パターン選択装置、パターン選択方法、およびプログラム
【課題】候補パターンの偏りを防ぎ、効率的でバランスの良い候補パターンの選択を可能とする
【解決方法】本実施形態のパターン選択装置は、第１のパターン群と第１のパターンの評価に用いられる第２のパターン群とを格納した記憶部と、第２のパターンを参照して、第１のパターンの複数の評価値として、第１のパターンが第２のパターンをパターン認識する際の貢献度である第１の評価値と、第１のパターンが、第１のパターンが所属するクラスにおける標準的なパターンであるかを評価する第２の評価値、および第１のパターンがクラスの境界付近のパターンであるかを評価する第３の評価値を算出する評価値算出部と、算出された評価値と評価値ごとの重み付け情報とを用いて、第１のパターンごとのスコアを算出するスコア算出部と、算出されたスコアに基づいて第１のパターンからパターンを選択するパターン選択部と、を備える。
【解決方法】本実施形態のパターン選択装置は、第１のパターン群と第１のパターンの評価に用いられる第２のパターン群とを格納した記憶部と、第２のパターンを参照して、第１のパターンの複数の評価値として、第１のパターンが第２のパターンをパターン認識する際の貢献度である第１の評価値と、第１のパターンが、第１のパターンが所属するクラスにおける標準的なパターンであるかを評価する第２の評価値、および第１のパターンがクラスの境界付近のパターンであるかを評価する第３の評価値を算出する評価値算出部と、算出された評価値と評価値ごとの重み付け情報とを用いて、第１のパターンごとのスコアを算出するスコア算出部と、算出されたスコアに基づいて第１のパターンからパターンを選択するパターン選択部と、を備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本実施形態は、パターン選択装置、パターン選択方法、およびプログラムに関する
【背景技術】
【０００２】
光学式文字認識装置（ＯＣＲ）に代表される文字認識処理など、認識システムに入力された文字、画像、音声などの未知パターンの所属クラスを特定するパターン認識技術がある。このパターン認識技術では、認識辞書を用いて未知のパターンの所属クラスを識別する。なお、クラスとは認識対象を分類した場合につけられるラベルのことであり、例えば文字認識であれば字種となるし、一般物体認識であればその物体の名称となる。
【０００３】
認識辞書は、あらかじめクラス毎に辞書に使用するパターン（以下、辞書パターンという）を用意して作成する。パターン認識技術において認識精度を上げたい場合、一般的にクラスごとに用意される辞書パターンの数を増加させることが行われる。
【０００４】
しかしながら、この方法には辞書パターンが大量になるため認識辞書の作成に時間がかかること、辞書パターンに認識精度の向上にさほど有効でないパターンが含まれてしまう場合があること、などの問題がある。また、例えばｋｎｎ法のような辞書パターン、あるいはその一部を認識辞書とする手法を用いた場合には認識辞書の容量が大きくなりやすく、認識処理の速度が低下するという問題もある。
【０００５】
効率的なパターン認識を実現できる認識辞書に用いる辞書パターンを選択する方法として、例えばサポートベクターマシン（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ：ＳＶＭ）がある。この手法においては、クラス境界付近の辞書パターンのみが選択されて認識辞書となり、それ以外のパターンは削除される。言い換えれば、クラス境界の表現に必要な辞書パターンのみ認識辞書に登録することで必要な辞書パターン数を削減している。
【０００６】
しかしながら、上述の方法では、クラス境界から離れた部分について考慮されていないため、標準的なパターンに対して必ずしも高い確信度が得られないなどの問題が生じることが知られている。また、例えば手書き文字認識などのばらつきの多い問題に適用した場合、クラス境界付近のパターンの比率が高いために削減率が低くなることが多い。
【０００７】
また、例えばベクトル量子化などを行い、各クラスを少数の代表パターンで表現することにより辞書パターン数を削減する方法も知られている。
【０００８】
この方法では辞書パターン数を大きく削減できるが、文字認識であれば例えば癖字や異体字など少数の例外的なパターンが削減されやすいため、このような入力に対して脆弱であるという問題がある。
【０００９】
また、辞書パターンから有効ではないと思われるパターンを人手で削除することも行われているが、特に辞書パターン数が膨大な場合に作業時間が長くなる、選別基準が明確でないため作成される認識辞書にばらつきが出る、などといった点が問題となる。
【先行技術文献】
【特許文献】
【００１０】
【特許文献１】特開２０００−９９７２３号公報
【発明の概要】
【発明が解決しようとする課題】
【００１１】
本発明が解決しようとする課題は、効率的にパターンを選択することができるパターン選択装置、パターン選択方法、およびパターン選択プログラムの提供をすることである。
【課題を解決するための手段】
【００１２】
本実施形態のパターン選択装置は、第１のパターン群と第１のパターンの評価に用いられる第２のパターン群とを格納した記憶部と、第２のパターンを参照して、第１のパターンの複数の評価値として、第１のパターンが第２のパターンをパターン認識する際の貢献度である第１の評価値と、第１のパターンが、第１のパターンが所属するクラスにおける標準的なパターンであるかを評価する第２の評価値、および第１のパターンがクラスの境界付近のパターンであるかを評価する第３の評価値を算出する評価値算出部と、算出された評価値と評価値ごとの重み付け情報とを用いて、第１のパターンごとのスコアを算出するスコア算出部と、算出されたスコアに基づいて第１のパターンからパターンを選択するパターン選択部と、を備える。
【図面の簡単な説明】
【００１３】
【図１】第１の実施形態に係るパターン選択装置の全体構成を示すブロック図。
【図２】第１の実施形態に係る候補パターン情報の一例を示す図。
【図３】第１の実施形態に係るパターン選択装置の動作の一例を示すフローチャート。
【図４】第１の実施形態に係る評価値算出部における評価値の算出手順の一例を示すフローチャート。
【図５】第１の実施形態に係る評価用パターン情報の一例を示す図。
【図６】第１の実施形態に係る評価値の計算式の一例を示す図。
【図７】第１の実施形態に係る評価値算出部における評価値の算出手順の一例を示すフローチャート。
【図８】第１の実施形態に係る評価値算出部における評価値の算出手順の一例を示すフローチャート。
【図９】第１の実施形態に係る情報記憶部で記憶されている評価値情報格納部のテーブルの一例を示す図。
【図１０】第１の実施形態に係るスコア算出部におけるスコアの算出手順の一例を示すフローチャート。
【図１１】第１の実施形態に係る情報記憶部で記憶されている評価値ごとの重み付け情報記憶部４５のテーブルの一例を示す図。
【図１２】第１の実施形態に係るスコア情報格納部のテーブルの一例を示す図。
【図１３】第１の実施形態に係るパターン選択基準情報のテーブルの一例を示す図。
【図１４】第２の実施形態に係るパターン選択装置の全体構成の一例を示すブロック図。
【図１５】第２の実施形態に係るパターン選択装置における情報更新手順を示すフローチャート。
【図１６】第２の実施形態に係る更新条件の一例を示す図。
【図１７】第２の実施形態に係る更新情報の一例を示す図。
【発明を実施するための形態】
【００１４】
以下、本発明のパターン選択装置の実施形態について図面を参照しながら説明する。なお、本実施形態では一例として、文字認識装置の認識辞書を作成するために用いるパターンを選択するパターン選択装置について説明する。
【００１５】
（第１の実施形態）
図１は、第１の実施形態のパターン選択装置の全体構成を示すブロック図である。
【００１６】
図１に示すように、本実施形態のパターン選択装置は、評価値算出部１０、スコア作成部２０、パターン選択部３０、および情報記憶部４０を含んで構成される。
【００１７】
なお、本実施形態のパターン選択装置は、ハードウェアとしてＣＰＵ、メインメモリ、外部記憶装置などを備える。外部記憶装置に格納された例えばパターン選択プログラムがＣＰＵによりメインメモリ上にロードされることによって、上記した評価値算出部１０、スコア作成部２０、およびパターン選択部３０が実現される。また、これらの構成要素は、ソフトウェアに代えて、各種の電子部品を組み合わせて構成したハードウェアにより実現されるものであっても良い。
【００１８】
情報記憶部４０は、候補パターン記憶部４１と、評価用パターン記憶部４２と、評価値情報記憶部４３と、スコア情報記憶部４４と、評価値ごとの重み付け情報記憶部４５と、パターン選択基準情報記憶部４６とを有する。
【００１９】
候補パターン記憶部４１は、辞書パターンの候補である候補パターン（第１のパターン）情報として、候補パターンそのものと、候補パターンに関する情報（以下、情報タグという）とを記憶する。本実施形態ではあらかじめ候補パターンとしてさまざまなパターンが用意されて、情報タグと対応付けて候補パターン記憶部４１に記憶されているとする。これらの候補パターンから認識辞書に使用するパターン（以下、辞書パターンという）が選択される。
【００２０】
例えば文字認識においては候補パターンは文字画像データであり、候補パターンのタグ情報は候補パターンの識別子、所属するクラス、フォント、傾き、および画像サイズなどを含む。なお、候補パターン記憶部４１は後述するパターン選択処理を行う際に外部から入力するようにしても良い。また、識別子は、例えば情報記憶部４０への登録順でも良いし、候補パターンをクラスに分類した際のクラスごとの登録順でも良い。
【００２１】
ここで、図２を参照して、本実施形態の候補パターン記憶部４１に記憶された候補パターン情報について説明する。
【００２２】
図２は、本実施形態に係る候補パターン記憶部４１に記憶された候補パターン情報の一例を示す図である。文字認識の際は、候補パターンは例えば文字の画像データを有する。なお、文字認識装置の候補パターンとしては、漢字、数字、ひらがな、カタカナ、アルファベットなど、あらゆる属性の文字パターンを対象とすることが可能であるが、本実施形態では、候補パターンとしてアルファベットを適用する。
【００２３】
図２に示すように、本実施形態の候補パターン記憶部４１には、クラス「Ａ」に所属している候補パターン１乃至候補パターン３と、クラス「Ｂ」に所属している候補パターン４乃至候補パターン６が格納されている。各候補パターンは候補パターンの画像データ（以下、候補パターン画像という）とこの候補パターン画像に対応する情報タグとを有する。情報タグには、パターンの識別子であるパターンＩＤ４１６と、所属クラス４１７と、フォント４１８と、傾き４１９とが含まれる。なお、傾きは反時計回りの傾きが「−」で示され、時計回りの傾きが「＋」で示される。例えば、字形が時計回りに１０度傾いている場合は傾き情報は＋１０であり、字形が反時計回りに20度傾いている場合は傾き情報は−２０である。
【００２４】
候補パターン１は、候補パターン画像４１０を有し、パターンＩＤが「Ａ１０１」であり、所属クラスが「Ａ」であり、フォントが「フォント１」であり、傾きが「±０」である。候補パターン２は、候補パターン画像４１１を有し、パターンＩＤが「Ａ１０２」であり、所属クラスが「Ａ」であり、フォントが「フォント２」であり、傾きが「＋２０」である。候補パターン３は、候補パターン画像４１２を有し、パターンＩＤが「Ａ１０３」であり、所属クラスが「Ａ」であり、フォントが「フォント３」であり、傾きが「−３０」である。
【００２５】
候補パターン４は、候補パターン画像４１３を有し、パターンＩＤが「Ｂ１０１」であり、所属クラスが「Ｂ」であり、フォントが「フォント４」であり、傾きが「±０」である。候補パターン５は、候補パターン画像４１４を有し、パターンＩＤが「Ｂ１０２」であり、所属クラスが「Ｂ」であり、フォントが「フォント５」であり、傾きが「＋２０」である。候補パターン６は、候補パターン画像４１５を有し、パターンＩＤが「Ｂ１０３」であり、所属クラスが「Ｂ」であり、フォントが「フォント２」であり、傾きが「−３０」である。
【００２６】
なお、本実施形態では、説明を簡略化するために、図２に示す候補パターン１乃至候補パターン６はすべて、あらかじめ幅１００画素、高さ１００画素に正規化した画像データであるとする。
【００２７】
また、クラスとはパターンを分類するものであり、対象の候補パターンが上記のようにアルファベットの場合、例えば、アルファベットに含まれる文字種「Ａ〜Ｚ」それぞれに対応するクラス「Ａ〜Ｚ」が用意されていることになる。すなわち、文字種「Ａ」の候補パターン「Ａ」はクラス「Ａ」に所属している。また、文字種だけではなくフォント毎にクラスを分類しても良い。そのため、候補パターンは文字種クラスとフォントクラスに同時に所属するといったように、複数のクラスに同時に所属してもよい。
【００２８】
評価用パターン記憶部４２は、後述する評価値算出部１０が候補パターンを評価するために用いる評価用パターン（第２のパターン）の画像データと評価用パターンに関するタグ情報とを対応付けた情報を記憶する。本実施形態では評価用パターンは候補パターン記憶部４１に格納された候補パターンからあらかじめ選択され、評価用パターン記憶部４２に格納されている。
【００２９】
すなわち本実施形態では、候補パターン記憶部４１に格納された候補パターン１乃至候補パターン６から、文字認識を行いたい対象の文字と同じ所属クラス、同じフォント情報を持つ候補パターンを選択し、評価用パターンとする。すなわち、評価用パターンは、パターン認識を行う対象の属性に基づいて候補パターン群から選択される。なお、評価用パターン記憶部４２は候補パターン記憶部４１と同様に、後述するパターン選択処理を行う際に外部から入力するようにしても良い。また、評価用パターンとして選択されたパターンは候補パターン群から削除することにしてもよい。
【００３０】
ここで、図３を参照して、本実施形態の評価用パターン記憶部４２に記憶された評価用パターン情報について説明する。評価用パターン情報は候補パターン情報と同様に、評価用パターンそのものと、この評価用パターンに対応する情報タグとを有する。
【００３１】
図３は、本実施形態の評価用パターン記憶部４２の一例を示す図である。図３に示すように、本実施形態の評価用パターン記憶部４２には、クラス「Ａ」に所属している評価用パターン１と、クラス「Ｂ」に所属している評価用パターン２とが記憶されている。なお、本実施形態では、説明を簡略化するために図３に示す評価用パターン１乃至評価用パターン２４はすべて、幅１００画素、高さ１００画素であり、図２の候補パターンと同じサイズであるとする。本実施形態の評価用パターンの所属するクラスは、候補パターンの所属するクラスに対応している。すなわち、候補パターン記憶部４１に格納された候補パターンのクラスと評価用パターンのクラスは対応関係にある。
【００３２】
評価用パターン１は、パターンＩＤが「Ａ２０１」であり、所属クラスが「Ａ」であり、フォントが「フォント１」であり、傾きが「±０」である。評価用パターン２は、パターンＩＤが「Ｂ２０１」であり、所属クラスが「Ｂ」であり、フォントが「フォント５」であり、傾きが「＋２０」である。すなわち、評価用パターン１は候補パターン記憶部４１に記憶された候補パターン１であり、評価用パターン２は候補パターン記憶部４１に記憶された候補パターン５である。
【００３３】
評価値情報記憶部４３は、評価値算出部１０によって算出された候補パターンごとの評価値を格納する。
【００３４】
スコア情報記憶部４４は、スコア作成部２０によって算出された候補パターンごとのスコアを格納する。
【００３５】
評価値ごとの重み付け情報記憶部４５は、後述する評価値算出部１０が評価値を算出する際に用いる評価値ごとの重み付けを行うための重み付け情報を記憶している。この評価値ごとの重み付け情報はあらかじめユーザもしくはシステム設計者などによって設定される。
【００３６】
パターン選択基準情報記憶部４６は、後述するパターン選択部３０によるパターン選択処理の際に候補パターン記憶部４１から辞書パターンを選択するための選択基準である。本実施形態ではパターン選択基準情報はあらかじめシステム設計者などによって設定される。
【００３７】
なお、情報記憶部４０は、１つ又は複数の記憶ユニットを適宜用いて、１つの記憶ユニットに領域を分けて構成してもよく、別々な記憶ユニットに記憶しても良い。または、それらを組み合わせても良い。情報記憶部４０としては、例えば磁気ディスク装置、半導体メモリ、光ディスクメモリなどが用いられる。
【００３８】
評価値算出部１０は、スコア作成部２０および情報記憶部４０に接続される。評価値算出部１０は、候補パターン記憶部４１に格納されている候補パターン情報と、評価用パターン記憶部４２に格納されている評価用パターン情報とを用いて、候補パターンごとの評価値を算出する。
【００３９】
本実施形態における評価値は、候補パターンごとの、貢献度（第１の評価値）、字形の整い具合（第２の評価値）、および距離スコア（第３の評価値）である。貢献度、字形の整い具合、および距離スコアのそれぞれの算出方法については後述する。評価値算出部１０で算出されたそれぞれの評価値は、候補パターンごとに評価値情報記憶部４３に格納される。
【００４０】
スコア作成部２０は、評価値算出部１０とパターン選択部３０と情報記憶部４０とに接続されている。スコア作成部２０は、評価値情報記憶部４３に格納された評価値と、評価値ごとの重み付け情報記憶部４５に格納された評価値ごとの重み付け情報とを用いて、候補パターンごとにスコアを算出する。なお、本実施形態のスコアの算出方法は、評価値と評価値ごとの重み付け情報とを掛け合わせたものを合計する方法で算出する。ただし、スコアとしては、この結果を例えば５段階に量子化するなどしたものを用いてもよい。スコア作成部２０で算出されたスコアは、スコア情報として情報記憶部４０のスコア情報記憶部４４にスコア順に格納される。
【００４１】
パターン選択部３０は、スコア作成部２０と情報記憶部４０とに接続されている。パターン選択部３０は、上述のスコア作成部２０によって算出されたスコアに基づいて、例えばパターン認識装置の認識辞書として用いられるパターン（以下、辞書パターンという）を候補パターン記憶部４１に格納された候補パターンから選択する。情報記憶部４０の評価用パターン記憶部４２とスコア情報記憶部４４を用いて、後述する候補パターン選択処理を行う。
【００４２】
以下、本実施形態のパターン選択装置において、図２に示した６つの候補パターンから、辞書パターンを選択する処理の一例について図４乃至図１３を参照して説明する。
【００４３】
図４は本実施形態のパターン選択装置の動作の一例を示すフローチャートである。図４に示すように本実施形態のパターン選択装置は、まず評価値算出部１０が候補パターン記憶部４１に含まれる候補パターンそれぞれの評価値を算出する評価値算出処理を行う。
【００４４】
具体的には、評価値算出部はまず貢献度算出処理を行う（ステップＳ１）。次に、評価値算出部１０は字形の整い具合算出処理を行う（ステップＳ２）。続いて、評価値算出部１０は距離スコア算出処理を行う（ステップＳ３）。ステップＳ１乃至ステップＳ３において算出された各評価値は、評価値算出部１０によって候補パターン毎に評価値記憶部４３に格納される。
【００４５】
スコア作成部２０は、算出された評価値と、評価値ごとの重み付け情報記憶部４５に格納された評価値ごとの重み付け情報とを用いて、スコア算出処理を行う（ステップＳ４）。パターン選択部３０は、ステップＳ４で算出されたスコアとパターン選択基準情報記憶部４６に格納されたパターン選択基準情報とを用いて、候補パターン記憶部４１から辞書パターンを選択する（ステップＳ５）。これにより、パターン選択装置は動作を終了する。
【００４６】
ここで、図５乃至図８を参照して、図４のステップＳ１乃至ステップＳ３における評価値算出処理について説明する。
【００４７】
図５は、図４のステップＳ１における貢献度算出処理の手順の一例を示すフローチャートである。
【００４８】
まず、評価値算出部１０は、評価用パターン記憶部４２に記憶された評価用パターンから特定の評価用パターンを標本として選択し、図２の候補パターンを用いてｋ近傍法（ｋ−ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒ ａｌｇｏｒｉｔｈｍ：ｋｎｎ法）によるパターン認識を行う（ステップＳ１１）。すなわち、全ての候補パターンを認識辞書として用いて選択した評価用パターンを認識する。なお、ｋｎｎ法は、パターン認識においてよく用いられる技術である。
【００４９】
評価値算出部１０は、候補パターンごとに出現回数と正解回数を算出する（ステップＳ１２）。出現回数は、対象の候補パターンが標本である評価用パターンの近傍に現れた回数であり、正解回数は対象の候補パターンが同じクラスの評価用パターンの近傍に現れた回数である。
【００５０】
評価用パターン記憶部４２に登録されたすべての評価用パターンについてパターン認識を行った場合（ステップＳ１３がＹｅｓ）、評価値算出部１０は、候補パターンごとの出現回数と正解回数それぞれの累積値を算出する（ステップＳ１４）。すなわち、対象の候補パターンについて、ステップＳ１２で算出した候補パターンごとの出現回数と正解回数とをそれぞれ合計する。
【００５１】
評価値算出部１０は、候補パターンごとの出現回数の累積値と正解回数の累積値を用いて、図６の式（イ）によって貢献度を算出し（ステップＳ１５）、貢献度算出処理を終了する。
【００５２】
なお、すべての評価用パターンをパターン認識してない場合、すなわち、評価用パターン記憶部４２に登録された評価用パターン情報にステップＳ１１を行っていない評価用パターンが存在する場合（ステップＳ１３がＮｏ）、評価値算出部１０はパターン認識を行っていない次の評価用パターンを標本とし（ステップＳ１６）、ステップＳ１１にもどりパターン認識を行う。ただし、評価値算出部１０で用いる評価用パターンは評価用パターン記憶部４２に記憶された評価用パターンから任意に選択した一部に限ってもよい。この場合、対象としない評価用パターンに対しては上記の処理を行わない。
【００５３】
式（イ）から明らかであるように、貢献度は、該当する候補パターンが評価用パターンの近傍として選択された場合に、評価用パターンと候補パターンとが同じクラスである比率である。言い換えれば、ある候補パターンの近傍にある評価用パターンのうち、該候補パターンと同じクラスであるパターンの比率である。すなわち、貢献度が高い候補パターンの近傍には該候補パターンと同じクラスが多く分布していると考えることができ、結果として入力されたパターンを候補パターンと同じクラスに識別することが妥当だと考えられる。
【００５４】
すなわち、貢献度が高い候補パターンは、入力されたパターンの正しいクラスを決定するのに貢献する。
【００５５】
なお、本実施例では評価値の算出基準として出現回数・正解回数の累積値を用いたが、入力されたパターンと近傍として選択された候補パターンとの距離が近いほどそれらが同じクラスである可能性が高いことを考慮し、例えば該候補パターンと入力されたパターンとの距離の逆数の合計などのように距離に基づいて貢献度を算出してもよい。なお、ここでいう距離とはＫｎｎ法に用いられる距離のことである。
【００５６】
この場合の計算は、例えば以下のように行う。ある候補パターンｘが評価用パターンｙｉの近傍として選択された場合、ｘとｙｉの距離Ｄｘ，ｙｉを、候補パターンｘと評価用パターンｙｉの同じ位置の画素それぞれに対して、画素値の差の二乗を求めて合計し、その平方根をとったものとする。
【００５７】
ここで、前記の距離の逆数を候補パターンｘが近傍に出現した全ての評価用パターンｙ１，ｙ２，ｙ３，・・・，ｙｎについて合計した値であるＤ１に対する、上記の評価用パターンのうちクラスがｘと同じである評価用パターンｙ１，ｙ２，ｙ３，・・・，ｙｍについてのみ合計した値であるＤ２の割合を貢献度としてもよい。
【００５８】
なお、Ｄｘ，ｙｉがあらかじめ定めた閾値Thよりも小さい場合、Ｄｘ，ｙｉの値をThとするようにしてもよい。また、評価用パターンとの距離が０の候補パターンが存在した場合、すなわち評価用パターンがある候補パターンと完全に一致する場合、該評価用パターンを上記の計算から除外して貢献度を求めてもよいし、貢献度を１００としてもよい。上記のような計算によれば、評価用パターンと候補パターンとの距離が近いほど貢献度の算出に大きく影響するようにできる。次に、図７を参照して、図４のステップＳ２における字形の整い具合算出処理について説明する。図７は、評価値算出部１０による字形の整い具合算出処理の手順の一例を示すフローチャートである。
【００５９】
まず、評価値算出部１０は、候補パターンの画像サイズと画素階調とを正規化する（ステップＳ２１）。これらの正規化はあらかじめ定められた基準にしたがって行われる。本実施例の場合、画素階調は文字のある画素が黒、ない画素が白の２階調に正規化される。
【００６０】
次に、正規化された候補パターンとテンプレートのパターンにおいて同じ位置の画素を比較し、両方に黒画素が出現している画素位置の数を算出する（ステップＳ２２）。
【００６１】
なお、本実施形態のテンプレートは、本実施形態の候補パターンの所属するクラスにおける標準的なパターンであり、あらかじめ候補パターン記憶部４１の候補パターン情報から作成される。例えば、候補パターン情報からクラスごと、またはフォントごとに傾きが０のパターンを選択する。選択した候補パターンの平均をとったものをテンプレートとする。選択されたパターンが複数ある場合、それらのうちの一つを選択してテンプレートとしてもよい。その場合、例えば全ての選択されたパターンの平均をとったパターンとの距離が最も近い選択されたパターンを選択するなどすればよい。すなわち、ユーザがパターン認識を行いたい対象として最も標準的であると定めた候補パターンをテンプレートに設定する。
【００６２】
なお、テンプレートは上述した作成方法のほかにも、図３に示した評価用パターン群の中からあらかじめ設定してもいいし、評価用パターン群とは別のパターンをあらかじめテンプレートとして登録しても良い。例えば、あらかじめ、クラスごと、またはフォントごとに傾きがない候補パターンを１つ用意し、テンプレートタグをつけ、テンプレートが必要な場合には、このテンプレートタグのついた候補パターンをテンプレートとしてもよい。
【００６３】
ここでは、図２に示した候補パターンのうち、クラスＡのテンプレートを候補パターン１とし、クラスＢのテンプレートを候補パターン４とする。
【００６４】
次に、評価値算出部１０は、正規化された候補パターンと上記テンプレートパターンのそれぞれの同じ位置の画素において、両方に黒画素が出現している画素位置の数を算出する（図７のステップＳ２２）。
【００６５】
次に、評価値算出部１０は、正規化された候補パターンと上記テンプレートパターンのそれぞれの同じ位置の画素において、少なくとも一方に黒画素が出現している画素位置の数を算出する（図７のステップＳ２３）。
【００６６】
評価値算出部１０は、図７のステップＳ２２で算出した、同じ画素位置に黒画素が出現している画素位置の数をＸとし、図７のステップＳ２３で算出した、どちらか一方にでも黒画素が出現している画素位置の数をＹとし、図６の式（ロ）によって字形の整い具合を求める（ステップＳ２４）。これにより、評価値算出部１０は字形の整い具合算出処理を終了する。
【００６７】
すなわち字形の整い具合とは、ユーザがパターン認識を行う対象として標準的であると定めたパターンにどれだけ類似しているかを示す評価値である。
【００６８】
続いて、図８を参照して、評価値算出部１０による距離スコア算出処理について説明する。図８は距離スコア算出処理の一例を示すフローチャートである。
【００６９】
まず、評価値算出部１０は候補パターンをの画像サイズと画素階調とを正規化する（ステップＳ３１）。これらの正規化はあらかじめ定められた基準にしたがって行われる。なお、ステップＳ３１の処理は、字形の整い具合算出処理におけるステップＳ２１の処理と同じである。このため、ステップＳ３１の処理を行わず、ステップＳ２１の正規化後のデータを使用しても良い。
【００７０】
評価値算出部１０は、正規化された候補パターンを用いて、クラス内の平均パターンを作成する（ステップＳ３２）。平均パターンとは、同一位置における同一クラス内の候補パターンの画素値の平均値を求めることで作成される。
【００７１】
次に、評価値算出部１０は候補パターンごとに、ステップＳ３２で作成した平均パターンとの距離を算出する（ステップＳ３３）。ここでの距離とは、候補パターンと平均パターンの同じ位置の画素それぞれに対して、画素値の差の二乗を求めて合計し、その合計値の平方根をとったものである。
【００７２】
評価値算出部１０は、算出した距離をｌｏｇで変換し（ステップＳ３４）、変換した値を正規化して０から１００の範囲にし（ステップＳ３５）、距離スコア算出処理を終了する。この正規化後の値を同クラス内での距離スコアとする。
【００７３】
平均パターンとは、与えられた候補パターン内における当該クラスの分布の中心である。言い換えると、当該クラスは平均パターンを中心に分布していると考えることができる。すなわち、距離スコアの小さい候補パターンは、平均パターンとの距離が近い、つまり当該クラスの分布の中心付近に位置する、言い換えれば候補パターンからはそのクラスらしいと考えられるパターンである。逆に、距離スコアが大きい候補パターンは、当該クラスの分布の中心から外れた場所に位置する、言い換えればそのクラスにおいて例外的であると考えられる候補パターンである。
【００７４】
距離スコア算出処理終了後、評価値算出部１０は、これらの各評価値を評価値テーブルとして評価値情報記憶部４３に登録する。図９に評価値テーブルの一例を示す。図９に示すように、評価値テーブルは、パターンＩＤ４３１、貢献度４３２、字形の整い具合４３３、および距離スコア４３４の項目を有し、候補パターンごとの評価値が格納される。パターンＩＤ４３１には、図２に示した候補パターンのＩＤが格納される。
【００７５】
なお、貢献度、字形の整い具合、距離スコアは順次算出しても良いし、同時に算出しても良い。また、貢献度、字形の整い具合、距離スコアのそれぞれの算出方法は、前述した方法のほかどのような方法を用いても良い。
【００７６】
図１０乃至図１２を参照して、図４のステップＳ４におけるスコア作成処理について説明する。図１０は、スコア作成部２０によるスコア作成処理の一例を示すフローチャートである。
【００７７】
スコア作成部２０は、評価値情報記憶部４３に格納された評価値と、評価値ごとの重み付け情報記憶部４５とを参照してスコアを算出する（ステップＳ４１）。なお、ここでは、各評価値と評価値ごとの重み付け情報とをかけ合わせた値の合計値を候補パターンのスコアとして扱う。
【００７８】
ここで、図１１を参照して評価値ごとの重み付け情報について説明する。評価値ごとの重み付け情報は、あらかじめユーザ、もしくは本実施形態のパターン選択装置作成者によって設定され、テーブルとして重み付け情報記憶部４５に格納されている。図１１に示すように、本実施形態の評価値ごとの重み付け情報は、貢献度、字形の整い具合、および距離スコアのそれぞれに対して０から１の間の値であって、合計値が「１」になるように設定されている。この評価値ごとの重み付け情報を設定することで、本実施形態のパターン選択装置はユーザの要望に沿った候補パターンの選択を可能とする。
【００７９】
パターン認識においては、辞書作成用パターンとして選択された候補パターンに類似したパターンの認識率が高くなるため、このスコアの算出の際の重み付けによってどのようなパターンを高い認識率で認識するのかが決定する。例えば、貢献度の重み付けを高くすると、周辺に他のクラスの候補パターンが少ない候補パターンが優先され、そのクラスである可能性の高い、言い換えれば他のクラスである可能性の低いパターンに対する認識率が高くなる。字形の整い具合を高くすると、ユーザが当該クラスにおいて標準的であると定めたパターンに似たパターンの割合が高くなるため、認識対象が活字のように字形のばらつきが少ない場合、効率的に認識率を向上させることが期待できる。距離スコアの重み付けを高くすると、クラス内における例外的な辞書パターンの割合が高くなるため、手書き文字のようにクラス内のばらつきが大きい場合や、画像にノイズが混入してる場合等に対する効率的に認識率を向上させることが期待できる。
【００８０】
図１０の説明に戻る。スコア作成部２０は、ステップＳ４１で求めたスコアを数値の高い順に登録してスコアテーブルを作成し（ステップＳ４２）、作成したスコアテーブルをスコア情報記憶部４４に登録する（ステップＳ４３）。
【００８１】
例えば、図２の候補パターン１のスコアを算出する場合を説明する。図２の候補パターン１は、図９に示すように、貢献度が７５、字形の整い具合が１００、距離スコアが８０である。図１１に示すように、貢献度の重み付け情報は、貢献度が０．５、字形の整い具合の重み付け情報が０．２５、距離スコアの重み付け情報が０．２５である。スコアはそれぞれをかけ合わせた合計であるため、この候補パターン４１１のスコアは「８２．５」となる。その他の候補パターンに関しても同様にスコアを求める。
【００８２】
図１２に、本実施形態に係るスコアテーブルの一例を示す。図１２に示すように、スコアテーブルはパターンＮｏ、パターンＩＤ、スコアの項目を有する。Ｎｏは、スコアの登録順序が登録される。パターンＩＤは登録された候補パターンのＩＤが登録される。スコアは、スコア作成部２０が算出したスコアがパターンＩＤに対応して登録される。
【００８３】
スコア作成部２０がスコアテーブルを作成すると、本実施形態のパターン選択部３０は、パターン選択基準４６を参照してスコアテーブルの上位から順番に辞書パターンを選択する。図１３にパターン選択基準の一例を示す。
【００８４】
図１３に示すように、パターン選択基準には、辞書パターンを選択する数が登録されている。本実施形態では「３」であるため、パターン選択部３０によって、図２のスコアテーブルのＮｏ１乃至Ｎｏ３の候補パターンが認識辞書を作成するのに用いる辞書パターンとして選択される。
【００８５】
本実施形態では、辞書は選択された辞書作成用パターンの集合である。なお、辞書の作成方法については、部分空間法等の異なる認識手法に合わせた辞書の作成用法を選択しても良い。
【００８６】
このように本実施形態によれば、候補パターンそれぞれに対して算出したスコアに基づいて候補パターンからパターンを選択することにより、効率的にパターンを選択することができる。さらに、パターンを選択する際の基準を明確にすることができる。
【００８７】
例えば、本実施形態によれば、重み付け情報によって指定されたバランスに適合したクラス境界付近のパターンと標準的なパターンとを選択することが可能である。したがって、クラス間境界付近パターンとクラス内の標準的なパターンとがバランスよく含まれ構成された認識辞書を作成することが可能である。また、本実施形態によると。パターン認識の認識精度を低減せずに、認識辞書に使用するパターンを減少することが可能である。
【００８８】
なお、評価用パターン、評価値ごとの重み付け情報、およびパターン選択基準はそれぞれ、ユーザが認識したい対象に合わせて変更が可能である。
【００８９】
（第２の実施形態）
以下、図１４乃至図１７を参照して、第２の実施形態のパターン選択装置について説明する。なお、第１の実施形態と同一の構成には同一の符号を付し、説明は省略する。
【００９０】
図１４は、第２の実施形態のパターン選択装置の全体構成を示すブロック図である。
【００９１】
図１４に示すように、本実施形態のパターン選択装置は、図１に示したパターン選択装置の構成に再選択判定部３１、認識辞書作成部３２、更新条件記憶部４７、更新情報記憶部４８、情報入力部５０、および情報更新部６０をさらに有する構成である。なお、本実施形態の再選択判定部３１および認識辞書作成部３２はパターン選択部３０が有する。
【００９２】
情報入力部５０は、ユーザが更新情報を入力するために用いる。情報入力部５０は、例えばキーボードやマウスである。
【００９３】
更新条件記憶部４７には後述するパターン選択条件の更新条件が格納される。この更新条件は後述するパターン更新処理において用いられる。
【００９４】
更新情報記憶部４８には後述する更新情報が格納される。更新情報は、更新対象となる情報の項目名と変更後の情報とを含む。なお、本実施形態では、更新情報および更新条件はパターン選択基準情報記憶部４６のパターン選択基準を更新するための情報である。また、パターン選択基準情報以外に、選択条件情報、評価値の数や種類、評価値ごとの重み付け情報、スコアの算出方法等を更新しても良い。
【００９５】
再選択判定部３１は、更新条件に基づいてパターン選択を再度行うかどうかを判定する。
【００９６】
認識辞書作成部３２はパターン選択部３０が選択したパターンに基づいてパターン認識装置によるパターン認識において用いられる認識辞書を作成する。
【００９７】
情報更新部６０は更新情報記憶部４８の更新情報に基づいてパターン選択基準を更新する。
【００９８】
以下、図１５を参照して、本実施形態のパターン選択装置を用いてパターン認識装置の認識辞書を作成する際のパターン選択基準更新処理手順について説明する。
【００９９】
図１５は、本実施形態のパターン選択装置に係る認識辞書を作成する場合のパターン選択条件更新手順の一例を示すフローチャートである。
【０１００】
まず、ユーザは情報入力部５０を用いて、パターン選択基準の更新情報と更新条件とを入力する（ステップＳ５１）。
【０１０１】
ここで、図１６および図１７に、パターン選択の更新条件４７１とパターン選択基準の更新情報４８１の一例を示す。図１６に示すように、パターン選択の更新条件４７１は、最大パターン数４７２と最低認識率４７３とを有する。最大パターン数４７２は、パターン選択部３０によって候補パターン群から選択されるパターンの最大数示す。最低認識率４７３は、パターン選択部３０によって選択されたパターンに基づいて作成された認識辞書を用いて、評価用パターン群を認識した場合に最低限必要とされる認識率を定めたものである。なお、認識率とは、例えばパターンを認識した回数に対する、パターン認識の正解数である。
【０１０２】
図１７に示すように、パターン選択基準の更新情報４８１は、パターン選択数変更単位４８２を有する。パターン選択数変更単位４８２はパターン選択部３０が再度パターンを選択する際のパターン数の増減値を定めたものである。
【０１０３】
入力されたパターン選択の更新条件４７１は、情報記憶部４０の選択条件情報記憶部４７に記憶され、更新情報４８１は、情報記憶部４０の更新情報記憶部４８に記憶される（ステップＳ５２）。
【０１０４】
続いて、本実施形態のパターン選択装置は、図４に示したパターン選択処理を行い、候補パターン群から辞書パターンを選択する（ステップＳ５３）。パターン選択部３０の認識辞書作成部３２はは、選択されたた辞書パターンを用いて認識辞書を作成する（ステップＳ５４）。
【０１０５】
パターン選択部３０が認識辞書を作成すると、再選択判定部３１は作成された認識辞書を用いて評価用パターン記憶部４２に格納された評価用パターンのパターン認識を行う。このパターン認識は、例えばｋｎｎ法を用いて行われる（ステップＳ５５）。なお、ステップＳ５５で用いる評価用パターンは、ステップＳ５３のパターン選択処理で用いられる評価用パターンでも良いし、あらかじめパターン選択条件更新処理用に登録されていても良い。また、再選択判定部３１がパターン認識を行うのではなく、外部のパターン認識装置を用いてパターン認識を行い、再選択判定部３１は認識結果を用いるようにしても良い。
【０１０６】
再選択判定部３１は、認識辞書作成部３２が作成した認識辞書によってパターン認識を行った場合の認識率を算出する（ステップＳ５６）。算出した認識率がステップＳ５１で入力されたパターン選択の更新条件４７１を満たす場合（ステップＳ５７がＹｅｓ）、再選択判定部３１は、パターン再選択を行わず、パターン選択基準更新処理を終了する。すなわち、算出された認識率が更新条件４７１の最低認識率４７３を超える場合に、パターン選択条件更新処理を終了する。
【０１０７】
算出した認識率がステップＳ５１で入力されたパターン選択の更新条件４７１を満たさない場合（ステップＳ５７がＮｏ）、再選択判定部３１はパターン選択基準を更新すると判定し、この判定結果に基づいて、パターン選択部３０は更新情報４８１を用いてパターン選択基準記憶部４６に格納されたパターン選択基準を更新する（ステップＳ５８）。具体的には、パターン選択基準の更新情報４８１のパターン選択数変更単位４８２に基づいて、パターン選択基準のパターン選択数を追加する。その後、本実施形態のパターン選択装置は、更新されたパターン選択基準を用いて、ステップＳ５３から処理を繰り返す。
【０１０８】
このように本実施形態によれば、パターン選択部３０がパターン選択基準に基づいて候補パターンから選択したパターンを、パターン選択基準の更新条件に基づいて判定し、判定結果に基づいて、追加するパターンを算出したスコアを参照して選択することを可能とする。すなわち、認識対象をパターン認識する際に、ユーザの求める認識率を満たす認識辞書を作成可能な最小数の辞書作成用パターンを候補パターンから選択することが可能である。
【０１０９】
以上、本発明のいくつかの実施形態を説明したが、これら実施形態は例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
【０１１０】
また、第１のおよび第２の実施形態では評価用パターンは候補パターン群から選択するとしたが、その場合に情報タグを用いて評価用パターンの絞りこみを行うことも可能である。例えば傾き±１０以上のものは削除しても良い。または、候補パターン群から選択する評価用パターンの数に上限を設定し、クラスごとにランダムにパターンを削除しても良い。これは、第２の実施形態のパターン選択装置において辞書パターンと評価用パターンに同一のパターンが含まれないようにするためである。なお、この場合にはクラスやフォントごとに、パターン数に偏りがないように選択するようにしても良い。
【０１１１】
また、第１および第２の実施形態は文字認識装置に用いるパターンを例に挙げて説明したが、文字以外にも、顔や指紋などの画像や音声などのパターンにも用いることが可能である。
【０１１２】
第１および第２の実施形態ではパターン認識に用いる認識辞書の作成を例としてあげたが、例えばパターン認識装置のテストに用いるテストパターンのスコアを算出することで、どのテストパターンを重要視するかを判断するようなことを行ってもよい。
【０１１３】
この例の場合、例えば認識されなかったテストパターンが存在した場合、そのテストパターンのスコアを算出する。
【０１１４】
例えばスコアの算出において距離スコアの重み付けを大きくしている場合、スコアが大きいということは非常に例外的なパターンであるということであり、そのようなパターンを正しく認識できるようにした場合、いままで正常に認識できていたテストパターンが誤認識されるなどの弊害が起きることがある。このため、スコアがあらかじめ設定された閾値を超えた場合、そのテストパターンをテストパターン集合から削除する。これにより、極端に例外的なパターンが存在するために認識率が実際以上に低く評価されることを避けることができる。
【０１１５】
また、認識されなかったテストパターンに限定する必要はなく、全てのテストパターンに対してスコアを求めて、スコアに従ってどのテストパターンを重要視するかを決定することもできる。この場合、例えば認識率を図る際に認識したパターン数、正解したパターン数を用いるところを、それぞれ認識したパターンのスコアの合計、正解したパターンのスコアの合計を用いるなどとしてもよい。
【０１１６】
なお、テストパターンのスコアを算出する際には、候補パターンとは異なり貢献度が算出できない。そのため、代わりにテストパターンの近傍１０パターン中の、テストパターンと同じクラスに所属する候補パターンの割合を算出する等の、別の評価値の算出方法を用いることで代用が可能である。あるいは、貢献度として規定の値、例えば０を用いることとしてもよい。
【符号の説明】
【０１１７】
１…パターン選択装置、１０…評価値算出部、２０…スコア作成部、３０…パターン選択部、４０…情報記憶部、４１…候補パターン情報、４２…評価用パターン情報、４３…評価値情報記憶部４４…スコア情報記憶部４５…重み付け情報、４６…パターン選択基準情報
【技術分野】
【０００１】
本実施形態は、パターン選択装置、パターン選択方法、およびプログラムに関する
【背景技術】
【０００２】
光学式文字認識装置（ＯＣＲ）に代表される文字認識処理など、認識システムに入力された文字、画像、音声などの未知パターンの所属クラスを特定するパターン認識技術がある。このパターン認識技術では、認識辞書を用いて未知のパターンの所属クラスを識別する。なお、クラスとは認識対象を分類した場合につけられるラベルのことであり、例えば文字認識であれば字種となるし、一般物体認識であればその物体の名称となる。
【０００３】
認識辞書は、あらかじめクラス毎に辞書に使用するパターン（以下、辞書パターンという）を用意して作成する。パターン認識技術において認識精度を上げたい場合、一般的にクラスごとに用意される辞書パターンの数を増加させることが行われる。
【０００４】
しかしながら、この方法には辞書パターンが大量になるため認識辞書の作成に時間がかかること、辞書パターンに認識精度の向上にさほど有効でないパターンが含まれてしまう場合があること、などの問題がある。また、例えばｋｎｎ法のような辞書パターン、あるいはその一部を認識辞書とする手法を用いた場合には認識辞書の容量が大きくなりやすく、認識処理の速度が低下するという問題もある。
【０００５】
効率的なパターン認識を実現できる認識辞書に用いる辞書パターンを選択する方法として、例えばサポートベクターマシン（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ：ＳＶＭ）がある。この手法においては、クラス境界付近の辞書パターンのみが選択されて認識辞書となり、それ以外のパターンは削除される。言い換えれば、クラス境界の表現に必要な辞書パターンのみ認識辞書に登録することで必要な辞書パターン数を削減している。
【０００６】
しかしながら、上述の方法では、クラス境界から離れた部分について考慮されていないため、標準的なパターンに対して必ずしも高い確信度が得られないなどの問題が生じることが知られている。また、例えば手書き文字認識などのばらつきの多い問題に適用した場合、クラス境界付近のパターンの比率が高いために削減率が低くなることが多い。
【０００７】
また、例えばベクトル量子化などを行い、各クラスを少数の代表パターンで表現することにより辞書パターン数を削減する方法も知られている。
【０００８】
この方法では辞書パターン数を大きく削減できるが、文字認識であれば例えば癖字や異体字など少数の例外的なパターンが削減されやすいため、このような入力に対して脆弱であるという問題がある。
【０００９】
また、辞書パターンから有効ではないと思われるパターンを人手で削除することも行われているが、特に辞書パターン数が膨大な場合に作業時間が長くなる、選別基準が明確でないため作成される認識辞書にばらつきが出る、などといった点が問題となる。
【先行技術文献】
【特許文献】
【００１０】
【特許文献１】特開２０００−９９７２３号公報
【発明の概要】
【発明が解決しようとする課題】
【００１１】
本発明が解決しようとする課題は、効率的にパターンを選択することができるパターン選択装置、パターン選択方法、およびパターン選択プログラムの提供をすることである。
【課題を解決するための手段】
【００１２】
本実施形態のパターン選択装置は、第１のパターン群と第１のパターンの評価に用いられる第２のパターン群とを格納した記憶部と、第２のパターンを参照して、第１のパターンの複数の評価値として、第１のパターンが第２のパターンをパターン認識する際の貢献度である第１の評価値と、第１のパターンが、第１のパターンが所属するクラスにおける標準的なパターンであるかを評価する第２の評価値、および第１のパターンがクラスの境界付近のパターンであるかを評価する第３の評価値を算出する評価値算出部と、算出された評価値と評価値ごとの重み付け情報とを用いて、第１のパターンごとのスコアを算出するスコア算出部と、算出されたスコアに基づいて第１のパターンからパターンを選択するパターン選択部と、を備える。
【図面の簡単な説明】
【００１３】
【図１】第１の実施形態に係るパターン選択装置の全体構成を示すブロック図。
【図２】第１の実施形態に係る候補パターン情報の一例を示す図。
【図３】第１の実施形態に係るパターン選択装置の動作の一例を示すフローチャート。
【図４】第１の実施形態に係る評価値算出部における評価値の算出手順の一例を示すフローチャート。
【図５】第１の実施形態に係る評価用パターン情報の一例を示す図。
【図６】第１の実施形態に係る評価値の計算式の一例を示す図。
【図７】第１の実施形態に係る評価値算出部における評価値の算出手順の一例を示すフローチャート。
【図８】第１の実施形態に係る評価値算出部における評価値の算出手順の一例を示すフローチャート。
【図９】第１の実施形態に係る情報記憶部で記憶されている評価値情報格納部のテーブルの一例を示す図。
【図１０】第１の実施形態に係るスコア算出部におけるスコアの算出手順の一例を示すフローチャート。
【図１１】第１の実施形態に係る情報記憶部で記憶されている評価値ごとの重み付け情報記憶部４５のテーブルの一例を示す図。
【図１２】第１の実施形態に係るスコア情報格納部のテーブルの一例を示す図。
【図１３】第１の実施形態に係るパターン選択基準情報のテーブルの一例を示す図。
【図１４】第２の実施形態に係るパターン選択装置の全体構成の一例を示すブロック図。
【図１５】第２の実施形態に係るパターン選択装置における情報更新手順を示すフローチャート。
【図１６】第２の実施形態に係る更新条件の一例を示す図。
【図１７】第２の実施形態に係る更新情報の一例を示す図。
【発明を実施するための形態】
【００１４】
以下、本発明のパターン選択装置の実施形態について図面を参照しながら説明する。なお、本実施形態では一例として、文字認識装置の認識辞書を作成するために用いるパターンを選択するパターン選択装置について説明する。
【００１５】
（第１の実施形態）
図１は、第１の実施形態のパターン選択装置の全体構成を示すブロック図である。
【００１６】
図１に示すように、本実施形態のパターン選択装置は、評価値算出部１０、スコア作成部２０、パターン選択部３０、および情報記憶部４０を含んで構成される。
【００１７】
なお、本実施形態のパターン選択装置は、ハードウェアとしてＣＰＵ、メインメモリ、外部記憶装置などを備える。外部記憶装置に格納された例えばパターン選択プログラムがＣＰＵによりメインメモリ上にロードされることによって、上記した評価値算出部１０、スコア作成部２０、およびパターン選択部３０が実現される。また、これらの構成要素は、ソフトウェアに代えて、各種の電子部品を組み合わせて構成したハードウェアにより実現されるものであっても良い。
【００１８】
情報記憶部４０は、候補パターン記憶部４１と、評価用パターン記憶部４２と、評価値情報記憶部４３と、スコア情報記憶部４４と、評価値ごとの重み付け情報記憶部４５と、パターン選択基準情報記憶部４６とを有する。
【００１９】
候補パターン記憶部４１は、辞書パターンの候補である候補パターン（第１のパターン）情報として、候補パターンそのものと、候補パターンに関する情報（以下、情報タグという）とを記憶する。本実施形態ではあらかじめ候補パターンとしてさまざまなパターンが用意されて、情報タグと対応付けて候補パターン記憶部４１に記憶されているとする。これらの候補パターンから認識辞書に使用するパターン（以下、辞書パターンという）が選択される。
【００２０】
例えば文字認識においては候補パターンは文字画像データであり、候補パターンのタグ情報は候補パターンの識別子、所属するクラス、フォント、傾き、および画像サイズなどを含む。なお、候補パターン記憶部４１は後述するパターン選択処理を行う際に外部から入力するようにしても良い。また、識別子は、例えば情報記憶部４０への登録順でも良いし、候補パターンをクラスに分類した際のクラスごとの登録順でも良い。
【００２１】
ここで、図２を参照して、本実施形態の候補パターン記憶部４１に記憶された候補パターン情報について説明する。
【００２２】
図２は、本実施形態に係る候補パターン記憶部４１に記憶された候補パターン情報の一例を示す図である。文字認識の際は、候補パターンは例えば文字の画像データを有する。なお、文字認識装置の候補パターンとしては、漢字、数字、ひらがな、カタカナ、アルファベットなど、あらゆる属性の文字パターンを対象とすることが可能であるが、本実施形態では、候補パターンとしてアルファベットを適用する。
【００２３】
図２に示すように、本実施形態の候補パターン記憶部４１には、クラス「Ａ」に所属している候補パターン１乃至候補パターン３と、クラス「Ｂ」に所属している候補パターン４乃至候補パターン６が格納されている。各候補パターンは候補パターンの画像データ（以下、候補パターン画像という）とこの候補パターン画像に対応する情報タグとを有する。情報タグには、パターンの識別子であるパターンＩＤ４１６と、所属クラス４１７と、フォント４１８と、傾き４１９とが含まれる。なお、傾きは反時計回りの傾きが「−」で示され、時計回りの傾きが「＋」で示される。例えば、字形が時計回りに１０度傾いている場合は傾き情報は＋１０であり、字形が反時計回りに20度傾いている場合は傾き情報は−２０である。
【００２４】
候補パターン１は、候補パターン画像４１０を有し、パターンＩＤが「Ａ１０１」であり、所属クラスが「Ａ」であり、フォントが「フォント１」であり、傾きが「±０」である。候補パターン２は、候補パターン画像４１１を有し、パターンＩＤが「Ａ１０２」であり、所属クラスが「Ａ」であり、フォントが「フォント２」であり、傾きが「＋２０」である。候補パターン３は、候補パターン画像４１２を有し、パターンＩＤが「Ａ１０３」であり、所属クラスが「Ａ」であり、フォントが「フォント３」であり、傾きが「−３０」である。
【００２５】
候補パターン４は、候補パターン画像４１３を有し、パターンＩＤが「Ｂ１０１」であり、所属クラスが「Ｂ」であり、フォントが「フォント４」であり、傾きが「±０」である。候補パターン５は、候補パターン画像４１４を有し、パターンＩＤが「Ｂ１０２」であり、所属クラスが「Ｂ」であり、フォントが「フォント５」であり、傾きが「＋２０」である。候補パターン６は、候補パターン画像４１５を有し、パターンＩＤが「Ｂ１０３」であり、所属クラスが「Ｂ」であり、フォントが「フォント２」であり、傾きが「−３０」である。
【００２６】
なお、本実施形態では、説明を簡略化するために、図２に示す候補パターン１乃至候補パターン６はすべて、あらかじめ幅１００画素、高さ１００画素に正規化した画像データであるとする。
【００２７】
また、クラスとはパターンを分類するものであり、対象の候補パターンが上記のようにアルファベットの場合、例えば、アルファベットに含まれる文字種「Ａ〜Ｚ」それぞれに対応するクラス「Ａ〜Ｚ」が用意されていることになる。すなわち、文字種「Ａ」の候補パターン「Ａ」はクラス「Ａ」に所属している。また、文字種だけではなくフォント毎にクラスを分類しても良い。そのため、候補パターンは文字種クラスとフォントクラスに同時に所属するといったように、複数のクラスに同時に所属してもよい。
【００２８】
評価用パターン記憶部４２は、後述する評価値算出部１０が候補パターンを評価するために用いる評価用パターン（第２のパターン）の画像データと評価用パターンに関するタグ情報とを対応付けた情報を記憶する。本実施形態では評価用パターンは候補パターン記憶部４１に格納された候補パターンからあらかじめ選択され、評価用パターン記憶部４２に格納されている。
【００２９】
すなわち本実施形態では、候補パターン記憶部４１に格納された候補パターン１乃至候補パターン６から、文字認識を行いたい対象の文字と同じ所属クラス、同じフォント情報を持つ候補パターンを選択し、評価用パターンとする。すなわち、評価用パターンは、パターン認識を行う対象の属性に基づいて候補パターン群から選択される。なお、評価用パターン記憶部４２は候補パターン記憶部４１と同様に、後述するパターン選択処理を行う際に外部から入力するようにしても良い。また、評価用パターンとして選択されたパターンは候補パターン群から削除することにしてもよい。
【００３０】
ここで、図３を参照して、本実施形態の評価用パターン記憶部４２に記憶された評価用パターン情報について説明する。評価用パターン情報は候補パターン情報と同様に、評価用パターンそのものと、この評価用パターンに対応する情報タグとを有する。
【００３１】
図３は、本実施形態の評価用パターン記憶部４２の一例を示す図である。図３に示すように、本実施形態の評価用パターン記憶部４２には、クラス「Ａ」に所属している評価用パターン１と、クラス「Ｂ」に所属している評価用パターン２とが記憶されている。なお、本実施形態では、説明を簡略化するために図３に示す評価用パターン１乃至評価用パターン２４はすべて、幅１００画素、高さ１００画素であり、図２の候補パターンと同じサイズであるとする。本実施形態の評価用パターンの所属するクラスは、候補パターンの所属するクラスに対応している。すなわち、候補パターン記憶部４１に格納された候補パターンのクラスと評価用パターンのクラスは対応関係にある。
【００３２】
評価用パターン１は、パターンＩＤが「Ａ２０１」であり、所属クラスが「Ａ」であり、フォントが「フォント１」であり、傾きが「±０」である。評価用パターン２は、パターンＩＤが「Ｂ２０１」であり、所属クラスが「Ｂ」であり、フォントが「フォント５」であり、傾きが「＋２０」である。すなわち、評価用パターン１は候補パターン記憶部４１に記憶された候補パターン１であり、評価用パターン２は候補パターン記憶部４１に記憶された候補パターン５である。
【００３３】
評価値情報記憶部４３は、評価値算出部１０によって算出された候補パターンごとの評価値を格納する。
【００３４】
スコア情報記憶部４４は、スコア作成部２０によって算出された候補パターンごとのスコアを格納する。
【００３５】
評価値ごとの重み付け情報記憶部４５は、後述する評価値算出部１０が評価値を算出する際に用いる評価値ごとの重み付けを行うための重み付け情報を記憶している。この評価値ごとの重み付け情報はあらかじめユーザもしくはシステム設計者などによって設定される。
【００３６】
パターン選択基準情報記憶部４６は、後述するパターン選択部３０によるパターン選択処理の際に候補パターン記憶部４１から辞書パターンを選択するための選択基準である。本実施形態ではパターン選択基準情報はあらかじめシステム設計者などによって設定される。
【００３７】
なお、情報記憶部４０は、１つ又は複数の記憶ユニットを適宜用いて、１つの記憶ユニットに領域を分けて構成してもよく、別々な記憶ユニットに記憶しても良い。または、それらを組み合わせても良い。情報記憶部４０としては、例えば磁気ディスク装置、半導体メモリ、光ディスクメモリなどが用いられる。
【００３８】
評価値算出部１０は、スコア作成部２０および情報記憶部４０に接続される。評価値算出部１０は、候補パターン記憶部４１に格納されている候補パターン情報と、評価用パターン記憶部４２に格納されている評価用パターン情報とを用いて、候補パターンごとの評価値を算出する。
【００３９】
本実施形態における評価値は、候補パターンごとの、貢献度（第１の評価値）、字形の整い具合（第２の評価値）、および距離スコア（第３の評価値）である。貢献度、字形の整い具合、および距離スコアのそれぞれの算出方法については後述する。評価値算出部１０で算出されたそれぞれの評価値は、候補パターンごとに評価値情報記憶部４３に格納される。
【００４０】
スコア作成部２０は、評価値算出部１０とパターン選択部３０と情報記憶部４０とに接続されている。スコア作成部２０は、評価値情報記憶部４３に格納された評価値と、評価値ごとの重み付け情報記憶部４５に格納された評価値ごとの重み付け情報とを用いて、候補パターンごとにスコアを算出する。なお、本実施形態のスコアの算出方法は、評価値と評価値ごとの重み付け情報とを掛け合わせたものを合計する方法で算出する。ただし、スコアとしては、この結果を例えば５段階に量子化するなどしたものを用いてもよい。スコア作成部２０で算出されたスコアは、スコア情報として情報記憶部４０のスコア情報記憶部４４にスコア順に格納される。
【００４１】
パターン選択部３０は、スコア作成部２０と情報記憶部４０とに接続されている。パターン選択部３０は、上述のスコア作成部２０によって算出されたスコアに基づいて、例えばパターン認識装置の認識辞書として用いられるパターン（以下、辞書パターンという）を候補パターン記憶部４１に格納された候補パターンから選択する。情報記憶部４０の評価用パターン記憶部４２とスコア情報記憶部４４を用いて、後述する候補パターン選択処理を行う。
【００４２】
以下、本実施形態のパターン選択装置において、図２に示した６つの候補パターンから、辞書パターンを選択する処理の一例について図４乃至図１３を参照して説明する。
【００４３】
図４は本実施形態のパターン選択装置の動作の一例を示すフローチャートである。図４に示すように本実施形態のパターン選択装置は、まず評価値算出部１０が候補パターン記憶部４１に含まれる候補パターンそれぞれの評価値を算出する評価値算出処理を行う。
【００４４】
具体的には、評価値算出部はまず貢献度算出処理を行う（ステップＳ１）。次に、評価値算出部１０は字形の整い具合算出処理を行う（ステップＳ２）。続いて、評価値算出部１０は距離スコア算出処理を行う（ステップＳ３）。ステップＳ１乃至ステップＳ３において算出された各評価値は、評価値算出部１０によって候補パターン毎に評価値記憶部４３に格納される。
【００４５】
スコア作成部２０は、算出された評価値と、評価値ごとの重み付け情報記憶部４５に格納された評価値ごとの重み付け情報とを用いて、スコア算出処理を行う（ステップＳ４）。パターン選択部３０は、ステップＳ４で算出されたスコアとパターン選択基準情報記憶部４６に格納されたパターン選択基準情報とを用いて、候補パターン記憶部４１から辞書パターンを選択する（ステップＳ５）。これにより、パターン選択装置は動作を終了する。
【００４６】
ここで、図５乃至図８を参照して、図４のステップＳ１乃至ステップＳ３における評価値算出処理について説明する。
【００４７】
図５は、図４のステップＳ１における貢献度算出処理の手順の一例を示すフローチャートである。
【００４８】
まず、評価値算出部１０は、評価用パターン記憶部４２に記憶された評価用パターンから特定の評価用パターンを標本として選択し、図２の候補パターンを用いてｋ近傍法（ｋ−ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒ ａｌｇｏｒｉｔｈｍ：ｋｎｎ法）によるパターン認識を行う（ステップＳ１１）。すなわち、全ての候補パターンを認識辞書として用いて選択した評価用パターンを認識する。なお、ｋｎｎ法は、パターン認識においてよく用いられる技術である。
【００４９】
評価値算出部１０は、候補パターンごとに出現回数と正解回数を算出する（ステップＳ１２）。出現回数は、対象の候補パターンが標本である評価用パターンの近傍に現れた回数であり、正解回数は対象の候補パターンが同じクラスの評価用パターンの近傍に現れた回数である。
【００５０】
評価用パターン記憶部４２に登録されたすべての評価用パターンについてパターン認識を行った場合（ステップＳ１３がＹｅｓ）、評価値算出部１０は、候補パターンごとの出現回数と正解回数それぞれの累積値を算出する（ステップＳ１４）。すなわち、対象の候補パターンについて、ステップＳ１２で算出した候補パターンごとの出現回数と正解回数とをそれぞれ合計する。
【００５１】
評価値算出部１０は、候補パターンごとの出現回数の累積値と正解回数の累積値を用いて、図６の式（イ）によって貢献度を算出し（ステップＳ１５）、貢献度算出処理を終了する。
【００５２】
なお、すべての評価用パターンをパターン認識してない場合、すなわち、評価用パターン記憶部４２に登録された評価用パターン情報にステップＳ１１を行っていない評価用パターンが存在する場合（ステップＳ１３がＮｏ）、評価値算出部１０はパターン認識を行っていない次の評価用パターンを標本とし（ステップＳ１６）、ステップＳ１１にもどりパターン認識を行う。ただし、評価値算出部１０で用いる評価用パターンは評価用パターン記憶部４２に記憶された評価用パターンから任意に選択した一部に限ってもよい。この場合、対象としない評価用パターンに対しては上記の処理を行わない。
【００５３】
式（イ）から明らかであるように、貢献度は、該当する候補パターンが評価用パターンの近傍として選択された場合に、評価用パターンと候補パターンとが同じクラスである比率である。言い換えれば、ある候補パターンの近傍にある評価用パターンのうち、該候補パターンと同じクラスであるパターンの比率である。すなわち、貢献度が高い候補パターンの近傍には該候補パターンと同じクラスが多く分布していると考えることができ、結果として入力されたパターンを候補パターンと同じクラスに識別することが妥当だと考えられる。
【００５４】
すなわち、貢献度が高い候補パターンは、入力されたパターンの正しいクラスを決定するのに貢献する。
【００５５】
なお、本実施例では評価値の算出基準として出現回数・正解回数の累積値を用いたが、入力されたパターンと近傍として選択された候補パターンとの距離が近いほどそれらが同じクラスである可能性が高いことを考慮し、例えば該候補パターンと入力されたパターンとの距離の逆数の合計などのように距離に基づいて貢献度を算出してもよい。なお、ここでいう距離とはＫｎｎ法に用いられる距離のことである。
【００５６】
この場合の計算は、例えば以下のように行う。ある候補パターンｘが評価用パターンｙｉの近傍として選択された場合、ｘとｙｉの距離Ｄｘ，ｙｉを、候補パターンｘと評価用パターンｙｉの同じ位置の画素それぞれに対して、画素値の差の二乗を求めて合計し、その平方根をとったものとする。
【００５７】
ここで、前記の距離の逆数を候補パターンｘが近傍に出現した全ての評価用パターンｙ１，ｙ２，ｙ３，・・・，ｙｎについて合計した値であるＤ１に対する、上記の評価用パターンのうちクラスがｘと同じである評価用パターンｙ１，ｙ２，ｙ３，・・・，ｙｍについてのみ合計した値であるＤ２の割合を貢献度としてもよい。
【００５８】
なお、Ｄｘ，ｙｉがあらかじめ定めた閾値Thよりも小さい場合、Ｄｘ，ｙｉの値をThとするようにしてもよい。また、評価用パターンとの距離が０の候補パターンが存在した場合、すなわち評価用パターンがある候補パターンと完全に一致する場合、該評価用パターンを上記の計算から除外して貢献度を求めてもよいし、貢献度を１００としてもよい。上記のような計算によれば、評価用パターンと候補パターンとの距離が近いほど貢献度の算出に大きく影響するようにできる。次に、図７を参照して、図４のステップＳ２における字形の整い具合算出処理について説明する。図７は、評価値算出部１０による字形の整い具合算出処理の手順の一例を示すフローチャートである。
【００５９】
まず、評価値算出部１０は、候補パターンの画像サイズと画素階調とを正規化する（ステップＳ２１）。これらの正規化はあらかじめ定められた基準にしたがって行われる。本実施例の場合、画素階調は文字のある画素が黒、ない画素が白の２階調に正規化される。
【００６０】
次に、正規化された候補パターンとテンプレートのパターンにおいて同じ位置の画素を比較し、両方に黒画素が出現している画素位置の数を算出する（ステップＳ２２）。
【００６１】
なお、本実施形態のテンプレートは、本実施形態の候補パターンの所属するクラスにおける標準的なパターンであり、あらかじめ候補パターン記憶部４１の候補パターン情報から作成される。例えば、候補パターン情報からクラスごと、またはフォントごとに傾きが０のパターンを選択する。選択した候補パターンの平均をとったものをテンプレートとする。選択されたパターンが複数ある場合、それらのうちの一つを選択してテンプレートとしてもよい。その場合、例えば全ての選択されたパターンの平均をとったパターンとの距離が最も近い選択されたパターンを選択するなどすればよい。すなわち、ユーザがパターン認識を行いたい対象として最も標準的であると定めた候補パターンをテンプレートに設定する。
【００６２】
なお、テンプレートは上述した作成方法のほかにも、図３に示した評価用パターン群の中からあらかじめ設定してもいいし、評価用パターン群とは別のパターンをあらかじめテンプレートとして登録しても良い。例えば、あらかじめ、クラスごと、またはフォントごとに傾きがない候補パターンを１つ用意し、テンプレートタグをつけ、テンプレートが必要な場合には、このテンプレートタグのついた候補パターンをテンプレートとしてもよい。
【００６３】
ここでは、図２に示した候補パターンのうち、クラスＡのテンプレートを候補パターン１とし、クラスＢのテンプレートを候補パターン４とする。
【００６４】
次に、評価値算出部１０は、正規化された候補パターンと上記テンプレートパターンのそれぞれの同じ位置の画素において、両方に黒画素が出現している画素位置の数を算出する（図７のステップＳ２２）。
【００６５】
次に、評価値算出部１０は、正規化された候補パターンと上記テンプレートパターンのそれぞれの同じ位置の画素において、少なくとも一方に黒画素が出現している画素位置の数を算出する（図７のステップＳ２３）。
【００６６】
評価値算出部１０は、図７のステップＳ２２で算出した、同じ画素位置に黒画素が出現している画素位置の数をＸとし、図７のステップＳ２３で算出した、どちらか一方にでも黒画素が出現している画素位置の数をＹとし、図６の式（ロ）によって字形の整い具合を求める（ステップＳ２４）。これにより、評価値算出部１０は字形の整い具合算出処理を終了する。
【００６７】
すなわち字形の整い具合とは、ユーザがパターン認識を行う対象として標準的であると定めたパターンにどれだけ類似しているかを示す評価値である。
【００６８】
続いて、図８を参照して、評価値算出部１０による距離スコア算出処理について説明する。図８は距離スコア算出処理の一例を示すフローチャートである。
【００６９】
まず、評価値算出部１０は候補パターンをの画像サイズと画素階調とを正規化する（ステップＳ３１）。これらの正規化はあらかじめ定められた基準にしたがって行われる。なお、ステップＳ３１の処理は、字形の整い具合算出処理におけるステップＳ２１の処理と同じである。このため、ステップＳ３１の処理を行わず、ステップＳ２１の正規化後のデータを使用しても良い。
【００７０】
評価値算出部１０は、正規化された候補パターンを用いて、クラス内の平均パターンを作成する（ステップＳ３２）。平均パターンとは、同一位置における同一クラス内の候補パターンの画素値の平均値を求めることで作成される。
【００７１】
次に、評価値算出部１０は候補パターンごとに、ステップＳ３２で作成した平均パターンとの距離を算出する（ステップＳ３３）。ここでの距離とは、候補パターンと平均パターンの同じ位置の画素それぞれに対して、画素値の差の二乗を求めて合計し、その合計値の平方根をとったものである。
【００７２】
評価値算出部１０は、算出した距離をｌｏｇで変換し（ステップＳ３４）、変換した値を正規化して０から１００の範囲にし（ステップＳ３５）、距離スコア算出処理を終了する。この正規化後の値を同クラス内での距離スコアとする。
【００７３】
平均パターンとは、与えられた候補パターン内における当該クラスの分布の中心である。言い換えると、当該クラスは平均パターンを中心に分布していると考えることができる。すなわち、距離スコアの小さい候補パターンは、平均パターンとの距離が近い、つまり当該クラスの分布の中心付近に位置する、言い換えれば候補パターンからはそのクラスらしいと考えられるパターンである。逆に、距離スコアが大きい候補パターンは、当該クラスの分布の中心から外れた場所に位置する、言い換えればそのクラスにおいて例外的であると考えられる候補パターンである。
【００７４】
距離スコア算出処理終了後、評価値算出部１０は、これらの各評価値を評価値テーブルとして評価値情報記憶部４３に登録する。図９に評価値テーブルの一例を示す。図９に示すように、評価値テーブルは、パターンＩＤ４３１、貢献度４３２、字形の整い具合４３３、および距離スコア４３４の項目を有し、候補パターンごとの評価値が格納される。パターンＩＤ４３１には、図２に示した候補パターンのＩＤが格納される。
【００７５】
なお、貢献度、字形の整い具合、距離スコアは順次算出しても良いし、同時に算出しても良い。また、貢献度、字形の整い具合、距離スコアのそれぞれの算出方法は、前述した方法のほかどのような方法を用いても良い。
【００７６】
図１０乃至図１２を参照して、図４のステップＳ４におけるスコア作成処理について説明する。図１０は、スコア作成部２０によるスコア作成処理の一例を示すフローチャートである。
【００７７】
スコア作成部２０は、評価値情報記憶部４３に格納された評価値と、評価値ごとの重み付け情報記憶部４５とを参照してスコアを算出する（ステップＳ４１）。なお、ここでは、各評価値と評価値ごとの重み付け情報とをかけ合わせた値の合計値を候補パターンのスコアとして扱う。
【００７８】
ここで、図１１を参照して評価値ごとの重み付け情報について説明する。評価値ごとの重み付け情報は、あらかじめユーザ、もしくは本実施形態のパターン選択装置作成者によって設定され、テーブルとして重み付け情報記憶部４５に格納されている。図１１に示すように、本実施形態の評価値ごとの重み付け情報は、貢献度、字形の整い具合、および距離スコアのそれぞれに対して０から１の間の値であって、合計値が「１」になるように設定されている。この評価値ごとの重み付け情報を設定することで、本実施形態のパターン選択装置はユーザの要望に沿った候補パターンの選択を可能とする。
【００７９】
パターン認識においては、辞書作成用パターンとして選択された候補パターンに類似したパターンの認識率が高くなるため、このスコアの算出の際の重み付けによってどのようなパターンを高い認識率で認識するのかが決定する。例えば、貢献度の重み付けを高くすると、周辺に他のクラスの候補パターンが少ない候補パターンが優先され、そのクラスである可能性の高い、言い換えれば他のクラスである可能性の低いパターンに対する認識率が高くなる。字形の整い具合を高くすると、ユーザが当該クラスにおいて標準的であると定めたパターンに似たパターンの割合が高くなるため、認識対象が活字のように字形のばらつきが少ない場合、効率的に認識率を向上させることが期待できる。距離スコアの重み付けを高くすると、クラス内における例外的な辞書パターンの割合が高くなるため、手書き文字のようにクラス内のばらつきが大きい場合や、画像にノイズが混入してる場合等に対する効率的に認識率を向上させることが期待できる。
【００８０】
図１０の説明に戻る。スコア作成部２０は、ステップＳ４１で求めたスコアを数値の高い順に登録してスコアテーブルを作成し（ステップＳ４２）、作成したスコアテーブルをスコア情報記憶部４４に登録する（ステップＳ４３）。
【００８１】
例えば、図２の候補パターン１のスコアを算出する場合を説明する。図２の候補パターン１は、図９に示すように、貢献度が７５、字形の整い具合が１００、距離スコアが８０である。図１１に示すように、貢献度の重み付け情報は、貢献度が０．５、字形の整い具合の重み付け情報が０．２５、距離スコアの重み付け情報が０．２５である。スコアはそれぞれをかけ合わせた合計であるため、この候補パターン４１１のスコアは「８２．５」となる。その他の候補パターンに関しても同様にスコアを求める。
【００８２】
図１２に、本実施形態に係るスコアテーブルの一例を示す。図１２に示すように、スコアテーブルはパターンＮｏ、パターンＩＤ、スコアの項目を有する。Ｎｏは、スコアの登録順序が登録される。パターンＩＤは登録された候補パターンのＩＤが登録される。スコアは、スコア作成部２０が算出したスコアがパターンＩＤに対応して登録される。
【００８３】
スコア作成部２０がスコアテーブルを作成すると、本実施形態のパターン選択部３０は、パターン選択基準４６を参照してスコアテーブルの上位から順番に辞書パターンを選択する。図１３にパターン選択基準の一例を示す。
【００８４】
図１３に示すように、パターン選択基準には、辞書パターンを選択する数が登録されている。本実施形態では「３」であるため、パターン選択部３０によって、図２のスコアテーブルのＮｏ１乃至Ｎｏ３の候補パターンが認識辞書を作成するのに用いる辞書パターンとして選択される。
【００８５】
本実施形態では、辞書は選択された辞書作成用パターンの集合である。なお、辞書の作成方法については、部分空間法等の異なる認識手法に合わせた辞書の作成用法を選択しても良い。
【００８６】
このように本実施形態によれば、候補パターンそれぞれに対して算出したスコアに基づいて候補パターンからパターンを選択することにより、効率的にパターンを選択することができる。さらに、パターンを選択する際の基準を明確にすることができる。
【００８７】
例えば、本実施形態によれば、重み付け情報によって指定されたバランスに適合したクラス境界付近のパターンと標準的なパターンとを選択することが可能である。したがって、クラス間境界付近パターンとクラス内の標準的なパターンとがバランスよく含まれ構成された認識辞書を作成することが可能である。また、本実施形態によると。パターン認識の認識精度を低減せずに、認識辞書に使用するパターンを減少することが可能である。
【００８８】
なお、評価用パターン、評価値ごとの重み付け情報、およびパターン選択基準はそれぞれ、ユーザが認識したい対象に合わせて変更が可能である。
【００８９】
（第２の実施形態）
以下、図１４乃至図１７を参照して、第２の実施形態のパターン選択装置について説明する。なお、第１の実施形態と同一の構成には同一の符号を付し、説明は省略する。
【００９０】
図１４は、第２の実施形態のパターン選択装置の全体構成を示すブロック図である。
【００９１】
図１４に示すように、本実施形態のパターン選択装置は、図１に示したパターン選択装置の構成に再選択判定部３１、認識辞書作成部３２、更新条件記憶部４７、更新情報記憶部４８、情報入力部５０、および情報更新部６０をさらに有する構成である。なお、本実施形態の再選択判定部３１および認識辞書作成部３２はパターン選択部３０が有する。
【００９２】
情報入力部５０は、ユーザが更新情報を入力するために用いる。情報入力部５０は、例えばキーボードやマウスである。
【００９３】
更新条件記憶部４７には後述するパターン選択条件の更新条件が格納される。この更新条件は後述するパターン更新処理において用いられる。
【００９４】
更新情報記憶部４８には後述する更新情報が格納される。更新情報は、更新対象となる情報の項目名と変更後の情報とを含む。なお、本実施形態では、更新情報および更新条件はパターン選択基準情報記憶部４６のパターン選択基準を更新するための情報である。また、パターン選択基準情報以外に、選択条件情報、評価値の数や種類、評価値ごとの重み付け情報、スコアの算出方法等を更新しても良い。
【００９５】
再選択判定部３１は、更新条件に基づいてパターン選択を再度行うかどうかを判定する。
【００９６】
認識辞書作成部３２はパターン選択部３０が選択したパターンに基づいてパターン認識装置によるパターン認識において用いられる認識辞書を作成する。
【００９７】
情報更新部６０は更新情報記憶部４８の更新情報に基づいてパターン選択基準を更新する。
【００９８】
以下、図１５を参照して、本実施形態のパターン選択装置を用いてパターン認識装置の認識辞書を作成する際のパターン選択基準更新処理手順について説明する。
【００９９】
図１５は、本実施形態のパターン選択装置に係る認識辞書を作成する場合のパターン選択条件更新手順の一例を示すフローチャートである。
【０１００】
まず、ユーザは情報入力部５０を用いて、パターン選択基準の更新情報と更新条件とを入力する（ステップＳ５１）。
【０１０１】
ここで、図１６および図１７に、パターン選択の更新条件４７１とパターン選択基準の更新情報４８１の一例を示す。図１６に示すように、パターン選択の更新条件４７１は、最大パターン数４７２と最低認識率４７３とを有する。最大パターン数４７２は、パターン選択部３０によって候補パターン群から選択されるパターンの最大数示す。最低認識率４７３は、パターン選択部３０によって選択されたパターンに基づいて作成された認識辞書を用いて、評価用パターン群を認識した場合に最低限必要とされる認識率を定めたものである。なお、認識率とは、例えばパターンを認識した回数に対する、パターン認識の正解数である。
【０１０２】
図１７に示すように、パターン選択基準の更新情報４８１は、パターン選択数変更単位４８２を有する。パターン選択数変更単位４８２はパターン選択部３０が再度パターンを選択する際のパターン数の増減値を定めたものである。
【０１０３】
入力されたパターン選択の更新条件４７１は、情報記憶部４０の選択条件情報記憶部４７に記憶され、更新情報４８１は、情報記憶部４０の更新情報記憶部４８に記憶される（ステップＳ５２）。
【０１０４】
続いて、本実施形態のパターン選択装置は、図４に示したパターン選択処理を行い、候補パターン群から辞書パターンを選択する（ステップＳ５３）。パターン選択部３０の認識辞書作成部３２はは、選択されたた辞書パターンを用いて認識辞書を作成する（ステップＳ５４）。
【０１０５】
パターン選択部３０が認識辞書を作成すると、再選択判定部３１は作成された認識辞書を用いて評価用パターン記憶部４２に格納された評価用パターンのパターン認識を行う。このパターン認識は、例えばｋｎｎ法を用いて行われる（ステップＳ５５）。なお、ステップＳ５５で用いる評価用パターンは、ステップＳ５３のパターン選択処理で用いられる評価用パターンでも良いし、あらかじめパターン選択条件更新処理用に登録されていても良い。また、再選択判定部３１がパターン認識を行うのではなく、外部のパターン認識装置を用いてパターン認識を行い、再選択判定部３１は認識結果を用いるようにしても良い。
【０１０６】
再選択判定部３１は、認識辞書作成部３２が作成した認識辞書によってパターン認識を行った場合の認識率を算出する（ステップＳ５６）。算出した認識率がステップＳ５１で入力されたパターン選択の更新条件４７１を満たす場合（ステップＳ５７がＹｅｓ）、再選択判定部３１は、パターン再選択を行わず、パターン選択基準更新処理を終了する。すなわち、算出された認識率が更新条件４７１の最低認識率４７３を超える場合に、パターン選択条件更新処理を終了する。
【０１０７】
算出した認識率がステップＳ５１で入力されたパターン選択の更新条件４７１を満たさない場合（ステップＳ５７がＮｏ）、再選択判定部３１はパターン選択基準を更新すると判定し、この判定結果に基づいて、パターン選択部３０は更新情報４８１を用いてパターン選択基準記憶部４６に格納されたパターン選択基準を更新する（ステップＳ５８）。具体的には、パターン選択基準の更新情報４８１のパターン選択数変更単位４８２に基づいて、パターン選択基準のパターン選択数を追加する。その後、本実施形態のパターン選択装置は、更新されたパターン選択基準を用いて、ステップＳ５３から処理を繰り返す。
【０１０８】
このように本実施形態によれば、パターン選択部３０がパターン選択基準に基づいて候補パターンから選択したパターンを、パターン選択基準の更新条件に基づいて判定し、判定結果に基づいて、追加するパターンを算出したスコアを参照して選択することを可能とする。すなわち、認識対象をパターン認識する際に、ユーザの求める認識率を満たす認識辞書を作成可能な最小数の辞書作成用パターンを候補パターンから選択することが可能である。
【０１０９】
以上、本発明のいくつかの実施形態を説明したが、これら実施形態は例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
【０１１０】
また、第１のおよび第２の実施形態では評価用パターンは候補パターン群から選択するとしたが、その場合に情報タグを用いて評価用パターンの絞りこみを行うことも可能である。例えば傾き±１０以上のものは削除しても良い。または、候補パターン群から選択する評価用パターンの数に上限を設定し、クラスごとにランダムにパターンを削除しても良い。これは、第２の実施形態のパターン選択装置において辞書パターンと評価用パターンに同一のパターンが含まれないようにするためである。なお、この場合にはクラスやフォントごとに、パターン数に偏りがないように選択するようにしても良い。
【０１１１】
また、第１および第２の実施形態は文字認識装置に用いるパターンを例に挙げて説明したが、文字以外にも、顔や指紋などの画像や音声などのパターンにも用いることが可能である。
【０１１２】
第１および第２の実施形態ではパターン認識に用いる認識辞書の作成を例としてあげたが、例えばパターン認識装置のテストに用いるテストパターンのスコアを算出することで、どのテストパターンを重要視するかを判断するようなことを行ってもよい。
【０１１３】
この例の場合、例えば認識されなかったテストパターンが存在した場合、そのテストパターンのスコアを算出する。
【０１１４】
例えばスコアの算出において距離スコアの重み付けを大きくしている場合、スコアが大きいということは非常に例外的なパターンであるということであり、そのようなパターンを正しく認識できるようにした場合、いままで正常に認識できていたテストパターンが誤認識されるなどの弊害が起きることがある。このため、スコアがあらかじめ設定された閾値を超えた場合、そのテストパターンをテストパターン集合から削除する。これにより、極端に例外的なパターンが存在するために認識率が実際以上に低く評価されることを避けることができる。
【０１１５】
また、認識されなかったテストパターンに限定する必要はなく、全てのテストパターンに対してスコアを求めて、スコアに従ってどのテストパターンを重要視するかを決定することもできる。この場合、例えば認識率を図る際に認識したパターン数、正解したパターン数を用いるところを、それぞれ認識したパターンのスコアの合計、正解したパターンのスコアの合計を用いるなどとしてもよい。
【０１１６】
なお、テストパターンのスコアを算出する際には、候補パターンとは異なり貢献度が算出できない。そのため、代わりにテストパターンの近傍１０パターン中の、テストパターンと同じクラスに所属する候補パターンの割合を算出する等の、別の評価値の算出方法を用いることで代用が可能である。あるいは、貢献度として規定の値、例えば０を用いることとしてもよい。
【符号の説明】
【０１１７】
１…パターン選択装置、１０…評価値算出部、２０…スコア作成部、３０…パターン選択部、４０…情報記憶部、４１…候補パターン情報、４２…評価用パターン情報、４３…評価値情報記憶部４４…スコア情報記憶部４５…重み付け情報、４６…パターン選択基準情報
【特許請求の範囲】
【請求項１】
第１のパターン群と前記第１のパターンの評価に用いられる第２のパターン群とを格納した記憶部と、
前記第２のパターンを参照して、前記第１のパターンの複数の評価値として、前記第１のパターンが前記第２のパターンをパターン認識する際の貢献度である第１の評価値、前記第１のパターンが、前記第１のパターンが所属するクラスにおける標準的なパターンであるかを評価する第２の評価値、および前記第１のパターンが前記クラス間境界付近のパターンであるかを評価する第３の評価値を算出する評価値算出部と、
算出された前記評価値と前記評価値ごとの重み付け情報とを用いて、前記第１のパターンごとのスコアを算出するスコア算出部と、
算出された前記スコアに基づいて前記第１のパターンからパターンを選択するパターン選択部と、
を備えるパターン選択装置。
【請求項２】
前記第２のパターン群は、前記第１のパターン群の中から、パターン認識の対象に基づいて選択されたパターンである請求項１に記載のパターン選択装置。
【請求項３】
前記パターン選択部は、前記スコア算出部が算出したスコアの高い順から規定数の前記第１のパターンを選択する請求項１乃至請求項２に記載のパターン選択装置。
【請求項４】
前記パターン選択部で選択されたパターンからパターン認識辞書を作成する認識辞書作成部をさらに備える請求項１乃至請求項３に記載のパターン選択装置。
【請求項５】
第１のパターン群と前記第１のパターンの評価に用いられる第２のパターン群とを格納した記憶部を備えるパターン選択装置において、
前記第２のパターンを参照して、前記第１のパターンの複数の評価値として、前記第１のパターンが前記第２のパターンをパターン認識する際の貢献度である第１の評価値と、前記第１のパターンが、前記第１のパターンが所属するクラスにおける標準的なパターンであるかを評価する第２の評価値、および前記第１のパターンが前記クラス境界付近のパターンであるかを評価する第３の評価値を算出するステップと、
算出された前記評価値と前記評価値ごとの重み付け情報とを用いて、前記第１のパターンごとのスコアを算出するステップと、
算出された前記スコアに基づいて前記第１のパターンからパターンを選択するステップと、
を備えるパターン選択方法。
【請求項６】
第１のパターン群と前記第１のパターンの評価に用いられる第２のパターン群とを格納した記憶部を備えるパターン選択装置におけるプログラムであって、
コンピュータに、
前記第２のパターンを参照して前記第１のパターンの複数の評価値して、前記第１のパターンが前記第２のパターンをパターン認識する際の貢献度である第１の評価値と、前記第１のパターンが、前記第１のパターンが所属するクラスにおける標準的なパターンであるかを評価する第２の評価値、および前記第１のパターンが前記クラス間境界付近のパターンであるかを評価する第３の評価値を算出する機能と、
算出された前記評価値と前記評価値ごとの重み付け情報とを用いて、前記第１のパターンごとのスコアを算出する機能と、
算出された前記スコアに基づいて前記第１のパターンからパターンを選択する機能と、
を実現させるプログラム。
【請求項１】
第１のパターン群と前記第１のパターンの評価に用いられる第２のパターン群とを格納した記憶部と、
前記第２のパターンを参照して、前記第１のパターンの複数の評価値として、前記第１のパターンが前記第２のパターンをパターン認識する際の貢献度である第１の評価値、前記第１のパターンが、前記第１のパターンが所属するクラスにおける標準的なパターンであるかを評価する第２の評価値、および前記第１のパターンが前記クラス間境界付近のパターンであるかを評価する第３の評価値を算出する評価値算出部と、
算出された前記評価値と前記評価値ごとの重み付け情報とを用いて、前記第１のパターンごとのスコアを算出するスコア算出部と、
算出された前記スコアに基づいて前記第１のパターンからパターンを選択するパターン選択部と、
を備えるパターン選択装置。
【請求項２】
前記第２のパターン群は、前記第１のパターン群の中から、パターン認識の対象に基づいて選択されたパターンである請求項１に記載のパターン選択装置。
【請求項３】
前記パターン選択部は、前記スコア算出部が算出したスコアの高い順から規定数の前記第１のパターンを選択する請求項１乃至請求項２に記載のパターン選択装置。
【請求項４】
前記パターン選択部で選択されたパターンからパターン認識辞書を作成する認識辞書作成部をさらに備える請求項１乃至請求項３に記載のパターン選択装置。
【請求項５】
第１のパターン群と前記第１のパターンの評価に用いられる第２のパターン群とを格納した記憶部を備えるパターン選択装置において、
前記第２のパターンを参照して、前記第１のパターンの複数の評価値として、前記第１のパターンが前記第２のパターンをパターン認識する際の貢献度である第１の評価値と、前記第１のパターンが、前記第１のパターンが所属するクラスにおける標準的なパターンであるかを評価する第２の評価値、および前記第１のパターンが前記クラス境界付近のパターンであるかを評価する第３の評価値を算出するステップと、
算出された前記評価値と前記評価値ごとの重み付け情報とを用いて、前記第１のパターンごとのスコアを算出するステップと、
算出された前記スコアに基づいて前記第１のパターンからパターンを選択するステップと、
を備えるパターン選択方法。
【請求項６】
第１のパターン群と前記第１のパターンの評価に用いられる第２のパターン群とを格納した記憶部を備えるパターン選択装置におけるプログラムであって、
コンピュータに、
前記第２のパターンを参照して前記第１のパターンの複数の評価値して、前記第１のパターンが前記第２のパターンをパターン認識する際の貢献度である第１の評価値と、前記第１のパターンが、前記第１のパターンが所属するクラスにおける標準的なパターンであるかを評価する第２の評価値、および前記第１のパターンが前記クラス間境界付近のパターンであるかを評価する第３の評価値を算出する機能と、
算出された前記評価値と前記評価値ごとの重み付け情報とを用いて、前記第１のパターンごとのスコアを算出する機能と、
算出された前記スコアに基づいて前記第１のパターンからパターンを選択する機能と、
を実現させるプログラム。
【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】
【図１５】
【図１６】
【図１７】
【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】
【図１５】
【図１６】
【図１７】
【公開番号】特開２０１２−２２１４７６（Ｐ２０１２−２２１４７６Ａ）
【公開日】平成２４年１１月１２日（２０１２．１１．１２）
【国際特許分類】
【出願番号】特願２０１１−９０２３０（Ｐ２０１１−９０２３０）
【出願日】平成２３年４月１４日（２０１１．４．１４）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【出願人】（３０１０６３４９６）東芝ソリューション株式会社 (1,478)
【Ｆターム（参考）】
【公開日】平成２４年１１月１２日（２０１２．１１．１２）
【国際特許分類】
【出願日】平成２３年４月１４日（２０１１．４．１４）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【出願人】（３０１０６３４９６）東芝ソリューション株式会社 (1,478)
【Ｆターム（参考）】
[ Back to top ]