Reconocimiento inteligente de caracteres

Un avance importante del reconocimiento automático de documentos (ICR) fue la invención del procesamiento automatizado de formularios en 1993 por Joseph Corcoran, a quien se le otorgó una patente por dicha invención. Este proceso constaba de tres etapas: primero, se capturaba la imagen del formulario que iba a ser procesado por el ICR y se preparaba para que el motor del ICR ofreciera los mejores resultados; luego, se capturaba la información utilizando el motor del ICR; y finalmente, se procesaban los resultados para validar automáticamente la salida del motor del ICR.

Esta aplicación del ICR aumentó la utilidad de la tecnología y la hizo aplicable a formularios reales en aplicaciones comerciales habituales. Las aplicaciones de software modernas utilizan el ICR como tecnología para reconocer texto en formularios rellenados a mano (impresos a mano).

El reconocimiento óptico de caracteres (OCR) se aplica comúnmente a cualquier técnica de reconocimiento que lea texto impreso. Un ejemplo de uso tradicional del OCR sería traducir los caracteres de la imagen de un documento impreso, como la página de un libro, un recorte de periódico o un contrato legal, a un archivo independiente que pueda buscarse y actualizarse con un procesador de texto o un visor de documentos. También resulta muy útil para automatizar el procesamiento de formularios. La información se puede extraer rápidamente de los campos del formulario e introducirse en otra aplicación, como una hoja de cálculo o una base de datos, aplicando el motor OCR por zonas a dichos campos.

Sin embargo, los datos suelen introducirse manualmente en lugar de teclearse en campos de formulario. La identificación de caracteres se vuelve aún más difícil al leer material manuscrito. La diversidad de más de 700 000 variantes de fuentes impresas es minúscula en comparación con las variaciones casi ilimitadas de los caracteres manuscritos. El programa de reconocimiento debe tener en cuenta no solo las diferencias estilísticas, sino también el tipo de instrumento de escritura utilizado, la calidad del papel, los errores, la estabilidad de la mano y las manchas o la tinta corrida. ^{[ 2 ]}

El reconocimiento inteligente de caracteres (RIC) utiliza algoritmos en constante mejora para recopilar más información sobre las variaciones en los caracteres escritos a mano e identificarlos con mayor precisión. El RIC, creado a principios de la década de 1990 para automatizar el procesamiento de formularios , permite convertir datos introducidos manualmente en texto fácil de leer, buscar y modificar. Su mejor rendimiento se obtiene al leer caracteres claramente divididos en áreas o zonas diferenciadas, como los campos fijos presentes en muchos formularios estructurados. ^{[ 2 ]}

Tanto el OCR como el ICR pueden configurarse para leer diversos idiomas; sin embargo, limitar el conjunto de caracteres esperado a un número menor de idiomas producirá mejores resultados de reconocimiento. El ICR no puede leer escritura cursiva, ya que debe poder evaluar cada carácter individualmente. Al escribir en cursiva, puede resultar difícil distinguir dónde termina un carácter y comienza otro, y existen más diferencias entre muestras que al escribir texto a mano. Un método más reciente, denominado reconocimiento inteligente de palabras (IWR), se centra en leer una palabra en contexto en lugar de reconocer caracteres individuales. ^{[ 2 ]}