Имиджинг

а первом этапе перевода документа в электронную форму производится его сканирование, которое позволяет получить электронную копию документа в виде изображения. Данный процесс называют имиджингом (imaging). Таким образом, имиджинг - это процесс получения аутентичных изображений бумажных документов. Термин пришел из микрофильмирования, однако сегодня применяется именно к электронным изображениям. Имиджинг является начальным этапом любой системы ввода документов. На этом этапе выполняются задачи сканирования, обработки изображения и контроля качества (рис. 1).

Сканеры позволяют оцифровывать изображения, а также предоставляют ряд дополнительных возможностей, таких как аппаратная поддержка качества изображения и выравнивание страниц.

Выравнивание страниц может производиться как аппаратно, так и программно (рис. 2).

Если речь идет о промышленном вводе документов, то сканеры обычно предоставляют ряд дополнительных функций, например возможность подачи разноформатных документов в одной пачке, а также позволяют использовать большие пачки документов и т.д.

Обработка изображений

Как уже было отмечено, часть функций обработки изображений может быть реализована аппаратно в сканере, а может производиться на станции сканирования. Улучшение изображения включает программное выравнивание, конвертирование с улучшением качества, удаление шумовых и фоновых элементов, улучшение качества передачи текста и т.д.

Наиболее важной технологией на стадии распознавания документов является технология OCR, о которой следует рассказать более подробно.

Технологии OCR/ICR

Традиционный подход к проблеме распознавания заключается в сведении задачи распознавания к задаче классификации некоторого набора признаков. Идея проста: по изображению определяется некоторый набор признаков, который сравнивается с каждым из имеющихся образцов, так называемых эталонов. По результатам сравнения находится эталон, с которым этот набор признаков совпадает лучше всего, и изображение относится к соответствующему классу. Таким образом, все решение заключается в сравнении предлагаемого изображения с образцами и выборе наиболее подходящего; иначе говоря, производится некий перебор возможных вариантов. Проблема имела бы простое решение, если бы не существовало сотен шрифтов, полученных по факсу текстов с плохо читаемыми символами и т.д.

В качестве основных алгоритмов решения данной задачи выделяют multifont (шрифтовые) и omnifont (шрифтонезависимые) алгоритмы. В случае multifont растровое изображение накладывается на шаблон, и соответственно наиболее подходящим шаблоном считается тот, у которого наименьшее количество точек отличается от исследуемого изображения. Omnifont-алгоритмы идентифицируют символ по правилам его написания. В этом случае эталон, с которым производится сравнение, содержит в себе информацию о правилах написания символа. Оба алгоритма имеют вероятностную природу и позволяют сделать предположение о принадлежности данного символа. Основная задача при распознавании текстов - это повышение вероятности принятия правильного решения, то есть уменьшение доли ошибок. Существует несколько подходов к повышению качества распознавания. Например, алгоритм может содержать комбинацию шрифтового и шрифтонезависимого подхода. Существенное увеличение точности распознавания достигается за счет использования самообучения системы. Это позволяет, например, распознавать плохо пропечатанные символы с помощью шрифта, созданного на основе достаточно хорошо пропечатанных символов. Следует отметить, что на текстах хорошего качества лучше работают одни алгоритмы, на текстах плохого качества - другие, а для распознавания табличных форм удобнее использовать третьи и т.д. Существуют подходы, при которых экспертная система, встроенная внутрь ядра распознавания, сама выбирает оптимальный для данного текста алгоритм.

Альтернативой традиционному шаблонному методу распознавания стало распознавание на основе принципов целостности, целенаправленности и адаптивности, так называемая IPA-технология, на которой основана система распознавания компании ABBYY - FineReader.

Согласно принципу целостности, распознаваемый объект рассматривается как целое, состоящее из частей, связанных между собой пространственными отношениями. Изображение интерпретируется как определенный объект, только если на нем присутствуют все структурные части этого объекта и эти части находятся в соответствующих отношениях. Указанные части получают интерпретацию только в составе гипотезы о предполагаемом объекте.

По принципу целенаправленности распознавание строится как процесс выдвижения и целенаправленной проверки гипотез о целом объекте. Источниками гипотез являются признаковые классификаторы и контекстная информация. Части картинки анализируются не априори, а только в рамках выдвинутой гипотезы о целом. Традиционный подход, состоящий в интерпретации того, что наблюдается на изображении, заменяется подходом, состоящим в целенаправленном поиске того, что ожидается на изображении.

Принцип адаптивности подразумевает способность системы к самообучению.

Именно использование этих основополагающих принципов помогло добиться высочайшего качества распознавания, которое демонстрирует система ABBYY FineReader.

Отдельной задачей является распознавание рукопечатных символов, заключающееся в необходимости распознать символ, несмотря на особенности почерка человека.

Классификатор рынка систем ввода документов

Начале статьи мы упомянули о некоторой терминологической путанице и до сих пор не привели примеров. Дело в том, что упоминаемые выше термины, которые мы ввели при описании технологических процессов, используются также для определения соответствующих секторов рынка и здесь часто имеет место неоднозначность.

Для того чтобы разобраться в терминологии применительно к описанию рынка систем ввода документов, следует отметить, что помимо технологических аспектов, о которых мы говорили выше, существует также специфика, связанная с масштабом использования технологии. Действительно, когда говорят о домашних или о персональных системах ввода документов, то обычно подразумевают именно распознавание неформализованных документов, при незначительном количестве ввода документов за единицу времени. В данном случае на первое место выходит именно технология OCR. Поэтому когда речь идет о рынке OCR, то обычно имеют в виду рынок коробочных программ распознавания неформализованных документов для персонального применения. Напротив, ввод формализованных документов - это технология, которая обычно используется в организациях и имеет массовый характер. В данном случае наряду с распознаванием текстов встает масса технологических проблем - организация поточного сканирования, распределенной обработки, встраивание решения в корпоративные системы документооборота и т.д. Этот сектор обычно называют Document Capture.

В технологическом смысле Document Capture - это комплекс мероприятий по переводу бумажных документов в электронный архив для хранения и обеспечения доступа к ним. А в отношении доли рынка под этим понимают проектный рынок ввода документов, а не коробочные решения. Согласно вышеописанной классификации объем мирового рынка OCR составляет порядка 80 млн. долл. При этом лидером этого рынка является компания ScanSoft, имеющая оборот около 60 млн. долл. Рынок Data Capturing в несколько раз больше - порядка 300 млн. долл. Поскольку рынок Data Capturing является более проектным бизнесом, здесь нет столь явного лидера, как на рынке OCR. Около 50% серьезных контрактов получают четыре крупные компании: Cardiff Software, ReadSoft, Kofax, TIS. Поскольку в проектном бизнесе географическая близость к заказчику имеет чрезвычайно важное значение, выйти на западный рынок российским компаниям весьма сложно. Напротив, говоря о мировом рынке OCR, необходимо отметить выдающиеся успехи отечественной компании ABBYY: доля ее на мировом рынке в последние пять лет постоянно растет. На сегодняшний день компания имеет лучшие по качеству распознавания системы в мире. В 2001 году компания ABBYY оценивала свою долю на мировом рынке OCR в размере 10-12%, а в 2002 году она намеревается выйти на уровень 15 млн., что составит порядка 15-20% мирового рынка. Также ABBYY сейчас активно продвигает свои технологии на мировом рынке ICR - продукт ABBYY FormReader позволяет эффективно обрабатывать большие объемы различных форм: анкет, опросных листов, бланков, заявлений клиентов и т.д. На рынке OCR также активно работает компания Cognitive Technologies, которая в меньшей степени делает упор на рынок коробочного продукта и больше ориентирована на рынок OEM и на проектный отечественный рынок.

Руководство Cognitive Technologies максимальное внимание уделяет вопросам встраивания технологии OCR в интеграционные решения с элементами архивного хранения и обеспечения документооборота. Системами распознавания Cognitive Technologies комплектуется продукция ведущих мировых производителей офисной техники: Hewlett-Packard, Seiko Epson, Canon, Oki, Olivetti. Cognitive Technologies активно развивает направление, связанное с распознаванием форм.

Классификатор International Data Corp (IDC)

Как мы уже отмечали, при оценках объема рынка систем ввода документов встречаются различные подходы. Выше мы привели оценку компании ABBYY, согласно которой объем рынка Document Capture составляет примерно 300 млн. долл. При этом следует иметь в виду, что данная цифра относится к стоимости программного обеспечения. Существуют и другие подходы. В частности, в подходах оценки рынка IDC нет разделения на программную и аппаратную часть, а рассматривается стоимость решения, куда включаются все элементы. Видимо, именно по этой причине оценки мирового рынка имиджинга, по данным IDC, имеют на порядок большие значения (рис. 9).

По методике IDC системы имиджинга и ввода документов рассматриваются как составляющие рынка систем управления документами и бизнес-процессами (рис. 9). Согласно исследованию IDC, эти рынки в год растут примерно на 30% и к концу 2002 года в сумме достигнут 32 млрд. долл.

Cognitive Forms также может обрабатывать различные типы форм в одном потоке и осуществлять автоматическую проверку корректности данных.

В системе реализована уникальная функция Drag&Recog, которая существенно упрощает процедуру распознавания для пользователя. Для этого пользователю нужно лишь с помощью мыши выделить требуемый фрагмент отсканированного документа и перетащить его в поле распознавания.

В программный комплект Cognitive Forms входит отдельный модуль «Дизайнер форм», с помощью которого пользователь сам может создавать формы документов, задавать описания полей и варианты контекстных проверок. Таким образом система позволяет не только обрабатывать формы, но и создавать их.

В новой версии системы, вышедшей в апреле текущего года, реализована возможность единовременной обработки не только бумажных, но и электронных форм документов в форматах HTML и PDF. На сегодняшний день это единственная российская система, позволяющая осуществлять подобную операцию. Это значительно расширяет функциональные возможности системы, разрешая осуществлять сбор и обработку документов как посредством сканирования бумажных копий, так и через Интернет. В настоящее время большая часть корпоративных участников российского рынка перешла на одновременное использование как бумажных, так и электронных форм документов, и поэтому появление подобной системы крайне актуально.

Корпоративная система Cognitive Forms установлена более чем в 400 российских организациях, в числе которых Пенсионный фонд РФ, Газпром, Сбербанк РФ, Газпромбанк. К настоящему моменту с помощью системы было обработано более 100 млн. различных документов.

Продукты для промышленного ввода форм

В этом секторе также можно указать решения на базе вышеописанных технологий CuneiForm и ABBYY FormReader, которые адаптированы для промышленного использования, а также для систем потокового сканирования и распределенной обработки.

Например, система Cognitive Forms, установленная в Пенсионном фонде, ежедневно обрабатывает около 50 тыс. различных документов. При необходимости возможности системы позволяют обрабатывать до миллиона документов в день.

Работа системы включает потоковое сканирование, сортировку и контроль качества изображения, автоматическое распознавание, верификацию, экспорт в базу данных.

Гибридные комплексные решения

В данном секторе можно выделить решение InputAccel компании ActionPoint. Приобретя компанию Captiva, компания ActionPoint получила мощное комплексное решение, включая развитые средства ввода форм. Решение фирмы ActionPoint достаточно широко применяется в мире, однако мало распространено в России. Поэтому охарактеризуем его очень кратко: мощная система для проектов среднего и крупного масштаба, которая обладает соответствующими встроенными средствами разработки, а также средствами поддержки распределенной работы и кластеризации на серверах.

КомпьютерПресс 9"2002

Формализация системы документооборота

Документооборот предприятия – движение документов с момента их создания или получения до завершения исполнения. Под формализацией системы документооборота мы понимаем совокупность мероприятий по оптимизации существующей системы документооборота, разработке единых стандартов к формам документов и описанию их маршрутов, регламентации движения документов и последующему внедрению полученных результатов.

Специалистами нашей фирмы разработана и апробирована методика формализации системы документооборота, позволяющая оптимизировать состав и качество документов, процедуру создания и прохождения документов, максимально эффективно использовать средства компьютерной техники в системе документооборота, с учетом особенностей Вашего предприятия и Ваших предпочтений.

Применение методики при формализации системы документооборота на Вашем предприятии позволит структурировать внешний и внутренний документопоток, оптимизировать внешний вид используемых документов, разграничить ответственность и полномочия лиц, участвующих в подготовке, утверждении и исполнении документов, создать основу для внедрения автоматизированной системы документооборота.

В результате, внедрение системы формализованного документооборота позволит:

1. Контролировать информационные потоки предприятия.

2. Оптимизировать количество циркулирующих на предприятии документов и объем содержащейся в них информации.

3. Повысить качество и скорость работы с документами.

4. Оптимизировать процесс согласования документов.

5. Контролировать прохождение документов по маршрутам (от создания (получения) до исполнения)

6. Систематизировать и оптимизировать документы, участвующие в системе документооборота.

7. Своевременно информировать сотрудников о поступивших (подготовленных) документах.

8. Контролировать исполнительскую дисциплину специалистов, ответственных за подготовку и исполнение документов.

9. Повысить ответственность персонала за работу, связанную с функционированием системы документооборота.

10. Централизованно хранить документы, подготовленные в электронной форме.

Ожидаемым эффектом от внедрения системы формализованного документооборота является:

1. Повышение качества предоставляемой информации и, как следствие, повышение качества принимаемых управленческих решений.

2. Повышение производительности и эффективности выполнения задач, связанных с движением информации.

3. Создание условий и возможностей для совершенствования организационной структуры и управленческих процессов предприятия.

4. Создание основы для качественного сбора данных для управленческого и бухгалтерского учета.

Когда компания переходит на электронный обмен документами это означает, что безбумажную коммуникацию ей теперь предстоит выстраивать с тремя сторонами: контрагентами, партнерами и ФНС. После того как организация подключается к оператору электронного документооборота, местная получает уведомление о появлении нового налогоплательщика, присоединившегося к электронному обмену. С этого момента вместо сканов компания начинает отправлять в ФНС электронные подлинники.

Документы каких форматов принимает ФНС?

Есть приказы ФНС РФ от 17.02.2011 N ММВ-7-2/168@ и от 29.06.2012 N ММВ-7-6/465@ , в которых зафиксированы правила представления электронных документов по каналам интернета. Согласно им должен соблюдаться один момент: если в организацию поступило электронное требование, то и документы следует представлять в электронном виде. Бумажные экземпляры для этого сканируют и заверяют, а электронные подлинники, находящиеся в сервисе обмена, выгружают вместе с файлами ЭП.

Перед загрузкой документов в специализированного оператора связи, нужно проверить форматы. ФНС принимает только три формата. Поэтому проследите, чтобы электронные подлинники имели расширение XML , а отсканированные экземпляры - TIFF или JPG .

Пробелы законодательного характера

Электронные документы бывают формализованными и неформализованными. К формализованным относятся те, чьи форма и формат соответствуют нормам налогового законодательства. На данный момент известны три вида формализованного электронного документа - это , акт выполненных работ, (форма №ТОРГ-12). Остальные документы - неформализованные.

По закону формализованные документы должны соответствовать формату XML . При этом счета-фактуры обязаны удовлетворять данному требованию, а вот в отношении первичной документации это условие носит рекомендательный характер. Но имейте в виду, если вы отправляете акт или накладную не в XML , эти документы в автоматическом порядке причисляются к неформализованным.

При представлении формализованных документов в контролирующие органы трудностей не возникает. Другое дело - как быть с документами, созданными или полученными в таких форматах, как DOC , PDF , XLS ? Эта тема под большим вопросом.

Решение есть

В законодательстве РФ процедура представления неформализованных электронных документов по требованию никак не расписывается. Приведем пример. Представьте, что у вашей компании истребуют документ, который вы создали в DOC и подписали в том же формате. Каковы будут ваши действия? Вы произведете его выгрузку из сервиса обмена, параллельно с этим выгрузив файлы ЭП. Таким образом, на выходе у вас получается три файла: сам договор, файл ЭП и файл подписи вашего контрагента. Отправить документ через спецоператора в таком виде вы не сможете, так как формат не XML . Как же поступить?

Использовать программу-конвертор и преобразовать DOC в нужный формат. Например, в JPG , TIFF или XML . Но здесь снова возникает вопрос: что получится в итоге такого переформатирования? Скорее всего, только копия электронного договора. Примет ли ее налоговая? В Приказе ФНС РФ N ММВ-7-6/465@ при упоминании TIFF и JPG говорится об отсканированных копиях бумажных подлинников. А так как договор не имеет утвержденного формата XML , инспекция его проверить точно не сможет. Кроме того, непонятно, как поступить с файлами ЭП. Данный способ явно не годится.

Переформатировать, используя сканер. Документ распечатывают, отдают руководителю на подпись, ставят печать и сканируют, сохраняя скан в TIFF или JPG . Правда, и здесь есть свои темные пятна. Во-первых, получается копия с копии. Во-вторых, остается непонятно, как поступить с файлами ЭП.

Оба представленных способа возможны с технической точки зрения, но на практике они пока не реализованы.

Универсальный формат

В 2015 году налоговая не должна обойти вниманием такую проблему, как выбор универсального формата. В сентябре 2014-го вышла новость о том, что эксперты Минкомсвязи для обмена между ведомствами определили такой унифицированный формат, как PDF /A . Не исключено, что и в B 2B -секторе обмен неформализованными документами будет осуществляться с помощью подобного формата.

Есть вероятность, что в 2015 году будут утверждены новые форматы, предназначенные для договоров, счетов и других документов.

Если форматы электронных документов разработаны, значит, их нужно использовать. Причем использовать смело, так как ФНС без проблем принимает формализованные документы.

Неформализованные документы продолжайте представлять на бумажных носителях. Поступать так рекомендуют и в самом Министерстве финансов. Данная информация отражена в письмах Минфина от 11.01.2012 N 03-02-07/1-1 и от 11.01.2012 N 03-02-07/1-2. Как изменится форма представления в дальнейшем, что в конечно итоге выберет ФНС, пока неизвестно.

Все возникающие вопросы компаниям лучше решать непосредственно со своим оператором и налоговой инспекцией. Как правило, оператор ЭДО охотно идет на контакт. Налоговые также лояльно настроены к организациям, переходящим на электронный обмен документами. Компании-первопроходцы вместе с представителями контролирующих органов могли бы оказать должное влияние на процесс законотворчества и на уровне нормативно-правовых актов закрепить лучшие практики обмена первичной документацией.

Когда компания переходит на электронный обмен документами, это означает, что безбумажную коммуникацию ей теперь предстоит выстраивать с тремя сторонами: контрагентами, партнерами и ФНС. После того как организация подключается к оператору ЭДО, местная налоговая инспекция получает уведомление о появлении нового налогоплательщика, присоединившегося к электронному обмену. С этого момента вместо привычного бумажного скана компания может отправить электронный документ в налоговую.

Какие форматы принимает ФНС?

Перед загрузкой документов в специализированного оператора связи нужно проверить форматы. ФНС принимает только три формата. Поэтому проследите, чтобы электронные подлинники имели расширение XML, а отсканированные экземпляры – TIFF или JPG.

Пробелы законодательного характера

Электронные документы (далее – ЭД) бывают формализованными и неформализованными. К формализованным относятся те, чьи форма и формат соответствуют нормам налогового законодательства. На данный момент известны три вида формализованных ЭД – это счет-фактура, акт выполненных работ, товарная накладная (форма №ТОРГ-12). Остальные – неформализованные.

По закону формализованные документы должны соответствовать формату XML. При этом счета-фактуры обязаны удовлетворять данному требованию, а вот в отношении первички это условие носит рекомендательный характер. Но имейте в виду, если вы отправляете акт или накладную не в XML, в автоматическом порядке они будут причислены к неформализованным.

При отправке формализованных электронных документов в налоговую трудностей не возникает. Другое дело – как быть с документами, созданными или полученными в DOC, PDF, XLS? Эта тема под большим вопросом.

Решение есть

В законодательстве РФ процедура представления неформализованных ЭД по требованию никак не расписывается. Приведем пример. Представьте, что у вашей компании истребуют документ, который вы создали в DOC и подписали в том же формате. Каковы будут ваши действия? Вы произведете его выгрузку из сервиса обмена, параллельно с этим выгрузив файлы ЭП. Таким образом, на выходе у вас получается три файла: сам договор, файл ЭП и файл подписи вашего контрагента. Отправить электронный документ в налоговую через спецоператора в таком виде вы не сможете, так как формат не XML. Как же поступить?

1. Использовать программу-конвертор и преобразовать DOC, например, в JPG, TIFF или XML. Но здесь снова возникает вопрос: что получится в итоге такого переформатирования? Скорее всего, только копия электронного документа. Примет ли ее налоговая? В Приказе ФНС РФ N ММВ-7-6/465@ при упоминании TIFF и JPG говорится об отсканированных копиях бумажных подлинников. А так как договор не имеет утвержденного формата XML, инспекция его проверить точно не сможет. Кроме того, непонятно, как поступить с файлами ЭП. Данный способ явно не годится.
2. Переформатировать, используя сканер. Документ распечатывают, отдают руководителю на подпись, ставят печать и сканируют, сохраняя скан в TIFF или JPG. Правда, и здесь есть свои темные пятна. Во-первых, получается копия с копии. Во-вторых, остается непонятно, как поступить с файлами ЭП.

С технической точки зрения оба представленных способа позволяют отправить электронный документ в налоговую, но на практике они пока не реализованы.

Универсальный формат

В сентябре 2014-го вышла новость о том, что эксперты Минкомсвязи для обмена между ведомствами определили такой унифицированный формат, как PDF/A. Не исключено, что и в B2B-секторе обмен неформализованными документами будет осуществляться с помощью подобного формата.

1. Если форматы разработаны, значит, их нужно использовать и отправлять электронные документы в налоговую в установленных форматах. Причем использовать смело, так как ФНС без проблем принимает формализованные документы. А следить за тем, как развивается ситуация с форматами, поможет наша рубрика «Новости законодательства» .
2. Неформализованные документы продолжайте представлять на бумажных носителях. Поступать так рекомендуют и в самом Министерстве финансов. Данная информация отражена в письмах Минфина от 11.01.2012 N 03-02-07/1-1 и от 11.01.2012 N 03-02-07/1-2. Как изменится форма представления в дальнейшем, что в конечно итоге выберет ФНС, пока неизвестно.
3. Все возникающие вопросы компаниям лучше решать непосредственно со своим оператором и налоговой инспекцией. Как правило, оператор ЭДО охотно идет на контакт. Налоговые также лояльно настроены к организациям, переходящим на обмен ЭД. Компании-первопроходцы вместе с представителями контролирующих органов могли бы оказать должное влияние на процесс законотворчества и на уровне нормативно-правовых актов закрепить лучшие практики обмена первичной документацией.

В отличие от бумажных документов, электронные могут обрабатываться более эффективно (тиражироваться, рассылаться, храниться и т.п.). В настоящее время активно развиваются технологии перевода бумажных документов в электронную форму с целью реализации электронного документооборота . Остановимся подробнее на применяемых технологиях и используемой терминологии.

На первом этапе перевода документа в электронную форму производится его сканирование и создается электронная копия документа в виде изображения. Изображение, полученное в результате сканирования, также называют образом документа. Сканирование является начальным этапом любой системы автоматизированного ввода документов.

В процессе сканирования может выполняться программная обработка изображения, а также производится визуальный контроль качества (рис. 3.6).

Рис. 3.6.

Если речь идет о промышленном вводе документов, то сканеры обычно предоставляют ряд дополнительных функций, например возможность подачи разноформатных документов.

Обычно процесс сканирования - это промежуточная стадия получения электронного документа. Очевидно, что с электронным изображением документа гораздо удобнее работать, чем с бумажным (его можно копировать, отправлять по сети и т.д.).

Однако в большинстве случаев само по себе изображение (образ документа) дает мало преимуществ. Для того чтобы можно было редактировать документ, осуществлять поиск по нему или использовать его фрагменты при подготовке новых документов и т.д., необходимо перевести полученный образ в текстовый документ, понятный офисным программам. Поэтому следующая задача заключается в распознавании отсканированных документов.

Для этого необходим специальный инструмент, способный перевести изображение в текстовый редактируемый электронный документ. Такие инструменты существуют, их общее название - программы оптического распознавания символов (optical character recognition, OCR). C помощью OCR-программы компьютер сможет "прочесть" на отсканированной странице текст, отделив его от иллюстраций и прочих элементов оформления, найти таблицы и "разобраться" в их содержимом. А затем скомпоновать все это заново, воссоздав внешний вид страницы.

С точки зрения перевода документов в электронный вид (ввода документов в компьютер) их условно делят на формализованные, неформализованные и специальные (рис. 3.7).

Рис. 3.7.

Формализованные документы - это документы, в которых заранее определена форма: расположение обязательных полей, в которые заносятся данные. Например, бланки, накладные, анкеты, картотеки и т.д. Неформализованные документы - это документы произвольной формы: договоры, письма и т.д. К специализированным относятся такие документы как, например, карты и отпечатки пальцев.

Перевод каждого из перечисленных видов документов имеет свою специфику. Если вводятся фотографии, то достаточно электронного изображения, если документ содержит текст, его необходимо распознать, если это форматированный текст с рисунками, то нужно не только распознать текст, но и восстановить формат документа, а если это анкета, то, скорее всего, сам документ вообще не нужен, важна только содержащаяся в нем информация. Например, при обработке листов для голосования обычно не требуется изображения самого документа, достаточно информации о том, за кого отдан голос.

Ввод формализованных документов

Чтобы пояснить, какие задачи возникают при вводе формализованных документов, рассмотрим конкретный пример.

Предположим, в офисе отеля проводится анкетирование проживающих для оценки уровня обслуживания на разных этажах. Каждому жителю отеля в его номере оставляется анкета, которую он должен заполнить (рис. 3.8).

Рис. 3.8.

Если за месяц накапливается несколько тысяч таких анкет, то их обработка представляет собой непростую задачу. Очевидно, что получение образов (электронных изображений) этих анкет хоть и облегчает задачу их хранения, однако не позволяет использовать компьютер для обработки информации.

Чаще всего задача ввода форм (в данном случае анкеты) состоит в превращении образа документа в строчку базы данных, содержащую соответствующую информацию. Когда все анкеты будут введены в базу данных, можно будет их обработать и, например, выяснить, на каком этаже обслуживание ведется лучше.

При заполнении анкеты требуется ответить на вопросы и внести информацию в определенные служебные поля, а задача программы при вводе форм - определять эти специальные поля, распознавать информацию в них и ввести ее в базу данных. При этом особенностью ввода форм в компьютер является необходимость распознавания текстов, заполненных от руки.

Обычно в том случае, если форма должна распознаваться компьютером, заполняющего просят ввести текст раздельными буквами, и такой текст называют рукопечатным. Технологии распознавания рукопечатных символов обозначаются термином ICR (Intelligent Character Recognition). Распознавание рукопечатных символов представляет собой более сложную задачу по сравнению с распознаванием печатных, поскольку требуется распознать символ, вписанный в форму от руки с учетом возможных его отклонений, обусловленных индивидуальными особенностями почерка.

Рис. 3.9.

Задачи распознавания при вводе форм не обязательно связаны с распознаванием текста. При вводе форм может потребоваться распознавание различных меток и знаков, для которого тоже существует свой термин: OMR (Optical Mark Recognition). Например, в бюллетенях для голосования голосующего просят поставить крестик (или другой знак) напротив фамилии кандидата, и задача компьютера - распознать, есть в определенном поле какой-нибудь знак или нет.