知財求人 - 知財ポータルサイト「IP Force」
(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】P2025005182
(43)【公開日】2025-01-16
(54)【発明の名称】帳票認識装置、及び帳票認識方法
(51)【国際特許分類】
G06V 30/412 20220101AFI20250108BHJP
G06T 7/00 20170101ALI20250108BHJP
G06T 7/90 20170101ALI20250108BHJP
G06V 10/762 20220101ALI20250108BHJP
G06V 30/418 20220101ALI20250108BHJP
【ＦＩ】
G06V30/412
G06T7/00 300F
G06T7/00 300G
G06T7/90 B
G06V10/762
G06V30/418
【審査請求】未請求
【請求項の数】7
【出願形態】ＯＬ
(21)【出願番号】P 2023105260
(22)【出願日】2023-06-27
(71)【出願人】
【識別番号】000005108
【氏名又は名称】株式会社日立製作所
(74)【代理人】
【識別番号】110001678
【氏名又は名称】藤央弁理士法人
(72)【発明者】
【氏名】高橋 寿一
(72)【発明者】
【氏名】三浦 直人
(72)【発明者】
【氏名】白井 剛
【テーマコード（参考）】
5B029
5L096
【Ｆターム（参考）】
5B029AA01
5B029BB02
5B029BB12
5B029BB14
5B029BB17
5B029CC26
5B029EE03
5B029EE15
5L096BA08
5L096BA18
5L096CA02
5L096DA02
5L096EA13
5L096EA14
5L096FA15
5L096JA03
5L096MA07
(57)【要約】
【課題】帳票の種類を速やかに認識する。
【解決手段】帳票認識装置であって、プロセッサと、メモリと、記憶装置と、を備え、前記記憶装置は、登録済みの前記テンプレートの局所特徴量を含むテンプレート特徴情報を記憶し、前記プロセッサは、登録済みの前記テンプレートを前記局所特徴量に基づいてクラスタに分類し、前記クラスタ毎に属する前記テンプレートの前記局所特徴量を用いてクラスタ特徴量を生成し、前記クラスタ特徴量を含むクラスタ特徴情報を前記記憶装置に格納し、認識対象の前記帳票を表す入力画像の局所特徴量を算出し、前記入力画像の前記局所特徴量、及び前記クラスタ特徴情報に基づいて前記入力画像に対応するクラスタ候補を特定し、前記クラスタ候補に属する前記テンプレートのうち、前記入力画像との前記局所特徴量の類似度が最大のものを前記入力画像に対応する対応テンプレートに決定する。
【選択図】図１
【解決手段】帳票認識装置であって、プロセッサと、メモリと、記憶装置と、を備え、前記記憶装置は、登録済みの前記テンプレートの局所特徴量を含むテンプレート特徴情報を記憶し、前記プロセッサは、登録済みの前記テンプレートを前記局所特徴量に基づいてクラスタに分類し、前記クラスタ毎に属する前記テンプレートの前記局所特徴量を用いてクラスタ特徴量を生成し、前記クラスタ特徴量を含むクラスタ特徴情報を前記記憶装置に格納し、認識対象の前記帳票を表す入力画像の局所特徴量を算出し、前記入力画像の前記局所特徴量、及び前記クラスタ特徴情報に基づいて前記入力画像に対応するクラスタ候補を特定し、前記クラスタ候補に属する前記テンプレートのうち、前記入力画像との前記局所特徴量の類似度が最大のものを前記入力画像に対応する対応テンプレートに決定する。
【選択図】図１
【特許請求の範囲】
【請求項1】
テンプレートを用いて帳票を認識する帳票認識装置であって、
１以上のプロセッサと、１以上のメモリと、１以上の記憶装置と、を備え、
前記記憶装置は、登録済みの前記テンプレートの局所特徴量を含むテンプレート特徴情報を記憶し、
前記プロセッサは、
登録済みの前記テンプレートを前記局所特徴量に基づいてクラスタに分類し、前記クラスタ毎に属する前記テンプレートの前記局所特徴量を用いてクラスタ特徴量を生成し、前記クラスタ特徴量を含むクラスタ特徴情報を前記記憶装置に格納し、
認識対象の前記帳票を表す入力画像の局所特徴量を算出し、
前記入力画像の前記局所特徴量、及び前記クラスタ特徴情報に基づいて前記入力画像に対応するクラスタ候補を特定し、
前記クラスタ候補に属する前記テンプレートのうち、前記入力画像との前記局所特徴量の類似度が最大のものを前記入力画像に対応する対応テンプレートに決定することを特徴とする帳票認識装置。
１以上のプロセッサと、１以上のメモリと、１以上の記憶装置と、を備え、
前記記憶装置は、登録済みの前記テンプレートの局所特徴量を含むテンプレート特徴情報を記憶し、
前記プロセッサは、
登録済みの前記テンプレートを前記局所特徴量に基づいてクラスタに分類し、前記クラスタ毎に属する前記テンプレートの前記局所特徴量を用いてクラスタ特徴量を生成し、前記クラスタ特徴量を含むクラスタ特徴情報を前記記憶装置に格納し、
認識対象の前記帳票を表す入力画像の局所特徴量を算出し、
前記入力画像の前記局所特徴量、及び前記クラスタ特徴情報に基づいて前記入力画像に対応するクラスタ候補を特定し、
前記クラスタ候補に属する前記テンプレートのうち、前記入力画像との前記局所特徴量の類似度が最大のものを前記入力画像に対応する対応テンプレートに決定することを特徴とする帳票認識装置。
【請求項2】
請求項１に記載の帳票認識装置であって、
前記テンプレート特徴情報は、前記テンプレートのサイズ、色、及び大域特徴量を含み、
前記プロセッサは、
前記入力画像のサイズ、色、及び大域特徴量のうちの少なくとも１つ、並びに前記テンプレート特徴情報に基づいて前記入力画像に対応するテンプレート候補を絞り込み、
絞り込んだ前記テンプレート候補であって、且つ前記クラスタ候補に属する前記テンプレートであり、前記入力画像との前記局所特徴量の類似度が最大のものを前記入力画像に対応する前記対応テンプレートに決定することを特徴とする帳票認識装置。
前記テンプレート特徴情報は、前記テンプレートのサイズ、色、及び大域特徴量を含み、
前記プロセッサは、
前記入力画像のサイズ、色、及び大域特徴量のうちの少なくとも１つ、並びに前記テンプレート特徴情報に基づいて前記入力画像に対応するテンプレート候補を絞り込み、
絞り込んだ前記テンプレート候補であって、且つ前記クラスタ候補に属する前記テンプレートであり、前記入力画像との前記局所特徴量の類似度が最大のものを前記入力画像に対応する前記対応テンプレートに決定することを特徴とする帳票認識装置。
【請求項3】
請求項１に記載の帳票認識装置であって、
前記プロセッサは、前記クラスタ毎に属する前記テンプレートの前記局所特徴量のうち、同一の前記クラスタに属する他のテンプレートと対応した特徴点を連結して前記クラスタ特徴量を生成することを特徴とする帳票認識装置。
前記プロセッサは、前記クラスタ毎に属する前記テンプレートの前記局所特徴量のうち、同一の前記クラスタに属する他のテンプレートと対応した特徴点を連結して前記クラスタ特徴量を生成することを特徴とする帳票認識装置。
【請求項4】
請求項１に記載の帳票認識装置であって、
前記プロセッサは、前記入力画像の前記局所特徴量と前記クラスタ特徴量の類似度に基づいて前記入力画像に対応する１又は複数の前記クラスタ候補を特定する
ことを特徴とする帳票認識装置。
前記プロセッサは、前記入力画像の前記局所特徴量と前記クラスタ特徴量の類似度に基づいて前記入力画像に対応する１又は複数の前記クラスタ候補を特定する
ことを特徴とする帳票認識装置。
【請求項5】
請求項１に記載の帳票認識装置であって、
前記プロセッサは、前記入力画像の前記局所特徴量と前記クラスタ特徴量との対応点の数、及び前記対応点の平均距離の少なくとも一方を前記類似度として取得し、前記類似度に基づいて前記入力画像に対応する前記クラスタ候補を特定することを特徴とする帳票認識装置。
前記プロセッサは、前記入力画像の前記局所特徴量と前記クラスタ特徴量との対応点の数、及び前記対応点の平均距離の少なくとも一方を前記類似度として取得し、前記類似度に基づいて前記入力画像に対応する前記クラスタ候補を特定することを特徴とする帳票認識装置。
【請求項6】
請求項１に記載の帳票認識装置であって、
前記プロセッサは、前記入力画像の前記局所特徴量と前記クラスタ特徴量との対応点の数を前記対応点の平均距離で除算した値を前記類似度として算出し、前記類似度に基づいて前記入力画像に対応する前記クラスタ候補を特定することを特徴とする帳票認識装置。
前記プロセッサは、前記入力画像の前記局所特徴量と前記クラスタ特徴量との対応点の数を前記対応点の平均距離で除算した値を前記類似度として算出し、前記類似度に基づいて前記入力画像に対応する前記クラスタ候補を特定することを特徴とする帳票認識装置。
【請求項7】
テンプレートを用いて帳票を認識する帳票認識装置が実行する帳票認識方法であって、
前記帳票認識装置は、１以上のプロセッサと、１以上のメモリと、１以上の記憶装置と、を有し、
前記帳票認識方法は、
登録済みの前記テンプレートを前記テンプレートの局所特徴量に基づいてクラスタに分類し、前記クラスタ毎に属する前記テンプレートの前記局所特徴量を用いてクラスタ特徴量を生成し、前記クラスタ特徴量を含むクラスタ特徴情報を前記記憶装置に格納するステップと、
認識対象の前記帳票を表す入力画像の局所特徴量を算出するステップと、
前記入力画像の前記局所特徴量、及び前記クラスタ特徴情報に基づいて前記入力画像に対応するクラスタ候補を特定するステップと、
前記クラスタ候補に属する前記テンプレートのうち、前記入力画像との前記局所特徴量の類似度が最大のものを前記入力画像に対応する対応テンプレートに決定するステップと、を含むことを特徴とする帳票認識方法。
前記帳票認識装置は、１以上のプロセッサと、１以上のメモリと、１以上の記憶装置と、を有し、
前記帳票認識方法は、
登録済みの前記テンプレートを前記テンプレートの局所特徴量に基づいてクラスタに分類し、前記クラスタ毎に属する前記テンプレートの前記局所特徴量を用いてクラスタ特徴量を生成し、前記クラスタ特徴量を含むクラスタ特徴情報を前記記憶装置に格納するステップと、
認識対象の前記帳票を表す入力画像の局所特徴量を算出するステップと、
前記入力画像の前記局所特徴量、及び前記クラスタ特徴情報に基づいて前記入力画像に対応するクラスタ候補を特定するステップと、
前記クラスタ候補に属する前記テンプレートのうち、前記入力画像との前記局所特徴量の類似度が最大のものを前記入力画像に対応する対応テンプレートに決定するステップと、を含むことを特徴とする帳票認識方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、帳票認識装置、及び帳票認識方法に関する。
【背景技術】
【0002】
多種多様な帳票を対象にしてＯＣＲ(Optical Character Reader)を実行し、帳票に記録されている文字等を認識したり、帳票に対して文字等を入力したりする場合、対象とする帳票の種類（発行元、用途、フォーマット等）を認識する必要がある。
【0003】
帳票の種類を認識する技術に関し、例えば特許文献１には「複数のテンプレート画像から帳票画像に対応する対応テンプレート画像を選択する帳票処理装置であって、前記帳票画像における複数の特徴点と各特徴点の特徴量記述子とを算出し、当該算出結果に基づいて、前記テンプレート画像毎に、当該テンプレート画像における各特徴点に対応する複数の対応点を選択し、各特徴点と各テンプレート画像の各対応点とに基づいて、前記対応テンプレート画像を選択する選択部を有する帳票処理装置」が記載されている。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０２２－１６７１８３号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
引用文献１に記載の技術では、帳票に印刷されている文字周辺から特徴が多く抽出できる局所特徴量を利用することで、罫線が無い帳票に対してもテンプレート画像を特定することができる。しかしながら、認識可能な帳票の種類を増加させるためにテンプレート画像の数を増大した場合、認識対象の帳票とテンプレート画像との照合のための処理量が増加してしまい、帳票の種類を速やかに認識できないことがある。
【0006】
本発明は前述の点に鑑みてなされたものであり、帳票の種類を速やかに認識できるようにすることを目的とする。
【課題を解決するための手段】
【0007】
本願は、前述課題の少なくとも一部を解決する手段を複数含んでいるが、その例を挙げるならば、以下の通りである。
【0008】
前述課題を解決するため、本発明の一態様に係る帳票認識装置は、テンプレートを用いて帳票を認識する帳票認識装置であって、１以上のプロセッサと、１以上のメモリと、１以上の記憶装置と、を備え、前記記憶装置は、登録済みの前記テンプレートの局所特徴量を含むテンプレート特徴情報を記憶し、前記プロセッサは、登録済みの前記テンプレートを前記局所特徴量に基づいてクラスタに分類し、前記クラスタ毎に属する前記テンプレートの前記局所特徴量を用いてクラスタ特徴量を生成し、前記クラスタ特徴量を含むクラスタ特徴情報を前記記憶装置に格納し、認識対象の前記帳票を表す入力画像の局所特徴量を算出し、前記入力画像の前記局所特徴量、及び前記クラスタ特徴情報に基づいて前記入力画像に対応するクラスタ候補を特定し、前記クラスタ候補に属する前記テンプレートのうち、前記入力画像との前記局所特徴量の類似度が最大のものを前記入力画像に対応する対応テンプレートに決定することを特徴とする。
【発明の効果】
【0009】
本発明によれば、帳票の種類を速やかに認識することが可能となる。
【0010】
前述した以外の課題、構成、及び効果は、以下の実施形態の説明により明らかにされる。
【図面の簡単な説明】
【0011】
【発明を実施するための形態】
【0012】
以下、本発明の一実施形態について図面に基づいて説明する。なお、一実施形態を説明するための全図において、同一の部材には原則として同一の符号を付し、その繰り返しの説明は省略する。また、以下の実施形態において、その構成要素（要素ステップ等も含む）は、特に明示した場合、及び原理的に明らかに必須であると考えられる場合等を除き、必ずしも必須ではない。また、「Ａからなる」、「Ａよりなる」、「Ａを有する」、「Ａを含む」と言うときは、特にその要素のみである旨明示した場合等を除き、それ以外の要素を排除しない。同様に、以下の実施形態において、構成要素等の形状、位置関係等に言及するときは、特に明示した場合、及び原理的に明らかにそうでないと考えられる場合等を除き、実質的にその形状等に近似、又は類似するもの等を含む。
【0013】
＜本発明の一実施形態に係る帳票認識システム１００の構成例＞
図１は、本発明の一実施形態に係る帳票認識システム１００の構成例を示している。
図１は、本発明の一実施形態に係る帳票認識システム１００の構成例を示している。
【0014】
帳票認識システム１００は、帳票を認識する帳票認識処理に係るサービスを提供するシステムである。帳票認識システム１００は、インターネット５００を介してユーザ端末２００、及び外部システム３００と相互に接続される。
【0015】
ユーザ端末２００は、帳票認識システム１００によるサービスの提供を受けるユーザが使用する端末装置であり、例えば、ＰＣ（Personal Computer）等からなる。ユーザ端末２００は、帳票認識処理の対象となる帳票の画像（以下、帳票画像）を帳票認識システム１００に送信し、帳票認識システム１００から送信された帳票認識処理の結果（帳票の種類、フォーマット、記載されている文字列等）を受信する。
【0016】
外部システム３００は、帳票認識システム１００からの要求に従って帳票画像に記載された文字を認識する文字認識処理を実行し、その処理結果を文字認識結果として帳票認識システム１００に送信する帳票認識エンジンである。
【0017】
なお、帳票認識システム１００、ユーザ端末２００、及び外部システム３００の接続形態は、図１の例に限らない。例えば、帳票認識システム１００は、ユーザ端末２００、及び外部システム３００とインターネット５００以外のネットワークを介して相互に接続されてもよいし、ネットワークを介さずに直接接続されてもよい。また、ユーザ端末２００、及び外部システム３００の機能の少なくとも一部が、帳票認識システム１００に備わっていてもよい。
【0018】
帳票認識システム１００は、Ｗｅｂサーバ１０１、連携サーバ１０２、及びサービスサーバ１０３を備える。
【0019】
Ｗｅｂサーバ１０１は、インターネット５００を介してユーザ端末２００と接続され、ユーザ端末２００から送信された帳票画像を受信し、サービスサーバ１０３に送信する機能と、外部システム３００からの文字認識結果をユーザ端末２００に送信する機能とを有する。なお、Ｗｅｂサーバ１０１は、本実施形態では、ｈｔｔｐｄ（Hyper Text Transfer Protocol Daemon）にて実現される。また、Ｗｅｂサーバ１０１は、ＤＭＺ（Demilitarized Zone）に設けられている。ただし、Ｗｅｂサーバ１０１は、これらの例に限定されない。
【0020】
連携サーバ１０２は、インターネット５００を介して外部システム３００と接続される。連携サーバ１０２は、例えば、プロキシサーバにて実現される。
【0021】
サービスサーバ１０３は、Ｗｅｂサーバ１０１から送信された帳票画像を入力画像として、入力画像に対して帳票認識処理を行う。サービスサーバ１０３は、本発明の帳票認識装置に相当する。サービスサーバ１０３は、サービス制御部１１１、テンプレート選択処理部１１２、画像前処理部１１３、帳票認識処理部１１４、帳票認識結果後処理部１１５、及びテンプレートクラスタリング処理部１１６の各機能ブロックを有する。
【0022】
サービス制御部１１１は、サービスサーバ１０３の全体を制御する。
【0023】
テンプレート選択処理部１１２は、複数のテンプレート画像（不図示）（以下、テンプレートと略称する）、テンプレート特徴情報１２１、及びクラスタ特徴情報１２４を保持する。テンプレート特徴情報１２１には、各テンプレートに関する情報が記録されている（図２を参照して後述）。クラスタ特徴情報１２４には、テンプレートが属する各クラスタリングに関する情報が記録されている（図１０を参照して後述）。クラスタ特徴情報１２４は、サービスサーバ１０３に登録されたテンプレートの数が所定の閾値以上となった場合、テンプレートクラスタリング処理部１１６によりテンプレートクラスタリング処理が実行され、その結果として生成される。
【0024】
クラスタ特徴情報１２４は、サービスサーバ１０３に登録されたテンプレートの数が所定の閾値以上となった場合、テンプレートクラスタリング処理部１１６によりテンプレートクラスタリング処理が実行され、その結果として生成される。なお、テンプレート（不図示）、テンプレート特徴情報１２１、及びクラスタ特徴情報１２４は、後述するサービスサーバ１０３を実現するコンピュータの記憶装置に格納される。
【0025】
テンプレート選択処理部１１２は、テンプレート特徴情報１２１、及びクラスタ特徴情報１２４を参照し、入力画像に対応するテンプレート、すなわち、入力画像に最も類似しているテンプレートを対応テンプレートとして選択するテンプレート選択処理を実行する。
【0026】
なお、入力画像には、余白が含まれていてもよい。また、入力画像の向きは特に限定されない。一方、入力画像に対応するテンプレートの余白の有無、及び向きは、外部システム３００の仕様に応じて定められる。本実施形態では、テンプレートには、余白が含まれず、テンプレートの向きは、所定の向き（具体的には、テンプレート内の文字が正規の方向を向く向き）である。ただし、テンプレートの余白の有無、及び向きはこの例に限らない。例えば、外部システム３００に画像の回転補正機能が備わっている場合、テンプレートの向きは特に限定されない。
【0027】
画像前処理部１１３は、帳票認識処理に先行し、入力画像に対して画像前処理を実行する。画像前処理は、入力画像とテンプレートとのフィッティングを行うフィッティング処理、及び対応テンプレートに応じて行う選択前処理を含む。画像前処理部１１３は、選択前処理に関するテンプレート前処理情報１２２を保持し、テンプレート前処理情報１２２に基づいて、実行する選択前処理を決定する。
【0028】
帳票認識処理部１１４は、画像前処理済みの入力画像（以下、画像前処理結果画像と称する）に対し、連携サーバ１０２を介して外部システム３００と連携して帳票認識処理を実行する。具体的には、帳票認識処理部１１４は、各テンプレートにおける文字認識を行う位置を示すテンプレート読取位置情報１２３を保持し、テンプレート読取位置情報１２３に基づいて画像前処理結果画像における文字認識を行う位置を示す文字読取位置情報を生成する。そして、帳票認識処理部１１４は、画像前処理結果画像、及び文字読取位置情報を外部システム３００に出力して文字認識処理を依頼する。また、帳票認識処理部１１４は、画像前処理結果画像から文字読取位置情報に応じた部分を切り出した切り出し画像を外部システム３００に出力して文字認識処理を実行してもよい。
【0029】
帳票認識結果後処理部１１５は、帳票認識処理により得られた文字認識結果に対して行う後処理を実行する。後処理は、例えば、文字認識結果の確信度を調整する処理等である。
【0030】
テンプレートクラスタリング処理部１１６は、サービスサーバ１０３に登録されたテンプレートの数が所定の閾値以上である場合、テンプレートをその特徴量に基づいてクラスタに分類するテンプレートクラスタリング処理を実行する。
【0031】
帳票認識システム１００のＷｅｂサーバ１０１、連携サーバ１０２、及びサービスサーバ１０３それぞれは、パーソナルコンピュータ、サーバコンピュータ等の一般的なコンピュータによって実現される。また、帳票認識システム１００のＷｅｂサーバ１０１、連携サーバ１０２、及びサービスサーバ１０３は、物理的、又は論理的に別々のコンピュータによって実現してもよいし、単一のコンピュータで実現してもよい。
【0032】
一般的なコンピュータは、ＣＰＵ(Central Processing Unit)等のプロセッサ、ＤＲＡＭ(Dynamic Random Access Memory)等のメモリ、ＨＤＤ(Hard Disk Drive)やＳＳＤ(SolＩＤ State Drive)等の記憶装置、キーボードやマウス、メディアドライブ等の入力デバイス、ディスプレイ等の出力デバイス、ＮＩＣ(Network Interface Card)等の通信モジュール（いずれも不図示）を備える。
【0033】
例えば、サービスサーバ１０３を実現するコンピュータにおいては、プロセッサがメモリに格納されたプログラムを実行することにより、サービスサーバ１０３が有するサービス制御部１１１、テンプレート選択処理部１１２、画像前処理部１１３、帳票認識処理部１１４、帳票認識結果後処理部１１５、及びテンプレートクラスタリング処理部１１６の各機能ブロックが実現される。又は、機能ブロックの少なくとも一部は、ハードウェア回路（例えば、ＡＳＩＣ（Application Specific Integrated Circuit）、又はＦＰＧＡ（Field-Programmable Gate Array））にて実現されてもよい。
【0034】
なお、プロセッサが実行するプログラムは、予めメモリに格納しておいてもよいし、リムーバブルメディア（ＣＤ－ＲＯＭ、フラッシュメモリ等、）又はインターネット５００を介して所定のサーバ等からダウンロードし、非一時的記憶媒体である記憶装置に格納しておき、必要な時に、ストレージから読み出すようにしてもよい。このため、コンピュータは、リムーバブルメディアからデータを読み込むインターフェースを有するとよい。
【0035】
図２は、テンプレート特徴情報１２１の一例を示している。テンプレート特徴情報１２１には、サービスサーバ１０３に登録されたテンプレートに関する情報が記録されている。テンプレート特徴情報１２１には、テンプレートを識別するためのテンプレートＩＤに対応付けて、テンプレートの横幅、縦幅、色特徴量、大域特徴量、局所特徴量、付加情報、及び所属クラスタＩＤが記録される。
【0036】
色特徴量は、例えば、当該テンプレートのＨＳＶヒストグラムである。大域特徴量は、例えば、当該テンプレートのハッシュ値である。局所特徴量は、１以上の特徴点と、各特徴点の特徴量記述子とから構成される。局所特徴量算出手法は、例えば、ＯＲＢ（Oriented FAST and Rotated BRIEF(Binary Robust Independent Elementary Features）)を採用する。ただし、ＫＡＺＥ（Accelerated KAZE）、ＢＲＩＳＫ（Binary Robust Invariant Scalable Keypoints）、ＳＩＦＴ（Scale-invariant feature transform）等の他の局所特徴量算出手法を採用してもよい。また、局所特徴量の特徴点の数は、帳票の種類に応じて変更してもよい。
【0037】
同図の場合、色特徴量、大域特徴量、及び局所特徴量には、バイナリデータが格納されているが、これらのデータ形式は任意である。
【0038】
同図の場合、付加情報には、当該テンプレートが所属するグループ（例えば、帳票の発行元等）を識別するためのグループＩＤが記録されているが、付加情報には任意の情報を格納できる。
【0039】
所属クラスタＩＤは、当該テンプレートが分類されたクラスタの識別情報である。テンプレートの数が所定の閾値よりも少なくクラスタリングが行われない場合、クラスタＩＤには、例えば、クラスタＩＤ＝－１が格納される。
【0040】
図３は、テンプレート前処理情報１２２の一例を示している。テンプレート前処理情報１２２は、テンプレートが対応テンプレートに選択された際の入力画像に対して実行される選択前処理（地紋除去処理、ノイズ除去処理、及び二値化（モノクロ化）処理）の要否を表す情報である。テンプレート前処理情報１２２には、テンプレートＩＤに対応付けて、地紋除去処理の要否、ノイズ除去処理の要否、及び二値化処理の要否が記録される。なお、「ＴＲＵＥ」は当該理を実行することを意味し、「ＦＡＬＳＥ」は、当該処理を実行しないことを意味する。
【0041】
なお、地紋除去処理、ノイズ除去処理、及び二値化処理は、選択前処理の一例であり、選択前処理はこれらに限らず、例えば、他の処理を含んでもよい。
【0042】
図４は、テンプレート読取位置情報１２３の一例を示している。テンプレート読取位置情報１２３は、テンプレートに対応する入力画像に文字認識処理を行う際の読取領域を表す情報である。テンプレート読取位置情報１２３には、テンプレートを識別するためのテンプレートＩＤに対応付けて、読取領域に記録されている文字列の属性名、読取領域の所定位置（例えば、左上頂点）のＸ座標、及びＹ座標、幅、高さ、並びに付加情報が記録される。
【0043】
属性名には、例えば「銀行名」、「口座番号」等が記録される。付加情報は、文字認識処理に対して指定する情報であり、読取領域に記載されている可能性がある文字の種類（感じ、英字、ひらがな、カタカナ等）が記録される。
【0044】
＜テンプレートクラスタリング処理＞
図５Ａは、テンプレートをクラスタに分類するテンプレートクラスタリング処理の一例を示すフローチャートである。図５Ｂは、テンプレートクラスタリング処理の一例を示す図である。
図５Ａは、テンプレートをクラスタに分類するテンプレートクラスタリング処理の一例を示すフローチャートである。図５Ｂは、テンプレートクラスタリング処理の一例を示す図である。
【0045】
テンプレートクラスタリング処理は、テンプレート特徴情報１２１に登録されたテンプレートの数が所定の閾値以上になった場合にテンプレートクラスタリング処理部１１６によって実行される。なお、テンプレートの登録に際しては、テンプレートに関する情報（所属クラスタＩＤを除く）がテンプレート特徴情報１２１に記録されるものとする。
【0046】
はじめに、テンプレートクラスタリング処理部１１６が、テンプレート特徴情報１２１を参照し、各テンプレートの局所特徴量に基づいてテンプレート間対応点数マトリックス生成処理を実行する（ステップＳ５０１）。テンプレート間対応点数マトリックス生成処理の詳細については、図６Ａ、及び図６Ｂを参照して後述する。
【0047】
次に、テンプレートクラスタリング処理部１１６が、ステップＳ５０１にて生成したテンプレート間対応点数マトリックスに基づき、対応点数が多いテンプレートどうしを同じクラスタに分類するクラスタリング処理を実行する（ステップＳ５０２）。クラスタリング処理の詳細については、図７、図８Ａ、及び図８Ｂを参照して後述する。
【0048】
次に、テンプレートクラスタリング処理部１１６が、クラスタ毎に、クラスタに属するテンプレートの局所特徴量に基づいてクラスタ特徴量を生成するクラスタ特徴量生成処理を実行し、クラスタ特徴情報１２４を生成する（ステップＳ５０３）。クラスタ特徴量生成処理の詳細については、図９Ａ、及び図９Ｂを参照して後述する。
【0049】
図６Ａは、ステップＳ５０１におけるテンプレート間対応点数マトリックス生成処理の一例を示すフローチャートである。
【0050】
まず、テンプレートクラスタリング処理部１１６が、テンプレート特徴情報１２１に登録されているテンプレートの数Ｎを取得する（ステップＳ６０１）。次に、テンプレートクラスタリング処理部１１６が、テンプレート間の対応点数を登録するためのＮ×Ｎのマトリックスを生成する（ステップＳ６０２）。
【0051】
次に、テンプレートクラスタリング処理部１１６が、ループ処理Ｌ１として、パラメータｉを１からＮまで１ずつインクリメントし、以下のステップＳ６０３、及びループ処理Ｌ２（ステップＳ６０４～Ｓ６０７）を繰り返し実行する。
【0052】
ループ処理Ｌ１では、まず、テンプレートクラスタリング処理部１１６が、テンプレート特徴情報１２１からｉ番目のテンプレートの局所特徴量を取得する（ステップＳ６０３）。
【0053】
次に、テンプレートクラスタリング処理部１１６が、ループ処理Ｌ２として、パラメータｊを１からＮまで１ずつインクリメントし、以下のステップＳ６０４～Ｓ６０７を繰り返し実行する。
【0054】
ループ処理Ｌ２では、まず、テンプレートクラスタリング処理部１１６が、テンプレート特徴情報１２１からｊ番目のテンプレートの局所特徴量を取得する（ステップＳ６０４）。ただし、ｊ＝ｉである場合、ｊ（＝ｉ）番目のテンプレートの局所特徴量はステップＳ６０３で取得済みであるため、ステップＳ６０４は省略される。
【0055】
次に、テンプレートクラスタリング処理部１１６が、ｉ番目のテンプレートの特徴点毎に、その特徴点に対応するｊ番目のテンプレートの特徴点を対応点候補として特定する（ステップＳ６０５）。具体的には、例えば、ｋ近傍法を採用し、ｉ番目のテンプレートの特徴点毎に、ｊ番目のテンプレートの特徴点のうち類似度が高い方から所定数（例えば、２個）の特徴点を対応点候補として特定する。
【0056】
次に、テンプレートクラスタリング処理部１１６が、比率検査法を採用し、ｉ番目のテンプレートの特徴点毎に、ｊ番目のテンプレートにおける対応点候補から対応点を決定する絞り込みを行う（ステップＳ６０６）。ここで、比率検査法は、ｉ番目のテンプレートの特徴点ｍｉと、ｊ番目のテンプレートとの対応点候補のうち、最も類似している対応点候補ｎｊ１との類似度ｓ１、及び次も類似している対応点候補ｎｊ２との類似度ｓ２を算出する。そして、類似度ｓ１，ｓ２が以下の関係式（１）を満たす場合に、対応点候補ｎｊ１を特徴点ｍｉに対する対応点として採用する。なお、関係式（１）におけるｒａｔｉｏは、所定の比率である。
ｓ１＜ｓ２＊ｒａｔｉｏ・・・（１）
ｓ１＜ｓ２＊ｒａｔｉｏ・・・（１）
【0057】
次に、テンプレートクラスタリング処理部１１６が、ｉ番目のテンプレートに対して、ステップＳ６０６において絞り込むことができたｊ番目のテンプレートの対応点の数を、ステップＳ６０２で生成したＮ×Ｎのマトリックスの（ｉ，ｊ）に記録する（ステップＳ６０７）。この後、処理をループ処理Ｌ２の起点に戻り、ループ処理Ｌ２を終える。そして、ループ処理Ｌ１の起点に戻り、ループ処理Ｌ１を終えることにより、Ｎ×Ｎのマトリックスの全ての枠を埋めてテンプレート間対応点数マトリックスを完成する。
【0058】
図６Ｂは、完成されたテンプレート間対応点数マトリックスの一例を示す図である。図中に丸印で示すように、例えば、ｉ＝１番目のテンプレートに対するｊ＝２番目のテンプレートの対応点の数は１０、ｊ＝３番目のテンプレートの対応点の数は１５４であることを表している。反対に、ｉ＝２番目のテンプレートに対するｊ＝１番目のテンプレートの対応点の数は１２、ｉ＝３番目のテンプレートに対するｊ＝１番目のテンプレートの対応点の数は１３４であることを表している。
【0059】
図６Ｂに示した例のように、同じテンプレートの組み合わせであっても基準とするテンプレートを入れ替えた場合、対応点の数は変化し得る。なお、当該マトリックスにおける（１，１）等に記録された－１は、同一テンプレートの組み合わせてあることを表している。
【0060】
図７は、ステップＳ５０２におけるクラスタリング処理の一例を示すフローチャートである。
【0061】
まず、テンプレートクラスタリング処理部１１６が、ループ処理Ｌ１１として、パラメータｉを１からＮまで１ずつインクリメントし、以下のステップＳ７０１，Ｓ７０２、ループ処理Ｌ１２、及びＳ７０６を繰り返し実行する。
【0062】
ループ処理Ｌ１１では、まず、テンプレートクラスタリング処理部１１６が、テンプレート特徴情報１２１を参照し、ｉ番目のテンプレートが既にいずれかのクラスタに属しているか否かを判定する（ステップＳ７０１）。ここで、ｉ番目のテンプレートが既にいずれかのクラスタに属していると判定した場合（ステップＳ７０１でＹＥＳ）、テンプレートクラスタリング処理部１１６が、ステップＳ７０２～Ｓ７０６をスキップし、処理をループ処理Ｌ１１の起点に戻す。
【0063】
反対に、ｉ番目のテンプレートがいずれかのクラスタにも属していないと判定した場合（ステップＳ７０１でＮＯ）、テンプレートクラスタリング処理部１１６が、ｉ番目のテンプレートをベースとする新たなクラスタＣｋを生成する（ステップＳ７０２）。次に、テンプレートクラスタリング処理部１１６が、ループ処理Ｌ１２として、パラメータｊを１からＮまで１ずつインクリメントし、以下のステップＳ７０３～Ｓ７０６を繰り返し実行する。
【0064】
ループ処理Ｌ１２では、まず、テンプレートクラスタリング処理部１１６が、テンプレート特徴情報１２１を参照し、ｊ番目のテンプレートが既にいずれかのクラスタに属しているか否かを判定する（ステップＳ７０３）。ここで、ｊ番目のテンプレートが既にいずれかのクラスタに属していると判定した場合（ステップＳ７０３でＹＥＳ）、テンプレートクラスタリング処理部１１６が、ステップＳ７０４，Ｓ７０５をスキップし、処理をループ処理Ｌ１２の起点に戻す。
【0065】
反対に、ｊ番目のテンプレートがいずれかのクラスタにも属していないと判定した場合（ステップＳ７０３でＮＯ）、テンプレートクラスタリング処理部１１６が、ステップＳ５０１で生成したテンプレート間対応点数マトリックス（図６Ｂ）の（ｉ，ｊ）の値、及び（ｊ，ｉ）の値を参照し、両方の値が所定の閾値以上であるか否かを判定する（ステップＳ７０４）。当該所定の閾値は、例えば、テンプレート間対応点数マトリックスに記録されている値（テンプレートどうしの対応点の数）の平均値を採用してもよい。
【0066】
ここで、テンプレート間対応点数マトリックスの（ｉ，ｊ）の値、及び（ｊ，ｉ）の値が所定の閾値以上であると判定した場合（ステップＳ７０４でＹＥＳ）、次に、テンプレートクラスタリング処理部１１６が、ｊ番目のテンプレートを、ｉ番目のテンプレートをベースとするクラスタＣｋに属するテンプレート候補に設定する（ステップＳ７０５）。この後、テンプレートクラスタリング処理部１１６が、処理をループ処理Ｌ１２の起点に戻す。
【0067】
なお、ステップＳ７０４にて、テンプレート間対応点数マトリックスの（ｉ，ｊ）の値、及び（ｊ，ｉ）の値の少なくとも一方が所定の閾値よりも小さいと判定した場合（ステップＳ７０４でＮＯ）、テンプレートクラスタリング処理部１１６が、ステップＳ７０５をスキップし、処理をループ処理Ｌ１２の起点に戻す。
【0068】
そして、テンプレートクラスタリング処理部１１６が、ループ処理Ｌ１２を終えた後、処理をループ処理Ｌ１１の起点に戻し、ループ処理Ｌ１２を終える。次に、テンプレートクラスタリング処理部１１６が、クラスタＣｋに属するテンプレート候補のうち、対応点数が多い方から順にソートし、その上位Ｍ個のテンプレート候補をクラスタＣｋに属するテンプレートに設定する（ステップＳ７０６）。以上がクラスタリング処理の説明である。クラスタリング処理により、登録された全てのテンプレートがいずれかのクラスタに属することになる。
【0069】
図８Ａは、パラメータｉ＝１の場合に対応するテンプレート間対応点数マトリックス走査と、１番目のテンプレートをベースとするクラスタＣ１への登録を示す図である。テンプレート間対応点数マトリックスの１行目に記録されている値（テンプレートどうしの対応点の数）のうち、所定の閾値（例えば、１００）以上である値は（１，３）の１５４と、（１，５）の２６２であるとする。そして、（１，３）に対応する（３，１）の１３４と、（１，５）に対応する（５，１）の２３９も所定の閾値以上であるので、１番目のテンプレートをベースとするクラスタＣ１には、３番目と５番目のテンプレートが属することになる。
【0070】
図８Ｂは、パラメータｉ＝２の場合に対応するテンプレート間対応点数マトリックス走査と、２番目のテンプレートをベースとするクラスタＣ２への登録を示す図である。テンプレート間対応点数マトリックスの２行目に記録されている値（テンプレートどうしの対応点の数）のうち、所定の閾値（例えば、１００）以上である値は（２，４）の１７８と、（２，Ｎ）の１２０であるとする。そして、（２，４）に対応する（４，２）の１６６と、（２，Ｎ）に対応する（Ｎ，２）の１１８も所定の閾値以上であるので、２番目のテンプレートをベースとするクラスタＣ２には、４番目とＮ番目のテンプレートが属することになる。
【0071】
次に、ステップＳ５０３におけるクラスタ特徴量生成処理の詳細について説明する。
【0072】
クラスタ特徴量生成処理は、以下に説明する生成パターン１、又は生成パターン２のいずれかを採用してクラスタ特徴量を生成する。クラスタ特徴量は、１以上の特徴点と、各特徴点の特徴量記述子とから構成される。
【0073】
図９Ａは、クラスタ特徴量生成処理の生成パターン１を示している。当該生成パターン１では、同一のクラスタに属する全てのテンプレートの局所特徴量を結合して、当該クラスタに対応するクラスタ特徴量を生成する。
【0074】
図９Ｂは、クラスタ特徴量生成処理の生成パターン２を示している。当該生成パターン２では、各テンプレートの有効な特徴点の特徴量、すなわち、同一のクラスタに属する他のテンプレートと対応する特徴点の局所特徴量だけを抽出して結合し、当該クラスタに対応するクラスタ特徴量を生成する。
【0075】
生成パターン１を採用した場合、後述するテンプレート選択処理において、入力画像に対応したいずれかのテンプレートが属するクラスタと照合することが可能となる。しかしながら、クラスタ特徴量は、当該クラスタに属するテンプレートの数の増加とともにそのデータ量が大きくなるので、テンプレート選択処理における入力画像とクラスタとの照合の処理量は、全テンプレートの局所特徴量と照合する場合と同等になり、クラスタリングの効果が得られない。
【0076】
これに対し、生成パターン２は、生成パターン１に比べて、クラスタ特徴量のデータ量を削減でき、テンプレート選択処理における入力画像とクラスタとの照合の処理量を削減できる。
【0077】
【0078】
クラスタ特徴情報１２４は、クラスタの識別情報であるクラスタＩＤに対応付けて、当該クラスタに属するテンプレートの数、当該クラスタに属するテンプレートのテンプレートＩＤ、当該クラスタのクラスタ特徴量が記録される。
【0079】
＜帳票認識システム１００による帳票認識処理＞
次に、図１１は、帳票認識システム１００による帳票認識処理の一例を説明するシーケンス図である。
次に、図１１は、帳票認識システム１００による帳票認識処理の一例を説明するシーケンス図である。
【0080】
帳票認識処理では、まず、ユーザ端末２００が、ユーザからの所定の帳票開始処理の開始を指示する操作に応じ、帳票認識処理の実行要求をＷｅｂサーバ１０１に送信する（ステップＳ１０１）。次に、Ｗｅｂサーバ１０１が、当該実行要求をサービスサーバ１０３のサービス制御部１１１に送信する（ステップＳ１０２）。
【0081】
なお、当該実行要求は、帳票認識処理の対象となる１又は複数の帳票画像を含む。また、帳票画像には、当該帳票画像に関する付加情報が付与されていてもよい。付加情報は、本実施形態では、帳票画像に対応する対応テンプレートの候補であるテンプレート候補を絞り込むための情報であり、例えば、テンプレートのグループを識別するグループＩＤ、又はテンプレートを識別するテンプレートＩＤを示す。
【0082】
次に、サービス制御部１１１が、実行要求に応じ、当該実行要求に含まれる帳票画像を入力画像としてテンプレート選択処理部１１２に送信する（ステップＳ１０３）。次に、テンプレート選択処理部１１２が、入力画像に対応する対応テンプレートを選択するためのテンプレート選択処理（図１２）を実行し、その処理の過程で得られた座標変換行列（詳細後述）と、処理結果として得られた対応テンプレートのテンプレートＩＤをサービス制御部１１１に送信する（ステップＳ１０４）。
【0083】
次に、サービス制御部１１１が、入力画像、テンプレート選択処理にて推定された座標変換行列、及び対応テンプレートのテンプレートＩＤを画像前処理部１１３に送信する（ステップＳ１０５）。
【0084】
次に、画像前処理部１１３が、入力画像に対して、座標変換行列を用いたフィッティング処理と、対応テンプレートのテンプレートＩＤに応じた選択前処理とを含む画像前処理を実行し、画像前処理済みの画像前処理結果画像をサービス制御部１１１に送信する（ステップＳ１０６）。なお、画像前処理部１１３は、画像前処理として、フィッティング処理の後に選択前処理を実行する。フィッティング処理は、座標変換行列を用いて入力画像を変換することで、入力画像における文字の読取領域を対応テンプレートの読取領域に合わせる処理である。また、画像前処理部１１３は、テンプレート前処理情報１２２において、対応テンプレート画像のテンプレートＩＤに対応する要否情報が「ＴＲＵＥ」とされている選択前処理を実行する。
【0085】
次に、サービス制御部１１１が、画像前処理結果画像、及び対応テンプレートのテンプレートＩＤを帳票認識処理部１１４に送信する（ステップＳ１０７）。次に、帳票認識処理部１１４が、テンプレート読取位置情報１２３から、受信したテンプレートＩＤに対応するテンプレート読取位置情報を、画像前処理結果画像の読み取り領域の位置を示す文字読取位置情報として取得する。そして、帳票認識処理部１１４が、画像前処理結果画像、及び文字読取位置情報を含む文字認識要求を連携サーバ１０２に送信する（ステップＳ１０８）。
【0086】
なお、文字認識要求は、対応テンプレートのテンプレートＩＤに対応する属性名、及び付加情報を含んでもよい。また、帳票認識処理部１１４が、画像前処理結果画像から文字読取位置情報に応じた部分を切り出した切り出し画像を含む文字認識要求を連携サーバ１０２に送信してもよい。
【0087】
次に、連携サーバ１０２が、受信した文字認識要求を外部システム３００に送信する（ステップＳ１０９）。次に、外部システム３００が、文字認識要求に応じ、文字認識要求に含まれる文字読取位置情報を用いて、文字認識要求に含まれる画像前処理結果画像に対して文字認識処理を行い、その文字認識結果を連携サーバ１０２に送信する（ステップＳ１１０）。文字認識結果は、例えば、画像前処理結果画像、文字読取位置情報、画像前処理結果画像から認識した文字情報、及び文字情報の正確性を示す確信度等を含む。
【0088】
次に、連携サーバ１０２が、受信した文字認識結果を帳票認識処理部１１４に送信し（ステップＳ１１１）、帳票認識処理部１１４が、文字認識結果をサービス制御部１１１に送信し（ステップＳ１１２）、サービス制御部１１１が、文字認識結果を帳票認識結果後処理部１１５に送信する（ステップＳ１１３）。
【0089】
次に、帳票認識結果後処理部１１５が、文字認識結果に含まれる確信度を予め定められた補正ルールに従って補正し、確信度を補正済みの補正認識結果をサービス制御部１１１に送信する（ステップＳ１１４）。補正ルールは、文字情報を読み取った読取領域の属性毎に設定される。補正ルールには、例えば、属性名が「口座番号」の場合、口座番号の読取結果が７桁ではない場合に確信度を下げる等が規定されている。
【0090】
次に、サービス制御部１１１が、受信した補正認識結果をＷｅｂサーバ１０１に送信し（ステップＳ１１５）、Ｗｅｂサーバ１０１が、補正認識結果をユーザ端末２００に送信する（ステップＳ１１６）。そして、ユーザ端末２００が、補正認識結果を表示したり、記憶したりする。以上が、帳票認識システム１００による帳票認識処理の説明である。
【0091】
【0092】
まず、テンプレート選択処理部１１２が、サービス制御部１１１から送信された入力画像に付加情報が付与されているか否かを判定する（ステップＳ１２０１）。ここで、入力画像に付加情報が付与されていると判定した場合（ステップＳ１２０１でＹＥＳ）、テンプレート選択処理部１１２が、当該付加情報によって絞り込まれる対応テンプレートの候補であるテンプレート候補が１つであるか否かを判定する（ステップＳ１２０２）。例えば、付加情報がテンプレートＩＤである場合、又は付加情報がグループＩＤであって、当該グループＩＤにより識別されるグループに含まれるテンプレートが１つである場合、テンプレート選択処理部１１２が、付加情報にて絞り込まれるテンプレート候補が１つであると判定する。なお、ステップＳ１２０１において、入力画像に付加情報が付与されていないと判定した場合（ステップＳ１２０１でＮＯ）、テンプレート選択処理部１１２が、ステップＳ１２０２をスキップして処理をステップＳ１２０３に進める。
【0093】
ステップＳ１２０２において、当該付加情報によって絞り込まれるテンプレート候補が１つであると判定した場合（ステップＳ１２０２でＹＥＳ）、テンプレート選択処理部１１２が、後述するステップＳ１２０３～Ｓ１２０７をスキップし、当該テンプレート候補を対応テンプレートとして選択し、テンプレート選択処理を終了する。
【0094】
反対に、ステップＳ１２０２において、当該付加情報によって絞り込まれるテンプレート候補が１つではないと判定した場合（ステップＳ１２０２でＮＯ）、次に、テンプレート選択処理部１１２が、入力画像のサイズに基づいてテンプレート候補を絞り込むサイズ絞込処理を実行する（ステップＳ１２０３）。サイズ絞込処理の詳細については図１３を参照して後述する。
【0095】
次に、テンプレート選択処理部１１２が、入力画像の色に基づいて、サイズ絞込処理によって絞り込まれたテンプレート候補をさらに絞り込む色絞込処理を実行する（ステップＳ１２０４）。色絞込処理の詳細について図１４を参照して後述する。
【0096】
次に、テンプレート選択処理部１１２が、入力画像の大域特徴量に基づいて、色絞込処理によって絞り込まれたテンプレート候補をさらに絞り込む大域特徴量絞込処理を実行する（ステップＳ１２０５）。大域特徴量絞込処理の詳細については図１５を参照して後述する。
【0097】
次に、テンプレート選択処理部１１２が、入力画像における局所特徴量（複数の特徴点、及び各特徴点の特徴量記述子）を算出し、大域特徴量絞込処理にて絞り込まれたテンプレート候補毎に、当該テンプレート候補における複数の特徴点に対応する複数の対応点を選択し、各特徴点と各テンプレートの各対応点とに基づいて、対応テンプレートを選択する局所特徴量絞込処理を実行する（ステップＳ１２０６）。局所特徴量絞込処理の詳細については図１６～図１８を参照して後述する。
【0098】
次に、テンプレート選択処理部１１２が、局所特徴量絞込処理にて選択された対応テンプレートが適正であるか否かを判定する適正判定処理を実行する（ステップＳ１２０７）。適正判定処理の詳細については図１９を参照して後述する。以上が、テンプレート選択処理の説明である。
【0099】
なお、ステップＳ１２０３～Ｓ１２０５の各絞込処理は、入力画像の特徴に応じてスキップしてもよい。例えば、入力画像に余白を含む帳票画像と余白を含まない帳票画像とが混在する場合、ステップＳ１２０３のサイズ絞込処理、及びステップＳ１２０５の大域特徴量絞込処理はスキップしてもよい。また、入力画像がスキャナを用いて読み込まれた画像ではなく、スマートフォン、タブレット端末、デジタルカメラ等を用いて撮影された画像である場合、撮影環境によって画像の色味が変化してしまうため、ステップＳ１２０４の色絞込処理はスキップしてもよい。また、スキップする絞込処理は、テンプレート選択処理部１１２が判定してもよいし、ユーザが設定できるようにしてもよい。
【0100】
【0101】
サイズ絞込処理では、まず、テンプレート選択処理部１１２が、入力画像から、当該入力画像のサイズ（横幅、及び縦幅）を取得する（ステップＳ１３０１）。
【0102】
次に、テンプレート選択処理部１１２が、ループ処理Ｌ２１として、サービスサーバ１０３に登録済みの全てのテンプレートに順に着目し、以下のステップＳ１３０２～Ｓ１３０５を繰り返し実行する。ただし、テンプレート選択処理（図１２）のステップＳ１２０１にて入力画像に付加情報が付与されていると判定された場合には、当該付加情報によって絞り込んだテンプレート（テンプレート候補）に順に着目し、以下のステップＳ１３０２～Ｓ１３０５を繰り返し実行すればよい。
【0103】
ループ処理Ｌ２１では、まず、テンプレート選択処理部１１２が、テンプレート特徴情報１２１から、着目中のテンプレートのサイズ（横幅、及び縦幅）を取得する（ステップＳ１３０２）。
【0104】
次に、テンプレート選択処理部１１２が、入力画像と着目中のテンプレートとのサイズが類似しているか否かを判定する（ステップＳ１３０３）。具体的には、テンプレート選択処理部１１２が、サイズに関する以下の条件式（２）、及び（３）が満たされるか否かを判定する。そして、条件式（２）、及び（３）の両方が満たされる場合、テンプレート選択処理部１１２が、入力画像と着目中のテンプレートとのサイズが類似していると判定する。
ｗ×（１－Ｘ）≦Ｗ≦ｗ×（１＋Ｘ）・・・（２）
ｈ×（１－Ｙ）≦Ｈ≦ｈ×（１＋Ｙ）・・・（３）
ｗ×（１－Ｘ）≦Ｗ≦ｗ×（１＋Ｘ）・・・（２）
ｈ×（１－Ｙ）≦Ｈ≦ｈ×（１＋Ｙ）・・・（３）
【0105】
なお、条件式（２），（３）において、Ｗはテンプレートの横幅、Ｈはテンプレートの縦幅、ｗは入力画像の横幅、ｈは入力画像の縦幅である。また、Ｘ、及びＹは０以上１１未満の係数である。係数Ｘ，Ｙは同一の値でもよいし、異なる値でもよい。
【0106】
そして、入力画像と着目中のテンプレートとのサイズが類似していると判定した場合（ステップＳ１３０３でＹＥＳ）、次に、テンプレート選択処理部１１２が、着目中のテンプレートをテンプレート候補に選択する（ステップＳ１３０４）。反対に、入力画像と着目中のテンプレートとのサイズが類似していないと判定した場合（ステップＳ１３０３でＮＯ）、テンプレート選択処理部１１２が、着目中のテンプレートをテンプレート候補から除外する（ステップＳ１３０５）。この後、テンプレート選択処理部１１２が、処理をループ処理Ｌ２１の起点に戻し、ループ処理Ｌ２１を終えた後、サイズ絞込処理を終了する。
【0107】
なお、入力画像、及びテンプレートのサイズとして、横幅、及び縦幅を採用する代わりに、アスペクト比等のサイズに関する他の指標を採用してもよい。例えば、入力画像とテンプレートとの解像度が異なる可能性がある場合、入力画像、及びテンプレートのサイズとしてアスペクト比を採用することが望ましい。なお、入力画像、及びテンプレートのサイズに関する指標は、ユーザが任意に設定できる。
【0108】
【0109】
色絞込処理では、まず、テンプレート選択処理部１１２が、入力画像を解析して、入力画像の色特徴量を取得する（ステップＳ１４０１）。ここで、色特徴量は、例えば、色に関する色ヒストグラムであり、具体的には、表色系をＨＳＶ表色系としたＨＳＶヒストグラムである。ただし、色特徴量は、ＨＳＶヒストグラムに限らず、例えば、ＲＧＢ表色系やＬ＊ａ＊ｂ表色系等の他の色ヒストグラムを採用してもよい。
【0110】
次に、テンプレート選択処理部１１２が、ループ処理Ｌ３１として、前述したサイズ絞込処理にて絞り込まれたテンプレート候補に順に着目し、ステップＳ１４０２，Ｓ１４０３を繰り返し実行する。
【0111】
ループ処理Ｌ３１では、まず、テンプレート選択処理部１１２が、テンプレート特徴情報１２１から、着目中のテンプレート候補の色特徴量である色ヒストグラムを取得する（ステップＳ１４０２）。次に、テンプレート選択処理部１１２が、入力画像と着目中のテンプレート候補との色ヒストグラムの類似度である色類似度を算出する（ステップＳ１４０３）。ここで、色類似度としては、例えば、バタチャリヤ（Bhattacharyya）距離を採用するが、カイ２乗距離等の他の色類似度を採用してもよい。
【0112】
次に、テンプレート選択処理部１１２が、処理はループ処理Ｌ３１の起点に戻し、ループ処理Ｌ３１を終えた後、次に、各テンプレート候補に対して算出した複数の色類似度の分散を算出する（ステップＳ１４０４）。
【0113】
次に、テンプレート選択処理部１１２が、色類似度の分散に基づいて、テンプレート候補を絞り込む（ステップＳ１４０５）。具体的には、テンプレート選択処理部１１２が、色類似度の分散に応じて、テンプレート候補の絞り込み率を設定し、当該絞り込み率に応じた個数分だけ、色類似度が高い方から順にテンプレート候補を選択することで、テンプレート候補を絞り込む。
【0114】
なお、色類似度の分散が大きいほど、色特徴量によるテンプレート候補の絞り込みが有意であると考えられるため、テンプレート選択処理部１１２は、色類似度の分散が大きいほど、テンプレート候補の絞り込み率を高い値に設定する。例えば、テンプレート選択処理部１１２が、色類似度の分散が所定の閾値以上である場合、絞り込み率を０．５に設定し、色類似度の分散が当該所定の閾値未満である場合、絞り込み率を０．１２５に設定する。この場合、サイズ絞込処理後のテンプレート候補の数が８０００であると仮定すると、色類似度の分散が所定の閾値以上であるときにはテンプレート候補の数が４０００（＝８０００×（１－０．５））に絞り込まれ、色類似度の分散が所定の閾値未満であるときには、テンプレート候補の数が７０００（＝８０００×（１－０．１２５））に絞り込まれることになる。以上が、色絞込処理の説明である。
【0115】
【0116】
大域特徴量絞込処理では、まず、テンプレート選択処理部１１２が、入力画像を解析して、入力画像の大域特徴量を取得する（ステップＳ１５０１）。ここで、大域特徴量は、例えば、ハッシュ値であり、より具体的には、ａＨａｓｈ、ｄＨａｓｈ、及びｐＨａｓｈの３種類のハッシュアルゴリズムを用いて算出される３種類のハッシュ値である。各ハッシュ値は、例えば６４ビットである。ただし、ハッシュ値を算出するハッシュアルゴリズムは、上記の例に限らず、例えば、Ｂｌｏｃｋ・Ｈａｓｈ、Ｗａｖｅｌｅｔ・Ｈａｓｈ等の他のアルゴリズムを採用してもよい。なお、ハッシュ値の数や、そのビット数は前述の例に限らず任意である。
【0117】
次に、テンプレート選択処理部１１２が、ループ処理Ｌ４１として、前述した色絞込処理にて絞り込まれたテンプレート候補に順に着目し、ステップＳ１５０２，Ｓ１５０３を繰り返し実行する。
【0118】
ループ処理Ｌ４１では、まず、テンプレート選択処理部１１２が、テンプレート特徴情報１２１から、着目中のテンプレート候補の大域特徴量であるハッシュ値を取得する（ステップＳ１５０２）。次に、テンプレート選択処理部１１２が、入力画像と着目中のテンプレート候補とのハッシュ値の類似度である大域類似度を算出する（ステップＳ１５０３）。ここで、大域類似度は、例えば、ハミング距離を採用する。具体的には、テンプレート選択処理部１１２が、３種類のハッシュ値のそれぞれについて、ハミング距離を類似度として算出し、各類似度の統計値（重み付け和、平均値等）を大域類似度として算出する。なお、大域類似度は、ハミング距離に限らず、他の類似度を算用してもよい。
【0119】
次に、テンプレート選択処理部１１２が、処理はループ処理Ｌ４１の起点に戻し、ループ処理Ｌ４１を終えた後、次に、各テンプレート候補に対して算出した複数の大域類似度の分散を算出する（ステップＳ１５０４）。
【0120】
次に、テンプレート選択処理部１１２が、大域類似度の分散に基づいて、テンプレート候補を絞り込む（ステップＳ１５０５）。具体的には、テンプレート選択処理部１１２が、大域類似度の分散に応じて、テンプレート候補の絞り込み率を設定し、当該絞り込み率に応じた個数分だけ、大域類似度が高い方から順にテンプレート候補を選択することで、テンプレート候補を絞り込む。ここでは、大域類似度の分散が大きいほど、大域特徴量によるテンプレート候補の絞り込みが有意であると考えられるため、テンプレート選択処理部１１２は、大域類似度の分散が大きいほど高い値のテンプレート候補の絞り込み率を設定する。以上が、大域絞込処理の説明である。
【0121】
【0122】
局所特徴量絞込処理では、まず、テンプレート選択処理部１１２が、入力画像の局所特徴量を算出する（ステップＳ１６０１）。ただし、入力画像の局所特徴量の算出には、テンプレート特徴情報１２１に記録されているテンプレートの局所特徴量を算出した方法と同一の方法を用いる必要がある。
【0123】
次に、テンプレート選択処理部１１２が、サービスサーバ１０３に対して登録されているテンプレートに対してテンプレートクラスタリング処理（図５Ａ）が実行済みであるか否かを判定する（ステップＳ１６０２）。
【0124】
ここで、テンプレートクラスタリング処理が実行済みであると判定した場合（ステップＳ１６０２でＹＥＳ）、次に、テンプレート選択処理部１１２が、入力画像の局所特徴量とクラスタ特徴情報１２４に記録されている各クラスタのクラスタ特徴量とに基づき、入力画像の特徴点と対応するクラスタのクラスタ特徴量の対応点との類似度が高いクラスタ候補を選出するクラスタ候補絞込処理を実行する（ステップＳ１６０３）。クラスタ候補絞込処理にて選出するクラスタ候補の数は１に限らず、複数であってもよい。
【0125】
図１７は、クラスタ候補絞込処理の一例を示すフローチャートである。クラスタ候補絞込処理では、まず、テンプレート選択処理部１１２が、ループ処理Ｌ５１として、クラスタ特徴情報１２４に記録されている各クラスタに順に着目して、ステップＳ１７０１～Ｓ１７０５を繰り返し実行する。
【0126】
ループ処理Ｌ５１では、まず、テンプレート選択処理部１１２が、クラスタ特徴情報１２４から、着目中のクラスタのクラスタ特徴量を取得する（ステップＳ１７０１）。次に、テンプレート選択処理部１１２が、入力画像の特徴点毎に、当該特徴点に対応するクラスタ特徴量の特徴点を対応点として特定する（ステップＳ１７０２）。具体的には、例えば、ｋ近傍法を用いて、入力画像の特徴点毎に、クラスタ特徴量の特徴点から、ｉ番目のテンプレートの特徴点との類似度が高い方から所定数（例えば２）番目までの特徴点を対応点として特定する。
【0127】
次に、テンプレート選択処理部１１２が、入力画像の特徴点毎に、関係式（１）を用いた比率検査法を用いて対応点の絞り込みを実行する（ステップＳ１７０３）。次に、テンプレート選択処理部１１２が、入力画像の局所特徴量と着目中のクラスタのクラスタ特徴量との類似度が閾値以上であるか否かを判定する（ステップＳ１７０４）。
【0128】
なお、類似度の算出は、ステップＳ１７０３にて絞り込んだ対応点の数を採用してもよし、ステップＳ１７０３にて絞り込んだ対応点の平均距離値を採用してもよい。対応点の数を採用する場合、対応点の数が多い方が、類似度が高いことになる。一方、対応点の平均距離値を採用する場合、平均距離値が小さい方が、類似度が高いことになる。
【0129】
さらに、対応点の数と、その平均距離値とを組み合わせて類似度を算出してもよい。この場合、対応点の数が最大、且つ平均距離値が最小となることが望ましいため、例えば、次式（４）を用いて類似度を算出する。
類似度＝対応点の数/平均距離値・・・（４）
類似度＝対応点の数/平均距離値・・・（４）
【0130】
そして、ステップＳ１７０４にて、入力画像の局所特徴量と着目中のクラスタのクラスタ特徴量との類似度が閾値以上であると判定した場合（ステップＳ１７０４でＹＥＳ）、テンプレート選択処理部１１２が、着目中のクラスタを入力画像に対応するクラスタ候補に選出する（ステップＳ１７０５）。反対に、入力画像の局所特徴量と着目中のクラスタのクラスタ特徴量との類似度が閾値未満であると判定した場合（ステップＳ１７０４でＮＯ）、テンプレート選択処理部１１２が、ステップＳ１７０５をスキップする。
【0131】
次に、テンプレート選択処理部１１２が、処理をループ処理Ｌ５１の起点に戻し、ループ処理Ｌ５１を終えた後、クラスタ候補絞込処理を終了する。
【0132】
図１６に戻る。次に、テンプレート選択処理部１１２が、ステップＳ１６０３のクラスタ候補絞込処理によって入力画像に対応するクラスタ候補が選出されたか否かを判定する（ステップＳ１６０４）。ここで、入力画像に対応するクラスタ候補が選出されたと判定した場合（ステップＳ１６０４でＹＥＳ）、次に、テンプレート選択処理部１１２が、クラスタ特徴情報１２４を参照して、入力画像に対応するクラスタ候補に属するテンプレートを特定する（ステップＳ１６０５）。
【0133】
次に、テンプレート選択処理部１１２が、前述した大域特徴量絞込処理（図１５）により絞り込まれたテンプレート候補であって、且つ、クラスタ候補に属するテンプレートであるものだけにテンプレート候補を絞り込む（ステップＳ１６０６）。
【0134】
次に、テンプレート選択処理部１１２が、ステップＳ１６０６で絞り込んだテンプレート候補を、入力画像との類似度に基づいてさらに絞り込むテンプレート候補絞込処理を実行する（ステップＳ１６０７）。
【0135】
図１８は、テンプレート候補絞込処理の一例を示すフローチャートである。テンプレート候補絞込処理では、まず、テンプレート選択処理部１１２が、ループ処理Ｌ６１として、ステップＳ１６０６にて絞り込まれたテンプレート候補に順に着目して、ステップＳ１８０１～Ｓ１８０５を繰り返し実行する。
【0136】
ループ処理Ｌ６１では、まず、テンプレート選択処理部１１２が、テンプレート特徴情報１２１から、着目中のテンプレート候補の局所特徴量を取得する（ステップＳ１８０１）。次に、テンプレート選択処理部１１２が、入力画像の特徴点毎に、当該特徴点に対応する着目中のテンプレート候補の特徴点を対応点として特定する（ステップＳ１８０２）。具体的には、ｋ近傍法を用いて、入力画像の特徴点毎に、対象テンプレート候補の特徴点から、入力画像の特徴点との類似度が高い方から所定数（例えば２）番目までの特徴点を対応点として特定する。
【0137】
次に、テンプレート選択処理部１１２が、クラスタ候補絞込処理（図１７）のステップＳ１７０３と同様に、入力画像の特徴点毎に、比率検査法を用いて対応点の絞り込みを行う（ステップＳ１８０３）。
【0138】
次に、テンプレート選択処理部１１２が、ステップＳ１８０３で絞り込んだ対応点に対してＲＡＮＳＡＣ（Random Sample Consensus）アルゴリズムを用いてさらなる絞り込みを実行する（ステップＳ１８０４）。具体的には、以下の処理１、及び処理２を所定回数、又は後述するエラー率が所定の規定値を下回るまで繰り返し、その処理結果に基づいて、処理対象のテンプレート候補の有効対応点を選択する。
【0139】
処理１：対応点を有する入力画像の特徴点をランダムに１点以上（例えば４点）選択し、その選択した座標が対応点の座標に変換される座標変換行列を推定する。また、座標変換行列は、例えば、アフィン行列、又はホモグラフィ行列等である。
【0140】
処理２：処理１にて推定した座標変換行列を用いて、入力画像の他の特徴点（選択した特徴点以外の特徴点）の座標変換を行い、その座標変換を行った変換後特徴点毎に、変換後特徴点とその対応点（変換後特徴点の座標変換前の特徴点（他の特徴点）に対応する対応点）との距離を算出する。そして、算出した距離が所定距離以下となる他の特徴点と、処理１で選択した特徴点とを抽出する。さらに、変換後特徴点とその対応点との誤差を評価したエラー率を算出する。
【0141】
次に、テンプレート選択処理部１１２が、ステップＳ１８０４の結果得られた、エラー率が最も低い処理にて抽出された特徴点に対応する対応点を有効対応点として特定する（ステップＳ１８０５）。
【0142】
次に、テンプレート選択処理部１１２が、処理をループ処理Ｌ６１の起点に戻し、ループ処理Ｌ６１を終えた後、テンプレート候補絞込処理を終了する。
【0143】
図１６に戻る。次に、テンプレート選択処理部１１２が、テンプレート候補のうち、入力画像との類似度が最大のテンプレート候補について、当該類似度が所定の閾値以上であるか否かを判定する（ステップＳ１６０８）。ここで、当該類似度が所定の閾値以上であると判定した場合（ステップＳ１６０８でＹＥＳ）、次に、テンプレート選択処理部１１２が、入力画像との類似度が最大のテンプレート候補を、入力画像に対応する対応テンプレートに決定する（ステップＳ１６０９）。反対に、当該類似度が所定の閾値未満以上であると判定した場合（ステップＳ１６０８でＮＯ）、次に、テンプレート選択処理部１１２が、入力画像に対応する対応テンプレートはないと判定する（ステップＳ１６１０）。
【0144】
なお、ステップＳ１６０２にて、テンプレート選択処理部１１２が、テンプレートクラスタリング処理が実行済みではないと判定した場合（ステップＳ１６０２でＮＯ）、ステップＳ１６０３～Ｓ１６０５をスキップして、処理をステップＳ１６０６に進める。この場合、大域特徴量絞込処理（図１５）によって絞り込まれたテンプレート候補が、入力画像に対応する対応テンプレートに決定されることになる。
【0145】
また、ステップＳ１６０４にて、テンプレート選択処理部１１２が、入力画像に対応するクラスタ候補が選出されていないと判定した場合（ステップＳ１６０４でＮＯ）、ステップＳ１６０５～Ｓ１６０８をスキップして、処理をステップＳ１６１０に進める。この場合、入力画像に対応する対応テンプレートはないと判定される。以上が、局所特徴量絞込処理の説明である。
【0146】
【0147】
適正判定処理では、まず、テンプレート選択処理部１１２が、対応テンプレートに応じた座標変換行列である対象変換行列にて示される拡大率が許容範囲内であるか否かを判定する（ステップＳ１９０１）。当該判定では、テンプレート選択処理部１１２が、例えば、拡大率が１００±Ｚ［％］（Ｚは０以上の所定の値）の範囲内であるか否かを判定する。対応変換行列は、対応テンプレートの有効対応点を選択する際に使用した座標変換行列である。
【0148】
ここで、対象変換行列にて示される拡大率が許容範囲内であると判定した場合（ステップＳ１９０１でＹＥＳ）、次に、テンプレート選択処理部１１２が、対応テンプレートの全画素数に対する、対象変換行列を用いて入力画像を変形（座標変換）した変形画像と対応テンプレートとが重複する画素の画素数の割合であるピクセル重複率を算出する。そして、テンプレート選択処理部１１２が、ピクセル重複率が所定の閾値以上であるか否かを判定する（ステップＳ１９０２）。
【0149】
ここで、ピクセル重複率が所定の閾値以上であると判定した場合（ステップＳ１９０２でＹＥＳ）、次に、テンプレート選択処理部１１２が、対応テンプレートを２値化した画像（モノクロ画像）における全ての黒画素の数に対する、変形画像を２値化した画像と対応テンプレートを２値化した画像とでどちらも同じ位置の画素、且つ黒画素である画素の数の割合である黒重複率を算出する。そして、テンプレート選択処理部１１２が、黒重複率が所定の閾値以上であるか否かを判定する（ステップＳ１９０３）。
【0150】
ここで、黒重複率が所定の閾値以上であると判定した場合（ステップＳ１９０３でＹＥＳ）、次に、テンプレート選択処理部１１２が、対応テンプレートは適正なものであると判定する（ステップＳ１９０４）。
【0151】
なお、ステップＳ１９０１にて、対象変換行列にて示される拡大率が許容範囲内ではないと判定した場合（ステップＳ１９０１でＮＯ）、ステップＳ１９０２にて、ピクセル重複率が所定の閾値未満であると判定した場合（ステップＳ１９０２でＮＯ）、及びステップＳ１９０３にて、黒重複率が所定の閾値未満であると判定した場合（ステップＳ１９０３でＮＯ）のいずれの場合においても、次に、テンプレート選択処理部１１２が、対応テンプレートは適正なものではないと判定する（ステップＳ１９０５）。以上が、適性判定処理の説明である。
【0152】
なお、適性判定処理により対応テンプレートは適正なものではないと判定された場合、図１１に示した帳票認識処理のステップＳ１０４以降の処理の代わりに、入力画像に対応する対応テンプレートが存在しない旨の通知情報をユーザ端末２００に出力するようにしてもよい。
【0153】
以上に説明したテンプレート選択処理によれば、入力画像のサイズ、色、大域特徴量に基づき、入力画像に対応する対応テンプレートを段階的に絞り込み、さらに、局所特徴量に基づくクラスタに分類して対応テンプレートを決定するので、従来に比較してより早く適切な対応テンプレートを選択でき、これにより速やかに入力画像の認識処理を実行できる。
【0154】
＜クラスタリング確認画面２０００の表示例＞
図２０は、テンプレートクラスタリング処理（図５Ａ）の結果を表すクラスタリング確認画面２０００の表示例を示している。クラスタリング確認画面２０００は、サービスサーバ１０３に登録されたテンプレートが適切にクラスタリングされたか否かをユーザが確認するためのものであり、例えば、ユーザ端末２００に表示される。
図２０は、テンプレートクラスタリング処理（図５Ａ）の結果を表すクラスタリング確認画面２０００の表示例を示している。クラスタリング確認画面２０００は、サービスサーバ１０３に登録されたテンプレートが適切にクラスタリングされたか否かをユーザが確認するためのものであり、例えば、ユーザ端末２００に表示される。
【0155】
クラスタリング確認画面２０００には、クラスタ特徴情報表示欄２００１、及びクラスタ特徴詳細情報表示欄２００２が設けられている。
【0156】
クラスタ特徴情報表示欄２００１には、クラスタ特徴情報１２４に記録されている各クラスタの情報の一覧が表示される。
【0157】
クラスタ特徴詳細情報表示欄２００２には、クラスタの数を表示するとともに、ユーザがクラスタＩＤを入力してクラスタを指定するためのクラスタＩＤ入力欄２０１２、指定されたクラスタに属するテンプレート数、テンプレートＩＤ、及びクラスタ特徴量（特徴ベクトル）を表示するクラスタ情報表示欄２０１３が設けられている。
【0158】
さらに、クラスタ特徴詳細情報表示欄２００２には、指定されたクラスタに属するテンプレートの一覧を表示するテンプレート表示欄２０１４、及びテンプレート表示欄２０１４にてユーザが選択したテンプレートの情報を表示するテンプレート情報表示欄２０１５が設けられている。
【0159】
ユーザは、クラスタリング確認画面２０００により、各テンプレートが属するクラスタを確認することができ、そのクラスタリングが適切なものであるか否かを確認できる。
【0160】
本発明は、前述した実施形態に限定されるものではなく、様々な変形が可能である。例えば、前述した実施形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えたり、追加したりすることが可能である。
【0161】
また、前述の各構成、機能、処理部、処理手段等は、それらの一部、又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、前述の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ(Solid State Drive)等の記録装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。
【符号の説明】
【0162】
１００・・・帳票認識システム
１０１・・・Ｗｅｂサーバ
１０２・・・連携サーバ
１０３・・・サービスサーバ
１１１・・・サービス制御部
１１２・・・テンプレート選択処理部
１１３・・・画像前処理部
１１４・・・帳票認識処理部
１１５・・・帳票認識結果後処理部
１１６・・・テンプレートクラスタリング処理部
１２１・・・テンプレート特徴情報
１２２・・・テンプレート前処理情報
１２３・・・テンプレート読取位置情報
１２４・・・クラスタ特徴情報
２００・・・ユーザ端末
３００・・・外部システム
５００・・・インターネット
２０００・・・クラスタリング確認画面
１０１・・・Ｗｅｂサーバ
１０２・・・連携サーバ
１０３・・・サービスサーバ
１１１・・・サービス制御部
１１２・・・テンプレート選択処理部
１１３・・・画像前処理部
１１４・・・帳票認識処理部
１１５・・・帳票認識結果後処理部
１１６・・・テンプレートクラスタリング処理部
１２１・・・テンプレート特徴情報
１２２・・・テンプレート前処理情報
１２３・・・テンプレート読取位置情報
１２４・・・クラスタ特徴情報
２００・・・ユーザ端末
３００・・・外部システム
５００・・・インターネット
２０００・・・クラスタリング確認画面
【図1】
【図2】
【図3】
【図4】
【図5A】
【図5B】
【図6A】
【図6B】
【図7】
【図8A】
【図8B】
【図9A】
【図9B】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】