情報抽出装置
【課題】文書画像データのフォームを問わず、自動的、かつ、正確に文書画像データのフォームを特定し、必要な情報を文書画像データから抽出する。
【解決手段】情報抽出装置は、装置本体の内部や外部に設けられ、文書画像データのフォームを特定するためのフォーム特定用データと、フォームごとに予め定められた文書画像データのうち情報を抽出する領域を示す抽出エリアデータと、を記憶する記憶部と、記フォーム特定用データを参照して、フォームを特定する特定処理を行うとともに、抽出エリアデータに基づいて文書画像データから情報を抽出する抽出処理を行い、抽出された情報である抽出情報を記憶部に記憶させる処理部を含む。
【解決手段】情報抽出装置は、装置本体の内部や外部に設けられ、文書画像データのフォームを特定するためのフォーム特定用データと、フォームごとに予め定められた文書画像データのうち情報を抽出する領域を示す抽出エリアデータと、を記憶する記憶部と、記フォーム特定用データを参照して、フォームを特定する特定処理を行うとともに、抽出エリアデータに基づいて文書画像データから情報を抽出する抽出処理を行い、抽出された情報である抽出情報を記憶部に記憶させる処理部を含む。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、文書の画像データから情報を抽出して記憶する情報抽出装置に関する。
【背景技術】
【０００２】
従来、紙への情報の印刷が行われている。そして、重要性、機密性や、法律の定めや、後日の参照の必要性等の各種事情により、印刷物は長期間に渡り保存されることもある。しかし、保存すべき印刷物が多いほど、多くの印刷物の収納スペースが必要になる。又、必要な印刷物、情報を取り出すのに時間を要してしまう場合もある。そこで、近年では、省スペース化や情報利用の容易化等の観点から、印刷物に含まれる情報をデータとして保存することが行われている（文書の電子化）。例えば、紙文書をスキャンし、スキャンで得られた画像データが大容量記憶装置（例えば、ＨＤＤ）に保存される。このような印刷された文書をデータ化して記憶する画像処理装置の一例が特許文献１に記載されている。
【０００３】
具体的に、特許文献１には、印刷ドキュメントを電子化し、印刷ドキュメントのスキャンデータから、ドキュメントが含む情報を検出する検出手段、情報に基づいて印刷ドキュメントを電子化したときのフォーマットを決定するフォーマット決定手段、スキャンデータを決定されたフォーマットのデータに変換するフォーマット変換手段、情報に基づいて印刷ドキュメントの電子化したときのファイル名及びページ数を決定するファイル名及びページ数決定手段、並びに、決定されたファイル名及びページ数に基づいて、結合するドキュメントを決定するドキュメント結合手段を備える画像処理装置が記載されている。この構成により、印刷物等に残された情報が不完全な場合でも再利用性の高い電子文書化を行おうとする（特許文献１：請求項１、段落［０００６］等参照）。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２００９−２７１６５８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
まず、文書の電子化では、特許文献１記載のように、画像データ化した文書全体を記憶することがある。そして、電子化の一形態として、文書に含まれる情報の一部を抽出し、抽出したデータを記憶、蓄積することがある。例えば、画像データ化された文書から文字列や数字列といった記号列を抽出し、情報のデータ化が行われる。そして、例えば、文書から抽出した情報（データ）は、データベース等に利用され、各種管理や経営判断に役立てられる。
【０００６】
文書の画像データからの情報抽出では、まず、スキャナーによる文書のスキャンによって、文書の画像データ（以下、「文書画像データ」と称する）が生成される。次に、ＯＣＲ技術（ＯＣＲ＝Optical Character Recognition、光学文字認識技術）を利用して、文書画像データに含まれる文字や数字等を含む記号列が認識、抽出される。そして、例えば、抽出された記号列は、テキストデータ形式で記憶される。これにより、文書に記された文字や数字等の記号を１つずつ、キーボード等で入力してデータ化を図るよりも、簡易に文書に含まれる情報の一部を抽出することができる。
【０００７】
このような情報抽出の対象とされる文書は、様々である。例えば、納品書や請求書をスキャンし、購入した商品の名前、商品番号、価格、発注番号等の情報を抽出し、管理等に役立てることがある。又、購入した機器の保証書をスキャンし、保証書に含まれる情報から購入した機器のシリアル番号、形式番号、価格、個数、償却期間等の情報を抽出し、機器の管理に役立てることもある。又、購入したソフトウェアのライセンスに関する文書をスキャンし、数量、ソフトウェア名、契約期間、ソフトウェア番号等の情報を抽出し、ソフトウェアライセンスの管理に役立てることもある。
【０００８】
ここで、スキャンにより得られた文書画像データから所望する情報を抽出するには、抽出したい情報が記された領域を指定する必要がある。そのため、例えば、文書画像データを表示部に表示し、各種入力デバイス（例えば、タッチパネルやコンピューターのマウスやキーボード等）により領域を指定する作業を行わせることもある。
【０００９】
文書画像データをスキャンするたびに領域を指定することは煩わしいので、文書画像データのうち、情報を抽出する領域の位置をプログラムしておき、自動的に文書画像データから情報の抽出を行うことも考えられる。しかし、文書のフォーム（形式、種類）ごとに、情報を抽出する領域の位置は異なる。そのため、文書をスキャンすれば自動的に情報の抽出を行えるようにすることが難しく、文書のフォームを問わず、簡易に文書画像データから必要な情報を抽出し難いという問題がある。
【００１０】
ここで、特許文献１記載の発明は、印刷された文書をデータ化するものではある。しかし、文書画像データに含まれる情報の一部を抽出し、保存するものではない。従って、簡易に文書画像データから必要な情報を抽出し難いという問題に対応できない。
【００１１】
本発明は、上記従来技術の問題点に鑑み、文書画像データのフォームを問わず、自動的、かつ、正確に文書画像データのフォームを特定し、必要な情報を文書画像データから抽出し、有用なデータを記憶できるようにすることを課題とする。
【課題を解決するための手段】
【００１２】
上記課題解決のため、請求項１に係る情報抽出装置は、装置本体の内部や外部に設けられ、文書を読み取ることにより得られた画像データである文書画像データのフォームを特定するためのフォーム特定用データと、前記フォーム特定用データと関連付けられ、前記フォームごとに予め定められた文書画像データのうち情報を抽出する領域を示す抽出エリアデータと、を記憶する記憶部と、前記フォーム特定用データを参照して、前記文書画像データの前記フォームを特定する特定処理を行うとともに、特定された前記フォームの前記抽出エリアデータに基づいて前記文書画像データから情報を抽出する抽出処理を行い、抽出された情報である抽出情報を前記記憶部に記憶させる処理部と、を含むこととした。
【００１３】
この構成によれば、処理部は、文書画像データのフォームを特定する特定処理を行うとともに、特定されたフォームの抽出エリアデータに基づいて文書画像データから情報を抽出する抽出処理を行い、抽出された情報である抽出情報を記憶部に記憶させる。これにより、文書画像データのフォームの選択や、必要な情報が記された領域の指定などの使用者による作業無しに、文書画像データのフォームが特定される。そして、自動的に文書画像データから必要な情報が抽出される。従って、文書画像データから管理上必要な情報を簡易、正確に抽出することができ、文書から有用な情報を任意に抽出して蓄積することができる。
【００１４】
又、請求項２に係る発明は、請求項１の発明において、表示を行う表示部と、使用者の操作、入力を受け付ける入力部と、を含み、前記処理部は、前記文書画像データの前記フォームを特定できないとき、前記フォームの候補を前記表示部に表示させ、候補のうち前記入力部で選択された前記フォームを前記文書画像データの前記フォームと特定することとした。
【００１５】
文書の一部が折れていたり、汚れていたり、読み取り時の文書の傾きなどにより、文書画像データのフォームを特定できないことがある。そこで、この構成によれば、処理部は、文書画像データのフォームを特定できないとき、フォームの候補を表示部に表示させ、候補のうち入力部で選択されたフォームを文書画像データのフォームと特定する。これにより、処理部の処理によりフォームを自動的に特定できなくても、フォームの候補が表示され、表示されたフォームの中から選択するという行為だけでフォームを特定することができる。
【００１６】
又、請求項３に係る発明は、請求項２の発明において、前記処理部は、前記文書画像データの前記フォームを特定できないとき、前記文書画像データに含まれる情報を認識し、認識した情報と前記抽出情報を比較し、認識した情報と一致する前記抽出情報が抽出された前記フォーム、認識した情報に含まれる記号列の桁数が同じ前記抽出情報が抽出された前記フォーム、認識した情報に含まれる記号列に近似する前記抽出情報が抽出された前記フォームの何れか１つ、又は、複数の前記フォームを候補として前記表示部に表示させることとした。
【００１７】
この構成によれば、処理部は、文書画像データのフォームを特定できないとき、文書画像データに含まれる情報を認識し、認識した情報と抽出情報を比較し、認識した情報と一致する抽出情報が抽出されたフォーム、認識した情報に含まれる記号列の桁数が同じ抽出情報が抽出されたフォーム、認識した情報に含まれる記号列に近似する抽出情報が抽出されたフォームの何れか１つ、又は、複数のフォームを候補として表示部に表示させる。これにより、記憶部に蓄積された抽出情報を利用し、適合率の高いフォームを候補として表示させることができる。従って、候補として適切なフォームを表示することができる。
【００１８】
又、請求項４に係る発明は、請求項１乃至３の発明において、前記フォーム特定用データ及び前記抽出エリアデータを受信する通信部を備えることとした。
【００１９】
この構成によれば、フォーム特定用データ及び抽出エリアデータを受信する通信部を備える。これにより、情報抽出装置は、外部でプログラミングされた（生成された）フォーム特定用データ及び抽出エリアデータを取り込むことができる。又、使用者は、パーソナルコンピューターなどを用いて、フォーム特定用データ及び抽出エリアデータの設定（プログラミング）を行い、情報抽出装置に向けて送信することで、文書（文書画像データ）のフォームに関するデータを情報抽出装置に記憶させることができる。
【００２０】
又、請求項５に係る発明は、請求項２乃至４の発明において、前記表示部は、前記文書画像データの内容を表示し、前記入力部は、表示された前記文書画像データのうち前記フォーム特定用データとして用いる範囲を定める入力と、表示された前記文書画像データのうち前記抽出エリアを定める入力を受け付け、前記処理部は、前記入力部で定められた前記フォーム特定用データと、前記フォーム特定用データに関連付けて前記入力部で定められた前記抽出エリアを示す前記抽出エリアデータを前記記憶部に記憶させることとした。
【００２１】
この構成によれば、処理部は、入力部で定められたフォーム特定用データと、フォーム特定用データに関連付けて入力部で定められた抽出エリアを示す抽出エリアデータを記憶部に記憶させる。これにより、使用者は、情報抽出装置に設けられた表示部や入力部を用いて、フォームにおけるフォーム特定用データや抽出エリアデータの設定（プログラミング）を行うことができる。
【００２２】
又、請求項６に係る発明は、請求項１乃至５の発明において、前記処理部は、同じ種類の文書を複数読み取ることで得られた複数枚分の前記文書画像データの束に基づき、各前記文書画像データでの共通部分と非共通部分を認識し、前記共通部分を示すデータを前記フォーム特定用データとして前記記憶部に記憶させ、前記非共通部分を示すデータを前記抽出エリアデータとして前記記憶部に記憶させることとした。
【００２３】
この構成によれば、処理部は、同じ種類の文書を複数読み取ることで得られた複数枚数分の文書画像データの束に基づき、各文書画像データでの共通部分と非共通部分を認識し、共通部分を示すデータをフォーム特定用データとして記憶部に記憶させ、フォーム特定用データに関連づけて、非共通部分を示すデータを抽出エリアデータとして記憶部に記憶させる。これにより、複数枚の同じフォームの文書画像データに対して処理を行うだけで、フォームにおけるフォーム特定用データや抽出エリアデータを自動的に設定（プログラミング）することができる。
【００２４】
又、請求項７に係る発明は、請求項６の発明において、前記表示部は、前記共通部分と前記非共通部分とを区別して、前記共通部分と前記非共通部分を表示し、前記入力部は、表示された前記共通部分のうち、いずれの前記共通部分を前記フォーム特定用データとするかを定める入力を受け付け、又、表示された前記非共通部分のうち、いずれの前記非共通部分を前記抽出エリアとするかを定める入力を受け付け、前記処理部は、前記入力部で前記フォーム特定用データにすると定められた前記共通部分を示すデータを前記フォーム特定用データとして前記記憶部に記憶させ、前記入力部で前記抽出エリアにすると定められた前記非共通部分を示すデータを前記抽出エリアデータとして前記記憶部に記憶させることとした。
【００２５】
この構成によれば、表示部は、共通部分と非共通部分を区別して表示し、入力部は、表示された共通部分のうち、いずれの共通部分をフォーム特定用データとするかを定める入力を受け付け、又、表示された非共通部分のうち、いずれの非共通部分を抽出エリアとするかを定める入力を受け付ける。これにより、使用者は、フォーム特定データとすべき部分や、抽出エリアとすべき部分を選択するだけで定めることができる。従って、使用者が所望するフォーム特定データや抽出エリアデータを簡易に作りだす（プログラミング）することができる。
【００２６】
又、請求項８に係る発明は、請求項１乃至７の発明において、前記記憶部は、前記フォーム特定用データを記号列として記憶し、前記処理部は、前記文書画像データに含まれる記号列を認識し、前記文書画像データの前記フォームの特定処理を行うとともに、特定された前記フォームの前記抽出エリアデータに基づいて前記文書画像データから記号列を情報として抽出する抽出処理を行い、抽出された記号列を抽出情報として前記記憶部に記憶させることとした。
【００２７】
この構成によれば、処理部は、文書画像データに含まれる記号列を認識し、文書画像データのフォームの特定処理を行うとともに、特定されたフォームの抽出エリアデータに基づいて文書画像データから記号列を情報として抽出する抽出処理を行い、抽出された記号列を抽出情報として記憶部に記憶させる。これにより、処理部は、文書画像データに対してＯＣＲ処理技術により、各記号を認識してフォームを特定し、抽出エリアデータに含まれる記号列を認識する。従って、文書画像データから情報を記号列のテキストデータとして抽出することができる。
【００２８】
ここで、本件における「記号」とは、文字（例えば、ひら仮名、カタカナ、漢字、アルファベット等）、数字、算術記号、カンマなど、情報を伝達するために文書で使われる記号をいう。そして、記号列は、文字や数字等の複数の組み合わせである。そして、記号列は、抽出すべき情報として扱われる。例えば、記号列は、名前や、各種番号（例えば、形式番号、製造番号、ライセンス番号等）や、金額などを示す情報である。
【００２９】
又、請求項９に係る発明は、請求項１乃至８の発明において、前記記憶部は、前記フォーム特定用データを画像データとして記憶し、前記処理部は、前記文書画像データと前記前記フォーム特定用データのマッチングを行って、前記文書画像データの前記フォームの特定処理を行うこととした。
【００３０】
この構成によれば、処理部は、文書画像データとフォーム特定用データのマッチングを行って、文書画像データのフォームの特定処理を行う。これにより、文書画像データ内のデータとのマッチングにより、文書画像データのフォームを特定することができる。
【００３１】
又、請求項１０に係る発明は、請求項１乃至９の発明において、文書を読み取って前記文書画像データを生成する画像読取部を備えることとした。
【００３２】
この構成によれば、情報抽出装置は、文書を読み取って文書画像データを生成する画像読取部を備える。これにより、情報抽出装置で直接的に文書を読み取って文書画像データを得ることができる。
【発明の効果】
【００３３】
上述したように、本発明によれば、文書画像データのフォームを問わず、自動的、かつ、正確に文書画像データのフォームを特定し、必要な情報を文書画像データから抽出し、有用なデータを得ることができる。このとき、データ（情報）抽出を行うごとに、文書画像データのフォームの選択や、必要な情報が記された領域の指定などの使用者による作業の必要無い。
【図面の簡単な説明】
【００３４】
【図１】情報抽出装置の一例の概要を示す説明図である。
【図２】複合機の一例を示す模型的正面断面図である。
【図３】情報抽出装置の構成の一例を示すブロック図である。
【図４】文書画像データのフォームの登録手法の一例を説明するための概念図である。
【図５】文書画像データのフォームの登録入力の一例を説明するための説明図である。
【図６】文書画像データのフォームの登録手法の一例を説明するための概念図である。
【図７】文書画像データのフォームの登録入力の一例を説明するための説明図である。
【図８】フォームデータの態様の一例を示す説明図である。
【図９】情報抽出装置での情報抽出処理の流れの一例を示すフローチャートである。
【図１０】抽出情報を用いたデータベースでの利用画面の一例を示す説明図である。
【図１１】フォームを特定できないときの処理の流れの一例を示すフローチャートである。
【図１２】フォーム選択画面の一例を示す説明図である。
【発明を実施するための形態】
【００３５】
以下、図１〜図１２を用いて本発明の実施形態を説明する。以下の説明では、画像形成装置の一種である複合機１を情報抽出装置１００として用いる一例を説明する。但し、本実施の形態に記載されている構成、配置等の各要素は、発明の範囲を限定するものではなく単なる説明例にすぎない。
【００３６】
（情報抽出装置１００の概要）
まず、図１を用いて、実施形態に係る情報抽出装置１００の一例を説明する。図１は情報抽出装置１００の一例の概要を示す説明図である。尚、図１では、データの流れを白抜矢印で示している。
【００３７】
本実施形態の説明では、文書画像データに対してフォームの特定や情報を抽出する処理を複合機１が行う例を説明する。
【００３８】
まず、情報抽出装置１００としての複合機１は、自己に備わる画像読取部１１を用いて紙に印刷された文書をスキャンする。これにより、複合機１は、文書の画像データを生成、取得する。
【００３９】
又、複合機１には、ネットワーク等によりコンピューター２（例えば、パーソナルコンピューター）を通信可能に接続することができる。そして、コンピューター２には、スキャナー３を接続することができる。複合機１は、スキャナー３の文書の読み取りで得られた文書画像データをコンピューター２から受信することもできる。このように、本実施形態の複合機１は、画像読取部１１だけでなく、コンピューター２から受信することにより、文書画像データを取得できる。言い換えると、コンピューター２を、複合機１に文書画像データを入力する部分として機能させることができる。
【００４０】
そして、複合機１内部に設けられる記憶部１７は、文書画像データのフォームを特定するためのフォーム特定用データや、各フォームの文書画像データ中、情報を抽出する領域を示す抽出エリアデータをフォームごとに記憶する。複合機１は、フォーム特定用データを用いて、文書画像データのフォームを特定する。又、複合機１は、特定したフォームから、例えば、テキストデータ形式で文書画像データ中の予め定められた抽出エリアの情報を抽出する。
【００４１】
複合機１は、文書画像データから抽出した情報を複合機１内部に設けられる記憶部１７に記憶できる。又、複合機１には、ネットワーク等を介して、データサーバー４を通信可能に接続することもできる。そこで、複合機１が抽出した抽出情報を、データサーバー４に記憶、蓄積させることができる。このように、複合機１は、データサーバー４を複合機１（情報抽出装置１００）の記憶部の一種として用いることができる。以下の説明では、抽出情報をデータサーバー４に蓄積する例を説明する。
【００４２】
このように、本実施形態の情報抽出装置１００は、複合機１自体、あるいは、複合機１とデータサーバー４やコンピューター２の何れか１つ又は複数を組み合わせて構成することができる（情報抽出システムであるともいえる）。
【００４３】
（複合機１の概略）
次に、図２に基づき、実施形態に係る複合機１の概略を説明する。図２は、複合機１の一例を示す模型的正面断面図である。
【００４４】
図２に示すように、本実施形態の複合機１は、正面上方に、画像読取部１１、操作パネル１２（破線で図示）、給紙部１３、搬送路１４、画像形成部１５、定着部１６等が設けられる。又、複合機１は、最上部に原稿搬送装置１９を有する。
【００４５】
そして、図２に破線で示すように、操作パネル１２は、複合機１の正面上方に設けられる。そして、操作パネル１２は、複合機１の状態や各種メッセージを表示する液晶表示部１２１（表示部に相当）を備える。又、液晶表示部１２１は、機能の選択、設定や文字入力等を行うためのキーを１又は複数表示できる。そして、液晶表示部１２１の上面にタッチパネル部１２２（例えば、抵抗膜方式、入力部に相当）が設けられる。タッチパネル部１２２は、液晶表示部１２１で押された部分の位置、座標を抽出するためのものである。タッチパネル部１２２の出力に基づき、押されたキーを認識することができる。又、操作パネル１２には、コピー等の各種機能の実行開始を指示するためのスタートキー１２３等、各種のハードキーも設けられる。これら液晶表示部１２１に表示されるソフトキーや、操作パネル１２に設けられるハードキーを用いて、操作パネル１２に対する使用者の入力が受け付けられる。
【００４６】
原稿搬送装置１９は、正面側の端部を自由端として上下方向に開閉可能である。原稿搬送装置１９は、載置読取用コンタクトガラス１１１に載置された原稿を押さえる。又、原稿搬送装置１９上部に載置された原稿束から、原稿を１枚ずつ送り読取用コンタクトガラス１１２（読み取り位置）に向けて連続的、自動的に搬送する。
【００４７】
画像読取部１１は、文書（原稿）を読み取り、原稿の画像データを形成する。又、画像読取部１１内には露光ランプ、ミラー、レンズ、イメージセンサ（例えば、ＣＣＤ）等の光学系部材（不図示）が設けられる。露光ランプは、画像読取部１１は、載置読取用コンタクトガラス１１１に載置される原稿や、送り読取用コンタクトガラス１１２を通過する原稿に光を照射する。又、これらの光学系部材を用い、原稿の反射光を導き、反射光を受けたイメージセンサの各画素の出力値をＡ／Ｄ変換し、画像データを生成する。このように、本実施形態の複合機１では、文書画像データを生成することができる。
【００４８】
給紙部１３は、複数の用紙（例えば、コピー用紙、普通紙、再生紙、厚紙、ＯＨＰシート等の各種シート）を収容し、１枚ずつ搬送路１４に送り込む。搬送路１４は、給紙部１３から排出トレイ１４１まで用紙を搬送する通路である。そして、搬送路１４には、用紙搬送の際に回転駆動する搬送ローラー対１４２や、搬送されてくる用紙を画像形成部１５の手前で待機させ、トナー像形成のタイミングを合わせて用紙を送り出すレジストローラー対１４３等が設けられる。
【００４９】
画像形成部１５は、画像データに基づきトナー像を形成し、搬送される用紙にトナー像を転写する。画像形成部１５は、トナー像形成のため、感光体ドラム１５１と、その周囲に配設された帯電装置１５２、レーザ走査ユニット１５３、現像装置１５４、転写ローラー１５５、清掃装置１５６等を備える。
【００５０】
定着部１６は、用紙に転写されたトナー像を定着させる。本実施形態における定着部１６は主として発熱体を内蔵する加熱ローラー１６１と加圧ローラー１６２で構成される。加熱ローラー１６１と加圧ローラー１６２は圧接しニップを形成する。そして、用紙が、このニップを通過することで、用紙表面のトナーが溶融・加熱され、トナー像が用紙に定着する。トナー定着後の用紙は、排出トレイ１４１が受け止める。このようにして、コピー機能、プリンタ機能の使用時、画像形成（印刷）が行われる。
【００５１】
（情報抽出装置１００のハードウェア構成）
次に、図３に基づき、実施形態に係る情報抽出装置１００のハードウェア構成の一例を説明する。図３は、情報抽出装置１００の構成の一例を示すブロック図である。
【００５２】
まず、複合機１から説明する。複合機１内に、主制御部１０（処理部に相当）が設けられる。主制御部１０は複合機１の動作制御を司る。主制御部１０は、ＣＰＵ１０ａ、画像処理部１０ｂ等を含む。尚、全体制御や画像処理を行うメイン制御部や、画像形成や各種回転体を回転させるモータ等のＯＮ／ＯＦＦ等を制御するエンジン制御部等、機能ごとに主制御部１０を分割し、制御を行う部分が複数種設けられてもよい。
【００５３】
ＣＰＵ１０ａは、中央演算処理装置であって、記憶部１７に格納され、展開されるプログラムやデータに基づき複合機１の各部を制御する。画像処理部１０ｂは、例えば、濃度変換や拡大、縮小等、印刷を行う画像データへの画像処理や、画像読取部１１で読み取られた画像データの形式変換などの処理を行える。
【００５４】
又、ＣＰＵ１０ａや画像処理部１０ｂは、文書画像データのフォームの特定の処理や、文書画像データに含まれるパターンの認識や、ＯＣＲ処理を行って文書画像データに含まれる文字や数字等からなる記号列を認識する処理を行える。従って、複合機１の主制御部１０は、文書画像データのフォームの特定処理や、文書画像データから情報を抽出する処理や、文書画像データに含まれる記号列を認識する処理を行う処理部として機能する（詳細は後述）。
【００５５】
記憶部１７は、ＲＯＭ、ＲＡＭ、ＨＤＤ、フラッシュＲＯＭ等を含み、不揮発性と揮発性の記憶装置を組み合わせて構成される。記憶部１７は、複合機１の制御用等の各種のプログラムやデータ、設定データ、画像データ等の各種データを記憶する。又、記憶部１７は、フォーム特定用データや抽出エリアデータや抽出情報を記憶、蓄積できる。
【００５６】
又、主制御部１０は、操作パネル１２、原稿搬送装置１９、画像読取部１１、給紙部１３、搬送路１４、画像形成部１５、定着部１６等の各部とバスや信号線等で接続され各部、各装置を制御して複合機１の動作（例えば、スキャン動作や印刷動作）を制御する。
【００５７】
更に、主制御部１０は、各種コネクタ、ソケット、通信制御用のチップ等を備えた通信部１８と接続される。通信部１８は、ネットワークや公衆回線やケーブル等により、コンピューター２のデータ通信部２４や、データサーバー４のデータ通信部４１と通信可能に接続される。通信部１８は、コンピューター２やデータサーバー４と文書画像データやフォームに関するデータや、抽出情報など、各種データのやり取りを行える。
【００５８】
尚、コンピューター２に通信可能に接続されるスキャナー３は、複合機１のうち、画像読取部１１に相当する機能を有する。又、上記に行った画像読取部１１の説明は、スキャナー３についても同様にあてはまり、スキャナー３は、文書の画像データを生成する。
【００５９】
次に、コンピューター２は、例えば、ＣＰＵ２０１を含む制御部２０や、ＨＤＤやＲＡＭやＲＯＭで構成される記憶部２１や、キーボードやマウス等の入力装置２２や、表示装置としてのディスプレイ２３や、外部と通信を行うためのインターフェイスであるデータ通信部２４を備える。
【００６０】
制御部２０は、例えば、ＣＰＵ２０１などの回路、チップが実装された基板である。制御部２０は、コンピューター２での演算や制御などの処理を行う。記憶部２１は、コンピューター２を動作させ、利用するために必要なプログラム、データを記憶する。又、記憶部２１には、複合機１を利用するためのアプリケーションやプログラムがインストールされる。アプリケーションには、例えば、スキャナー３で生成された文書画像データを複合機１に送信するプログラムなどが含まれる。
【００６１】
データサーバー４は、例えば、ＣＰＵやチップ等を含み、データサーバー４の動作、処理を制御する制御部４０を含む。又、データサーバー４は、外部と通信を行うためのインターフェイスであるデータ通信部４１を含む。データ通信部４１は、複合機１の通信部１８や、コンピューター２のデータ通信部２４とネットワーク、ケーブル等により通信可能に接続される。例えば、データ通信部４１は、複合機１の通信部１８と通信し、フォーム特定用データや抽出エリアデータや抽出情報をやり取りすることもできる。
【００６２】
そして、データサーバー４には、記憶部４２が内蔵される。記憶部４２は、例えば、複数台のＨＤＤなどで構成される大容量の記憶装置である。制御部４０は、データ通信部４１が受信したデータ（例えば、複合機１の通信部１８からの抽出情報）を記憶部４２に記憶させることができる。又、複合機１やコンピューター２等からの要求に応じて、データを送信することができる。尚、データサーバー４に、キーボードやマウス等の入力装置４３や、表示装置としてのディスプレイ４４を設けても良い。
【００６３】
（フォームの登録）
次に、図４〜図８を用いて、実施形態に係る情報抽出装置１００でのフォームの登録手法の一例を説明する。図４は、文書画像データのフォームの登録手法の一例を説明するための概念図である。図５は、文書画像データのフォームの登録入力の一例を説明するための説明図である。図６は、文書画像データのフォームの登録手法の一例を説明するための概念図である。図７は、文書画像データのフォームの登録入力の一例を説明するための説明図である。図８は、フォームデータの態様の一例を示す説明図である。
【００６４】
本実施形態の情報抽出装置１００では、文書画像データのフォームを特定し、所望の位置から情報を抽出するために、フォームに関するデータ（フォームデータ）を登録する必要がある。そこで、フォームデータの登録を説明する。尚、フォームデータには、フォーム特定用データや抽出エリアデータが含まれる。
【００６５】
本実施形態の複合機１では、フォームを登録する手法は、複数考えられる。そこで、以下の説明では、図４、図５を用いて１つ目の手法（便宜上、「第１の登録手法」と称する。）を説明する。又、図６、図７を用いて２つめの手法（便宜上、「第２の登録手法」と称する。）を説明する。いずれのフォームの登録手法を用いるかは、操作パネル１２やコンピューター２で操作することにより選択することができる。
【００６６】
１．第１の登録手法
まず、図４を用いて、フォームデータの登録の概要を説明する。図４は、画像読取部１１により読み取られた文書の文書画像データの一例の全体像を示している。尚、以下の説明では、ライセンス管理のため、ソフトウェアのライセンスに関する文書のフォームの登録を例に挙げて説明する。
【００６７】
文書には、書式、様式がある程度決まっているものがある。例えば、ある会社が発行する請求書や納品書などは、書式、様式がある程度決まっている。そして、文書内で抽出したい情報が記された位置は、フォームが同じであれば、同じとなる。そのため、あるフォームから所望する情報抽出を自動的に行うには、文書（文書画像データ）のフォーム特定を最初に行う必要がある。そこで、使用者は、フォーム中、フォームの特定に用いる部分（範囲）を指定する（プログラミングする）。その後、フォーム中、抽出すべき情報が記された抽出エリアを指定する（プログラミングする）。
【００６８】
文書画像データ内の定型的な部分のうち、例えば、文書の作成者を示すロゴや、文書の作成者を示す記号列や、文書名の部分は、フォームの特定に用いることができる。そこで、使用者は、図４に２点鎖線で示すように、フォームの特定に用いると好ましいと思われる範囲を指定する。範囲指定された部分に基づきフォーム特定用データが生成される。
【００６９】
更に、使用者は、文書画像データ内で情報の抽出エリアの指定を行う。言い換えると、使用者は、フォームにおいて情報を抽出すべき範囲を定義する。そして、使用者は、図４に破線で示すように、抽出したい情報が配された範囲を指定する。指定されたエリアに基づき、抽出エリアデータが生成される。
【００７０】
次に、図５を用いて、具体的な文書画像データのフォームの登録の手法の一例を説明する。本説明では、複合機１の操作パネル１２に入力を行ってフォームデータを登録する例を説明する。
【００７１】
例えば、第１の登録手法で、フォームデータの登録を行うとき、使用者は、複合機１の操作パネル１２に対して操作を行い、複合機１のモードを、第１の登録手法でフォームデータを登録するためのモードとする。そして、使用者は、登録しようとするフォームで記された文書を複合機１にセットしておく。スタートキー１２３が押されると、主制御部１０は、原稿（文書）の読み取りを画像読取部１１に行わせ、登録しようとするフォームの文書画像データの一例を生成させる。あるいは、通信部１８は、コンピューター２から登録しようとするフォームの文書画像データの一例を取得してもよい。
【００７２】
そして、登録しようとするフォームの文書画像データの一例を用いてフォームの登録がなされる。第１の登録手法でフォームを登録するモードでは、主制御部１０は、フォーム登録画面５１を液晶表示部１２１に表示させる。主制御部１０は、このフォーム登録画面５１に、登録しようとするフォームの文書画像データが表示される。
【００７３】
まず、図５の上段の図に示すように、例えば、フォーム登録画面５１では、フォーム特定に用いる範囲の指定が求められる。そして、使用者は、例えば、なぞる、囲う等の範囲を指定する操作を行って、フォーム特定用データとして用いる範囲を指定する。そして、主制御部１０は、タッチパネル部１２２の出力に基づき、フォーム特定に用いると指定された範囲の端点の座標を認識する。
【００７４】
そして、フォーム登録画面５１に設けられた次キーＫ１が押されると、抽出エリアの指定を行うための画面に切り替わる。そして、使用者は、例えば、なぞる、囲う等の範囲を指定する操作を行って、抽出すべき情報が記された範囲を指定する。主制御部１０は、タッチパネル部１２２の出力に基づき、指定された抽出エリアの端点の座標を認識する。
【００７５】
尚、フォーム登録画面５１には、拡大キーＫ２や縮小キーＫ３が設けられる。拡大キーＫ２が押されると、液晶表示部１２１は、表示倍率を大きくして、登録しようとするフォームの文書画像データを表示する。一方、縮小キーＫ３が押されると、液晶表示部１２１き、表示倍率を小さくして、登録しようとするフォームの文書画像データを表示する。尚、表示倍率によっては、液晶表示部１２１の１画面中に文書画像データ全体を表示できないので、文書画像データ中の表示位置を移動させるための方向キーＫ４（計４つ）が設けられる。方向キーＫ４が押されると、液晶表示部１２１は、押された方向に応じて、文書画像データ中の表示する位置を切り替える。これらの拡大キーＫ２や縮小キーＫ３により、的確に範囲を指定することができる。そして、完了ボタンＫ７を押すことにより、範囲指定が終了する。
【００７６】
（２．第２の登録手法）
次に、第２の登録手法を説明する。第１の登録手法と異なり、第２の登録手法は、範囲を選択するだけで、フォームの特定に用いる範囲の指定や、抽出エリアの指定を行えるようにする。
【００７７】
図６は、登録しようとするフォームの文書画像データの一例の全体像を示している。本手法では、登録しようとするフォームの文書を複数枚用意する（例えば、数十枚）。そして、画像読取部１１やスキャナー３を用いて登録しようとするフォームの文書を複数枚読み取る。そして、複合機１は、登録しようとするフォームの複数枚分の文書画像データを取得する。
【００７８】
主制御部１０は、例えば、登録しようとするフォームの各文書画像データについて、余白部分と余白でない部分に分割する処理を行う。例えば、主制御部１０は、用紙色（地肌色）を、ヒストグラム等を用いて特定する。そして、主制御部１０は、例えば、各文書画像データで、用紙色でない画素から予め定められた画素数以上の離れている用紙色の画素の領域を余白領域とし、余白領域でない部分を非余白領域とする。又、例えば、主制御部１０は、非余白領域を矩形として分割する。尚、余白領域と非余白領域を分割できれば良く、主制御部１０は、公知の領域の分割技術を用いて、文書画像データでの余白部分と非余白部分の分割を行えばよい。
【００７９】
そして、主制御部１０は、各文書画像データでの分割結果に基づき、フォームでの非余白部分の範囲を定める。例えば、主制御部１０は、各文書画像データ間で各非余白部分の論理和をとり、フォームでの非余白部分の範囲（座標）を定める。
【００８０】
又、例えば、主制御部１０は、フォームでの非余白部分について、各文書画像データ間で共通する部分と共通しない部分を区別する。例えば、図６での２点鎖線で示す範囲は、登録しようとするフォームで共通すると認識された領域の一例を示す。又、図６での破線で示す範囲は、登録しようとするフォームで共通しないと認識された領域の一例を示す。
【００８１】
主制御部１０は、登録しようとするフォームの各文書画像データ間で、非余白部分の画像データのパターンマッチングを行い、画素の配列の一致率に基づき、非余白部分が共通する部分であるか共通しない部分であるかを判断してもよい。あるいは、主制御部１０は、ＯＣＲ処理により非余白部分の記号列認識を行い、認識された記号列（文字等）が登録しようとするフォームの各文書画像データ間で同じで有るか否かにより、非余白部分が共通する部分であるか共通しない部分であるかを判断してもよい。
【００８２】
次に、図７を用いて、第２の登録手法での具体的な文書画像データのフォームの登録の手法の一例を説明する。本説明でも、複合機１の操作パネル１２に入力を行ってフォームデータを登録する例を説明する。
【００８３】
例えば、第２の登録手法で、フォームデータの登録を行うとき、使用者は、複合機１の操作パネル１２に対して操作を行い、複合機１のモードを、第２の登録手法でフォームデータを登録するためのモードとする。そして、使用者は、登録しようとするフォームで記された文書を原稿搬送装置１９の原稿トレイに複数枚セットしておく。スタートキー１２３が押されると、主制御部１０は、文書を原稿搬送装置１９に搬送させつつ、画像読取部１１に複数枚分（例えば、数十枚）の文書の読み取りを行わせる。そして、主制御部１０は、画像読取部１１に同じフォームの複数枚分の文書画像データを生成させる。あるいは、通信部１８は、コンピューター２から複数枚分の同じフォームの文書画像データを取得してもよい。
【００８４】
そして、主制御部１０は、取得された複数枚分の文書画像データを用いて、フォームでの非余白領域と余白領域の分割や、非余白領域を共通部分と非共通部分で区別する処理を行う。
【００８５】
第２の登録手法でフォームを登録するモードでは、主制御部１０は、フォーム登録画面５２を液晶表示部１２１に表示させる。液晶表示部１２１は、読み取りで得られた画像データのうち、ある１枚の文書画像データをモデルとして、余白領域と非余白領域の分割結果や、共通部分と認識した範囲をフォーム登録画面５２に表示させる。
【００８６】
まず、図７の上段の図に示すように、例えば、フォーム登録画面５２では、フォームの特定に用いる範囲を、共通部分として示された部分（範囲）を押して指定する。そして、主制御部１０は、タッチパネル部１２２への入力に基づき、フォームの特定に用いる指定された範囲（共通部分）を認識する。又、例えば、主制御部１０は、液晶表示部１２１に網掛表示を行わせ、指定された共通部分であることを示す。
【００８７】
そして、フォーム登録画面５２に設けられた次キーＫ１が押されると、主制御部１０は、情報を抽出する抽出エリアの指定を行うための画面を液晶表示部１２１に表示させる。具体的に、主制御部１０は、抽出エリアの指定を行うための画面として、非共通部分と認識した範囲を液晶表示部１２１に表示させる。使用者は、非共通部分として示された部分を押す等により、情報を抽出するエリアを指定する。そして、主制御部１０は、タッチパネル部１２２の出力に基づき、情報を抽出すると選択された非共通部分を認識する。そして、主制御部１０は、液晶表示部１２１に網掛表示を行わせ、指定された範囲（非共通部分）であることを示す。
【００８８】
尚、フォーム登録画面５２にも、拡大キーＫ２や縮小キーＫ３や方向キーＫ４（計４つ）が設けられる。これらの拡大キーＫ２、縮小キーＫ３、方向キーＫ４により、的確に範囲を指定することができる。又、完了ボタンＫ７も設けられ、完了ボタンＫ７を押すことにより、範囲指定が終了する。
【００８９】
いずれかの手法により、フォームの特定に用いる範囲の指定結果に基づき、フォームでのフォーム特定用データが設定（プログラミング）される。又、抽出エリアとして指定された結果に基づき、フォームでの抽出エリアデータが設定（プログラミング）される。
【００９０】
具体的に、図８に示すように、主制御部１０は、フォーム特定に用いると指定された範囲の座標情報と、フォーム特定に用いるデータをフォーム特定用データとして含むフォームに関するデータ（フォームデータ）を記憶部１７に記憶させる。主制御部１０は、指定された範囲の画像データをフォーム特定用データとして記憶部１７に記憶させてもよいし、指定された範囲をＯＣＲ処理によりテキスト処理して得られたテキスト形式のデータを記憶部１７に記憶させても良い。
【００９１】
そして、１つのフォームのフォームデータには、フォーム特定に用いると指定された範囲の個数分だけ、座標情報を示すデータとフォーム特定に用いるデータの組み合わせが記憶部１７に記憶される。
【００９２】
又、図８に示すように、主制御部１０は、情報を抽出すると指定された範囲の座標情報を抽出エリアデータとして記憶部１７に記憶させる。そして、主制御部１０は、情報を抽出すると指定された範囲の示す座標情報を含めたフォームデータを記憶部１７に記憶させる。これにより、登録するフォームでのフォーム特定用データと抽出エリアデータが関連付けられる。そして、１つのフォームについて、情報を抽出すると指定された範囲の個数分だけ、抽出エリアの座標情報が抽出エリアデータとして記憶部１７に記憶される。
【００９３】
尚、フォームに関し、図８に示すように、フォーム名やフォームの登録日等を示す基本データをフォームデータに含めても良い。例えば、使用者は、フォームの登録の際、フォーム名等の基本情報を操作パネル１２に対して入力する。そして、１つのフォームデータは、フォーム特定用データや抽出エリアデータや基本データが含められ、１つのフォームに関連するデータとしてまとめられる。そして、図８に示すように、記憶部１７は、複数種のフォームデータを記憶できる。
【００９４】
上記の例では、複合機１の操作パネル１２の液晶表示部１２１やタッチパネル部１２２等を利用してフォームの登録を行う例を説明した。しかし、コンピューター２やデータサーバー４が、図５や図７に示すようなフォーム登録画面５１、５２を、ディスプレイ２３、４４に表示させ、入力装置２２、４３への入力により、１つのフォームに関連するデータ（フォーム特定用データや抽出エリアデータ）を生成（プログラミング）できるようにしてもよい。そして、通信部１８で、コンピューター２やデータサーバー４で生成されたフォーム特定用データや抽出エリアデータを含むフォームデータを受信し、記憶部１７が記憶するようにしてもよい。
【００９５】
（情報抽出処理の流れ）
次に、図９を用いて、本実施形態の情報抽出装置１００での情報抽出処理の流れの一例を説明する。図９は、情報抽出装置１００での情報抽出処理の流れの一例を示すフローチャートである。
【００９６】
まず、図９のスタートは、複合機１の操作パネル１２に、文書画像データから情報を抽出し、記憶する指示がなされた時点である。
【００９７】
文書画像データから情報を抽出し、蓄積する処理が開始されると、複合機１の主制御部１０は、文書画像データを取得する（ステップ♯１）。例えば、主制御部１０は、原稿としての文書の画像読取部１１による読み取りで得られた画像データを取得する。あるいは、主制御部１０は、通信部１８を介して、コンピューター２から文書画像データを取得してもよい。
【００９８】
次に、主制御部１０は、記憶部に記憶された各フォームデータでのフォーム特定用データを用いて、文書画像データのフォームを特定する（ステップ♯２）。具体的に、主制御部１０は、フォーム特定用データの座標情報に一致する文書画像データ中の範囲と、フォーム特定用データの一部として、フォームの特定に用いるとして記憶された画像データやテキストデータとデータの比較を、フォームごとに逐次行い、文書画像データのフォームを特定する。この比較の時、必要が有れば、主制御部１０は、文書画像データに対して記号列認識処理（ＯＣＲ処理）を行う。
【００９９】
フォームが特定されると、主制御部１０は、文書画像データ中、特定されたフォームに対応するフォームデータに含まれる抽出エリアデータの座標情報に対応する範囲に対し、記号列認識処理を行う（ステップ♯３）。もし、複数の抽出エリアデータが定められていれば、主制御部１０は、抽出エリアデータごとに記号列認識処理を行う。
【０１００】
フォームで定められた全ての抽出エリアについての記号列認識処理が完了すると、主制御部１０は、抽出エリアから抽出された情報（抽出情報）と、特定されたフォームを示す情報をデータサーバー４に送信する（ステップ♯４）。
【０１０１】
そして、抽出情報を受信したデータサーバー４は、抽出情報をデータとして記憶する（ステップ♯５→エンド）。データサーバー４は、フォームの種類に応じて抽出情報を記憶する。
【０１０２】
（抽出情報の利用）
次に、図１０を用いて、抽出情報の利用の一例を説明する。図１０は、抽出情報を用いたデータベースでの利用画面６の一例を示す説明図である。
【０１０３】
上述のように、本実施形態の情報抽出装置１００では、抽出情報がデータサーバー４に蓄積される。蓄積された抽出情報は、各種管理上、用いることができる。そして、図１０は、ソフトウェアのライセンス管理のため、ソフトウェアのライセンスに関する文書のフォームを登録し、ソフトウェアのライセンスに関する文書の文書画像データから情報を抽出し、抽出された情報を用いたデータベースの利用画面６の一例を示す。利用画面６は一例に過ぎず、管理上、利用上、便利なように利用画面６は適宜設定される。
【０１０４】
例えば、コンピューター２やデータサーバー４には、抽出情報に基づいて、各種情報の閲覧や検索を容易とし、抽出情報のデータ構造を定めたデータベース用のプログラムがインストールされる。これにより、コンピューター２やデータサーバー４は、データサーバー４の記憶部４２にアクセスし、データサーバー４に記憶された抽出情報に基づいて、データベース機能を提供する。
【０１０５】
例えば、コンピューター２やデータサーバー４は、文書画像データから抽出された「注文番号」、「契約番号」、「商品名」等の項目が示されたデータベースの利用画面６をディスプレイ２３に表示させる。使用者は、ソフトウェアの各種管理にデータベースを用いることができる。
【０１０６】
尚、主制御部１０は、文書画像データ自体を電子文書化し（例えば、ＰＤＦ形式）、抽出情報とともに電子文書化した文書画像データを、通信部１８からデータサーバー４に向けて送信させても良い。そして、図１０に示すように、データベースの利用画面６に電子文書化した文書画像データのリンクを張り、電子文書化した文書画像データを閲覧できるようにしてもよい。
【０１０７】
（フォームの選択）
次に、図１１、図１２を用いて、フォームを特定できないときのフォーム選択の一形態を説明する。図１１は、フォームを特定できないときの処理の流れの一例を示すフローチャートである。図１２は、フォーム選択画面７の一例を示す説明図である。
【０１０８】
主制御部１０は、文書画像データのフォームを、フォーム特定用データを用いて特定する。しかし、読み取りした文書に折れやシワがある場合や、読み取りした手書きによる書き込みがある場合や、読み取りした文書に汚れがある場合などでは、フォーム特定用データと一致し難くなる。
【０１０９】
この場合、主制御部１０は、フォーム特定用データとの適合率が最も高いフォームを文書画像データのフォームと自動的に特定することも考えられる。しかし、誤ったフォームを特定すれば、誤った情報が抽出され、蓄積される。そこで、本実施形態では、文書画像データのフォームを特定しきれないとき、主制御部１０は、操作パネル１２の液晶表示部１２１に、フォームの候補を表示させる。そして、主制御部１０は、選択されたフォームを文書画像データのフォームと特定する。
【０１１０】
ここで、図１１を用いて、具体的なフォームの特定の流れを説明する。図１１は、図９のフローチャートでのステップ♯２での処理を細かく示したフローチャートである。
【０１１１】
図１１のスタートは、複合機１が取得した文書画像データのフォームを特定しようとする時点である。
【０１１２】
まず、主制御部１０は、記憶部に記憶された各フォームのフォームデータに含まれるフォーム特定用データと、文書画像データを比較し、各フォームと文書画像データの適合率を求める（ステップ♯１１）。適合率の求め方は、任意に定めることができる。
【０１１３】
例えば、主制御部１０は、１つのフォームデータに含まれる１又は複数のフォーム特定用データと文書画像データとを比較する。例えば、フォームを特定するためのデータが画像データとして記憶されているとき、主制御部１０は、画素の配列や濃度値に基づき、フォーム特定用データの座標情報に対応する文書画像データでの範囲内の各画素について、フォームを特定するためのデータと一致する画素と一致しない画素に仕分けする（マッチング処理）。そして、範囲内の全画素数に対する一致する画素数との比率により１つのフォーム特定用データについての適合率を求める。又、例えば、フォーム特定用データがテキストデータとして記憶されているとき、主制御部１０は、文書画像データ内でのフォーム特定用データの座標情報に対応する位置の記号列（テキスト）を認識する。そして、主制御部１０は、フォーム特定用データとして登録された記号列の各記号と、認識した記号列の各記号が一致する比率を適合率として求める。１つのフォームに複数のフォーム特定用データが含まれていれば、例えば、主制御部１０は、各フォーム特定用データについての適合率を求める。そして、主制御部１０は、複数のフォーム特定用データについての適合率の平均値を文書画像データと比較しているフォームとの適合率と定めても良い。尚、フォームと文書画像データの適合率の求め方は上記に限らず、主制御部１０は、他の手法により、文書画像データのフォームを特定するうえで目安となる適合率を求めても良い。
【０１１４】
そして、主制御部１０は、求めた適合率が予め定められた値以上のフォームがあるかを確認する（ステップ♯１２）。予め定められた値は、適合率を求める手法などを勘案して適宜定めることができる値であり、フォームを使用者に選択させるか否かの閾値として機能する。
【０１１５】
適合率が予め定められた値以上のフォーム（フォームデータ）があれば（ステップ♯１２のＹｅｓ）、主制御部１０は、適合率が予め定められた値以上のフォームを文書画像データのフォームと特定する（ステップ♯１３）。この場合、主制御部１０は、自動的に文書画像データのフォームを特定することになる（エンド）。尚、２つ以上、適合率が予め定められた値以上のフォームがあれは、主制御部１０は、適合率が最も高いフォームを文書画像データのフォームと特定する。
【０１１６】
一方、適合率が予め定められた値以上のフォームが無ければ（ステップ♯１２のＮｏ）、主制御部１０は、記憶部１７に記憶されたフォーム（フォームデータ）のうち、操作パネル１２の液晶表示部１２１に表示させるフォームの候補を定める処理を行う（ステップ♯１４）。
【０１１７】
文書画像データとして読み取られた文書内には、以前に抽出された情報と同じ情報を含むことがある。例えば、フォームが納品書や請求書の場合、以前と同じものを購入した請求書や納品書であれば、以前に抽出された情報と同じ情報（商品名や価格や商品番号等）が、文書画像データに含まれることになる。又、ソフトウェアライセンスの管理に関しては、以前に抽出した情報（例えば、ソフトウェアの名称、製品番号、バージョン情報）と同じ情報がソフトウェアライセンス管理に関する文書の文書画像データに含まれていることもある。
【０１１８】
又、文書画像データとして読み取られた文書は、以前に抽出された情報と同じ情報はないが、記号列の桁数が同じという共通の特徴を含むことがある。例えば、フォームが納品書や請求書の場合、購入する商品が毎回同種類のものであれば、以前に情報として抽出された記号列と同じ桁数の情報（価格や商品番号等）が、文書画像データに含まれることになる。又、ソフトウェアライセンスの管理に関しては、以前に抽出した情報（例えば、十数桁以上のシリアルキー等）と同じ桁数の情報がソフトウェアライセンス管理に関する文書の文書画像データに含まれていることもある。
【０１１９】
又、文書画像データとして読み取られた文書は、以前に抽出された情報と同じ情報ではないが、記号列の内容が近似することもある。例えば、フォームが納品書や請求書の場合、購入金額が毎回、ほぼ同じ金額であれば、以前に情報として抽出された記号列と同じような数字情報（金額等）が、文書画像データに含まれることになる。
【０１２０】
そこで、主制御部１０は、適合率が予め定められた値以上のフォームが無ければ、文書画像データの全体に対して記号列認識処理を行う。そして、主制御部１０は、データサーバー４に蓄積された抽出情報のなかに、認識した記号列と同じもの（同じ情報）があるか否か、認識した記号列と同じ桁数の情報があるか否か、認識した記号列に近似する（類似する）情報があるか否か、を確認し、同じものがある、同じ桁数の情報がある、近似する（類似する）情報がある１又は複数のフォームをする。更に、主制御部１０は、上記の確認点のうち、当てはまるフォームの１又は複数を候補と定める（ステップ♯１４）。
【０１２１】
そして、主制御部１０は、フォームの候補を示すフォーム選択画面７を、操作パネル１２の液晶表示部１２１に表示させる（ステップ♯１５）。図１２は、フォーム選択画面７の一例を示す。図１２に示すように、主制御部１０は、フォーム選択画面７内に、候補と定めたフォームを表示させる。このとき、図１２に示すように、主制御部１０は、候補に選択したフォーム名を表示させてもよいし、フォーム特定用データを配して候補としたフォームを模した矩形の図形を合わせて表示させてもよい。
【０１２２】
使用者は、フォーム選択画面７に表示されたフォームの候補を押し、ＯＫキーＫ５を押す。ＯＫキーＫ５が押されると、主制御部１０は、押されたフォーム（選択されたフォーム）を文書画像データのフォームと特定する（ステップ♯１６）。このように、フォームを自動的に特定できなくても、使用者の選択によりフォームが特定される（エンド）。
【０１２３】
尚、フォーム選択画面７に表示されたフォームに、文書画像データに該当するフォームが無いとき、別途フォームを選択するための別フォームキーＫ６が配される。別フォームキーＫ６が押されると、例えば、主制御部１０は、操作パネル１２に登録済みのフォームの名称等の一覧を表示させる。使用者は、一覧表示されたフォームの中から文書画像データのフォームを選択することになる。
【０１２４】
このようにして、本実施形態に係る情報抽出装置１００は、装置本体の内部や外部に設けられ、文書を読み取ることにより得られた画像データである文書画像データのフォームを特定するためのフォーム特定用データと、フォーム特定用データと関連付けられ、フォームごとに予め定められた文書画像データのうち情報を抽出する領域を示す抽出エリアデータと、を記憶する記憶部（例えば、記憶部１７）と、フォーム特定用データを参照して、文書画像データのフォームを特定する特定処理を行うとともに、特定されたフォームの抽出エリアデータに基づいて文書画像データから情報を抽出する抽出処理を行い、抽出された情報である抽出情報を記憶部に記憶させる処理部（例えば、主制御部１０）と、を含む。
【０１２５】
これにより、文書画像データのフォームの選択や、必要な情報が記された領域の指定などの使用者による作業無しに、文書画像データのフォームが特定される。そして、自動的に文書画像データから必要な情報が抽出される。従って、文書画像データから管理上必要な情報を簡易、正確に抽出することができ、文書から有用な情報を任意に抽出して蓄積することができる。
【０１２６】
又、文書の一部が折れていたり、汚れていたり、読み取り時の文書の傾きなどにより、文書画像データのフォームを特定できないことがある。そこで、情報抽出装置１００は、表示を行う表示部（例えば、液晶表示部１２１）と、使用者の操作、入力を受け付ける入力部（例えば、タッチパネル部１２２）と、を含み、処理部（例えば、主制御部１０）は、文書画像データのフォームを特定できないとき、フォームの候補を表示部（例えば、液晶表示部１２１）に表示させ、候補のうち入力部（例えば、タッチパネル部１２２）で選択されたフォームを文書画像データのフォームと特定する。これにより、処理部（例えば、主制御部１０）の処理によりフォームを自動的に特定できなくても、フォームの候補が表示され、表示されたフォームの中から選択するという行為だけでフォームを特定することができる。
【０１２７】
又、処理部（例えば、主制御部１０）は、文書画像データのフォームを特定できないとき、文書画像データに含まれる情報を認識し、認識した情報と抽出情報を比較し、認識した情報と一致する抽出情報が抽出されたフォーム、認識した情報に含まれる記号列の桁数が同じ抽出情報が抽出されたフォーム、認識した情報に含まれる記号列に近似する抽出情報が抽出されたフォームの何れか１つ、又は、複数のフォームを候補として表示部（例えば、液晶表示部１２１）に表示させる。これにより、記憶部（例えば、記憶部１７）に蓄積された抽出情報を利用し、適合率の高いフォームを候補として表示させることができる。従って、候補として適切なフォームを表示することができる。
【０１２８】
又、フォーム特定用データ及び抽出エリアデータを受信する通信部１８を備える。これにより、情報抽出装置１００は、外部でプログラミングされた（生成された）フォーム特定用データ及び抽出エリアデータを取り込むことができる。又、使用者は、パーソナルコンピューターなどを用いて、フォーム特定用データ及び抽出エリアデータの設定（プログラミング）を行い、情報抽出装置１００に向けて送信することで、文書（文書画像データ）のフォームに関するデータを情報抽出装置１００に記憶させることができる。
【０１２９】
又、表示部（例えば、液晶表示部１２１）は、文書画像データの内容を表示し、入力部（例えば、タッチパネル部１２２）は、表示された文書画像データのうちフォーム特定用データとして用いる範囲を定める入力と、表示された文書画像データのうち抽出エリアを定める入力を受け付け、処理部（例えば、主制御部１０）は、入力部で定められたフォーム特定用データと、フォーム特定用データに関連付けて入力部で定められた抽出エリアを示す抽出エリアデータを記憶部（例えば、記憶部１７）に記憶させる。これにより、使用者は、情報抽出装置１００に設けられた表示部（例えば、液晶表示部１２１）や入力部（例えば、タッチパネル部１２２）を用いて、フォームにおけるフォーム特定用データや抽出エリアデータの設定（プログラミング）を行うことができる。
【０１３０】
又、処理部（例えば、主制御部１０）は、同じ種類の文書を複数読み取ることで得られた複数枚分の文書画像データの束に基づき、各文書画像データでの共通部分と非共通部分を認識し、共通部分を示すデータをフォーム特定用データとして記憶部（例えば、記憶部１７）に記憶させ、非共通部分を示すデータを抽出エリアデータとして記憶部に記憶させる。これにより、複数枚の同じフォームの文書画像データに対して処理を行うだけで、フォームにおけるフォーム特定用データや抽出エリアデータを自動的に設定（プログラミング）することができる。
【０１３１】
又、表示部（例えば、液晶表示部１２１）は、共通部分と非共通部分とを区別して、共通部分と非共通部分を表示し、入力部（例えば、タッチパネル部１２２）は、表示された共通部分のうち、いずれの共通部分をフォーム特定用データとするかを定める入力を受け付け、又、表示された非共通部分のうち、いずれの非共通部分を抽出エリアとするかを定める入力を受け付け、処理部（例えば、主制御部１０）は、入力部でフォーム特定用データにすると定められた共通部分を示すデータをフォーム特定用データとして記憶部（例えば、記憶部１７）に記憶させ、入力部で抽出エリアにすると定められた非共通部分を示すデータを抽出エリアデータとして記憶部に記憶させる。これにより、使用者は、フォーム特定データとすべき部分や、抽出エリアとすべき部分を選択するだけで定めることができる。従って、使用者が所望するフォーム特定データや抽出エリアデータを簡易に作りだす（プログラミング）することができる。
【０１３２】
又、記憶部（例えば、記憶部１７）は、フォーム特定用データを記号列として記憶し、処理部（例えば、主制御部１０）は、文書画像データに含まれる記号列を認識し、文書画像データのフォームの特定処理を行うとともに、特定されたフォームの抽出エリアデータに基づいて文書画像データから記号列を情報として抽出する抽出処理を行い、抽出された記号列を抽出情報として記憶部に記憶させる。これにより、処理部は、文書画像データに対してＯＣＲ処理技術により、各記号を認識してフォームを特定し、抽出エリアデータに含まれる記号列を認識する。従って、文書画像データから情報を記号列のテキストデータとして抽出することができる。
【０１３３】
又、記憶部（例えば、記憶部１７）は、フォーム特定用データを画像データとして記憶し、処理部（例えば、主制御部１０）は、文書画像データとフォーム特定用データのマッチングを行って、文書画像データのフォームの特定処理を行う。これにより、文書画像データ内のデータとのマッチングにより、文書画像データのフォームを特定することができる。
【０１３４】
又、情報抽出装置１００は、文書を読み取って文書画像データを生成する画像読取部１１（スキャナー３を含む）を備える。これにより、情報抽出装置１００で直接的に文書を読み取って文書画像データを得ることができる。
【０１３５】
次に、他の実施形態を説明する。上記の実施形態では、複合機１の記憶部１７が、フォーム特定用データや抽出エリアデータ等を含むフォームデータを記憶する例を説明した。しかし、複合機１は、コンピューター２やデータサーバー４等と通信可能に接続されるので、フォームデータは、複合機１外の記憶部（例えば、コンピューター２の記憶部２１やデータサーバー４の記憶部４２）に記憶させておき、複合機１は、フォームデータを記憶場所から通信により取得してもよい。
【０１３６】
又、上記の実施形態では、抽出情報をデータサーバー４（記憶部４２）に記憶、蓄積する例を説明した。しかし、抽出情報の記憶、蓄積先は、データサーバー４に限らず、複合機１の記憶部１７や、コンピューター２の記憶部２１に記憶させてもよい。言い換えると、本実施形態の情報抽出装置１００での抽出情報を記憶、蓄積される場所は、フォーム特定や抽出処理を行う部分と離れていてもよい（外部でもよい）。
【０１３７】
又、上記の実施形態では、文書画像データに基づき、複合機１が文書画像データのフォームの特定や情報の抽出処理を行う例を説明した。しかし、コンピューター２やデータサーバー４が、フォームの特定や情報の抽出処理を行っても良い。この場合、コンピューター２の制御部２０（処理部に相当）やデータサーバー４の制御部４０が文書画像データを取得し、フォーム特定用データに基づくフォームの特定処理や、抽出エリアデータに基づく情報の抽出処理を行う処理部として機能する。又、コンピューター２のディスプレイ２３やデータサーバー４のディスプレイ４４が表示部に相当し、コンピューター２やデータサーバー４の入力装置２２、４３（キーボードやマウス）が入力部に相当することになる。このように、複合機１に限らず、コンピューター２を主体（本体）として情報抽出装置１００を構成できる。
【０１３８】
又、上記の実施形態では、画像データ化したソフトウェアに関する文書からソフトウェアの管理に要する情報を抽出する例を説明した。しかし、情報抽出装置が情報を抽出する対象としての文書は、ソフトウェアに関する文書に限られず、請求書や納品書や会計資料や社内資料や製品の保証書等、一定のフォーム（様式、形式）を有する文書などでもよく、特に制限はない。
【０１３９】
本発明の実施形態を説明したが、本発明の範囲はこれに限定されるものではなく、発明の主旨を逸脱しない範囲で種々の変更を加えて実施することができる。
【産業上の利用可能性】
【０１４０】
本発明は情報抽出装置、文書画像データ処理システム、プログラムに使用可能である。
【符号の説明】
【０１４１】
１ 複合機（情報抽出装置１００）
１０ 主制御部（処理部） １１ 画像読取部
１７ 記憶部 １２１ 液晶表示部（表示部）
１２２ タッチパネル部（入力部）
２ コンピューター（情報抽出装置１００）
２０ 制御部（処理部） ２１ 記憶部
２２ 入力装置（入力部） ２３ ディスプレイ（表示部）
３ スキャナー（画像読取部の一種）
４ データサーバー（情報抽出装置）
４０ 制御部（処理部） ４２ 記憶部
４３ 入力装置（入力部） ４４ ディスプレイ（表示部）
【技術分野】
【０００１】
本発明は、文書の画像データから情報を抽出して記憶する情報抽出装置に関する。
【背景技術】
【０００２】
従来、紙への情報の印刷が行われている。そして、重要性、機密性や、法律の定めや、後日の参照の必要性等の各種事情により、印刷物は長期間に渡り保存されることもある。しかし、保存すべき印刷物が多いほど、多くの印刷物の収納スペースが必要になる。又、必要な印刷物、情報を取り出すのに時間を要してしまう場合もある。そこで、近年では、省スペース化や情報利用の容易化等の観点から、印刷物に含まれる情報をデータとして保存することが行われている（文書の電子化）。例えば、紙文書をスキャンし、スキャンで得られた画像データが大容量記憶装置（例えば、ＨＤＤ）に保存される。このような印刷された文書をデータ化して記憶する画像処理装置の一例が特許文献１に記載されている。
【０００３】
具体的に、特許文献１には、印刷ドキュメントを電子化し、印刷ドキュメントのスキャンデータから、ドキュメントが含む情報を検出する検出手段、情報に基づいて印刷ドキュメントを電子化したときのフォーマットを決定するフォーマット決定手段、スキャンデータを決定されたフォーマットのデータに変換するフォーマット変換手段、情報に基づいて印刷ドキュメントの電子化したときのファイル名及びページ数を決定するファイル名及びページ数決定手段、並びに、決定されたファイル名及びページ数に基づいて、結合するドキュメントを決定するドキュメント結合手段を備える画像処理装置が記載されている。この構成により、印刷物等に残された情報が不完全な場合でも再利用性の高い電子文書化を行おうとする（特許文献１：請求項１、段落［０００６］等参照）。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２００９−２７１６５８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
まず、文書の電子化では、特許文献１記載のように、画像データ化した文書全体を記憶することがある。そして、電子化の一形態として、文書に含まれる情報の一部を抽出し、抽出したデータを記憶、蓄積することがある。例えば、画像データ化された文書から文字列や数字列といった記号列を抽出し、情報のデータ化が行われる。そして、例えば、文書から抽出した情報（データ）は、データベース等に利用され、各種管理や経営判断に役立てられる。
【０００６】
文書の画像データからの情報抽出では、まず、スキャナーによる文書のスキャンによって、文書の画像データ（以下、「文書画像データ」と称する）が生成される。次に、ＯＣＲ技術（ＯＣＲ＝Optical Character Recognition、光学文字認識技術）を利用して、文書画像データに含まれる文字や数字等を含む記号列が認識、抽出される。そして、例えば、抽出された記号列は、テキストデータ形式で記憶される。これにより、文書に記された文字や数字等の記号を１つずつ、キーボード等で入力してデータ化を図るよりも、簡易に文書に含まれる情報の一部を抽出することができる。
【０００７】
このような情報抽出の対象とされる文書は、様々である。例えば、納品書や請求書をスキャンし、購入した商品の名前、商品番号、価格、発注番号等の情報を抽出し、管理等に役立てることがある。又、購入した機器の保証書をスキャンし、保証書に含まれる情報から購入した機器のシリアル番号、形式番号、価格、個数、償却期間等の情報を抽出し、機器の管理に役立てることもある。又、購入したソフトウェアのライセンスに関する文書をスキャンし、数量、ソフトウェア名、契約期間、ソフトウェア番号等の情報を抽出し、ソフトウェアライセンスの管理に役立てることもある。
【０００８】
ここで、スキャンにより得られた文書画像データから所望する情報を抽出するには、抽出したい情報が記された領域を指定する必要がある。そのため、例えば、文書画像データを表示部に表示し、各種入力デバイス（例えば、タッチパネルやコンピューターのマウスやキーボード等）により領域を指定する作業を行わせることもある。
【０００９】
文書画像データをスキャンするたびに領域を指定することは煩わしいので、文書画像データのうち、情報を抽出する領域の位置をプログラムしておき、自動的に文書画像データから情報の抽出を行うことも考えられる。しかし、文書のフォーム（形式、種類）ごとに、情報を抽出する領域の位置は異なる。そのため、文書をスキャンすれば自動的に情報の抽出を行えるようにすることが難しく、文書のフォームを問わず、簡易に文書画像データから必要な情報を抽出し難いという問題がある。
【００１０】
ここで、特許文献１記載の発明は、印刷された文書をデータ化するものではある。しかし、文書画像データに含まれる情報の一部を抽出し、保存するものではない。従って、簡易に文書画像データから必要な情報を抽出し難いという問題に対応できない。
【００１１】
本発明は、上記従来技術の問題点に鑑み、文書画像データのフォームを問わず、自動的、かつ、正確に文書画像データのフォームを特定し、必要な情報を文書画像データから抽出し、有用なデータを記憶できるようにすることを課題とする。
【課題を解決するための手段】
【００１２】
上記課題解決のため、請求項１に係る情報抽出装置は、装置本体の内部や外部に設けられ、文書を読み取ることにより得られた画像データである文書画像データのフォームを特定するためのフォーム特定用データと、前記フォーム特定用データと関連付けられ、前記フォームごとに予め定められた文書画像データのうち情報を抽出する領域を示す抽出エリアデータと、を記憶する記憶部と、前記フォーム特定用データを参照して、前記文書画像データの前記フォームを特定する特定処理を行うとともに、特定された前記フォームの前記抽出エリアデータに基づいて前記文書画像データから情報を抽出する抽出処理を行い、抽出された情報である抽出情報を前記記憶部に記憶させる処理部と、を含むこととした。
【００１３】
この構成によれば、処理部は、文書画像データのフォームを特定する特定処理を行うとともに、特定されたフォームの抽出エリアデータに基づいて文書画像データから情報を抽出する抽出処理を行い、抽出された情報である抽出情報を記憶部に記憶させる。これにより、文書画像データのフォームの選択や、必要な情報が記された領域の指定などの使用者による作業無しに、文書画像データのフォームが特定される。そして、自動的に文書画像データから必要な情報が抽出される。従って、文書画像データから管理上必要な情報を簡易、正確に抽出することができ、文書から有用な情報を任意に抽出して蓄積することができる。
【００１４】
又、請求項２に係る発明は、請求項１の発明において、表示を行う表示部と、使用者の操作、入力を受け付ける入力部と、を含み、前記処理部は、前記文書画像データの前記フォームを特定できないとき、前記フォームの候補を前記表示部に表示させ、候補のうち前記入力部で選択された前記フォームを前記文書画像データの前記フォームと特定することとした。
【００１５】
文書の一部が折れていたり、汚れていたり、読み取り時の文書の傾きなどにより、文書画像データのフォームを特定できないことがある。そこで、この構成によれば、処理部は、文書画像データのフォームを特定できないとき、フォームの候補を表示部に表示させ、候補のうち入力部で選択されたフォームを文書画像データのフォームと特定する。これにより、処理部の処理によりフォームを自動的に特定できなくても、フォームの候補が表示され、表示されたフォームの中から選択するという行為だけでフォームを特定することができる。
【００１６】
又、請求項３に係る発明は、請求項２の発明において、前記処理部は、前記文書画像データの前記フォームを特定できないとき、前記文書画像データに含まれる情報を認識し、認識した情報と前記抽出情報を比較し、認識した情報と一致する前記抽出情報が抽出された前記フォーム、認識した情報に含まれる記号列の桁数が同じ前記抽出情報が抽出された前記フォーム、認識した情報に含まれる記号列に近似する前記抽出情報が抽出された前記フォームの何れか１つ、又は、複数の前記フォームを候補として前記表示部に表示させることとした。
【００１７】
この構成によれば、処理部は、文書画像データのフォームを特定できないとき、文書画像データに含まれる情報を認識し、認識した情報と抽出情報を比較し、認識した情報と一致する抽出情報が抽出されたフォーム、認識した情報に含まれる記号列の桁数が同じ抽出情報が抽出されたフォーム、認識した情報に含まれる記号列に近似する抽出情報が抽出されたフォームの何れか１つ、又は、複数のフォームを候補として表示部に表示させる。これにより、記憶部に蓄積された抽出情報を利用し、適合率の高いフォームを候補として表示させることができる。従って、候補として適切なフォームを表示することができる。
【００１８】
又、請求項４に係る発明は、請求項１乃至３の発明において、前記フォーム特定用データ及び前記抽出エリアデータを受信する通信部を備えることとした。
【００１９】
この構成によれば、フォーム特定用データ及び抽出エリアデータを受信する通信部を備える。これにより、情報抽出装置は、外部でプログラミングされた（生成された）フォーム特定用データ及び抽出エリアデータを取り込むことができる。又、使用者は、パーソナルコンピューターなどを用いて、フォーム特定用データ及び抽出エリアデータの設定（プログラミング）を行い、情報抽出装置に向けて送信することで、文書（文書画像データ）のフォームに関するデータを情報抽出装置に記憶させることができる。
【００２０】
又、請求項５に係る発明は、請求項２乃至４の発明において、前記表示部は、前記文書画像データの内容を表示し、前記入力部は、表示された前記文書画像データのうち前記フォーム特定用データとして用いる範囲を定める入力と、表示された前記文書画像データのうち前記抽出エリアを定める入力を受け付け、前記処理部は、前記入力部で定められた前記フォーム特定用データと、前記フォーム特定用データに関連付けて前記入力部で定められた前記抽出エリアを示す前記抽出エリアデータを前記記憶部に記憶させることとした。
【００２１】
この構成によれば、処理部は、入力部で定められたフォーム特定用データと、フォーム特定用データに関連付けて入力部で定められた抽出エリアを示す抽出エリアデータを記憶部に記憶させる。これにより、使用者は、情報抽出装置に設けられた表示部や入力部を用いて、フォームにおけるフォーム特定用データや抽出エリアデータの設定（プログラミング）を行うことができる。
【００２２】
又、請求項６に係る発明は、請求項１乃至５の発明において、前記処理部は、同じ種類の文書を複数読み取ることで得られた複数枚分の前記文書画像データの束に基づき、各前記文書画像データでの共通部分と非共通部分を認識し、前記共通部分を示すデータを前記フォーム特定用データとして前記記憶部に記憶させ、前記非共通部分を示すデータを前記抽出エリアデータとして前記記憶部に記憶させることとした。
【００２３】
この構成によれば、処理部は、同じ種類の文書を複数読み取ることで得られた複数枚数分の文書画像データの束に基づき、各文書画像データでの共通部分と非共通部分を認識し、共通部分を示すデータをフォーム特定用データとして記憶部に記憶させ、フォーム特定用データに関連づけて、非共通部分を示すデータを抽出エリアデータとして記憶部に記憶させる。これにより、複数枚の同じフォームの文書画像データに対して処理を行うだけで、フォームにおけるフォーム特定用データや抽出エリアデータを自動的に設定（プログラミング）することができる。
【００２４】
又、請求項７に係る発明は、請求項６の発明において、前記表示部は、前記共通部分と前記非共通部分とを区別して、前記共通部分と前記非共通部分を表示し、前記入力部は、表示された前記共通部分のうち、いずれの前記共通部分を前記フォーム特定用データとするかを定める入力を受け付け、又、表示された前記非共通部分のうち、いずれの前記非共通部分を前記抽出エリアとするかを定める入力を受け付け、前記処理部は、前記入力部で前記フォーム特定用データにすると定められた前記共通部分を示すデータを前記フォーム特定用データとして前記記憶部に記憶させ、前記入力部で前記抽出エリアにすると定められた前記非共通部分を示すデータを前記抽出エリアデータとして前記記憶部に記憶させることとした。
【００２５】
この構成によれば、表示部は、共通部分と非共通部分を区別して表示し、入力部は、表示された共通部分のうち、いずれの共通部分をフォーム特定用データとするかを定める入力を受け付け、又、表示された非共通部分のうち、いずれの非共通部分を抽出エリアとするかを定める入力を受け付ける。これにより、使用者は、フォーム特定データとすべき部分や、抽出エリアとすべき部分を選択するだけで定めることができる。従って、使用者が所望するフォーム特定データや抽出エリアデータを簡易に作りだす（プログラミング）することができる。
【００２６】
又、請求項８に係る発明は、請求項１乃至７の発明において、前記記憶部は、前記フォーム特定用データを記号列として記憶し、前記処理部は、前記文書画像データに含まれる記号列を認識し、前記文書画像データの前記フォームの特定処理を行うとともに、特定された前記フォームの前記抽出エリアデータに基づいて前記文書画像データから記号列を情報として抽出する抽出処理を行い、抽出された記号列を抽出情報として前記記憶部に記憶させることとした。
【００２７】
この構成によれば、処理部は、文書画像データに含まれる記号列を認識し、文書画像データのフォームの特定処理を行うとともに、特定されたフォームの抽出エリアデータに基づいて文書画像データから記号列を情報として抽出する抽出処理を行い、抽出された記号列を抽出情報として記憶部に記憶させる。これにより、処理部は、文書画像データに対してＯＣＲ処理技術により、各記号を認識してフォームを特定し、抽出エリアデータに含まれる記号列を認識する。従って、文書画像データから情報を記号列のテキストデータとして抽出することができる。
【００２８】
ここで、本件における「記号」とは、文字（例えば、ひら仮名、カタカナ、漢字、アルファベット等）、数字、算術記号、カンマなど、情報を伝達するために文書で使われる記号をいう。そして、記号列は、文字や数字等の複数の組み合わせである。そして、記号列は、抽出すべき情報として扱われる。例えば、記号列は、名前や、各種番号（例えば、形式番号、製造番号、ライセンス番号等）や、金額などを示す情報である。
【００２９】
又、請求項９に係る発明は、請求項１乃至８の発明において、前記記憶部は、前記フォーム特定用データを画像データとして記憶し、前記処理部は、前記文書画像データと前記前記フォーム特定用データのマッチングを行って、前記文書画像データの前記フォームの特定処理を行うこととした。
【００３０】
この構成によれば、処理部は、文書画像データとフォーム特定用データのマッチングを行って、文書画像データのフォームの特定処理を行う。これにより、文書画像データ内のデータとのマッチングにより、文書画像データのフォームを特定することができる。
【００３１】
又、請求項１０に係る発明は、請求項１乃至９の発明において、文書を読み取って前記文書画像データを生成する画像読取部を備えることとした。
【００３２】
この構成によれば、情報抽出装置は、文書を読み取って文書画像データを生成する画像読取部を備える。これにより、情報抽出装置で直接的に文書を読み取って文書画像データを得ることができる。
【発明の効果】
【００３３】
上述したように、本発明によれば、文書画像データのフォームを問わず、自動的、かつ、正確に文書画像データのフォームを特定し、必要な情報を文書画像データから抽出し、有用なデータを得ることができる。このとき、データ（情報）抽出を行うごとに、文書画像データのフォームの選択や、必要な情報が記された領域の指定などの使用者による作業の必要無い。
【図面の簡単な説明】
【００３４】
【図１】情報抽出装置の一例の概要を示す説明図である。
【図２】複合機の一例を示す模型的正面断面図である。
【図３】情報抽出装置の構成の一例を示すブロック図である。
【図４】文書画像データのフォームの登録手法の一例を説明するための概念図である。
【図５】文書画像データのフォームの登録入力の一例を説明するための説明図である。
【図６】文書画像データのフォームの登録手法の一例を説明するための概念図である。
【図７】文書画像データのフォームの登録入力の一例を説明するための説明図である。
【図８】フォームデータの態様の一例を示す説明図である。
【図９】情報抽出装置での情報抽出処理の流れの一例を示すフローチャートである。
【図１０】抽出情報を用いたデータベースでの利用画面の一例を示す説明図である。
【図１１】フォームを特定できないときの処理の流れの一例を示すフローチャートである。
【図１２】フォーム選択画面の一例を示す説明図である。
【発明を実施するための形態】
【００３５】
以下、図１〜図１２を用いて本発明の実施形態を説明する。以下の説明では、画像形成装置の一種である複合機１を情報抽出装置１００として用いる一例を説明する。但し、本実施の形態に記載されている構成、配置等の各要素は、発明の範囲を限定するものではなく単なる説明例にすぎない。
【００３６】
（情報抽出装置１００の概要）
まず、図１を用いて、実施形態に係る情報抽出装置１００の一例を説明する。図１は情報抽出装置１００の一例の概要を示す説明図である。尚、図１では、データの流れを白抜矢印で示している。
【００３７】
本実施形態の説明では、文書画像データに対してフォームの特定や情報を抽出する処理を複合機１が行う例を説明する。
【００３８】
まず、情報抽出装置１００としての複合機１は、自己に備わる画像読取部１１を用いて紙に印刷された文書をスキャンする。これにより、複合機１は、文書の画像データを生成、取得する。
【００３９】
又、複合機１には、ネットワーク等によりコンピューター２（例えば、パーソナルコンピューター）を通信可能に接続することができる。そして、コンピューター２には、スキャナー３を接続することができる。複合機１は、スキャナー３の文書の読み取りで得られた文書画像データをコンピューター２から受信することもできる。このように、本実施形態の複合機１は、画像読取部１１だけでなく、コンピューター２から受信することにより、文書画像データを取得できる。言い換えると、コンピューター２を、複合機１に文書画像データを入力する部分として機能させることができる。
【００４０】
そして、複合機１内部に設けられる記憶部１７は、文書画像データのフォームを特定するためのフォーム特定用データや、各フォームの文書画像データ中、情報を抽出する領域を示す抽出エリアデータをフォームごとに記憶する。複合機１は、フォーム特定用データを用いて、文書画像データのフォームを特定する。又、複合機１は、特定したフォームから、例えば、テキストデータ形式で文書画像データ中の予め定められた抽出エリアの情報を抽出する。
【００４１】
複合機１は、文書画像データから抽出した情報を複合機１内部に設けられる記憶部１７に記憶できる。又、複合機１には、ネットワーク等を介して、データサーバー４を通信可能に接続することもできる。そこで、複合機１が抽出した抽出情報を、データサーバー４に記憶、蓄積させることができる。このように、複合機１は、データサーバー４を複合機１（情報抽出装置１００）の記憶部の一種として用いることができる。以下の説明では、抽出情報をデータサーバー４に蓄積する例を説明する。
【００４２】
このように、本実施形態の情報抽出装置１００は、複合機１自体、あるいは、複合機１とデータサーバー４やコンピューター２の何れか１つ又は複数を組み合わせて構成することができる（情報抽出システムであるともいえる）。
【００４３】
（複合機１の概略）
次に、図２に基づき、実施形態に係る複合機１の概略を説明する。図２は、複合機１の一例を示す模型的正面断面図である。
【００４４】
図２に示すように、本実施形態の複合機１は、正面上方に、画像読取部１１、操作パネル１２（破線で図示）、給紙部１３、搬送路１４、画像形成部１５、定着部１６等が設けられる。又、複合機１は、最上部に原稿搬送装置１９を有する。
【００４５】
そして、図２に破線で示すように、操作パネル１２は、複合機１の正面上方に設けられる。そして、操作パネル１２は、複合機１の状態や各種メッセージを表示する液晶表示部１２１（表示部に相当）を備える。又、液晶表示部１２１は、機能の選択、設定や文字入力等を行うためのキーを１又は複数表示できる。そして、液晶表示部１２１の上面にタッチパネル部１２２（例えば、抵抗膜方式、入力部に相当）が設けられる。タッチパネル部１２２は、液晶表示部１２１で押された部分の位置、座標を抽出するためのものである。タッチパネル部１２２の出力に基づき、押されたキーを認識することができる。又、操作パネル１２には、コピー等の各種機能の実行開始を指示するためのスタートキー１２３等、各種のハードキーも設けられる。これら液晶表示部１２１に表示されるソフトキーや、操作パネル１２に設けられるハードキーを用いて、操作パネル１２に対する使用者の入力が受け付けられる。
【００４６】
原稿搬送装置１９は、正面側の端部を自由端として上下方向に開閉可能である。原稿搬送装置１９は、載置読取用コンタクトガラス１１１に載置された原稿を押さえる。又、原稿搬送装置１９上部に載置された原稿束から、原稿を１枚ずつ送り読取用コンタクトガラス１１２（読み取り位置）に向けて連続的、自動的に搬送する。
【００４７】
画像読取部１１は、文書（原稿）を読み取り、原稿の画像データを形成する。又、画像読取部１１内には露光ランプ、ミラー、レンズ、イメージセンサ（例えば、ＣＣＤ）等の光学系部材（不図示）が設けられる。露光ランプは、画像読取部１１は、載置読取用コンタクトガラス１１１に載置される原稿や、送り読取用コンタクトガラス１１２を通過する原稿に光を照射する。又、これらの光学系部材を用い、原稿の反射光を導き、反射光を受けたイメージセンサの各画素の出力値をＡ／Ｄ変換し、画像データを生成する。このように、本実施形態の複合機１では、文書画像データを生成することができる。
【００４８】
給紙部１３は、複数の用紙（例えば、コピー用紙、普通紙、再生紙、厚紙、ＯＨＰシート等の各種シート）を収容し、１枚ずつ搬送路１４に送り込む。搬送路１４は、給紙部１３から排出トレイ１４１まで用紙を搬送する通路である。そして、搬送路１４には、用紙搬送の際に回転駆動する搬送ローラー対１４２や、搬送されてくる用紙を画像形成部１５の手前で待機させ、トナー像形成のタイミングを合わせて用紙を送り出すレジストローラー対１４３等が設けられる。
【００４９】
画像形成部１５は、画像データに基づきトナー像を形成し、搬送される用紙にトナー像を転写する。画像形成部１５は、トナー像形成のため、感光体ドラム１５１と、その周囲に配設された帯電装置１５２、レーザ走査ユニット１５３、現像装置１５４、転写ローラー１５５、清掃装置１５６等を備える。
【００５０】
定着部１６は、用紙に転写されたトナー像を定着させる。本実施形態における定着部１６は主として発熱体を内蔵する加熱ローラー１６１と加圧ローラー１６２で構成される。加熱ローラー１６１と加圧ローラー１６２は圧接しニップを形成する。そして、用紙が、このニップを通過することで、用紙表面のトナーが溶融・加熱され、トナー像が用紙に定着する。トナー定着後の用紙は、排出トレイ１４１が受け止める。このようにして、コピー機能、プリンタ機能の使用時、画像形成（印刷）が行われる。
【００５１】
（情報抽出装置１００のハードウェア構成）
次に、図３に基づき、実施形態に係る情報抽出装置１００のハードウェア構成の一例を説明する。図３は、情報抽出装置１００の構成の一例を示すブロック図である。
【００５２】
まず、複合機１から説明する。複合機１内に、主制御部１０（処理部に相当）が設けられる。主制御部１０は複合機１の動作制御を司る。主制御部１０は、ＣＰＵ１０ａ、画像処理部１０ｂ等を含む。尚、全体制御や画像処理を行うメイン制御部や、画像形成や各種回転体を回転させるモータ等のＯＮ／ＯＦＦ等を制御するエンジン制御部等、機能ごとに主制御部１０を分割し、制御を行う部分が複数種設けられてもよい。
【００５３】
ＣＰＵ１０ａは、中央演算処理装置であって、記憶部１７に格納され、展開されるプログラムやデータに基づき複合機１の各部を制御する。画像処理部１０ｂは、例えば、濃度変換や拡大、縮小等、印刷を行う画像データへの画像処理や、画像読取部１１で読み取られた画像データの形式変換などの処理を行える。
【００５４】
又、ＣＰＵ１０ａや画像処理部１０ｂは、文書画像データのフォームの特定の処理や、文書画像データに含まれるパターンの認識や、ＯＣＲ処理を行って文書画像データに含まれる文字や数字等からなる記号列を認識する処理を行える。従って、複合機１の主制御部１０は、文書画像データのフォームの特定処理や、文書画像データから情報を抽出する処理や、文書画像データに含まれる記号列を認識する処理を行う処理部として機能する（詳細は後述）。
【００５５】
記憶部１７は、ＲＯＭ、ＲＡＭ、ＨＤＤ、フラッシュＲＯＭ等を含み、不揮発性と揮発性の記憶装置を組み合わせて構成される。記憶部１７は、複合機１の制御用等の各種のプログラムやデータ、設定データ、画像データ等の各種データを記憶する。又、記憶部１７は、フォーム特定用データや抽出エリアデータや抽出情報を記憶、蓄積できる。
【００５６】
又、主制御部１０は、操作パネル１２、原稿搬送装置１９、画像読取部１１、給紙部１３、搬送路１４、画像形成部１５、定着部１６等の各部とバスや信号線等で接続され各部、各装置を制御して複合機１の動作（例えば、スキャン動作や印刷動作）を制御する。
【００５７】
更に、主制御部１０は、各種コネクタ、ソケット、通信制御用のチップ等を備えた通信部１８と接続される。通信部１８は、ネットワークや公衆回線やケーブル等により、コンピューター２のデータ通信部２４や、データサーバー４のデータ通信部４１と通信可能に接続される。通信部１８は、コンピューター２やデータサーバー４と文書画像データやフォームに関するデータや、抽出情報など、各種データのやり取りを行える。
【００５８】
尚、コンピューター２に通信可能に接続されるスキャナー３は、複合機１のうち、画像読取部１１に相当する機能を有する。又、上記に行った画像読取部１１の説明は、スキャナー３についても同様にあてはまり、スキャナー３は、文書の画像データを生成する。
【００５９】
次に、コンピューター２は、例えば、ＣＰＵ２０１を含む制御部２０や、ＨＤＤやＲＡＭやＲＯＭで構成される記憶部２１や、キーボードやマウス等の入力装置２２や、表示装置としてのディスプレイ２３や、外部と通信を行うためのインターフェイスであるデータ通信部２４を備える。
【００６０】
制御部２０は、例えば、ＣＰＵ２０１などの回路、チップが実装された基板である。制御部２０は、コンピューター２での演算や制御などの処理を行う。記憶部２１は、コンピューター２を動作させ、利用するために必要なプログラム、データを記憶する。又、記憶部２１には、複合機１を利用するためのアプリケーションやプログラムがインストールされる。アプリケーションには、例えば、スキャナー３で生成された文書画像データを複合機１に送信するプログラムなどが含まれる。
【００６１】
データサーバー４は、例えば、ＣＰＵやチップ等を含み、データサーバー４の動作、処理を制御する制御部４０を含む。又、データサーバー４は、外部と通信を行うためのインターフェイスであるデータ通信部４１を含む。データ通信部４１は、複合機１の通信部１８や、コンピューター２のデータ通信部２４とネットワーク、ケーブル等により通信可能に接続される。例えば、データ通信部４１は、複合機１の通信部１８と通信し、フォーム特定用データや抽出エリアデータや抽出情報をやり取りすることもできる。
【００６２】
そして、データサーバー４には、記憶部４２が内蔵される。記憶部４２は、例えば、複数台のＨＤＤなどで構成される大容量の記憶装置である。制御部４０は、データ通信部４１が受信したデータ（例えば、複合機１の通信部１８からの抽出情報）を記憶部４２に記憶させることができる。又、複合機１やコンピューター２等からの要求に応じて、データを送信することができる。尚、データサーバー４に、キーボードやマウス等の入力装置４３や、表示装置としてのディスプレイ４４を設けても良い。
【００６３】
（フォームの登録）
次に、図４〜図８を用いて、実施形態に係る情報抽出装置１００でのフォームの登録手法の一例を説明する。図４は、文書画像データのフォームの登録手法の一例を説明するための概念図である。図５は、文書画像データのフォームの登録入力の一例を説明するための説明図である。図６は、文書画像データのフォームの登録手法の一例を説明するための概念図である。図７は、文書画像データのフォームの登録入力の一例を説明するための説明図である。図８は、フォームデータの態様の一例を示す説明図である。
【００６４】
本実施形態の情報抽出装置１００では、文書画像データのフォームを特定し、所望の位置から情報を抽出するために、フォームに関するデータ（フォームデータ）を登録する必要がある。そこで、フォームデータの登録を説明する。尚、フォームデータには、フォーム特定用データや抽出エリアデータが含まれる。
【００６５】
本実施形態の複合機１では、フォームを登録する手法は、複数考えられる。そこで、以下の説明では、図４、図５を用いて１つ目の手法（便宜上、「第１の登録手法」と称する。）を説明する。又、図６、図７を用いて２つめの手法（便宜上、「第２の登録手法」と称する。）を説明する。いずれのフォームの登録手法を用いるかは、操作パネル１２やコンピューター２で操作することにより選択することができる。
【００６６】
１．第１の登録手法
まず、図４を用いて、フォームデータの登録の概要を説明する。図４は、画像読取部１１により読み取られた文書の文書画像データの一例の全体像を示している。尚、以下の説明では、ライセンス管理のため、ソフトウェアのライセンスに関する文書のフォームの登録を例に挙げて説明する。
【００６７】
文書には、書式、様式がある程度決まっているものがある。例えば、ある会社が発行する請求書や納品書などは、書式、様式がある程度決まっている。そして、文書内で抽出したい情報が記された位置は、フォームが同じであれば、同じとなる。そのため、あるフォームから所望する情報抽出を自動的に行うには、文書（文書画像データ）のフォーム特定を最初に行う必要がある。そこで、使用者は、フォーム中、フォームの特定に用いる部分（範囲）を指定する（プログラミングする）。その後、フォーム中、抽出すべき情報が記された抽出エリアを指定する（プログラミングする）。
【００６８】
文書画像データ内の定型的な部分のうち、例えば、文書の作成者を示すロゴや、文書の作成者を示す記号列や、文書名の部分は、フォームの特定に用いることができる。そこで、使用者は、図４に２点鎖線で示すように、フォームの特定に用いると好ましいと思われる範囲を指定する。範囲指定された部分に基づきフォーム特定用データが生成される。
【００６９】
更に、使用者は、文書画像データ内で情報の抽出エリアの指定を行う。言い換えると、使用者は、フォームにおいて情報を抽出すべき範囲を定義する。そして、使用者は、図４に破線で示すように、抽出したい情報が配された範囲を指定する。指定されたエリアに基づき、抽出エリアデータが生成される。
【００７０】
次に、図５を用いて、具体的な文書画像データのフォームの登録の手法の一例を説明する。本説明では、複合機１の操作パネル１２に入力を行ってフォームデータを登録する例を説明する。
【００７１】
例えば、第１の登録手法で、フォームデータの登録を行うとき、使用者は、複合機１の操作パネル１２に対して操作を行い、複合機１のモードを、第１の登録手法でフォームデータを登録するためのモードとする。そして、使用者は、登録しようとするフォームで記された文書を複合機１にセットしておく。スタートキー１２３が押されると、主制御部１０は、原稿（文書）の読み取りを画像読取部１１に行わせ、登録しようとするフォームの文書画像データの一例を生成させる。あるいは、通信部１８は、コンピューター２から登録しようとするフォームの文書画像データの一例を取得してもよい。
【００７２】
そして、登録しようとするフォームの文書画像データの一例を用いてフォームの登録がなされる。第１の登録手法でフォームを登録するモードでは、主制御部１０は、フォーム登録画面５１を液晶表示部１２１に表示させる。主制御部１０は、このフォーム登録画面５１に、登録しようとするフォームの文書画像データが表示される。
【００７３】
まず、図５の上段の図に示すように、例えば、フォーム登録画面５１では、フォーム特定に用いる範囲の指定が求められる。そして、使用者は、例えば、なぞる、囲う等の範囲を指定する操作を行って、フォーム特定用データとして用いる範囲を指定する。そして、主制御部１０は、タッチパネル部１２２の出力に基づき、フォーム特定に用いると指定された範囲の端点の座標を認識する。
【００７４】
そして、フォーム登録画面５１に設けられた次キーＫ１が押されると、抽出エリアの指定を行うための画面に切り替わる。そして、使用者は、例えば、なぞる、囲う等の範囲を指定する操作を行って、抽出すべき情報が記された範囲を指定する。主制御部１０は、タッチパネル部１２２の出力に基づき、指定された抽出エリアの端点の座標を認識する。
【００７５】
尚、フォーム登録画面５１には、拡大キーＫ２や縮小キーＫ３が設けられる。拡大キーＫ２が押されると、液晶表示部１２１は、表示倍率を大きくして、登録しようとするフォームの文書画像データを表示する。一方、縮小キーＫ３が押されると、液晶表示部１２１き、表示倍率を小さくして、登録しようとするフォームの文書画像データを表示する。尚、表示倍率によっては、液晶表示部１２１の１画面中に文書画像データ全体を表示できないので、文書画像データ中の表示位置を移動させるための方向キーＫ４（計４つ）が設けられる。方向キーＫ４が押されると、液晶表示部１２１は、押された方向に応じて、文書画像データ中の表示する位置を切り替える。これらの拡大キーＫ２や縮小キーＫ３により、的確に範囲を指定することができる。そして、完了ボタンＫ７を押すことにより、範囲指定が終了する。
【００７６】
（２．第２の登録手法）
次に、第２の登録手法を説明する。第１の登録手法と異なり、第２の登録手法は、範囲を選択するだけで、フォームの特定に用いる範囲の指定や、抽出エリアの指定を行えるようにする。
【００７７】
図６は、登録しようとするフォームの文書画像データの一例の全体像を示している。本手法では、登録しようとするフォームの文書を複数枚用意する（例えば、数十枚）。そして、画像読取部１１やスキャナー３を用いて登録しようとするフォームの文書を複数枚読み取る。そして、複合機１は、登録しようとするフォームの複数枚分の文書画像データを取得する。
【００７８】
主制御部１０は、例えば、登録しようとするフォームの各文書画像データについて、余白部分と余白でない部分に分割する処理を行う。例えば、主制御部１０は、用紙色（地肌色）を、ヒストグラム等を用いて特定する。そして、主制御部１０は、例えば、各文書画像データで、用紙色でない画素から予め定められた画素数以上の離れている用紙色の画素の領域を余白領域とし、余白領域でない部分を非余白領域とする。又、例えば、主制御部１０は、非余白領域を矩形として分割する。尚、余白領域と非余白領域を分割できれば良く、主制御部１０は、公知の領域の分割技術を用いて、文書画像データでの余白部分と非余白部分の分割を行えばよい。
【００７９】
そして、主制御部１０は、各文書画像データでの分割結果に基づき、フォームでの非余白部分の範囲を定める。例えば、主制御部１０は、各文書画像データ間で各非余白部分の論理和をとり、フォームでの非余白部分の範囲（座標）を定める。
【００８０】
又、例えば、主制御部１０は、フォームでの非余白部分について、各文書画像データ間で共通する部分と共通しない部分を区別する。例えば、図６での２点鎖線で示す範囲は、登録しようとするフォームで共通すると認識された領域の一例を示す。又、図６での破線で示す範囲は、登録しようとするフォームで共通しないと認識された領域の一例を示す。
【００８１】
主制御部１０は、登録しようとするフォームの各文書画像データ間で、非余白部分の画像データのパターンマッチングを行い、画素の配列の一致率に基づき、非余白部分が共通する部分であるか共通しない部分であるかを判断してもよい。あるいは、主制御部１０は、ＯＣＲ処理により非余白部分の記号列認識を行い、認識された記号列（文字等）が登録しようとするフォームの各文書画像データ間で同じで有るか否かにより、非余白部分が共通する部分であるか共通しない部分であるかを判断してもよい。
【００８２】
次に、図７を用いて、第２の登録手法での具体的な文書画像データのフォームの登録の手法の一例を説明する。本説明でも、複合機１の操作パネル１２に入力を行ってフォームデータを登録する例を説明する。
【００８３】
例えば、第２の登録手法で、フォームデータの登録を行うとき、使用者は、複合機１の操作パネル１２に対して操作を行い、複合機１のモードを、第２の登録手法でフォームデータを登録するためのモードとする。そして、使用者は、登録しようとするフォームで記された文書を原稿搬送装置１９の原稿トレイに複数枚セットしておく。スタートキー１２３が押されると、主制御部１０は、文書を原稿搬送装置１９に搬送させつつ、画像読取部１１に複数枚分（例えば、数十枚）の文書の読み取りを行わせる。そして、主制御部１０は、画像読取部１１に同じフォームの複数枚分の文書画像データを生成させる。あるいは、通信部１８は、コンピューター２から複数枚分の同じフォームの文書画像データを取得してもよい。
【００８４】
そして、主制御部１０は、取得された複数枚分の文書画像データを用いて、フォームでの非余白領域と余白領域の分割や、非余白領域を共通部分と非共通部分で区別する処理を行う。
【００８５】
第２の登録手法でフォームを登録するモードでは、主制御部１０は、フォーム登録画面５２を液晶表示部１２１に表示させる。液晶表示部１２１は、読み取りで得られた画像データのうち、ある１枚の文書画像データをモデルとして、余白領域と非余白領域の分割結果や、共通部分と認識した範囲をフォーム登録画面５２に表示させる。
【００８６】
まず、図７の上段の図に示すように、例えば、フォーム登録画面５２では、フォームの特定に用いる範囲を、共通部分として示された部分（範囲）を押して指定する。そして、主制御部１０は、タッチパネル部１２２への入力に基づき、フォームの特定に用いる指定された範囲（共通部分）を認識する。又、例えば、主制御部１０は、液晶表示部１２１に網掛表示を行わせ、指定された共通部分であることを示す。
【００８７】
そして、フォーム登録画面５２に設けられた次キーＫ１が押されると、主制御部１０は、情報を抽出する抽出エリアの指定を行うための画面を液晶表示部１２１に表示させる。具体的に、主制御部１０は、抽出エリアの指定を行うための画面として、非共通部分と認識した範囲を液晶表示部１２１に表示させる。使用者は、非共通部分として示された部分を押す等により、情報を抽出するエリアを指定する。そして、主制御部１０は、タッチパネル部１２２の出力に基づき、情報を抽出すると選択された非共通部分を認識する。そして、主制御部１０は、液晶表示部１２１に網掛表示を行わせ、指定された範囲（非共通部分）であることを示す。
【００８８】
尚、フォーム登録画面５２にも、拡大キーＫ２や縮小キーＫ３や方向キーＫ４（計４つ）が設けられる。これらの拡大キーＫ２、縮小キーＫ３、方向キーＫ４により、的確に範囲を指定することができる。又、完了ボタンＫ７も設けられ、完了ボタンＫ７を押すことにより、範囲指定が終了する。
【００８９】
いずれかの手法により、フォームの特定に用いる範囲の指定結果に基づき、フォームでのフォーム特定用データが設定（プログラミング）される。又、抽出エリアとして指定された結果に基づき、フォームでの抽出エリアデータが設定（プログラミング）される。
【００９０】
具体的に、図８に示すように、主制御部１０は、フォーム特定に用いると指定された範囲の座標情報と、フォーム特定に用いるデータをフォーム特定用データとして含むフォームに関するデータ（フォームデータ）を記憶部１７に記憶させる。主制御部１０は、指定された範囲の画像データをフォーム特定用データとして記憶部１７に記憶させてもよいし、指定された範囲をＯＣＲ処理によりテキスト処理して得られたテキスト形式のデータを記憶部１７に記憶させても良い。
【００９１】
そして、１つのフォームのフォームデータには、フォーム特定に用いると指定された範囲の個数分だけ、座標情報を示すデータとフォーム特定に用いるデータの組み合わせが記憶部１７に記憶される。
【００９２】
又、図８に示すように、主制御部１０は、情報を抽出すると指定された範囲の座標情報を抽出エリアデータとして記憶部１７に記憶させる。そして、主制御部１０は、情報を抽出すると指定された範囲の示す座標情報を含めたフォームデータを記憶部１７に記憶させる。これにより、登録するフォームでのフォーム特定用データと抽出エリアデータが関連付けられる。そして、１つのフォームについて、情報を抽出すると指定された範囲の個数分だけ、抽出エリアの座標情報が抽出エリアデータとして記憶部１７に記憶される。
【００９３】
尚、フォームに関し、図８に示すように、フォーム名やフォームの登録日等を示す基本データをフォームデータに含めても良い。例えば、使用者は、フォームの登録の際、フォーム名等の基本情報を操作パネル１２に対して入力する。そして、１つのフォームデータは、フォーム特定用データや抽出エリアデータや基本データが含められ、１つのフォームに関連するデータとしてまとめられる。そして、図８に示すように、記憶部１７は、複数種のフォームデータを記憶できる。
【００９４】
上記の例では、複合機１の操作パネル１２の液晶表示部１２１やタッチパネル部１２２等を利用してフォームの登録を行う例を説明した。しかし、コンピューター２やデータサーバー４が、図５や図７に示すようなフォーム登録画面５１、５２を、ディスプレイ２３、４４に表示させ、入力装置２２、４３への入力により、１つのフォームに関連するデータ（フォーム特定用データや抽出エリアデータ）を生成（プログラミング）できるようにしてもよい。そして、通信部１８で、コンピューター２やデータサーバー４で生成されたフォーム特定用データや抽出エリアデータを含むフォームデータを受信し、記憶部１７が記憶するようにしてもよい。
【００９５】
（情報抽出処理の流れ）
次に、図９を用いて、本実施形態の情報抽出装置１００での情報抽出処理の流れの一例を説明する。図９は、情報抽出装置１００での情報抽出処理の流れの一例を示すフローチャートである。
【００９６】
まず、図９のスタートは、複合機１の操作パネル１２に、文書画像データから情報を抽出し、記憶する指示がなされた時点である。
【００９７】
文書画像データから情報を抽出し、蓄積する処理が開始されると、複合機１の主制御部１０は、文書画像データを取得する（ステップ♯１）。例えば、主制御部１０は、原稿としての文書の画像読取部１１による読み取りで得られた画像データを取得する。あるいは、主制御部１０は、通信部１８を介して、コンピューター２から文書画像データを取得してもよい。
【００９８】
次に、主制御部１０は、記憶部に記憶された各フォームデータでのフォーム特定用データを用いて、文書画像データのフォームを特定する（ステップ♯２）。具体的に、主制御部１０は、フォーム特定用データの座標情報に一致する文書画像データ中の範囲と、フォーム特定用データの一部として、フォームの特定に用いるとして記憶された画像データやテキストデータとデータの比較を、フォームごとに逐次行い、文書画像データのフォームを特定する。この比較の時、必要が有れば、主制御部１０は、文書画像データに対して記号列認識処理（ＯＣＲ処理）を行う。
【００９９】
フォームが特定されると、主制御部１０は、文書画像データ中、特定されたフォームに対応するフォームデータに含まれる抽出エリアデータの座標情報に対応する範囲に対し、記号列認識処理を行う（ステップ♯３）。もし、複数の抽出エリアデータが定められていれば、主制御部１０は、抽出エリアデータごとに記号列認識処理を行う。
【０１００】
フォームで定められた全ての抽出エリアについての記号列認識処理が完了すると、主制御部１０は、抽出エリアから抽出された情報（抽出情報）と、特定されたフォームを示す情報をデータサーバー４に送信する（ステップ♯４）。
【０１０１】
そして、抽出情報を受信したデータサーバー４は、抽出情報をデータとして記憶する（ステップ♯５→エンド）。データサーバー４は、フォームの種類に応じて抽出情報を記憶する。
【０１０２】
（抽出情報の利用）
次に、図１０を用いて、抽出情報の利用の一例を説明する。図１０は、抽出情報を用いたデータベースでの利用画面６の一例を示す説明図である。
【０１０３】
上述のように、本実施形態の情報抽出装置１００では、抽出情報がデータサーバー４に蓄積される。蓄積された抽出情報は、各種管理上、用いることができる。そして、図１０は、ソフトウェアのライセンス管理のため、ソフトウェアのライセンスに関する文書のフォームを登録し、ソフトウェアのライセンスに関する文書の文書画像データから情報を抽出し、抽出された情報を用いたデータベースの利用画面６の一例を示す。利用画面６は一例に過ぎず、管理上、利用上、便利なように利用画面６は適宜設定される。
【０１０４】
例えば、コンピューター２やデータサーバー４には、抽出情報に基づいて、各種情報の閲覧や検索を容易とし、抽出情報のデータ構造を定めたデータベース用のプログラムがインストールされる。これにより、コンピューター２やデータサーバー４は、データサーバー４の記憶部４２にアクセスし、データサーバー４に記憶された抽出情報に基づいて、データベース機能を提供する。
【０１０５】
例えば、コンピューター２やデータサーバー４は、文書画像データから抽出された「注文番号」、「契約番号」、「商品名」等の項目が示されたデータベースの利用画面６をディスプレイ２３に表示させる。使用者は、ソフトウェアの各種管理にデータベースを用いることができる。
【０１０６】
尚、主制御部１０は、文書画像データ自体を電子文書化し（例えば、ＰＤＦ形式）、抽出情報とともに電子文書化した文書画像データを、通信部１８からデータサーバー４に向けて送信させても良い。そして、図１０に示すように、データベースの利用画面６に電子文書化した文書画像データのリンクを張り、電子文書化した文書画像データを閲覧できるようにしてもよい。
【０１０７】
（フォームの選択）
次に、図１１、図１２を用いて、フォームを特定できないときのフォーム選択の一形態を説明する。図１１は、フォームを特定できないときの処理の流れの一例を示すフローチャートである。図１２は、フォーム選択画面７の一例を示す説明図である。
【０１０８】
主制御部１０は、文書画像データのフォームを、フォーム特定用データを用いて特定する。しかし、読み取りした文書に折れやシワがある場合や、読み取りした手書きによる書き込みがある場合や、読み取りした文書に汚れがある場合などでは、フォーム特定用データと一致し難くなる。
【０１０９】
この場合、主制御部１０は、フォーム特定用データとの適合率が最も高いフォームを文書画像データのフォームと自動的に特定することも考えられる。しかし、誤ったフォームを特定すれば、誤った情報が抽出され、蓄積される。そこで、本実施形態では、文書画像データのフォームを特定しきれないとき、主制御部１０は、操作パネル１２の液晶表示部１２１に、フォームの候補を表示させる。そして、主制御部１０は、選択されたフォームを文書画像データのフォームと特定する。
【０１１０】
ここで、図１１を用いて、具体的なフォームの特定の流れを説明する。図１１は、図９のフローチャートでのステップ♯２での処理を細かく示したフローチャートである。
【０１１１】
図１１のスタートは、複合機１が取得した文書画像データのフォームを特定しようとする時点である。
【０１１２】
まず、主制御部１０は、記憶部に記憶された各フォームのフォームデータに含まれるフォーム特定用データと、文書画像データを比較し、各フォームと文書画像データの適合率を求める（ステップ♯１１）。適合率の求め方は、任意に定めることができる。
【０１１３】
例えば、主制御部１０は、１つのフォームデータに含まれる１又は複数のフォーム特定用データと文書画像データとを比較する。例えば、フォームを特定するためのデータが画像データとして記憶されているとき、主制御部１０は、画素の配列や濃度値に基づき、フォーム特定用データの座標情報に対応する文書画像データでの範囲内の各画素について、フォームを特定するためのデータと一致する画素と一致しない画素に仕分けする（マッチング処理）。そして、範囲内の全画素数に対する一致する画素数との比率により１つのフォーム特定用データについての適合率を求める。又、例えば、フォーム特定用データがテキストデータとして記憶されているとき、主制御部１０は、文書画像データ内でのフォーム特定用データの座標情報に対応する位置の記号列（テキスト）を認識する。そして、主制御部１０は、フォーム特定用データとして登録された記号列の各記号と、認識した記号列の各記号が一致する比率を適合率として求める。１つのフォームに複数のフォーム特定用データが含まれていれば、例えば、主制御部１０は、各フォーム特定用データについての適合率を求める。そして、主制御部１０は、複数のフォーム特定用データについての適合率の平均値を文書画像データと比較しているフォームとの適合率と定めても良い。尚、フォームと文書画像データの適合率の求め方は上記に限らず、主制御部１０は、他の手法により、文書画像データのフォームを特定するうえで目安となる適合率を求めても良い。
【０１１４】
そして、主制御部１０は、求めた適合率が予め定められた値以上のフォームがあるかを確認する（ステップ♯１２）。予め定められた値は、適合率を求める手法などを勘案して適宜定めることができる値であり、フォームを使用者に選択させるか否かの閾値として機能する。
【０１１５】
適合率が予め定められた値以上のフォーム（フォームデータ）があれば（ステップ♯１２のＹｅｓ）、主制御部１０は、適合率が予め定められた値以上のフォームを文書画像データのフォームと特定する（ステップ♯１３）。この場合、主制御部１０は、自動的に文書画像データのフォームを特定することになる（エンド）。尚、２つ以上、適合率が予め定められた値以上のフォームがあれは、主制御部１０は、適合率が最も高いフォームを文書画像データのフォームと特定する。
【０１１６】
一方、適合率が予め定められた値以上のフォームが無ければ（ステップ♯１２のＮｏ）、主制御部１０は、記憶部１７に記憶されたフォーム（フォームデータ）のうち、操作パネル１２の液晶表示部１２１に表示させるフォームの候補を定める処理を行う（ステップ♯１４）。
【０１１７】
文書画像データとして読み取られた文書内には、以前に抽出された情報と同じ情報を含むことがある。例えば、フォームが納品書や請求書の場合、以前と同じものを購入した請求書や納品書であれば、以前に抽出された情報と同じ情報（商品名や価格や商品番号等）が、文書画像データに含まれることになる。又、ソフトウェアライセンスの管理に関しては、以前に抽出した情報（例えば、ソフトウェアの名称、製品番号、バージョン情報）と同じ情報がソフトウェアライセンス管理に関する文書の文書画像データに含まれていることもある。
【０１１８】
又、文書画像データとして読み取られた文書は、以前に抽出された情報と同じ情報はないが、記号列の桁数が同じという共通の特徴を含むことがある。例えば、フォームが納品書や請求書の場合、購入する商品が毎回同種類のものであれば、以前に情報として抽出された記号列と同じ桁数の情報（価格や商品番号等）が、文書画像データに含まれることになる。又、ソフトウェアライセンスの管理に関しては、以前に抽出した情報（例えば、十数桁以上のシリアルキー等）と同じ桁数の情報がソフトウェアライセンス管理に関する文書の文書画像データに含まれていることもある。
【０１１９】
又、文書画像データとして読み取られた文書は、以前に抽出された情報と同じ情報ではないが、記号列の内容が近似することもある。例えば、フォームが納品書や請求書の場合、購入金額が毎回、ほぼ同じ金額であれば、以前に情報として抽出された記号列と同じような数字情報（金額等）が、文書画像データに含まれることになる。
【０１２０】
そこで、主制御部１０は、適合率が予め定められた値以上のフォームが無ければ、文書画像データの全体に対して記号列認識処理を行う。そして、主制御部１０は、データサーバー４に蓄積された抽出情報のなかに、認識した記号列と同じもの（同じ情報）があるか否か、認識した記号列と同じ桁数の情報があるか否か、認識した記号列に近似する（類似する）情報があるか否か、を確認し、同じものがある、同じ桁数の情報がある、近似する（類似する）情報がある１又は複数のフォームをする。更に、主制御部１０は、上記の確認点のうち、当てはまるフォームの１又は複数を候補と定める（ステップ♯１４）。
【０１２１】
そして、主制御部１０は、フォームの候補を示すフォーム選択画面７を、操作パネル１２の液晶表示部１２１に表示させる（ステップ♯１５）。図１２は、フォーム選択画面７の一例を示す。図１２に示すように、主制御部１０は、フォーム選択画面７内に、候補と定めたフォームを表示させる。このとき、図１２に示すように、主制御部１０は、候補に選択したフォーム名を表示させてもよいし、フォーム特定用データを配して候補としたフォームを模した矩形の図形を合わせて表示させてもよい。
【０１２２】
使用者は、フォーム選択画面７に表示されたフォームの候補を押し、ＯＫキーＫ５を押す。ＯＫキーＫ５が押されると、主制御部１０は、押されたフォーム（選択されたフォーム）を文書画像データのフォームと特定する（ステップ♯１６）。このように、フォームを自動的に特定できなくても、使用者の選択によりフォームが特定される（エンド）。
【０１２３】
尚、フォーム選択画面７に表示されたフォームに、文書画像データに該当するフォームが無いとき、別途フォームを選択するための別フォームキーＫ６が配される。別フォームキーＫ６が押されると、例えば、主制御部１０は、操作パネル１２に登録済みのフォームの名称等の一覧を表示させる。使用者は、一覧表示されたフォームの中から文書画像データのフォームを選択することになる。
【０１２４】
このようにして、本実施形態に係る情報抽出装置１００は、装置本体の内部や外部に設けられ、文書を読み取ることにより得られた画像データである文書画像データのフォームを特定するためのフォーム特定用データと、フォーム特定用データと関連付けられ、フォームごとに予め定められた文書画像データのうち情報を抽出する領域を示す抽出エリアデータと、を記憶する記憶部（例えば、記憶部１７）と、フォーム特定用データを参照して、文書画像データのフォームを特定する特定処理を行うとともに、特定されたフォームの抽出エリアデータに基づいて文書画像データから情報を抽出する抽出処理を行い、抽出された情報である抽出情報を記憶部に記憶させる処理部（例えば、主制御部１０）と、を含む。
【０１２５】
これにより、文書画像データのフォームの選択や、必要な情報が記された領域の指定などの使用者による作業無しに、文書画像データのフォームが特定される。そして、自動的に文書画像データから必要な情報が抽出される。従って、文書画像データから管理上必要な情報を簡易、正確に抽出することができ、文書から有用な情報を任意に抽出して蓄積することができる。
【０１２６】
又、文書の一部が折れていたり、汚れていたり、読み取り時の文書の傾きなどにより、文書画像データのフォームを特定できないことがある。そこで、情報抽出装置１００は、表示を行う表示部（例えば、液晶表示部１２１）と、使用者の操作、入力を受け付ける入力部（例えば、タッチパネル部１２２）と、を含み、処理部（例えば、主制御部１０）は、文書画像データのフォームを特定できないとき、フォームの候補を表示部（例えば、液晶表示部１２１）に表示させ、候補のうち入力部（例えば、タッチパネル部１２２）で選択されたフォームを文書画像データのフォームと特定する。これにより、処理部（例えば、主制御部１０）の処理によりフォームを自動的に特定できなくても、フォームの候補が表示され、表示されたフォームの中から選択するという行為だけでフォームを特定することができる。
【０１２７】
又、処理部（例えば、主制御部１０）は、文書画像データのフォームを特定できないとき、文書画像データに含まれる情報を認識し、認識した情報と抽出情報を比較し、認識した情報と一致する抽出情報が抽出されたフォーム、認識した情報に含まれる記号列の桁数が同じ抽出情報が抽出されたフォーム、認識した情報に含まれる記号列に近似する抽出情報が抽出されたフォームの何れか１つ、又は、複数のフォームを候補として表示部（例えば、液晶表示部１２１）に表示させる。これにより、記憶部（例えば、記憶部１７）に蓄積された抽出情報を利用し、適合率の高いフォームを候補として表示させることができる。従って、候補として適切なフォームを表示することができる。
【０１２８】
又、フォーム特定用データ及び抽出エリアデータを受信する通信部１８を備える。これにより、情報抽出装置１００は、外部でプログラミングされた（生成された）フォーム特定用データ及び抽出エリアデータを取り込むことができる。又、使用者は、パーソナルコンピューターなどを用いて、フォーム特定用データ及び抽出エリアデータの設定（プログラミング）を行い、情報抽出装置１００に向けて送信することで、文書（文書画像データ）のフォームに関するデータを情報抽出装置１００に記憶させることができる。
【０１２９】
又、表示部（例えば、液晶表示部１２１）は、文書画像データの内容を表示し、入力部（例えば、タッチパネル部１２２）は、表示された文書画像データのうちフォーム特定用データとして用いる範囲を定める入力と、表示された文書画像データのうち抽出エリアを定める入力を受け付け、処理部（例えば、主制御部１０）は、入力部で定められたフォーム特定用データと、フォーム特定用データに関連付けて入力部で定められた抽出エリアを示す抽出エリアデータを記憶部（例えば、記憶部１７）に記憶させる。これにより、使用者は、情報抽出装置１００に設けられた表示部（例えば、液晶表示部１２１）や入力部（例えば、タッチパネル部１２２）を用いて、フォームにおけるフォーム特定用データや抽出エリアデータの設定（プログラミング）を行うことができる。
【０１３０】
又、処理部（例えば、主制御部１０）は、同じ種類の文書を複数読み取ることで得られた複数枚分の文書画像データの束に基づき、各文書画像データでの共通部分と非共通部分を認識し、共通部分を示すデータをフォーム特定用データとして記憶部（例えば、記憶部１７）に記憶させ、非共通部分を示すデータを抽出エリアデータとして記憶部に記憶させる。これにより、複数枚の同じフォームの文書画像データに対して処理を行うだけで、フォームにおけるフォーム特定用データや抽出エリアデータを自動的に設定（プログラミング）することができる。
【０１３１】
又、表示部（例えば、液晶表示部１２１）は、共通部分と非共通部分とを区別して、共通部分と非共通部分を表示し、入力部（例えば、タッチパネル部１２２）は、表示された共通部分のうち、いずれの共通部分をフォーム特定用データとするかを定める入力を受け付け、又、表示された非共通部分のうち、いずれの非共通部分を抽出エリアとするかを定める入力を受け付け、処理部（例えば、主制御部１０）は、入力部でフォーム特定用データにすると定められた共通部分を示すデータをフォーム特定用データとして記憶部（例えば、記憶部１７）に記憶させ、入力部で抽出エリアにすると定められた非共通部分を示すデータを抽出エリアデータとして記憶部に記憶させる。これにより、使用者は、フォーム特定データとすべき部分や、抽出エリアとすべき部分を選択するだけで定めることができる。従って、使用者が所望するフォーム特定データや抽出エリアデータを簡易に作りだす（プログラミング）することができる。
【０１３２】
又、記憶部（例えば、記憶部１７）は、フォーム特定用データを記号列として記憶し、処理部（例えば、主制御部１０）は、文書画像データに含まれる記号列を認識し、文書画像データのフォームの特定処理を行うとともに、特定されたフォームの抽出エリアデータに基づいて文書画像データから記号列を情報として抽出する抽出処理を行い、抽出された記号列を抽出情報として記憶部に記憶させる。これにより、処理部は、文書画像データに対してＯＣＲ処理技術により、各記号を認識してフォームを特定し、抽出エリアデータに含まれる記号列を認識する。従って、文書画像データから情報を記号列のテキストデータとして抽出することができる。
【０１３３】
又、記憶部（例えば、記憶部１７）は、フォーム特定用データを画像データとして記憶し、処理部（例えば、主制御部１０）は、文書画像データとフォーム特定用データのマッチングを行って、文書画像データのフォームの特定処理を行う。これにより、文書画像データ内のデータとのマッチングにより、文書画像データのフォームを特定することができる。
【０１３４】
又、情報抽出装置１００は、文書を読み取って文書画像データを生成する画像読取部１１（スキャナー３を含む）を備える。これにより、情報抽出装置１００で直接的に文書を読み取って文書画像データを得ることができる。
【０１３５】
次に、他の実施形態を説明する。上記の実施形態では、複合機１の記憶部１７が、フォーム特定用データや抽出エリアデータ等を含むフォームデータを記憶する例を説明した。しかし、複合機１は、コンピューター２やデータサーバー４等と通信可能に接続されるので、フォームデータは、複合機１外の記憶部（例えば、コンピューター２の記憶部２１やデータサーバー４の記憶部４２）に記憶させておき、複合機１は、フォームデータを記憶場所から通信により取得してもよい。
【０１３６】
又、上記の実施形態では、抽出情報をデータサーバー４（記憶部４２）に記憶、蓄積する例を説明した。しかし、抽出情報の記憶、蓄積先は、データサーバー４に限らず、複合機１の記憶部１７や、コンピューター２の記憶部２１に記憶させてもよい。言い換えると、本実施形態の情報抽出装置１００での抽出情報を記憶、蓄積される場所は、フォーム特定や抽出処理を行う部分と離れていてもよい（外部でもよい）。
【０１３７】
又、上記の実施形態では、文書画像データに基づき、複合機１が文書画像データのフォームの特定や情報の抽出処理を行う例を説明した。しかし、コンピューター２やデータサーバー４が、フォームの特定や情報の抽出処理を行っても良い。この場合、コンピューター２の制御部２０（処理部に相当）やデータサーバー４の制御部４０が文書画像データを取得し、フォーム特定用データに基づくフォームの特定処理や、抽出エリアデータに基づく情報の抽出処理を行う処理部として機能する。又、コンピューター２のディスプレイ２３やデータサーバー４のディスプレイ４４が表示部に相当し、コンピューター２やデータサーバー４の入力装置２２、４３（キーボードやマウス）が入力部に相当することになる。このように、複合機１に限らず、コンピューター２を主体（本体）として情報抽出装置１００を構成できる。
【０１３８】
又、上記の実施形態では、画像データ化したソフトウェアに関する文書からソフトウェアの管理に要する情報を抽出する例を説明した。しかし、情報抽出装置が情報を抽出する対象としての文書は、ソフトウェアに関する文書に限られず、請求書や納品書や会計資料や社内資料や製品の保証書等、一定のフォーム（様式、形式）を有する文書などでもよく、特に制限はない。
【０１３９】
本発明の実施形態を説明したが、本発明の範囲はこれに限定されるものではなく、発明の主旨を逸脱しない範囲で種々の変更を加えて実施することができる。
【産業上の利用可能性】
【０１４０】
本発明は情報抽出装置、文書画像データ処理システム、プログラムに使用可能である。
【符号の説明】
【０１４１】
１ 複合機（情報抽出装置１００）
１０ 主制御部（処理部） １１ 画像読取部
１７ 記憶部 １２１ 液晶表示部（表示部）
１２２ タッチパネル部（入力部）
２ コンピューター（情報抽出装置１００）
２０ 制御部（処理部） ２１ 記憶部
２２ 入力装置（入力部） ２３ ディスプレイ（表示部）
３ スキャナー（画像読取部の一種）
４ データサーバー（情報抽出装置）
４０ 制御部（処理部） ４２ 記憶部
４３ 入力装置（入力部） ４４ ディスプレイ（表示部）
【特許請求の範囲】
【請求項１】
装置本体の内部や外部に設けられ、文書を読み取ることにより得られた画像データである文書画像データのフォームを特定するためのフォーム特定用データと、前記フォーム特定用データと関連付けられ、前記フォームごとに予め定められた文書画像データのうち情報を抽出する領域を示す抽出エリアデータと、を記憶する記憶部と、
前記フォーム特定用データを参照して、前記文書画像データの前記フォームを特定する特定処理を行うとともに、特定された前記フォームの前記抽出エリアデータに基づいて前記文書画像データから情報を抽出する抽出処理を行い、抽出された情報である抽出情報を前記記憶部に記憶させる処理部と、を含むことを特徴とする情報抽出装置。
【請求項２】
表示を行う表示部と、
使用者の操作、入力を受け付ける入力部と、を含み、
前記処理部は、前記文書画像データの前記フォームを特定できないとき、前記フォームの候補を前記表示部に表示させ、候補のうち前記入力部で選択された前記フォームを前記文書画像データの前記フォームと特定することを特徴とする請求項１記載の情報抽出装置。
【請求項３】
前記処理部は、前記文書画像データの前記フォームを特定できないとき、前記文書画像データに含まれる情報を認識し、認識した情報と前記抽出情報を比較し、認識した情報と一致する前記抽出情報が抽出された前記フォーム、認識した情報に含まれる記号列の桁数が同じ前記抽出情報が抽出された前記フォーム、認識した情報に含まれる記号列に近似する前記抽出情報が抽出された前記フォームの何れか１つ、又は、複数の前記フォームを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２に記載の情報抽出装置。
【請求項４】
前記フォーム特定用データ及び前記抽出エリアデータを受信する通信部を備えることを特徴とする請求項１乃至３の何れか１項に記載の情報抽出装置。
【請求項５】
前記表示部は、前記文書画像データの内容を表示し、
前記入力部は、表示された前記文書画像データのうち前記フォーム特定用データとして用いる範囲を定める入力と、表示された前記文書画像データのうち前記抽出エリアを定める入力を受け付け、
前記処理部は、前記入力部で定められた前記フォーム特定用データと、前記フォーム特定用データに関連付けて前記入力部で定められた前記抽出エリアを示す前記抽出エリアデータを前記記憶部に記憶させることを特徴とする請求項２乃至４の何れか１項に記載の情報抽出装置。
【請求項６】
前記処理部は、同じ種類の文書を複数読み取ることで得られた複数枚分の前記文書画像データの束に基づき、各前記文書画像データでの共通部分と非共通部分を認識し、前記共通部分を示すデータを前記フォーム特定用データとして前記記憶部に記憶させ、前記非共通部分を示すデータを前記抽出エリアデータとして前記記憶部に記憶させることを特徴とする請求項１乃至５の何れか１項に記載の情報抽出装置。
【請求項７】
前記表示部は、前記共通部分と前記非共通部分とを区別して、前記共通部分と前記非共通部分を表示し、
前記入力部は、表示された前記共通部分のうち、いずれの前記共通部分を前記フォーム特定用データとするかを定める入力を受け付け、又、表示された前記非共通部分のうち、いずれの前記非共通部分を前記抽出エリアとするかを定める入力を受け付け、
前記処理部は、前記入力部で前記フォーム特定用データにすると定められた前記共通部分を示すデータを前記フォーム特定用データとして前記記憶部に記憶させ、前記入力部で前記抽出エリアにすると定められた前記非共通部分を示すデータを前記抽出エリアデータとして前記記憶部に記憶させることを特徴とする請求項６に記載の情報抽出装置。
【請求項８】
前記記憶部は、前記フォーム特定用データを記号列として記憶し、
前記処理部は、前記文書画像データに含まれる記号列を認識し、前記文書画像データの前記フォームの特定処理を行うとともに、特定された前記フォームの前記抽出エリアデータに基づいて前記文書画像データから記号列を情報として抽出する抽出処理を行い、抽出された記号列を抽出情報として前記記憶部に記憶させることを特徴とする請求項１乃至７の何れか１項に記載の情報抽出装置。
【請求項９】
前記記憶部は、前記フォーム特定用データを画像データとして記憶し、
前記処理部は、前記文書画像データと前記前記フォーム特定用データのマッチングを行って、前記文書画像データの前記フォームの特定処理を行うことを特徴とする請求項１乃至８の何れか１項に記載の情報抽出装置。
【請求項１０】
文書を読み取って前記文書画像データを生成する画像読取部を備えることを特徴とする請求項１乃至９の何れか１項に記載の情報抽出装置。
【請求項１】
装置本体の内部や外部に設けられ、文書を読み取ることにより得られた画像データである文書画像データのフォームを特定するためのフォーム特定用データと、前記フォーム特定用データと関連付けられ、前記フォームごとに予め定められた文書画像データのうち情報を抽出する領域を示す抽出エリアデータと、を記憶する記憶部と、
前記フォーム特定用データを参照して、前記文書画像データの前記フォームを特定する特定処理を行うとともに、特定された前記フォームの前記抽出エリアデータに基づいて前記文書画像データから情報を抽出する抽出処理を行い、抽出された情報である抽出情報を前記記憶部に記憶させる処理部と、を含むことを特徴とする情報抽出装置。
【請求項２】
表示を行う表示部と、
使用者の操作、入力を受け付ける入力部と、を含み、
前記処理部は、前記文書画像データの前記フォームを特定できないとき、前記フォームの候補を前記表示部に表示させ、候補のうち前記入力部で選択された前記フォームを前記文書画像データの前記フォームと特定することを特徴とする請求項１記載の情報抽出装置。
【請求項３】
前記処理部は、前記文書画像データの前記フォームを特定できないとき、前記文書画像データに含まれる情報を認識し、認識した情報と前記抽出情報を比較し、認識した情報と一致する前記抽出情報が抽出された前記フォーム、認識した情報に含まれる記号列の桁数が同じ前記抽出情報が抽出された前記フォーム、認識した情報に含まれる記号列に近似する前記抽出情報が抽出された前記フォームの何れか１つ、又は、複数の前記フォームを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２に記載の情報抽出装置。
【請求項４】
前記フォーム特定用データ及び前記抽出エリアデータを受信する通信部を備えることを特徴とする請求項１乃至３の何れか１項に記載の情報抽出装置。
【請求項５】
前記表示部は、前記文書画像データの内容を表示し、
前記入力部は、表示された前記文書画像データのうち前記フォーム特定用データとして用いる範囲を定める入力と、表示された前記文書画像データのうち前記抽出エリアを定める入力を受け付け、
前記処理部は、前記入力部で定められた前記フォーム特定用データと、前記フォーム特定用データに関連付けて前記入力部で定められた前記抽出エリアを示す前記抽出エリアデータを前記記憶部に記憶させることを特徴とする請求項２乃至４の何れか１項に記載の情報抽出装置。
【請求項６】
前記処理部は、同じ種類の文書を複数読み取ることで得られた複数枚分の前記文書画像データの束に基づき、各前記文書画像データでの共通部分と非共通部分を認識し、前記共通部分を示すデータを前記フォーム特定用データとして前記記憶部に記憶させ、前記非共通部分を示すデータを前記抽出エリアデータとして前記記憶部に記憶させることを特徴とする請求項１乃至５の何れか１項に記載の情報抽出装置。
【請求項７】
前記表示部は、前記共通部分と前記非共通部分とを区別して、前記共通部分と前記非共通部分を表示し、
前記入力部は、表示された前記共通部分のうち、いずれの前記共通部分を前記フォーム特定用データとするかを定める入力を受け付け、又、表示された前記非共通部分のうち、いずれの前記非共通部分を前記抽出エリアとするかを定める入力を受け付け、
前記処理部は、前記入力部で前記フォーム特定用データにすると定められた前記共通部分を示すデータを前記フォーム特定用データとして前記記憶部に記憶させ、前記入力部で前記抽出エリアにすると定められた前記非共通部分を示すデータを前記抽出エリアデータとして前記記憶部に記憶させることを特徴とする請求項６に記載の情報抽出装置。
【請求項８】
前記記憶部は、前記フォーム特定用データを記号列として記憶し、
前記処理部は、前記文書画像データに含まれる記号列を認識し、前記文書画像データの前記フォームの特定処理を行うとともに、特定された前記フォームの前記抽出エリアデータに基づいて前記文書画像データから記号列を情報として抽出する抽出処理を行い、抽出された記号列を抽出情報として前記記憶部に記憶させることを特徴とする請求項１乃至７の何れか１項に記載の情報抽出装置。
【請求項９】
前記記憶部は、前記フォーム特定用データを画像データとして記憶し、
前記処理部は、前記文書画像データと前記前記フォーム特定用データのマッチングを行って、前記文書画像データの前記フォームの特定処理を行うことを特徴とする請求項１乃至８の何れか１項に記載の情報抽出装置。
【請求項１０】
文書を読み取って前記文書画像データを生成する画像読取部を備えることを特徴とする請求項１乃至９の何れか１項に記載の情報抽出装置。
【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２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【公開番号】特開２０１３−４１５３９（Ｐ２０１３−４１５３９Ａ）
【公開日】平成２５年２月２８日（２０１３．２．２８）
【国際特許分類】
【出願番号】特願２０１１−１７９６４１（Ｐ２０１１−１７９６４１）
【出願日】平成２３年８月１９日（２０１１．８．１９）
【出願人】（０００００６１５０）京セラドキュメントソリューションズ株式会社 (13,173)
【Ｆターム（参考）】
【公開日】平成２５年２月２８日（２０１３．２．２８）
【国際特許分類】
【出願日】平成２３年８月１９日（２０１１．８．１９）
【出願人】（０００００６１５０）京セラドキュメントソリューションズ株式会社 (13,173)
【Ｆターム（参考）】
[ Back to top ]