHが、表示文字決定処理において有力認識文字ＲYであると決定された認識候補文字Ｒである場合には、申込内容表示画像ＧHにおいて、当該表示文字ＲHに対応する位置に注意喚起マークＭKが配置されるように、表示情報ＪHを生成する。
なお、図３に例示する申込内容表示画像ＧHでは、認識文字列ＬMK1～ＬMK7に含まれる複数の表示文字ＲHのうち、認識文字列ＬMK5に含まれる表示文字ＲH1である「丈」と、認識文字列ＬMK7に含まれる表示文字ＲH2である「７」とが、有力認識文字ＲYとして決定された認識候補文字Ｒに対応し、表示文字ＲH1及びＲH2以外の表示文字ＲHが、確定認識文字ＲXとして決定された認識候補文字Ｒに対応する。このため、図３に例示する申込内容表示画像ＧHでは、表示文字ＲH1に対応する位置に注意喚起マークＭK1が表示され、表示文字ＲH2に対応する位置に注意喚起マークＭK2が表示される。
具体的には、ステップＳ１２１において、表示情報生成部１１５は、表示文字決定処理において有力認識文字ＲYであると決定された認識候補文字Ｒに対応する表示文字ＲHと、表示文字決定処理において確定認識文字ＲXであると決定された認識候補文字Ｒに対応する表示文字ＲHとが、申込内容表示画像ＧHにおいて異なる態様で表示されるように、表示情報ＪHを生成する。より具体的には、表示情報生成部１１５は、ステップＳ１２１において、表示文字ＲHが、表示文字決定処理において有力認識文字ＲYであると決定された認識候補文字Ｒである場合には、申込内容表示画像ＧHにおいて、当該表示文字ＲHに対応する位置に注意喚起マークＭKが配置されるように、表示情報ＪHを生成する。
なお、図３に例示する申込内容表示画像ＧHでは、認識文字列ＬMK1～ＬMK7に含まれる複数の表示文字ＲHのうち、認識文字列ＬMK5に含まれる表示文字ＲH1である「丈」と、認識文字列ＬMK7に含まれる表示文字ＲH2である「７」とが、有力認識文字ＲYとして決定された認識候補文字Ｒに対応し、表示文字ＲH1及びＲH2以外の表示文字ＲHが、確定認識文字ＲXとして決定された認識候補文字Ｒに対応する。このため、図３に例示する申込内容表示画像ＧHでは、表示文字ＲH1に対応する位置に注意喚起マークＭK1が表示され、表示文字ＲH2に対応する位置に注意喚起マークＭK2が表示される。
【0072】
【0073】
以上のように、本実施形態によれば、表示情報生成部１１５は、有力認識文字ＲYに対応する表示文字ＲHと、確定認識文字ＲXに対応する表示文字ＲHとが、異なる態様で表示された申込内容表示画像ＧHを示す表示情報ＪHを生成する。具体的には、本実施形態によれば、表示情報生成部１１５は、有力認識文字ＲYに対応する表示文字ＲHが、確定認識文字ＲXに対応する表示文字ＲHと比較して、注意喚起マークＭKにより強調されて表示された申込内容表示画像ＧHを示す表示情報ＪHを生成する。このため、本実施形態によれば、文字画像ＧCの示す文字と、表示文字ＲHとが異なる文字である可能性が高い場合に、低い場合と比較して、申込内容表示画像ＧHにおいて、当該表示文字ＲHを強調することが可能となる。よって、本実施形態によれば、有力認識文字ＲYに対応する表示文字ＲHと、確定認識文字ＲXに対応する表示文字ＲHとが、同一の態様で表示される場合と比較して、端末装置３を操作するオペレータが、文字画像ＧCの示す文字と表示文字ＲHとが異なる文字であることを見落とす可能性を低減することができる。
【0074】
また、本実施形態によれば、記載内容認識部１１３は、Ｍ個の文字認識部ＲG[1]～ＲG[M]の中から、文字列画像ＧCLに対する文字認識処理に適した文字認識部ＲG[m1]及び文字認識部ＲG[m2]を選択し、当該２個の文字認識部ＲG[m1]及び文字認識部ＲG[m2]により文字認識処理を実行する。上述のとおり、文字認識部ＲG[m1]が文字認識処理において用いる学習モデルＮN[m1]と、文字認識部ＲG[m2]が文字認識処理において用いる学習モデルＮN[m2]とは、異なる。よって、本実施形態において、文字認識部ＲG[m1]による文字認識処理の結果と、文字認識部ＲG[m2]による文字認識処理の結果とが、一致する場合における、文字認識装置１による文字画像ＧCの文字認識の確度は、文字認識部ＲG[m1]による文字認識処理の結果と、文字認識部ＲG[m2]による文字認識処理の結果とが、相違する場合における、文字認識装置１による文字画像ＧCの文字認識の確度よりも高い。すなわち、本実施形態において、文字認識部ＲG[m1]による文字認識処理の結果と、文字認識部ＲG[m2]による文字認識処理の結果とが、一致する場合には、文字認識装置１による文字画像ＧCの文字認識の確度が相対的に高いことが推定される一方、文字認識部ＲG[m1]による文字認識処理の結果と、文字認識部ＲG[m2]による文字認識処理の結果とが、相違する場合には、文字認識装置１による文字画像ＧCの文字認識の確度が相対的に低いことが推定される。そして、本実施形態では、文字認識部ＲG[m1]による文字認識処理の結果と、文字認識部ＲG[m2]による文字認識処理の結果とが、相違する場合において、当該文字認識処理の結果に係る表示文字ＲHを、注意喚起マークＭKにより強調表示する。このため、本実施形態によれば、端末装置３を操作するオペレータが、文字認識装置１による文字認識の確度が相対的に低い表示文字ＲHを、容易に視認することができる。
また、本実施形態において、文字認識部ＲG[m1]及び文字認識部ＲG[m2]の、２個の文字認識部ＲGを用いて文字認識処理を行った場合であって、文字認識部ＲG[m1]による文字認識処理の結果と、文字認識部ＲG[m2]による文字認識処理の結果とが、一致する場合における、文字画像ＧCの文字認識の確度は、少なくとも、文字認識部ＲG[m1]及び文字認識部ＲG[m2]のうち、一方の文字認識部ＲGを用いて文字認識処理を行った場合における、文字画像ＧCの文字認識の確度以上となる。すなわち、本実施形態において、文字認識部ＲG[m1]及び文字認識部ＲG[m2]の、２個の文字認識部ＲGを用いて文字認識処理を行った場合において、確定認識文字ＲXとして認識された文字画像ＧCの文字認識の確度は、文字認識部ＲG[m1]及び文字認識部ＲG[m2]のうち、一方の文字認識部ＲGを用いて文字認識処理を行った場合における、文字画像ＧCの文字認識の確度以上となる。このため、本実施形態によれば、１個の文字認識部ＲGにより文字認識部ＲGを実行する場合と比較して、文字画像ＧCの示す文字と、注意喚起マークＭKの付されていない確定認識文字ＲXとして決定された表示文字ＲHとが異なる文字となる可能性を低減することができる。
また、本実施形態において、文字認識部ＲG[m1]及び文字認識部ＲG[m2]の、２個の文字認識部ＲGを用いて文字認識処理を行った場合であって、文字認識部ＲG[m1]による文字認識処理の結果と、文字認識部ＲG[m2]による文字認識処理の結果とが、一致する場合における、文字画像ＧCの文字認識の確度は、少なくとも、文字認識部ＲG[m1]及び文字認識部ＲG[m2]のうち、一方の文字認識部ＲGを用いて文字認識処理を行った場合における、文字画像ＧCの文字認識の確度以上となる。すなわち、本実施形態において、文字認識部ＲG[m1]及び文字認識部ＲG[m2]の、２個の文字認識部ＲGを用いて文字認識処理を行った場合において、確定認識文字ＲXとして認識された文字画像ＧCの文字認識の確度は、文字認識部ＲG[m1]及び文字認識部ＲG[m2]のうち、一方の文字認識部ＲGを用いて文字認識処理を行った場合における、文字画像ＧCの文字認識の確度以上となる。このため、本実施形態によれば、１個の文字認識部ＲGにより文字認識部ＲGを実行する場合と比較して、文字画像ＧCの示す文字と、注意喚起マークＭKの付されていない確定認識文字ＲXとして決定された表示文字ＲHとが異なる文字となる可能性を低減することができる。
【0075】
＜３．２．文字修正処理＞
図１２は、文字認識装置１が、端末装置３のオペレータによる操作に基づいて、申込内容表示画像ＧHに表示された表示文字ＲHを修正する処理（以下、「文字修正処理」と称する）を実行する場合の、文字認識装置１の動作の一例を示すフローチャートである。なお、本実施形態において、文字修正処理は、端末装置３を操作するオペレータが、申込内容表示画像ＧHにおいて、修正ボタンＳSBを押下した場合に開始される。なお、上述のとおり、文字修正処理は、修正ボタンＳSBの押下の有無に関わらず開始されてもよい。具体的には、文字修正処理は、例えば、表示部３１において申込内容表示画像ＧHが表示された時点で開始されてもよい。
図１２は、文字認識装置１が、端末装置３のオペレータによる操作に基づいて、申込内容表示画像ＧHに表示された表示文字ＲHを修正する処理（以下、「文字修正処理」と称する）を実行する場合の、文字認識装置１の動作の一例を示すフローチャートである。なお、本実施形態において、文字修正処理は、端末装置３を操作するオペレータが、申込内容表示画像ＧHにおいて、修正ボタンＳSBを押下した場合に開始される。なお、上述のとおり、文字修正処理は、修正ボタンＳSBの押下の有無に関わらず開始されてもよい。具体的には、文字修正処理は、例えば、表示部３１において申込内容表示画像ＧHが表示された時点で開始されてもよい。
【0076】
図１２に例示するように、文字修正処理が開始されると、操作受付部１１６は、端末装置３から供給される操作情報ＪSに基づいて、申込内容表示画像ＧHにおいて、カーソルＣSRに対応する位置の表示文字ＲHを特定する（Ｓ２０１）。
【0077】
次に、記載内容認識部１１３は、ステップＳ２０１で特定した表示文字ＲHに対応する複数の認識候補文字Ｒを特定する（Ｓ２０３）。
具体的には、記載内容認識部１１３は、ステップＳ２０３において、ステップＳ２０１で特定した表示文字ＲHに対応する文字画像ＧCに対して文字認識処理を行った際に、文字画像ＧCの認識結果として特定された、Ｑ1個の認識候補文字Ｒ[m1][1]～Ｒ[m1][Q1]と、Ｑ2個の認識候補文字Ｒ[m2][1]～Ｒ[m2][Q2]とを特定する。
具体的には、記載内容認識部１１３は、ステップＳ２０３において、ステップＳ２０１で特定した表示文字ＲHに対応する文字画像ＧCに対して文字認識処理を行った際に、文字画像ＧCの認識結果として特定された、Ｑ1個の認識候補文字Ｒ[m1][1]～Ｒ[m1][Q1]と、Ｑ2個の認識候補文字Ｒ[m2][1]～Ｒ[m2][Q2]とを特定する。
【0078】
そして、記載内容認識部１１３は、ステップＳ２０３において特定した複数の認識候補文字Ｒの中から、修正候補文字ＲZを特定する（Ｓ２０５）。
具体的には、記載内容認識部１１３は、ステップＳ２０３において特定した複数の認識候補文字Ｒのうち、認識確度Ｄが所定の閾値Ｄth以上の認識候補文字Ｒであって、表示文字ＲH以外の認識候補文字Ｒを、修正候補文字ＲZとして特定する。本実施形態では、一例として、閾値Ｄthが「８０％」である場合を想定する。このため、例えば、図１１に示す例では、認識確度Ｄ[m2][1]が「９２％」となる認識候補文字Ｒ[m2][1]である「太」と、認識確度Ｄ[m1][2]が「８５％」となる認識候補文字Ｒ[m1][2]である「大」と、認識確度Ｄ[m2][2]が「８０％」となる認識候補文字Ｒ[m2][2]である「犬」とが、修正候補文字ＲZとして特定される。なお、図１１に示す例では、認識確度Ｄ[m1][1]が「９８％」となる認識候補文字Ｒ[m1][1]である「丈」は、表示文字ＲHとして決定されるため、当該認識候補文字Ｒ[m1][1]は、修正候補文字ＲZとして特定されることはない。
具体的には、記載内容認識部１１３は、ステップＳ２０３において特定した複数の認識候補文字Ｒのうち、認識確度Ｄが所定の閾値Ｄth以上の認識候補文字Ｒであって、表示文字ＲH以外の認識候補文字Ｒを、修正候補文字ＲZとして特定する。本実施形態では、一例として、閾値Ｄthが「８０％」である場合を想定する。このため、例えば、図１１に示す例では、認識確度Ｄ[m2][1]が「９２％」となる認識候補文字Ｒ[m2][1]である「太」と、認識確度Ｄ[m1][2]が「８５％」となる認識候補文字Ｒ[m1][2]である「大」と、認識確度Ｄ[m2][2]が「８０％」となる認識候補文字Ｒ[m2][2]である「犬」とが、修正候補文字ＲZとして特定される。なお、図１１に示す例では、認識確度Ｄ[m1][1]が「９８％」となる認識候補文字Ｒ[m1][1]である「丈」は、表示文字ＲHとして決定されるため、当該認識候補文字Ｒ[m1][1]は、修正候補文字ＲZとして特定されることはない。
【0079】
図１２に例示するように、表示情報生成部１１５は、申込内容表示画像ＧHにおいて、ポップアップ画像ＰRZが表示され、当該ポップアップ画像ＰRZにおいて、ステップＳ２０５で特定された修正候補文字ＲZが表示されるように、申込内容表示画像ＧHを示す表示情報ＪHを更新し、更新した表示情報ＪHが端末装置３に送信されるように、文字認識装置１の各部を制御する（Ｓ２０７）。このため、例えば、図４に示す例のように、表示部３１に表示される申込内容表示画像ＧHにおいて、修正候補文字ＲZ-1である「太」と、修正候補文字ＲZ-2である「大」と、修正候補文字ＲZ-3である「犬」とが表示されたポップアップ画像ＰRZが、表示文字ＲH1である「丈」の近傍に表示される。
【0080】
図１２に例示するように、操作受付部１１６は、端末装置３から、表示文字ＲHを修正する指示を示す操作情報ＪSが供給されたか否かを判定する（Ｓ２０９）。
ステップＳ２０９における判定の結果が否定の場合、操作受付部１１６は、処理をステップＳ２１３に進める。
ステップＳ２０９における判定の結果が肯定の場合、操作受付部１１６は、表示文字ＲHを修正する指示の内容を示す操作情報ＪSを受け付ける。
ステップＳ２０９における判定の結果が否定の場合、操作受付部１１６は、処理をステップＳ２１３に進める。
ステップＳ２０９における判定の結果が肯定の場合、操作受付部１１６は、表示文字ＲHを修正する指示の内容を示す操作情報ＪSを受け付ける。
【0081】
ステップＳ２０９における判定の結果が肯定の場合、学習実行部１１７は、ステップＳ２０９において操作受付部１１６が受け付けた操作情報ＪSに基づいて、修正履歴情報ＪSHを生成または更新し（Ｓ２１１）、処理をステップＳ２１３に進める。
ここで、修正履歴情報ＪSHとは、ステップＳ２０９における修正内容（修正後の表示文字ＲH）と、ステップＳ２０９において修正された表示文字ＲH（修正前の表示文字ＲH）と、修正前の表示文字ＲHに対応する文字画像ＧCと、修正前の表示文字ＲHに対応する認識候補文字Ｒを特定した文字認識部ＲG[m1]及び文字認識部ＲG[m2]と、を含む情報である。
ここで、修正履歴情報ＪSHとは、ステップＳ２０９における修正内容（修正後の表示文字ＲH）と、ステップＳ２０９において修正された表示文字ＲH（修正前の表示文字ＲH）と、修正前の表示文字ＲHに対応する文字画像ＧCと、修正前の表示文字ＲHに対応する認識候補文字Ｒを特定した文字認識部ＲG[m1]及び文字認識部ＲG[m2]と、を含む情報である。
【0082】
その後、操作受付部１１６は、端末装置３から、確定ボタンＫTBが押下されたことを示す操作情報ＪSが供給されたか否かを判定する（Ｓ２１３）。
ステップＳ２１３における判定の結果が否定の場合、操作受付部１１６は、処理をステップＳ２０１に進める。
ステップＳ２１３における判定の結果が否定の場合、操作受付部１１６は、処理をステップＳ２０１に進める。
【0083】
ステップＳ２１３における判定の結果が肯定の場合、学習実行部１１７は、修正履歴情報ＪSHに基づいて、文字認識部ＲG[m1]に対応する学習モデルＮN[m1]と、文字認識部ＲG[m2]に対応する学習モデルＮN[m2]とに、文字画像ＧCが修正後の表示文字ＲHを表すことを学習させる（Ｓ２１５）。
なお、学習実行部１１７は、ステップＳ２１５において、修正後の表示文字ＲHと、認識候補文字Ｒ[m1][1]とが、異なる文字である場合に限り、文字認識部ＲG[m1]に対応する学習モデルＮN[m1]に、文字画像ＧCが修正後の表示文字ＲHを表すことを学習させる。但し、学習実行部１１７は、ステップＳ２１５において、修正後の表示文字ＲHと、認識候補文字Ｒ[m1][1]とが、同じ文字である場合においても、文字認識部ＲG[m1]に対応する学習モデルＮN[m1]に、文字画像ＧCが修正後の表示文字ＲHを表すことを学習させてもよい。
また、学習実行部１１７は、ステップＳ２１５において、修正後の表示文字ＲHと、認識候補文字Ｒ[m2][1]とが、異なる文字である場合に限り、文字認識部ＲG[m2]に対応する学習モデルＮN[m2]に、文字画像ＧCが修正後の表示文字ＲHを表すことを学習させる。但し、学習実行部１１７は、ステップＳ２１５において、修正後の表示文字ＲHと、認識候補文字Ｒ[m2][1]とが、同じ文字である場合においても、文字認識部ＲG[m2]に対応する学習モデルＮN[m2]に、文字画像ＧCが修正後の表示文字ＲHを表すことを学習させてもよい。
なお、学習実行部１１７は、ステップＳ２１５において、修正後の表示文字ＲHと、認識候補文字Ｒ[m1][1]とが、異なる文字である場合に限り、文字認識部ＲG[m1]に対応する学習モデルＮN[m1]に、文字画像ＧCが修正後の表示文字ＲHを表すことを学習させる。但し、学習実行部１１７は、ステップＳ２１５において、修正後の表示文字ＲHと、認識候補文字Ｒ[m1][1]とが、同じ文字である場合においても、文字認識部ＲG[m1]に対応する学習モデルＮN[m1]に、文字画像ＧCが修正後の表示文字ＲHを表すことを学習させてもよい。
また、学習実行部１１７は、ステップＳ２１５において、修正後の表示文字ＲHと、認識候補文字Ｒ[m2][1]とが、異なる文字である場合に限り、文字認識部ＲG[m2]に対応する学習モデルＮN[m2]に、文字画像ＧCが修正後の表示文字ＲHを表すことを学習させる。但し、学習実行部１１７は、ステップＳ２１５において、修正後の表示文字ＲHと、認識候補文字Ｒ[m2][1]とが、同じ文字である場合においても、文字認識部ＲG[m2]に対応する学習モデルＮN[m2]に、文字画像ＧCが修正後の表示文字ＲHを表すことを学習させてもよい。
【0084】
以上のように、本実施形態によれば、修正履歴情報ＪSHに基づいて、文字認識部ＲG[m1]に対応する学習モデルＮN[m1]と、文字認識部ＲG[m2]に対応する学習モデルＮN[m2]とに、文字画像ＧCが修正後の表示文字ＲHを表すことを学習させる。このため、本実施形態によれば、学習モデルＮN[m]が、文字修正処理の結果に基づく学習が実施されない場合と比較して、文字認識部ＲG[m]による文字画像ＧCの表す文字の認識の確度を向上させることができる。
【0085】
＜４．実施形態の結び＞
以上において説明したように、本実施形態において、文字認識装置１（「情報処理装置」の一例）は、文字認識部ＲG[m1]が実行する文字認識処理（「第１の文字認識処理」の一例）、及び、文字認識部ＲG[m2]が実行する文字認識処理（「第２の文字認識処理」の一例）の各々により、文字画像ＧCに表された文字（「一の文字」の一例）を認識する、記載内容認識部１１３（「認識部」の一例）と、文字認識部ＲG[m1]が実行する文字認識処理による文字画像ＧCに表された文字の認識結果である、認識候補文字Ｒ[m1][1]（「第１文字」の一例）、及び、文字認識部ＲG[m2]が実行する文字認識処理による文字画像ＧCに表された文字の認識結果である、認識候補文字Ｒ[m2][1]（「第２文字」の一例）が、同一の文字である場合、認識候補文字Ｒ[m1][1]及び認識候補文字Ｒ[m2][1]を、文字画像ＧCの認識結果に対応する確定認識文字ＲX（「確定文字」の一例）として決定し、認識候補文字Ｒ[m1][1]及び認識候補文字Ｒ[m2][1]が、異なる文字である場合、認識候補文字Ｒ[m1][1]及び認識候補文字Ｒ[m2][1]の一方を、文字画像ＧCの認識結果に対応する有力認識文字ＲY（「候補文字」の一例）として決定する、認識結果決定部１１４（「決定部」の一例）と、確定認識文字ＲXまたは有力認識文字ＲYを表示部３１に表示させるための表示情報ＪHを生成する、表示情報生成部１１５（「表示制御部」の一例）と、を備え、表示情報生成部１１５は、表示情報ＪHにより、有力認識文字ＲYを確定認識文字ＲXとは異なる態様で表示部３１に表示させる、ことを特徴とする。
以上において説明したように、本実施形態において、文字認識装置１（「情報処理装置」の一例）は、文字認識部ＲG[m1]が実行する文字認識処理（「第１の文字認識処理」の一例）、及び、文字認識部ＲG[m2]が実行する文字認識処理（「第２の文字認識処理」の一例）の各々により、文字画像ＧCに表された文字（「一の文字」の一例）を認識する、記載内容認識部１１３（「認識部」の一例）と、文字認識部ＲG[m1]が実行する文字認識処理による文字画像ＧCに表された文字の認識結果である、認識候補文字Ｒ[m1][1]（「第１文字」の一例）、及び、文字認識部ＲG[m2]が実行する文字認識処理による文字画像ＧCに表された文字の認識結果である、認識候補文字Ｒ[m2][1]（「第２文字」の一例）が、同一の文字である場合、認識候補文字Ｒ[m1][1]及び認識候補文字Ｒ[m2][1]を、文字画像ＧCの認識結果に対応する確定認識文字ＲX（「確定文字」の一例）として決定し、認識候補文字Ｒ[m1][1]及び認識候補文字Ｒ[m2][1]が、異なる文字である場合、認識候補文字Ｒ[m1][1]及び認識候補文字Ｒ[m2][1]の一方を、文字画像ＧCの認識結果に対応する有力認識文字ＲY（「候補文字」の一例）として決定する、認識結果決定部１１４（「決定部」の一例）と、確定認識文字ＲXまたは有力認識文字ＲYを表示部３１に表示させるための表示情報ＪHを生成する、表示情報生成部１１５（「表示制御部」の一例）と、を備え、表示情報生成部１１５は、表示情報ＪHにより、有力認識文字ＲYを確定認識文字ＲXとは異なる態様で表示部３１に表示させる、ことを特徴とする。
【0086】
すなわち、本実施形態によれば、表示情報生成部１１５は、認識結果決定部１１４が、文字画像ＧCの認識結果を有力認識文字ＲYとして決定し、文字画像ＧCに表された文字と有力認識文字ＲYとが相違する可能性が高い場合における、有力認識文字ＲYの表示態様と、認識結果決定部１１４が、文字画像ＧCの認識結果を確定認識文字ＲXとして決定し、文字画像ＧCに表された文字と確定認識文字ＲXとが相違する可能性が低い場合における、確定認識文字ＲXの表示態様とを、異ならせる。よって、本実施形態によれば、有力認識文字ＲYと、確定認識文字ＲXとが、同一の態様で表示される場合と比較して、文字画像ＧCに表された文字の認識結果が正確ではないことを見落とす可能性を低減することができる。
また、本実施形態によれば、文字認識部ＲG[m1]と文字認識部ＲG[m2]とにより、文字認識処理を実行する。このため、本実施形態によれば、１個の文字認識部ＲGにより文字認識処理を実行する場合と比較して、文字認識処理における認識の精度を向上させることができる。
また、本実施形態によれば、文字認識部ＲG[m1]と文字認識部ＲG[m2]とにより、文字認識処理を実行する。このため、本実施形態によれば、１個の文字認識部ＲGにより文字認識処理を実行する場合と比較して、文字認識処理における認識の精度を向上させることができる。
【0087】
また、本実施形態において、文字認識部ＲG[m1]が実行する文字認識処理は、文字を含む画像と、当該画像に表された文字との関係を学習した学習モデルＮN[m1]（「第１の学習モデル」の一例）を用いて、文字画像ＧCに表された文字を認識する処理である、ことを特徴とする
【0088】
このため、本実施形態によれば、学習モデルを用いずに文字認識処理を実行する場合と比較して、文字認識処理における認識の精度を向上させることができる。
【0089】
また、本実施形態において、文字認識装置１は、表示部３１に表示された確定認識文字ＲXまたは有力認識文字ＲYの修正を受け付ける、操作受付部１１６（「受付部」の一例）と、操作受付部１１６が、確定認識文字ＲXまたは有力認識文字ＲYを、文字画像ＧCに表された文字へと変更する修正を受け付けた場合、学習モデルＮN[m1]に対して、文字画像ＧCが、文字画像ＧCに表された文字を示すことを学習させる、学習実行部１１７（「学習部」の一例）と、を備える、ことを特徴とする。
【0090】
このため、本実施形態によれば、学習モデルを用いずに文字認識処理を実行する場合と比較して、文字認識処理における認識の精度を向上させることができる。
【0091】
また、本実施形態において、文字認識装置１は、表示部３１に表示された確定認識文字ＲXまたは有力認識文字ＲYの修正を受け付ける、操作受付部１１６と、操作受付部１１６が、確定認識文字ＲXまたは有力認識文字ＲYを、文字画像ＧCに表された文字へと変更する修正を受け付けた場合であって、認識候補文字Ｒ[m1][1]と文字画像ＧCに表された文字が異なる場合において、学習モデルＮN[m1]に対して、文字画像ＧCが、文字画像ＧCに表された文字を示すことを学習させる、学習実行部１１７と、を備える、ことを特徴とする。
【0092】
このため、本実施形態によれば、学習モデルを用いずに文字認識処理を実行する場合と比較して、文字認識処理における認識の精度を向上させることができる。
【0093】
また、本実施形態において、文字認識装置１は、表示部３１に表示された確定認識文字ＲXまたは有力認識文字ＲYの修正を受け付ける、操作受付部１１６を備え、表示情報生成部１１５は、認識結果決定部１１４が、認識候補文字Ｒ[m1][1]及び認識候補文字Ｒ[m2][1]のうち一方を、有力認識文字ＲYとして決定した場合であって、操作受付部１１６が、有力認識文字ＲYの修正を受け付ける場合、認識候補文字Ｒ[m1][1]及び認識候補文字Ｒ[m2][1]のうち他方を、修正候補文字ＲZとして、表示部３１に表示させる、ことを特徴とする。
【0094】
このため、本実施形態によれば、確定認識文字ＲXまたは有力認識文字ＲYを修正するオペレータの負荷を低減することができる。
【0095】
また、本実施形態において、表示情報生成部１１５は、表示情報ＪHにより、文字画像ＧCと、確定認識文字ＲXまたは有力認識文字ＲYとを、表示部３１に表示させる、ことを特徴とする。
【0096】
このため、本実施形態によれば、文字画像ＧCに表された文字の認識結果が正確ではないことを見落とす可能性を低減することができる。
【0097】
また、本実施形態において、記載内容認識部１１３は、文字画像ＧCに表された文字の種類に応じて、互いに異なるアルゴリズムにより文字認識処理を行うＭ個の文字認識部ＲG[1]～ＲG[M]の中から、文字認識部ＲG[m1]と、文字認識部ＲG[m2]とを選択する、ことを特徴とする。
【0098】
このため、本実施形態によれば、１個の文字認識部ＲGにより文字認識処理を実行する場合と比較して、文字認識処理における認識の精度を向上させることができる。
【0099】
［Ｂ．変形例］
以上の各形態は多様に変形され得る。具体的な変形の態様を以下に例示する。以下の例示から任意に選択された２以上の態様は、相互に矛盾しない範囲内で適宜に併合され得る。なお、以下に例示する変形例において作用や機能が実施形態と同等である要素については、以上の説明で参照した符号を流用して各々の詳細な説明を適宜に省略する。
以上の各形態は多様に変形され得る。具体的な変形の態様を以下に例示する。以下の例示から任意に選択された２以上の態様は、相互に矛盾しない範囲内で適宜に併合され得る。なお、以下に例示する変形例において作用や機能が実施形態と同等である要素については、以上の説明で参照した符号を流用して各々の詳細な説明を適宜に省略する。
【0100】
＜変形例１＞
上述した実施形態において、表示情報生成部１１５は、申込内容表示画像ＧHにおいて、有力認識文字ＲYとして決定された表示文字ＲHに対応する位置に、注意喚起マークＭKを表示させたが、本発明はこのような態様に限定されるものではない。表示情報生成部１１５は、有力認識文字ＲYとして決定された表示文字ＲHと、確定認識文字ＲXとして決定された表示文字ＲHとを、識別可能な態様で申込内容表示画像ＧHに表示させればよい。
例えば、表示情報生成部１１５は、申込内容表示画像ＧHにおいて、有力認識文字ＲYとして決定された表示文字ＲHと、確定認識文字ＲXとして決定された表示文字ＲHとを、異なるサイズの文字、異なる色彩の文字、または、異なるフォントの文字として表示してもよい。
また、例えば、表示情報生成部１１５は、申込内容表示画像ＧHにおいて、有力認識文字ＲYとして決定された表示文字ＲHを、確定認識文字ＲXとして決定された表示文字ＲHと比較して、強調された態様で表示ししてもよい。
上述した実施形態において、表示情報生成部１１５は、申込内容表示画像ＧHにおいて、有力認識文字ＲYとして決定された表示文字ＲHに対応する位置に、注意喚起マークＭKを表示させたが、本発明はこのような態様に限定されるものではない。表示情報生成部１１５は、有力認識文字ＲYとして決定された表示文字ＲHと、確定認識文字ＲXとして決定された表示文字ＲHとを、識別可能な態様で申込内容表示画像ＧHに表示させればよい。
例えば、表示情報生成部１１５は、申込内容表示画像ＧHにおいて、有力認識文字ＲYとして決定された表示文字ＲHと、確定認識文字ＲXとして決定された表示文字ＲHとを、異なるサイズの文字、異なる色彩の文字、または、異なるフォントの文字として表示してもよい。
また、例えば、表示情報生成部１１５は、申込内容表示画像ＧHにおいて、有力認識文字ＲYとして決定された表示文字ＲHを、確定認識文字ＲXとして決定された表示文字ＲHと比較して、強調された態様で表示ししてもよい。
【0101】
＜変形例２＞
上述した実施形態において、認識結果決定部１１４は、表示文字決定処理において、認識候補文字Ｒ[m1][1]と認識候補文字Ｒ[m2][1]とが同一の文字であるか否かを判定することで、確定認識文字ＲXまたは有力認識文字ＲYを決定し、当該決定された確定認識文字ＲXまたは有力認識文字ＲYを、表示文字ＲHとして決定したが、本発明はこのような態様に限定されるものではない。例えば、認識結果決定部１１４は、認識確度Ｄ[m1][1]及び認識確度Ｄ[m2][1]が、Ｄ[m1][1]＞Ｄ[m2][1]を満たす場合には、認識候補文字Ｒ[m1][1]を、表示文字ＲHとして決定し、認識確度Ｄ[m1][1]及び認識確度Ｄ[m2][1]が、Ｄ[m2][1]≧Ｄ[m1][1]を満たす場合には、認識候補文字Ｒ[m2][1]を、表示文字ＲHとして決定してもよい。この場合、表示情報生成部１１５は、認識確度Ｄ[m1][1]及び認識確度Ｄ[m2][1]の差分値に基づいて、表示文字ＲHに基づく位置に注意喚起マークＭKを表示するか否かを決定してもよい。
上述した実施形態において、認識結果決定部１１４は、表示文字決定処理において、認識候補文字Ｒ[m1][1]と認識候補文字Ｒ[m2][1]とが同一の文字であるか否かを判定することで、確定認識文字ＲXまたは有力認識文字ＲYを決定し、当該決定された確定認識文字ＲXまたは有力認識文字ＲYを、表示文字ＲHとして決定したが、本発明はこのような態様に限定されるものではない。例えば、認識結果決定部１１４は、認識確度Ｄ[m1][1]及び認識確度Ｄ[m2][1]が、Ｄ[m1][1]＞Ｄ[m2][1]を満たす場合には、認識候補文字Ｒ[m1][1]を、表示文字ＲHとして決定し、認識確度Ｄ[m1][1]及び認識確度Ｄ[m2][1]が、Ｄ[m2][1]≧Ｄ[m1][1]を満たす場合には、認識候補文字Ｒ[m2][1]を、表示文字ＲHとして決定してもよい。この場合、表示情報生成部１１５は、認識確度Ｄ[m1][1]及び認識確度Ｄ[m2][1]の差分値に基づいて、表示文字ＲHに基づく位置に注意喚起マークＭKを表示するか否かを決定してもよい。
【0102】
＜変形例３＞
上述した実施形態並びに変形例１及び２では、文字認識部ＲG[m]は、文字列画像ＧCLを複数の文字画像ＧCに区分し、当該区分された各文字画像ＧCに対して文字認識処理を実行したが、本発明はこのような態様に限定されるものではない。
例えば、記載内容認識部１１３が備えるＭ個の文字認識部ＲG[1]～ＲG[M]の中には、文字列画像ＧCLに含まれる文字列を表す画像を、文字列（単語）として認識可能な単語認識部ＲGTが含まれていてもよい。なお、以下では、上述した実施形態で説明した文字認識部ＲGのように、各文字画像ＧCに対して文字認識処理を実行する文字認識部ＲGを、個別文字認識部ＲGkと称することで、単語認識部ＲGTと区別することとする。
上述した実施形態並びに変形例１及び２では、文字認識部ＲG[m]は、文字列画像ＧCLを複数の文字画像ＧCに区分し、当該区分された各文字画像ＧCに対して文字認識処理を実行したが、本発明はこのような態様に限定されるものではない。
例えば、記載内容認識部１１３が備えるＭ個の文字認識部ＲG[1]～ＲG[M]の中には、文字列画像ＧCLに含まれる文字列を表す画像を、文字列（単語）として認識可能な単語認識部ＲGTが含まれていてもよい。なお、以下では、上述した実施形態で説明した文字認識部ＲGのように、各文字画像ＧCに対して文字認識処理を実行する文字認識部ＲGを、個別文字認識部ＲGkと称することで、単語認識部ＲGTと区別することとする。
【0103】
例えば、本変形例において、記載内容認識部１１３は、Ｍ個の文字認識部ＲG[1]～ＲG[M]として、Ｍ個の単語認識部ＲGTを備えてもよい。すなわち、本変形例において、記載内容認識部１１３が備えるＭ個の文字認識部ＲG[1]～ＲG[M]の全ては、単語認識部ＲGTであってもよい。
この場合、認識結果決定部１１４は、文字認識部ＲG[m1]により認識された文字列（単語）と、文字認識部ＲG[m2]により認識された文字列（単語）とが一致する場合に、当該文字列（単語）を構成する文字の各々を、確定認識文字ＲXとして決定してもよい。また、この場合、認識結果決定部１１４は、文字認識部ＲG[m1]により認識された文字列と、文字認識部ＲG[m2]により認識された文字列とが一致しない場合に、文字認識部ＲG[m1]により認識された文字列と、文字認識部ＲG[m2]により認識された文字列とのうち、一方の文字列を構成する文字の各々を、有力認識文字ＲYとして決定してもよい。この場合、一方の文字列は、当該文字列を構成する文字の各々の認識確度Ｄに基づいて選択されてもよい。
この場合、認識結果決定部１１４は、文字認識部ＲG[m1]により認識された文字列（単語）と、文字認識部ＲG[m2]により認識された文字列（単語）とが一致する場合に、当該文字列（単語）を構成する文字の各々を、確定認識文字ＲXとして決定してもよい。また、この場合、認識結果決定部１１４は、文字認識部ＲG[m1]により認識された文字列と、文字認識部ＲG[m2]により認識された文字列とが一致しない場合に、文字認識部ＲG[m1]により認識された文字列と、文字認識部ＲG[m2]により認識された文字列とのうち、一方の文字列を構成する文字の各々を、有力認識文字ＲYとして決定してもよい。この場合、一方の文字列は、当該文字列を構成する文字の各々の認識確度Ｄに基づいて選択されてもよい。
【0104】
また、例えば、本変形例において、記載内容認識部１１３は、Ｍ個の文字認識部ＲG[1]～ＲG[M]として、１または複数の個別文字認識部ＲGkと、１または複数の単語認識部ＲGTとを備えてもよい。この場合、記載内容認識部１１３は、文字認識部ＲG[m1]として単語認識部ＲGTを選択し、文字認識部ＲG[m2]として個別文字認識部ＲGkを選択してもよい。そして、この場合、認識結果決定部１１４は、単語認識部ＲGTである文字認識部ＲG[m1]により認識された文字列（単語）を構成する文字と、個別文字認識部ＲGkである文字認識部ＲG[m2]により認識された文字とが、一致する場合に、当該文字を、確定認識文字ＲXとして決定してもよい。また、この場合、認識結果決定部１１４は、単語認識部ＲGTである文字認識部ＲG[m1]により認識された文字列（単語）を構成する文字と、個別文字認識部ＲGkである文字認識部ＲG[m2]により認識された文字とが、一致しない場合、文字認識部ＲG[m1]により認識された文字列を構成する文字と、文字認識部ＲG[m2]により認識された文字とのうち、一方の文字を、有力認識文字ＲYとして決定してもよい。この場合、一方の文字は、認識確度Ｄに基づいて選択されてもよい。
【0105】
＜変形例４＞
上述した実施形態並びに変形例１乃至３では、文字認識装置１と端末装置３が別体である場合を例示したが、文字認識装置１と端末装置３は、一体として構成されてもよい。
上述した実施形態並びに変形例１乃至３では、文字認識装置１と端末装置３が別体である場合を例示したが、文字認識装置１と端末装置３は、一体として構成されてもよい。
【0106】
図１３は、本変形例に係る文字認識システムＳys-Bの構成の一例を説明するための説明図である。
【0107】
図１３に例示するように、文字認識システムＳys-Bは、文字認識装置１の代わりに文字認識装置１Bを備える点と、端末装置３を備えない点とを除き、実施形態に係る文字認識システムＳysと同様に構成されている。
【0108】
図１４は、文字認識装置１Bの構成の一例を示す機能ブロック図である。
【0109】
図１４に例示するように、文字認識装置１Bは、表示部３１を備える点と、操作部３２を備える点とを除き、実施形態に係る文字認識装置１と同様に構成されている。
【符号の説明】
【0110】
１…文字認識装置、３…端末装置、５…撮像装置、１１…制御部、１２…記憶部、１３…通信部、３１…表示部、３２…操作部、１１１…画像情報取得部、１１２…文字領域特定部、１１３…記載内容認識部、１１４…認識結果決定部、１１５…表示情報生成部、１１６…操作受付部、１１７…学習実行部、ＲG…文字認識部、ＮN…学習モデル。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】