RU2449376C2 - Device for recognising paper document and method of recognising paper document - Google Patents

Device for recognising paper document and method of recognising paper document Download PDF

Info

Publication number
RU2449376C2
RU2449376C2 RU2010109060/08A RU2010109060A RU2449376C2 RU 2449376 C2 RU2449376 C2 RU 2449376C2 RU 2010109060/08 A RU2010109060/08 A RU 2010109060/08A RU 2010109060 A RU2010109060 A RU 2010109060A RU 2449376 C2 RU2449376 C2 RU 2449376C2
Authority
RU
Russia
Prior art keywords
image
input image
paper document
blocks
paper
Prior art date
Application number
RU2010109060/08A
Other languages
Russian (ru)
Other versions
RU2010109060A (en
Inventor
Тору ЁНЕЗАВА (JP)
Тору ЁНЕЗАВА
Казухиро ОХМАЦУ (JP)
Казухиро ОХМАЦУ
Хирофуми КАМЕЯМА (JP)
Хирофуми КАМЕЯМА
Original Assignee
Глори Лтд.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Глори Лтд. filed Critical Глори Лтд.
Priority to RU2010109060/08A priority Critical patent/RU2449376C2/en
Publication of RU2010109060A publication Critical patent/RU2010109060A/en
Application granted granted Critical
Publication of RU2449376C2 publication Critical patent/RU2449376C2/en

Links

Images

Abstract

FIELD: information technology.
SUBSTANCE: device for recognising a paper document recognises the type of the paper document in an input image by comparing the input image of the paper document with standard images of a plurality of paper documents. The device comprises a candidate selection module which selects a predetermined number of types of paper document candidates based on a density feature and direction features for each unit, obtained via even partitioning of the input image, and standard images; and a detailed evaluation module which adaptively partitions the input image into units according to features of the standard image, which corresponds to each type of paper documents selected by the candidate selection module, and performs detailed evaluation based on values of conformity between corresponding units of the partitioned input image and each of the standard images.
EFFECT: high accuracy, efficiency and high speed of recognising the type of a paper document.
7 cl, 16 dwg

Description

Область техники, к которой относится изобретениеFIELD OF THE INVENTION

Настоящее изобретение относится к устройству распознавания бумажного документа и способу распознавания бумажного документа для распознавания типа бумажных документов во входном изображении путем сопоставления входного изображения с эталонными изображениями множества бумажных документов, а конкретнее - к устройству распознавания бумажного документа и способу распознавания бумажного документа, способных точно и эффективно и с высокой скоростью распознавать тип бумажного документа, даже если имеется много типов бумажных документов, подлежащих оцениванию.The present invention relates to a paper document recognition device and a paper document recognition method for recognizing a type of paper documents in an input image by matching the input image with reference images of a plurality of paper documents, and more particularly, to a paper document recognition device and a method for recognizing a paper document capable of accurately and efficiently and quickly recognize the type of paper document, even if there are many types of paper documents to be evaluated.

Уровень техникиState of the art

Традиционно, в банкоматах (ATM) или тому подобном в банках при приеме банкноты нужно оценить ее тип. Поэтому известен метод распознавания бумажного документа для очень точного распознавания типа бумажных документов, таких как банкноты и ценные бумаги.Traditionally, in ATMs or the like in banks, when receiving a banknote, it is necessary to evaluate its type. Therefore, a paper document recognition method is known for very accurately recognizing the type of paper documents such as banknotes and securities.

Например, патентный документ 1 раскрывает способ распознавания бумажного документа, в котором для каждой комбинации двух видов оцениваемых кандидатов эффективно считываемая позиция, в которой из множества заранее заданных считываемых позиций выделяемое расстояние между распределениями является наибольшим между распределениями эталонных признаков обоих из оцениваемых кандидатов. Это расстояние от признака подлежащего проверке бумажного документа, которое может быть получено только из эффективно считанной позиции, принимается соответственно для комбинации, в которой расстояние между распределениями в эффективно считываемой позиции, полученное для каждой комбинации двух видов оцениваемых кандидатов, является наибольшим. Затем выполняется процесс уменьшения для исключения вида бумажного документа с полученным расстоянием, являющимся более крупным из оцениваемого кандидата, и вид бумажного документа оценивается путем повторения процесса уменьшения для оставшихся оцениваемых кандидатов.For example, Patent Document 1 discloses a paper document recognition method in which, for each combination of two kinds of evaluated candidates, an effectively readable position in which of the plurality of predetermined readable positions is the distance between distributions that is greatest between the distributions of the reference features of both of the evaluated candidates. This distance from the feature of the paper document to be verified, which can be obtained only from an effectively readable position, is taken respectively for a combination in which the distance between the distributions in the effectively readable position obtained for each combination of the two types of evaluated candidates is the largest. Then, a reduction process is performed to eliminate the type of paper document with the distance obtained being the larger of the candidate being evaluated, and the type of paper document is evaluated by repeating the reduction process for the remaining candidate candidates.

Патентный документ 1: выложенная заявка на патент Японии №2001-273541Patent Document 1: Japanese Patent Application Laid-Open No. 2001-273541

Сущность изобретенияSUMMARY OF THE INVENTION

Проблема, подлежащая решению изобретениемProblem to be Solved by the Invention

Однако в патентном документе 1 вследствие того, что процесс уменьшения для оставления одного из двух оцениваемых кандидатов повторяется, если число N бумажных документов в качестве оцениваемых кандидатов возрастает, обработку распознавания нужно повторить N-1 раз, пока не останется один конечный кандидат, так что может иметь место проблема в задержке обработки. Например, когда оцениваемые кандидаты ограничены банкнотами, циркулирующими в Японии, имеется только четыре вида достоинства, то есть банкноты в 1000 иен, 2000 иен, 5000 иен и 10000 иен. Однако, если в качестве целей распознавания включаются иностранные банкноты, число оцениваемых кандидатов значительно больше, что и вызывает вышеупомянутую проблему.However, in Patent Document 1, because the reduction process for leaving one of the two evaluated candidates is repeated, if the number N of paper documents as evaluated candidates increases, the recognition processing needs to be repeated N-1 times until one final candidate remains, so that it may There is a problem in processing delay. For example, when the candidates being evaluated are limited to banknotes circulating in Japan, there are only four types of denomination, that is, 1,000 yen, 2,000 yen, 5,000 yen, and 10,000 yen notes. However, if foreign banknotes are included as recognition targets, the number of candidates being evaluated is much larger, which causes the aforementioned problem.

Поэтому возможно выполнять предобработку конкретизации оцениваемых кандидатов до одного за счет выполнения отличной обработки заранее и сравнивать оцениваемый кандидат, конкретизированный этой предобработкой, с подлежащим оцениванию бумажным документом, благодаря чему выполняется подробное оценивание того, являются ли оба документами одного вида.Therefore, it is possible to pre-process the concretization of the evaluated candidates to one by performing excellent processing in advance and compare the evaluated candidate specified by this pre-processing with the paper document to be evaluated, thereby making a detailed assessment of whether both documents are of the same type.

Однако, когда оцениваемый кандидат конкретизируется из множества оцениваемых кандидатов путем такой предобработки, если оцениваемый кандидат оценивается как отличный вид от бумажного документа, подлежащего оцениванию, этот оцениваемый кандидат исключается, и ту же самую обработку повторять не нужно. Это потому, что точное оценивание не всегда выполняется при предобработке конкретизации оцениваемого кандидата, и может иметь место ошибка оценивания.However, when the evaluated candidate is concretized from a plurality of evaluated candidates by such pre-processing, if the evaluated candidate is evaluated as a different view from the paper document to be evaluated, this evaluated candidate is excluded and the same processing is not necessary to be repeated. This is because accurate assessment is not always performed when pre-processing the concretization of the candidate being evaluated, and an evaluation error may occur.

В частности, когда банкнота является целью распознавания, только часть этой банкноты, такая как ее водяной знак, зачастую слегка видоизменяется в качестве противодействия подделке. Поэтому, если только один кандидат конкретизируется при такой предобработке, возможность появления ошибки оценивания в результате не может быть исключена.In particular, when a banknote is a recognition target, only part of that banknote, such as its watermark, is often slightly altered as a counter to counterfeiting. Therefore, if only one candidate is specified during such pre-processing, the possibility of the appearance of an estimation error as a result cannot be excluded.

Принимая это во внимание, важный вопрос заключается в том, как распознать тип банкнот с высокой точностью и эффективно на высокой скорости, когда имеется много типов подлежащих оцениванию банкнот. Тот же вопрос имеет место и в отношении бумажных документов иных, нежели банкноты, таких как ценные бумаги.Taking this into account, an important question is how to recognize a banknote type with high accuracy and efficiently at high speed when there are many types of banknotes to be evaluated. The same question applies to paper documents other than banknotes, such as securities.

Настоящее изобретение сделано с учетом вышеуказанных проблем, и цель настоящего изобретения состоит в обеспечении устройства распознавания бумажного документа и способа распознавания бумажного документа, которые могут распознавать тип бумажных документов с высокой точностью и эффективно и на высокой скорости, даже если имеется много типов бумажных документов, подлежащих оцениванию.The present invention is made in view of the above problems, and an object of the present invention is to provide a paper document recognition device and a paper document recognition method that can recognize the type of paper documents with high accuracy and efficiently and at high speed, even if there are many types of paper documents to be assessment.

Средства для решения проблемыMeans for solving the problem

Устройство распознавания бумажного документа, согласно одному аспекту настоящего изобретения, распознает тип бумажного документа во входном изображении путем сопоставления входного изображения бумажного документа с эталонными изображениями множества бумажных документов. Это устройство включает в себя узел выбора кандидатов, который выбирает заранее заданное число типов кандидатов бумажных документов на основе признака плотности и признаков направления в каждом блоке, полученном путем равномерного разделения входного изображения и эталонных изображений; и узел подробного оценивания, который адаптивно разделяет входное изображение на блоки согласно признакам эталонного изображения, соответствующего каждому типу бумажного документа, выбранному узлом выбора кандидатов, и выполняет подробное оценивание на основе сопоставления значений между соответствующими блоками разделенного входного изображения и каждого из эталонных изображений.A paper document recognition apparatus according to one aspect of the present invention recognizes a type of paper document in an input image by matching the input image of a paper document with reference images of a plurality of paper documents. This device includes a candidate selection node that selects a predetermined number of candidate types of paper documents based on a density attribute and direction signs in each block obtained by uniformly separating an input image and reference images; and a detailed evaluation unit that adaptively divides the input image into blocks according to the characteristics of the reference image corresponding to each type of paper document selected by the candidate selection node, and performs detailed evaluation based on a comparison of values between the respective blocks of the divided input image and each of the reference images.

Устройство распознавания бумажного документа, согласно настоящему изобретению, может дополнительно включать в себя узел хранения признаков, который сохраняет в себе признаки эталонных изображений для каждого типа бумажных документов. Узел выбора кандидатов может включать в себя первый узел разделения на блоки, который равномерно разделяет входное изображение на блоки во время приема входного изображения; вычислитель признака плотности, который вычисляет признак плотности для каждого блока, на которые разделяет первый узел разделения на блоки; вычислитель признаков направления, который вычисляет признаки направления для каждого блока, на которые разделяет первый узел разделения на блоки; и выбирающий узел, который выбирает заранее заданное число типов кандидатов бумажного документа на основе признака плотности для каждого блока, вычисленного вычислителем признака плотности, признаков направления для каждого блока, вычисленных вычислителем признаков направления, и признаков каждого из эталонных изображений, хранящихся в узле хранения признаков.A paper document recognition apparatus according to the present invention may further include a feature storage unit that stores features of reference images for each type of paper document. The candidate selection node may include a first blocking unit that evenly divides the input image into blocks during reception of the input image; a density feature calculator that calculates a density feature for each block into which the first blocking unit divides; a direction sign calculator that calculates direction signs for each block into which the first block division unit divides; and a selecting node that selects a predetermined number of types of paper document candidates based on a density attribute for each block calculated by the density attribute calculator, direction signs for each block calculated by the direction attribute calculator, and signs of each of the reference images stored in the attribute storage node.

Устройство распознавания бумажного документа согласно настоящему изобретению может дополнительно включать в себя память, которая хранит для каждого типа бумажных документов способы разделения на блоки, соответствующие признакам эталонного изображения каждого типа бумажных документов и разделенных эталонных изображений, полученных разделением эталонного изображения на блоки согласно способу разделения на блоки. Узел подробного оценивания может включать в себя: второй узел разделения на блоки, который считывает из памяти способы разделения на блоки и разделенные эталонные изображения, которые соответственно отвечают типам кандидатов бумажного документа, выбранным узлом выбора кандидатов, и разделяет входное изображение на блоки согласно каждому из способов разделения на блоки; вычислитель значений подробного сопоставления, который вычисляет для каждого из типов кандидатов бумажного документа значения подробного сопоставления между соответствующими блоками разделенного входного изображения, разделенного на блоки вторым узлом разделения на блоки, и разделенными эталонными изображениями; и конкретизирующий узел, который конкретизирует тип бумажного документа, соответствующий входному изображению, на основе соответствующих значений подробного сопоставления, вычисленных вычислителем значений подробного сопоставления.The paper document recognition apparatus according to the present invention may further include a memory that stores, for each type of paper documents, block division methods corresponding to the features of the reference image of each type of paper documents and divided reference images obtained by dividing the reference image into blocks according to the block division method . The detailed assessment unit may include: a second unit for division into blocks, which reads from memory the methods for division into blocks and divided reference images, which respectively correspond to the types of candidates of the paper document selected by the node for selecting candidates, and divides the input image into blocks according to each of the methods division into blocks; a detailed matching value calculator that calculates detailed matching values for each of the candidate paper types between the respective blocks of the divided input image divided into blocks by the second block division unit and the divided reference images; and a particularizing node that specifies the type of paper document corresponding to the input image based on the corresponding detailed matching values computed by the detailed matching value calculator.

В устройстве распознавания бумажного документа, согласно настоящему изобретению, входное изображение и эталонные изображения могут включать в себя инфракрасное изображение в отраженном свете, инфракрасное изображение в проходящем свете, видимое изображение в отраженном свете и видимое изображение в проходящем свете, полученные путем воспроизведения одного и того бумажного документа, а узел выбора кандидатов может временно уменьшать типы кандидатов бумажного документа за счет использования признака плотности и признаков направления для каждого блока в видимом отраженном изображении, а затем последовательно уменьшать типы кандидатов бумажного документа за счет использования инфракрасного изображения в проходящем свете, инфракрасного отраженного изображения и видимого изображения в проходящем свете от временно уменьшенных типов кандидатов бумажного документа, чтобы выбрать заранее заданное число типов кандидатов бумажного документа из множества типов бумажных документов.In the paper document recognition apparatus of the present invention, the input image and reference images may include an infrared image in reflected light, an infrared image in transmitted light, a visible image in reflected light, and a visible image in transmitted light obtained by reproducing the same paper the document, and the candidate selection node can temporarily reduce the types of candidates of the paper document by using the density attribute and directional signs I for each block in the visible reflected image, and then sequentially reduce the types of candidates of the paper document by using the infrared image in transmitted light, the infrared reflected image and the visible image in transmitted light from temporarily reduced types of paper document candidates to select a predetermined number of candidate types A paper document from many types of paper documents.

В устройстве распознавания бумажного документа согласно настоящему изобретению, первый узел разделения на блоки может разделять входное изображение равномерно на блоки одного и того же блочного размера, даже если размеры соответствующих бумажных документов различны, в зависимости от типов бумажных документов.In the paper document recognition apparatus of the present invention, the first block division unit can divide the input image evenly into blocks of the same block size, even if the sizes of the respective paper documents are different, depending on the types of paper documents.

В устройстве распознавания бумажного документа, согласно настоящему изобретению, узел выбора кандидатов может дополнительно включать в себя узел приема числа выборов, который принимает команду установки числа типов кандидатов подлежащего выбору бумажного документа, а выбирающий узел может выбирать установленное число типов кандидатов бумажного документа.In the paper document recognition apparatus according to the present invention, the candidate selection unit may further include an election number receiving unit that receives a command for setting the number of candidate types of the paper document to be selected, and the selecting node may select a predetermined number of candidate types of paper document.

Способ распознавания бумажного документа, согласно другому аспекту изобретения, предназначен для распознавания типа бумажного документа во входном изображении путем сопоставления этого входного изображения бумажного документа с эталонными изображениями множества бумажных документов. Способ включает в себя этапы, на которых: выбирают заранее заданное число типов кандидатов бумажного документа на основе признака плотности и признаков направления для каждого блока, полученного путем равномерного разделения входного изображения и эталонных изображений; и подробно оценивают адаптивное разделение входного изображения на блоки согласно признакам эталонного изображения, соответствующего каждому типу бумажных документов, выбранному на этапе выбора кандидатов, и выполняют подробное оценивание на основе сопоставления значений между соответствующими блоками разделенного входного изображения и каждого из эталонных изображений.A paper document recognition method, according to another aspect of the invention, is for recognizing a type of paper document in an input image by matching this input image of a paper document with reference images of a plurality of paper documents. The method includes the steps of: selecting a predetermined number of types of paper document candidates based on the density attribute and direction signs for each block obtained by uniformly separating the input image and reference images; and the adaptive division of the input image into blocks is evaluated in detail according to the characteristics of the reference image corresponding to each type of paper documents selected at the candidate selection stage, and a detailed assessment is performed based on a comparison of values between the respective blocks of the divided input image and each of the reference images.

Эффект изобретенияEffect of the invention

Согласно настоящему изобретению, заранее заданное число типов кандидатов бумажного документа выбирают на основе признака плотности и признаков направления для каждого блока, полученного равномерным разделением входного изображения и множества эталонных изображений на блоки, и входное изображение адаптивно разделяют на блоки согласно признакам эталонного изображения, соответствующего каждому из выбранных типов бумажного документа, для выполнения подробного оценивания на основе сопоставления значений между блоками разделенных входных изображений и блоками каждого из разделенных эталонных изображений. Соответственно, даже если имеется много типов бумажных документов, подлежащих оцениванию, тип бумажного документа может быть распознан с высокой точностью и эффективно, и на высокой скорости.According to the present invention, a predetermined number of types of paper document candidates are selected based on the density characteristic and direction signs for each block obtained by uniformly dividing the input image and the plurality of reference images into blocks, and the input image is adaptively divided into blocks according to the characteristics of the reference image corresponding to each of selected types of paper document to perform a detailed assessment based on a comparison of values between blocks of separated inputs image data and blocks of each of the divided reference images. Accordingly, even if there are many types of paper documents to be evaluated, the type of paper document can be recognized with high accuracy and efficiently, and at high speed.

Согласно настоящему изобретению, признаки эталонного изображения сохраняют заранее для каждого типа бумажных документов, входное изображение равномерно разделяют на блоки во время приема входного изображения, вычисляют признак плотности и признаки направления для каждого из разделенных блоков и выбирают заранее заданное число типов кандидатов бумажного документа на основе вычисленных признака плотности и признаков направления для каждого из блоков и на основе признаков каждого из эталонных изображений, сохраненных заранее. Соответственно, типы кандидатов бумажного документа могут быть выбраны эффективно за счет использования признаков каждого эталонного изображения, созданных заранее узлом иным, нежели узел распознавания бумажного документа.According to the present invention, the characteristics of the reference image are stored in advance for each type of paper documents, the input image is evenly divided into blocks during the reception of the input image, the density sign and direction signs for each of the divided blocks are calculated, and a predetermined number of types of paper document candidates are selected based on the calculated density signs and direction signs for each of the blocks and based on the characteristics of each of the reference images stored in advance. Accordingly, the types of candidates for a paper document can be selected efficiently by using features of each reference image created in advance by a node other than the recognition node of the paper document.

Согласно настоящему изобретению, способы разделения на блоки, соответствующие каждый признакам эталонного изображения для каждого типа бумажных документов и разделенных эталонных изображений, полученных разделением эталонного изображения на блоки согласно способу разделения на блоки, сохраняются для каждого типа бумажных документов. Способ разделения на блоки, соответственно отвечающие выбранным типам кандидатов бумажных документов и разделенным эталонным изображениям, считывают из памяти, и входное изображение разделяют на блоки соответственно каждому из считанных способов разделения на блоки. Значения подробного сопоставления между соответствующим входным изображением, разделенным на блоки, и разделенными эталонными изображениями вычисляют для каждого типа кандидата бумажного документа. Тип бумажного документа, соответствующего входному изображению, затем конкретизируют на основе вычисленных значений подробного сопоставления. Соответственно, поскольку подробное оценивание нужно выполнять только в отношении заранее заданного числа типов кандидатов бумажного документа, это подробное оценивание можно выполнять с высокой скоростью.According to the present invention, block division methods corresponding to each characteristic of the reference image for each type of paper documents and divided reference images obtained by dividing the reference image into blocks according to the block division method are stored for each type of paper documents. The method of dividing into blocks correspondingly corresponding to the selected types of candidates for paper documents and divided reference images is read from the memory, and the input image is divided into blocks, respectively, to each of the read methods of dividing into blocks. Detailed matching values between the corresponding input image divided into blocks and the divided reference images are calculated for each type of candidate paper document. The type of paper document corresponding to the input image is then specified based on the calculated detailed matching values. Accordingly, since detailed evaluation needs to be performed only with respect to a predetermined number of types of paper document candidates, this detailed evaluation can be performed at high speed.

Согласно настоящему изобретению, входное изображение и эталонные изображения включают в себя инфракрасное изображение в отраженном свете, инфракрасное изображение в проходящем свете, видимое изображение в отраженном свете и видимое изображение в проходящем свете, полученные путем воспроизведения одного и того бумажного документа, и типы кандидатов бумажного документа временно сужают за счет использования признака плотности и признаков направления для каждого блока в видимом отраженном изображении, а затем последовательно сужают типы кандидатов бумажного документа за счет использования инфракрасного изображения в проходящем свете, инфракрасного отраженного изображения и видимого изображения в проходящем свете от временно уменьшенных типов кандидатов бумажного документа, чтобы выбрать заранее заданное число типов кандидатов бумажного документа из множества типов бумажных документов. Соответственно, за счет постепенного уменьшения можно реализовать более высокую скорость и лучшую эффективность обработки. В частности, поскольку видимое изображение в отраженном свете имеет наибольшие признаки при оценивании типа бумажного документа, обработку можно выполнять с более высокой скоростью и большей эффективностью за счет использования видимого отраженного изображения для первого уменьшения.According to the present invention, the input image and reference images include an infrared image in reflected light, an infrared image in transmitted light, a visible image in reflected light and a visible image in transmitted light obtained by reproducing the same paper document, and candidate paper types temporarily narrowed by using the density sign and directional signs for each block in the visible reflected image, and then sequentially narrow the candidates of a paper document by using an infrared image in transmitted light, an infrared reflected image and a visible image in transmitted light from temporarily reduced types of paper document candidates to select a predetermined number of types of paper document candidates from a plurality of types of paper documents. Accordingly, due to the gradual reduction, higher speed and better processing efficiency can be realized. In particular, since the visible image in reflected light has the greatest features when evaluating the type of paper document, processing can be performed with higher speed and greater efficiency by using the visible reflected image for the first reduction.

Согласно настоящему изобретению, поскольку входное изображение равномерно разделяют на блоки с одним и тем же блочным размером, даже если размеры каждого бумажного документа различны, блочный размер не нужно изменять для каждого бумажного документа, благодаря чему реализуется высокоскоростная обработка.According to the present invention, since the input image is evenly divided into blocks with the same block size, even if the sizes of each paper document are different, the block size does not need to be changed for each paper document, whereby high-speed processing is realized.

Согласно настоящему изобретению, принимают команду установки числа типов кандидатов бумажного документа, а затем выбирают установленное число типов кандидатов бумажного документа. Соответственно, можно выполнять обработку в зависимости от потребностей оператора, так что когда имеется много аналогичных эталонных изображений или когда желательно предотвратить пропуск кандидата, даже жертвуя временем обработки, число выборов можно увеличить, либо когда желательна более высокоскоростная обработка, число выборов можно снизить.According to the present invention, a command to set the number of candidate types of paper documents is received, and then a set number of candidate types of paper documents is selected. Accordingly, it is possible to perform processing depending on the needs of the operator, so that when there are many similar reference images or when it is desirable to prevent the candidate from skipping, even sacrificing processing time, the number of selections can be increased, or when higher speed processing is desired, the number of selections can be reduced.

Краткое описание чертежейBrief Description of the Drawings

Фиг.1 является функциональной блок-схемой конфигурации устройства распознавания банкнот согласно варианту осуществления настоящего изобретения.1 is a functional block diagram of a configuration of a banknote recognition apparatus according to an embodiment of the present invention.

Фиг.2 является примером инфракрасного изображения в проходящем свете, инфракрасного отраженного изображения, видимого изображения в проходящем свете и видимого отраженного изображения, вводимых узлом входного изображения, показанным на фиг.1.FIG. 2 is an example of an infrared image in transmitted light, an infrared reflected image, a visible image in transmitted light, and a visible reflected image introduced by the input image unit shown in FIG. 1.

Фиг.3 является поясняющей схемой для пояснения процесса выделения краевой точки, выполняемого сжимающим процессором, показанным на фиг.1.FIG. 3 is an explanatory diagram for explaining a process for selecting an edge point performed by the compression processor shown in FIG.

Фиг.4 является поясняющей схемой для пояснения вычисления угла части банкноты с помощью преобразования Хафа сжимающим процессором, показанным на фиг.1.FIG. 4 is an explanatory diagram for explaining a calculation of an angle of a part of a banknote using the Hough transform by the compression processor shown in FIG.

Фиг.5 является поясняющей схемой для пояснения процесса сжимания части банкноты сжимающим процессором, показанным на фиг.1.FIG. 5 is an explanatory diagram for explaining a process of compressing a part of a banknote by the compression processor shown in FIG.

Фиг.6 является поясняющей схемой для пояснения разделения на блоки процессором уменьшения числа кандидатов, показанным на фиг.1.FIG. 6 is an explanatory diagram for explaining blocking by a candidate reduction processor shown in FIG. 1.

Фиг.7 является поясняющей схемой для пояснения признака плотности, вычисленного процессором уменьшения числа кандидатов, показанным на фиг.1.Fig. 7 is an explanatory diagram for explaining a density feature computed by the candidate reduction processor shown in Fig. 1.

Фиг.8 является поясняющей схемой для пояснения признака направления, вычисленного процессором уменьшения числа кандидатов, показанным на фиг.1.Fig. 8 is an explanatory diagram for explaining a sign of a direction calculated by the candidate reduction processor shown in Fig. 1.

Фиг.9 является поясняющей схемой для пояснения идеи сопоставления значения, вычисленного процессором уменьшения числа кандидатов.Fig. 9 is an explanatory diagram for explaining the idea of matching the value calculated by the candidate reduction processor.

Фиг.10 является поясняющей схемой для пояснения разделения на блоки процессором подробного оценивания, показанным на фиг.1.FIG. 10 is an explanatory diagram for explaining block division by the detailed estimation processor shown in FIG.

Фиг.11 является поясняющей схемой для пояснения выделения частичного изображения t(a, b) в блочной позиции (а, b) среднего эталонного изображения.11 is an explanatory diagram for explaining a selection of a partial image t (a, b) at a block position (a, b) of an average reference image.

Фиг.12 является поясняющей схемой для пояснения идеи вычисления значения соответствия (разность плотностей) путем сдвига частичного изображения вокруг блочной позиции соответствующего входного изображения на некоторый блок среднего эталонного изображения.12 is an explanatory diagram for explaining the idea of calculating a correspondence value (density difference) by shifting a partial image around a block position of a corresponding input image by a block of an average reference image.

фиг.13 является блок-схемой алгоритма для пояснения процедуры в процессе распознавания банкноты, выполняемой устройством распознавания банкнот, показанным на фиг.1.FIG. 13 is a flowchart for explaining a procedure in a banknote recognition process performed by the banknote recognition apparatus shown in FIG.

Фиг.14 является блок-схемой алгоритма процедуры в процессе сжимания части банкноты, показанной на этапе S102 по фиг.13.FIG. 14 is a flowchart of a procedure in a process of compressing a portion of a banknote shown in step S102 of FIG. 13.

Фиг.15 является блок-схемой алгоритма процедуры в процессе уменьшения числа кандидатов, показанной на этапе S103 по фиг.13.FIG. 15 is a flowchart of a procedure in a process of reducing the number of candidates shown in step S103 of FIG. 13.

Фиг.16 является блок-схемой алгоритма процедуры в процессе подробного оценивания, показанной на этапе S104 по фиг.13.FIG. 16 is a flowchart of a procedure in the detailed estimation process shown in step S104 of FIG. 13.

Пояснения буквенных или цифровых позицийExplanation of alphanumeric positions

10 - Устройство распознавания банкноты10 - Banknote recognition device

11 - Узел входного изображения11 - Input Image Node

12 - Сжимающий процессор12 - Compression processor

13 - Узел хранения13 - Storage Node

13а - Признаки13a - Symptoms

13b - Данные эталонного изображения13b - Reference Image Data

14 - Процессор уменьшения числа кандидатов14 - Candidate Reduction Processor

14а - Процессор разделения на блоки14a - Block Separation Processor

14b - Узел выделения признака плотности14b - Node selection density characteristic

14с - Узел выделения признака направления14c - Direction sign allocation node

14d - Вычислитель значения соответствия14d - Match Value Calculator

14е - Узел выбора кандидата14e - Candidate selection node

15 - Процессор подробного оценивания15 - Detailed evaluation processor

15а - Процессор разделения на блоки15a - Block Separation Processor

15b - Вычислитель значения подробного соответствия15b - Detailed Match Value Calculator

15с - Узел вывода результата распознавания15c - Node output recognition result

21 - Инфракрасное изображение в проходящем свете21 - Infrared image in transmitted light

22 - Инфракрасное изображение в отраженном свете22 - Infrared image in reflected light

23 - Видимое изображение в проходящем свете23 - Visible image in transmitted light

24 - Видимое изображение в отраженном свете24 - Visible image in reflected light

31 - Инфракрасное частичное изображение в проходящем свете31 - Infrared partial image in transmitted light

32 - Инфракрасное частичное изображение в отраженном свете32 - Infrared partial image in reflected light

33 - Видимое частичное изображение в проходящем свете33 - Visible partial image in transmitted light

34 - Видимое частичное изображение в отраженном свете34 - Visible partial image in reflected light

Наилучшие варианты осуществления изобретенияBEST MODES FOR CARRYING OUT THE INVENTION

Ниже будут подробно описаны примерные варианты осуществления устройства распознавания бумажного документа и способа распознавания бумажного документа со ссылкой на сопровождающие чертежи. В данном пояснении предполагается, что тип банкноты распознается как цель распознавания, а признаки и тому подобное в эталонном изображении, подлежащем использованию во время распознавания банкноты, подготавливаются заранее и сохраняются в узле хранения.Exemplary embodiments of a paper document recognition apparatus and a paper document recognition method will be described in detail below with reference to the accompanying drawings. In this explanation, it is assumed that the type of banknote is recognized as a recognition target, and features and the like in the reference image to be used during banknote recognition are prepared in advance and stored in the storage unit.

Варианты осуществленияOptions for implementation

Условная конфигурация устройства распознавания банкнотыConventional configuration of a banknote recognition device

Сначала поясняется конфигурация устройство 10 распознавания банкноты согласно варианту осуществления настоящего изобретения. Фиг.1 представляет собой функциональную блок-схему конфигурации устройства 10 распознавания банкноты согласно настоящему изобретению. Показанное на фиг.1 устройство 10 распознавания банкноты заранее сохраняет в себе признаки каждой из банкнот (собственный вектор и средний вектор) и данные эталонных изображений (среднее эталонное изображение и способ разделения). Когда получается входное изображение, устройство 10 распознавания банкноты выбирает заранее заданное число типов банкнот из множества типов банкнот в качестве типов кандидатов банкноты (ниже в примере поясняется случай четырех типов) за счет использования признаков, затем выполняет подробное оценивание с помощью данных эталонных изображений для выбранных кандидатов типа банкноты, чтобы конкретизировать один тип банкноты, и выводит конкретный тип банкноты в качестве результата распознавания банкноты.First, the configuration of the banknote recognition device 10 according to an embodiment of the present invention is explained. 1 is a functional block diagram of a configuration of a banknote recognition device 10 according to the present invention. The banknote recognition device 10 shown in FIG. 1 preserves the features of each of the banknotes (eigenvector and average vector) and reference image data (average reference image and separation method) in advance. When the input image is obtained, the banknote recognition device 10 selects a predetermined number of banknote types from a plurality of banknote types as banknote candidate types (the example of the four types is explained below) by using features, then performs a detailed evaluation using the reference image data for the selected candidates type of banknote to specify one type of banknote, and outputs a specific type of banknote as a result of recognition of the banknote.

Как показано на фиг.1, устройство 10 распознавания банкноты включает в себя узел 11 входного изображения, сжимающий процессор 12, узел 13 хранения, процессор 14 уменьшения числа кандидатов и процессор 15 подробного оценивания. Узел 11 входного изображения представляет собой линейный датчик, который извлекает изображение банкноты. Узел 11 входного изображения извлекает за одну операцию считывания четыре вида изображений, таких как инфракрасное изображение 21 в проходящем свете, инфракрасное изображение 22 в отраженном свете, видимое изображение 23 в проходящем свете и видимое изображение 24 в отраженном свете, как показано на фиг.2, и переносит каждое из выделенных изображений в сжимающий процессор 12.As shown in FIG. 1, the banknote recognition device 10 includes an input image unit 11, a compression processor 12, a storage unit 13, a candidate reduction processor 14, and a detailed evaluation processor 15. The input image unit 11 is a linear sensor that extracts an image of a banknote. The input image unit 11 extracts four types of images in one reading operation, such as an infrared image 21 in transmitted light, an infrared image 22 in reflected light, a visible image 23 in transmitted light and a visible image 24 in reflected light, as shown in FIG. 2, and transfers each of the selected images to the compression processor 12.

Конкретно, узел 11 входного изображения облучает банкноту как объект считывания инфракрасным светом и видимым светом для выработки инфракрасного изображения 21 в проходящем свете из результата светового приема инфракрасного света, прошедшего через банкноту, для выработки инфракрасного изображения 22 в отраженном свете из результата светового приема инфракрасного света, отраженного от банкноты, для выработки видимого изображения 23 в проходящем свете из результата светового приема видимого света, прошедшего через банкноту, и для выработки видимого изображения 24 в отраженном свете из результата светового приема видимого света, отраженного от банкноты.Specifically, the input image unit 11 irradiates the banknote as an object of reading with infrared light and visible light to generate the infrared image 21 in transmitted light from the light receiving light of the infrared light transmitted through the banknote, to generate the infrared image 22 in reflected light from the light receiving light of infrared light, reflected from the banknote, to generate a visible image 23 in transmitted light from the result of the light reception of visible light transmitted through the banknote, and to generate and a visible image in the reflected light 24 from a light reception result of visible light reflected from the banknote.

Сжимающий процессор 12 сжимает часть банкноты из принятых четырех видов изображений (инфракрасного изображения 21 в проходящем свете, инфракрасного изображения 22 в отраженном свете, видимого изображения 23 в проходящем свете и видимого изображения 24 в отраженном свете) из узла 11 входного изображения. Конкретно, сжимающий процессор 12 получает ширину, высоту и угол части банкноты за счет использования инфракрасного изображения 21 в проходящем свете и выполняет процесс поворота и процесс сжимания каждого изображения за счет использования полученных ширины, высоты и наклона.The compression processor 12 compresses a portion of the banknote from the received four types of images (infrared image 21 in transmitted light, infrared image 22 in reflected light, visible image 23 in transmitted light and visible image 24 in reflected light) from the input image unit 11. Specifically, the compression processor 12 obtains the width, height and angle of a part of the banknote by using the infrared image 21 in transmitted light and performs a rotation process and a process of compressing each image by using the obtained width, height and tilt.

Узел 13 хранения сохраняет для каждого типа банкноты признаки (собственный вектор и средний вектор) 13а, данные 13b эталонных изображений (среднее эталонное изображение и способ разделения) и взвешивающий коэффициент (λab) 13с каждой банкноты в качестве целей сравнения со входным изображением. Узел 13 естественным образом сохраняет в себе признаки 13а и данные 13b эталонных изображений для каждого типа банкнот, но далее, для четырех типов изображений одного и того же типа, которые являются инфракрасным проходящим изображением, инфракрасным отраженным изображением, видимым проходящим изображением и видимым отраженным изображением, соответственно.The storage unit 13 stores for each type of banknote the features (eigenvector and middle vector) 13a, reference image data 13b (average reference image and separation method) and weighting coefficient (λab) 13c of each banknote as comparison purposes with the input image. The node 13 naturally stores the features 13a and the reference image data 13b for each type of banknote, but further, for four types of images of the same type, which are an infrared transmitted image, an infrared reflected image, a visible transmitted image and a visible reflected image, respectively.

Признаки (собственный вектор и средний вектор) 13а эталонного изображения для каждого типа банкнот, хранящиеся в узле 13 хранения, используются во время уменьшения типа банкноты процессором 14 уменьшения числа кандидатов. Хотя подробные пояснения, касающиеся признаков (собственного вектора и среднего вектора) 13а будут даны позже, множество эталонных изображений (например, 1000 изображений) равномерно разделяются на блоки, соответственно, как для входного изображения, и получают признак плотности и признаки направления для получения собственного вектора и среднего вектора из их распределения.The features (eigenvector and middle vector) 13a of the reference image for each type of banknote stored in the storage unit 13 are used when the type of banknote is reduced by the processor 14 to reduce the number of candidates. Although detailed explanations regarding the features (eigenvector and average vector) 13a will be given later, many reference images (for example, 1000 images) are evenly divided into blocks, respectively, as for the input image, and receive a sign of density and signs of direction to obtain an eigenvector and the average vector from their distribution.

Данные эталонных изображений (среднее эталонное изображение и процедура разделения) 13b для каждого типа банкноты, подлежащие сохранению в узле 13 хранения, используются во время выполнения подробного оценивания процессором 15 подробного оценивания. Его подробные пояснения будут даны позже. Способ разделения, на который здесь дается ссылка, представляет собой систему для разделения эталонного изображения в зависимости от размера банкноты или части ее признаков. Этот способ разделения конкретизирует, что характерная область некоторой банкноты разделяется мелко, а нехарактерная область разделяется грубо. Среднее эталонное изображение получается взятием средних пикселов от множества эталонных изображений для каждого типа банкноты и разделением его на блоки согласно упомянутому выше способу разделения.The reference image data (average reference image and separation procedure) 13b for each type of banknote to be stored in the storage unit 13 is used during the detailed evaluation by the detailed evaluation processor 15. Its detailed explanations will be given later. The separation method referred to herein is a system for dividing a reference image depending on the size of a banknote or part of its features. This separation method concretizes that the characteristic region of a certain banknote is finely divided, and the uncharacteristic region is roughly divided. The average reference image is obtained by taking the average pixels from a plurality of reference images for each type of banknote and dividing it into blocks according to the above separation method.

Процессор 14 уменьшения числа кандидатов является узлом, который выбирает четыре типа кандидатов банкноты (здесь и далее «тип кандидата банкноты»), соответствующих входному изображению при приеме подлежащего распознаванию входного изображения. Конкретно, процессор 14 уменьшения числа кандидатов равномерно разделяет входные изображения (инфракрасное изображение 21 в проходящем свете, инфракрасное изображение 22 в отраженном свете, видимое изображение 23 в проходящем свете и видимое изображение 24 в отраженном свете) на блоки независимо от размера банкноты и выбирает четыре типа кандидата банкноты на основе признака плотности и признаков направления каждого блока.The candidate number reduction processor 14 is a node that selects four types of banknote candidates (hereinafter, “banknote candidate type”) corresponding to an input image when receiving an input image to be recognized. Specifically, the candidate reduction processor 14 evenly divides input images (infrared image 21 in transmitted light, infrared image 22 in reflected light, visible image 23 in transmitted light and visible image 24 in reflected light) into blocks regardless of the size of the banknote and selects four types banknote candidate based on the density attribute and direction signs of each block.

Как описано выше, процессор 14 уменьшения числа кандидатов не определяет непосредственно и единственным образом тип банкноты, соответствующий входному изображению, как в традиционном уровне техники, но выбирает четыре типа кандидатов банкноты в качестве ее предобработки. Процессор 15 подробного оценивания, описанный далее, оценивает в конце концов тип банкноты из этих четырех типов кандидатов банкноты.As described above, the candidate reduction processor 14 does not directly and uniquely determine the type of banknote corresponding to the input image, as in the prior art, but selects four types of banknote candidates as its preprocessing. The detailed evaluation processor 15 described later finally evaluates the type of banknote from these four types of banknote candidates.

Причина, по которой выполняется эта предобработка, состоит в том, что если тип банкноты оценивать непосредственно и единственным образом, как в традиционном уровне техники, то, когда определено, что подлежащая распознаванию банкнота не соответствует банкноте, полученной как результат последующего оценивания, вышеописанную обработку необходимо повторять вновь путем исключения этого типа банкноты, и требуется некоторое время для получения правильного результата распознавания.The reason this pre-processing is performed is that if the type of banknote is evaluated directly and uniquely, as in the conventional art, when it is determined that the banknote to be recognized does not correspond to the banknote obtained as a result of the subsequent evaluation, the above processing is necessary repeat again by eliminating this type of banknote, and it takes some time to get the correct recognition result.

В настоящем варианте осуществления поясняется случай, когда выбирают четыре типа кандидатов банкноты; однако число типов кандидатов банкноты, подлежащих выбору, в процессе выбора может быть изменено по команде, введенной из операционного узла в устройстве или извне устройства. Соответственно, когда имеется много аналогичных узоров между типами банкнот, или когда желательно предотвратить пропуск кандидата, даже жертвуя временем обработки, число подлежащих выбору типов кандидатов банкноты увеличивается, либо когда желательна более высокая скорость обработки, число типов кандидатов банкноты сокращается, что дает возможность выполнять обработку согласно потребностям оператора.In the present embodiment, a case is explained when four types of banknote candidates are selected; however, the number of types of banknote candidates to be selected during the selection process can be changed by a command entered from an operation node in the device or from the outside of the device. Accordingly, when there are many similar patterns between types of banknotes, or when it is desirable to prevent a candidate from skipping even by sacrificing processing time, the number of banknote candidate types to be selected increases, or when a higher processing speed is desired, the number of banknote candidate types is reduced, which makes it possible to perform processing according to the needs of the operator.

Процессор 15 подробного оценивания выполняет подробное оценивание для определения одного типа банкноты, соответствующего входному изображению, из четырех типов кандидатов банкноты, выбранных процессором 14 уменьшения числа кандидатов. Конкретно, процессор 15 подробного оценивания считывает части данных 13b эталонного изображения, отвечающие соответствующим типам кандидатов банкноты, из узла 13 хранения и разделяет входное изображение на блоки, согласно соответствующему способу разделения в данных 13b эталонного изображения. Затем процессор 15 подробного оценивания вычисляет значения подробного сопоставления между блоками входного изображения, разделенного на блоки, и соответствующими блоками среднего эталонного изображения и конкретизирует среднее эталонное изображение, соответствующее входному изображению, на основе вычисленных значений подробного сопоставления, для выведения типа банкноты, соответствующего конкретизированному среднему эталонному изображению.The detailed evaluation processor 15 performs a detailed evaluation to determine one type of banknote corresponding to the input image from four types of banknote candidates selected by the processor 14 for reducing the number of candidates. Specifically, the detailed evaluation processor 15 reads portions of the reference image data 13b corresponding to the respective types of banknote candidates from the storage unit 13 and divides the input image into blocks according to a corresponding method of dividing the reference image data 13b. Then, the detailed estimation processor 15 calculates the detailed matching values between the blocks of the input image divided into blocks and the corresponding blocks of the average reference image, and specifies the average reference image corresponding to the input image based on the calculated detailed matching values to derive a banknote type corresponding to the specified average reference image.

Конфигурация устройства 10 распознавания банкноты поясняется ниже со ссылкой на функциональную блок-схему. Однако, когда устройство 10 распознавания банкноты в действительно воплощено за счет использования компьютера, предусмотрен линейный датчик, соответствующий узлу 11 входного изображения и накопитель на жестком диске, соответствующий узлу 13 хранения, а программы, соответствующие сжимающему процессору 12, процессору 14 уменьшения числа кандидатов и процессору 15 подробного оценивания, хранятся в энергонезависимой памяти или тому подобном, так что эти программы загружаются в ЦП и исполняются.The configuration of the banknote recognition device 10 is explained below with reference to a functional block diagram. However, when the banknote recognition device 10 is actually embodied by using a computer, a line sensor is provided corresponding to the input image unit 11 and a hard disk drive corresponding to the storage unit 13, and programs corresponding to the compression processor 12, the candidate reduction processor 14, and the processor 15 detailed evaluations are stored in non-volatile memory or the like, so that these programs are downloaded to the CPU and executed.

Подробное описание сжимающего процессораDetailed description of the compression processor

Подробности сжимающего процессора 12, показанного на фиг.1, поясняются далее со ссылкой на фиг.3-5. Фиг.3 представляет собой пояснительную диаграмму для пояснения процесса выделения краевой точки, выполняемого сжимающим процессором 12; фиг.4 представляет собой пояснительную диаграмму для пояснения вычисления угла в части банкноты с помощью преобразования Хафа сжимающим процессором 12, а фиг.5 представляет собой пояснительную схему для пояснения процесса сжимания банкноты в части банкноты сжимающим процессором 12.Details of the compression processor 12 shown in FIG. 1 are explained below with reference to FIGS. 3-5. Figure 3 is an explanatory diagram for explaining the process of selecting an edge point performed by the compression processor 12; 4 is an explanatory diagram for explaining the calculation of an angle in a part of a banknote by means of a Hough transform by a compression processor 12, and FIG. 5 is an explanatory diagram for explaining a process of compressing a banknote in a part of a banknote by a compression processor 12.

Как показано на фиг.3, сжимающий процессор 12 сканирует, начиная сверху, инфракрасное изображение 21 в проходящем свете входного изображения, чтобы обнаружить пиксел с пиксельным значением больше, чем заранее заданный порог, в качестве краевой точки. Сжимающий процессор 12 выполняет такую же обработку снизу, слева и справа, чтобы обнаружить краевую точку и получить приближенный угол θ1 от части угла банкноты из этих краевых пунктов.As shown in FIG. 3, the compression processor 12 scans, starting from the top, the infrared image 21 in transmitted light of the input image to detect a pixel with a pixel value larger than a predetermined threshold as an edge point. The compression processor 12 performs the same processing from below, left and right, in order to detect an edge point and obtain an approximate angle θ1 from a portion of the banknote angle from these edge points.

После этого, как показано на фиг.4, сжимающий процессор 12 выполняет преобразование Хафа на основе обнаруженных краевых точек и их угла θ1 для получения плоскостей Хафа верхней стороны, нижней стороны, левой стороны и правой стороны, и голосует за угол θ для каждой плоскости Хафа для создания четырех гистограмм (голосует за наклон путем поворота левой и правой сторон на 90 градусов для левой и правой сторон). Затем сжимающий процессор 12 добавляет эти четыре гистограммы для получения угла θ, при котором проголосованное значение добавленной гистограммы максимально, и назначает полученный угол θ в качестве угла скоса банкноты. После этого сжимающий процессор 12 получает позицию ρ, соответствующую углу θ на каждой из плоскостей Хафа верхней стороны, нижней стороны, левой стороны и правой стороны, и выполняет обработку для назначения значения ρ в качестве позиции каждой стороны.After that, as shown in FIG. 4, the compression processor 12 performs a Hough transform based on the detected edge points and their angle θ1 to obtain Hough planes of the upper side, lower side, left side, and right side, and votes for the angle θ for each Hough plane to create four histograms (votes for the tilt by rotating the left and right sides 90 degrees for the left and right sides). Then, the compression processor 12 adds these four histograms to obtain an angle θ at which the voted value of the added histogram is maximum, and assigns the resulting angle θ as the angle of inclination of the banknote. After that, the compression processor 12 obtains the position ρ corresponding to the angle θ on each of the Hough planes of the upper side, lower side, left side, and right side, and performs processing to assign the value of ρ as the position of each side.

После этого, как показано на фиг.5, сжимающий процессор 12 сжимает часть банкноты от входного изображения и поворачивает часть банкноты на основе полученных позиции (ρ) и угла (θ) скоса каждой стороны для получения частичного изображения. Когда угол θ скоса банкноты и позиция ρ каждой стороны обнаруживаются за счет использования инфракрасного изображения 21 в проходящем свете, сжимающий процессор 12 сжимает часть банкноты из инфракрасного изображения 21 в проходящем свете, инфракрасного изображения 22 в отраженном свете, видимого изображения 23 в проходящем свете и видимого изображения 24 в отраженном свете за счет использования того же самого значения, чтобы получить инфракрасное частичное изображение 31 в проходящем свете, инфракрасное частичное изображение 32 в отраженном свете, видимое частичное изображение 33 в проходящем свете и видимое частичное изображение 34 в отраженном свете, показанные на фиг.5.After that, as shown in FIG. 5, the compression processor 12 compresses a part of the banknote from the input image and rotates the part of the banknote based on the received position (ρ) and the angle (θ) of the bevel of each side to obtain a partial image. When the slant angle θ of the banknote and the position ρ of each side are detected by using the infrared image 21 in transmitted light, the compression processor 12 compresses a portion of the banknote from the infrared image 21 in transmitted light, the infrared image 22 in reflected light, the visible image 23 in transmitted light and visible images 24 in reflected light by using the same value to obtain an infrared partial image 31 in transmitted light, an infrared partial image 32 in reflected Wete, partial image 33 visible in transmitted light and visible partial image 34 in reflected light as shown in Figure 5.

При этом сжимающий процессор 12 сжимает частичное изображение (инфракрасное частичное изображение 31 в проходящем свете, инфракрасное частичное изображение 32 в отраженном свете, видимое частичное изображение 33 в проходящем свете и видимое частичное изображение 34 в отраженном свете) части банкноты из принятого входного изображения (инфракрасного изображения 21 в проходящем свете, сжимающий процессор 12 сжимает часть банкноты из инфракрасного изображения 21 в проходящем свете, инфракрасного изображения 22 в отраженном свете, видимого изображения 23 в проходящем свете и видимого изображения 24 в отраженном свете) из узла 11 входного изображения.In this case, the compression processor 12 compresses a partial image (infrared partial image 31 in reflected light, infrared partial image 32 in reflected light, visible partial image 33 in transmitted light and visible partial image 34 in reflected light) of the banknote part of the received input image (infrared image 21 in transmitted light, a compression processor 12 compresses a portion of a banknote from an infrared image 21 in transmitted light, an infrared image 22 in reflected light, a visible image eniya 23 in transmitted light 24 and the visible image in the reflected light) from node 11 of the input image.

Подробности процессора уменьшения числа кандидатовCandidate Reduction Processor Details

Подробности процессора 14 уменьшения числа кандидатов, показанного на фиг.1, конкретно поясняются далее со ссылкой на фиг.6-8. Фиг.6 представляет собой пояснительную диаграмму для пояснения разделения на блоки процессором 14 уменьшения числа кандидатов, фиг.7 представляет собой пояснительную диаграмму для пояснения признака плотности, вычисленного процессором 14 уменьшения числа кандидатов, а фиг.8 представляет собой пояснительную диаграмму для пояснения признаков направления, вычисленных процессором 14 уменьшения числа кандидатов.Details of the candidate reduction processor 14 shown in FIG. 1 are specifically explained below with reference to FIGS. 6-8. FIG. 6 is an explanatory diagram for explaining the division into blocks by the processor 14 of reducing the number of candidates, FIG. 7 is an explanatory diagram for explaining the density characteristic calculated by the candidate reduction processor 14, and FIG. 8 is an explanatory diagram for explaining the signs of direction, calculated by the processor 14 to reduce the number of candidates.

Как показано на фиг.1, процессор 14 уменьшения числа кандидатов включает в себя процессор 14а разделения на блоки, узел 14b выделения признака плотности, узел 14с выделения признака направления, вычислитель 14d значения соответствия и узел 14е выбора кандидата.As shown in FIG. 1, the candidate number reduction processor 14 includes a block division processor 14a, a density feature allocation unit 14b, a direction feature allocation unit 14c, a match value calculator 14d, and a candidate selection unit 14e.

Процессор 14а разделения на блоки разделяет входное изображение на блоки независимо от размера банкноты и ее характерной части и в настоящем варианте осуществления, как показано на фиг.6, разделяет входное изображение на блоки с размером 24×24 пиксела. Процессор 14а разделения на блоки получает следующий блок, сдвинутый на 16 пикселов после получения одного блока, так что смежные блоки перекрывают один другой на восемь пикселов. Таким образом, процессор 14а разделения на блоки разделяет входное изображение на блоки с размером 24×24 пиксела, так что расстояние между центрами смежных блоков составляет 16 пикселов, и смежные блоки перекрывают один другой на восемь пикселов.The block division processor 14a divides the input image into blocks regardless of the size of the banknote and its characteristic part, and in the present embodiment, as shown in FIG. 6, divides the input image into blocks with a size of 24 × 24 pixels. The block division processor 14a receives the next block shifted 16 pixels after receiving one block, so that adjacent blocks overlap one another by eight pixels. Thus, the block division processor 14a divides the input image into blocks with a size of 24 × 24 pixels, so that the distance between the centers of adjacent blocks is 16 pixels, and the adjacent blocks overlap each other by eight pixels.

Причина, по которой выполняется равномерное разделение на блоки (размер блоков фиксирован) независимо от размера банкноты или ее характерной части, состоит в том выполнении адаптивного процесса, требующего некоторое время на стадии, когда осуществляется процесс уменьшения, вызывает, в свою очередь, задержку обработки. Далее, считается, что, если оценивание, принимающее во внимание размер банкноты и ее характерной части, выполняется в подробном оценивании, осуществляемом позже процессором 15 подробного оценивания, имеется меньше необходимости в выполнении адаптивного разделения в процессе уменьшения.The reason that uniform division into blocks is performed (the block size is fixed) regardless of the size of the banknote or its characteristic part is because the adaptive process, which takes some time at the stage when the reduction process takes place, causes, in turn, a processing delay. Further, it is believed that if the valuation taking into account the size of the banknote and its characteristic part is performed in the detailed valuation carried out later by the detailed valuation processor 15, there is less need for adaptive separation in the reduction process.

Узел 14b выделения признака плотности далее разделяет каждый блок, разделенный процессором 14а разделения на блоки, на четыре для получения среднего значения в качестве признака плотности. Например, поскольку среднее значение верхнего левого участка по фиг.7 составляет 78, среднее значение верхнего правого участка составляет 113, среднее значение нижнего левого участка составляет 125, а среднее значение нижнего правого участка составляет 134, признаки плотности в данном случае составляют (78, 113, 125, 134).The density feature extraction unit 14b further divides each block divided by the block processor 14a into four to obtain an average value as a density feature. For example, since the average value of the upper left section in Fig. 7 is 78, the average value of the upper right section is 113, the average value of the lower left section is 125, and the average value of the lower right section is 134, signs of density in this case are (78, 113 125, 134).

Узел 14с выделения признака направления применяет фильтр Габора (четыре направления - по горизонтали, по вертикали, по диагонали вправо и по диагонали влево) к каждому блоку, разделенному процессором 14а разделения на блоки, для получения признаков направления в каждом пикселе. Фильтр Габора применяется к каждому блоку; однако на фиг.8 показан случай, когда фильтр Габора применяется ко всей банкноте, для удобства пояснения.The direction feature extraction unit 14c applies a Gabor filter (four directions — horizontally, vertically, diagonally to the right and diagonally to the left) to each block divided by the block division processor 14a to obtain direction indications in each pixel. The Gabor filter is applied to each block; however, FIG. 8 shows the case where the Gabor filter is applied to the entire banknote, for convenience of explanation.

Полученные таким образом признаки направления соответствующих пикселов нормируются. Например, когда полученные признаки направления составляют (0,7, 0,2, 0,1, 1,2), нормированные признаки направления составляют (0,32, 0,09, 0,05, 0,55), полученные делением каждого компонента на полное значение каждого компонента, т.е. 0,7+0,2+0,1+1,2=2,2.Thus obtained signs of the direction of the corresponding pixels are normalized. For example, when the received direction signs are (0.7, 0.2, 0.1, 1.2), the normalized direction signs are (0.32, 0.09, 0.05, 0.55) obtained by dividing each component to the full value of each component, i.e. 0.7 + 0.2 + 0.1 + 1.2 = 2.2.

То есть, когда предполагается, что значение каждого пиксела в изображении направления того блока, к которому применен фильтр Габора, составляет для каждого блокаThat is, when it is assumed that the value of each pixel in the direction image of the block to which the Gabor filter is applied is for each block

Figure 00000001
Figure 00000001

(где k=0 указывает горизонталь, k=1 указывает диагональ влево, k=2 указывает вертикаль, а k=3 указывает диагональ вправо), нормированные признаки gk' направления каждого пиксела могут быть получены согласно следующему уравнению:(where k = 0 indicates the horizontal, k = 1 indicates the diagonal to the left, k = 2 indicates the vertical, and k = 3 indicates the diagonal to the right), normalized signs g k 'of the direction of each pixel can be obtained according to the following equation:

Figure 00000002
.
Figure 00000002
.

Среднее значение признаков gk' направления (четыре измерения) каждого пиксела получают в единице блока и назначают в качестве признаков направления каждого блока. Соответственно, число измерений признаков направления на изображение составляет до 32×4×4=512, потому что число блоков равно 32, каждый блок является четырехмерным и имеется четыре вида входных изображений (инфракрасное изображение 21 в проходящем свете, инфракрасное изображение 22 в отраженном свете, видимое изображение 23 в проходящем свете и видимое изображение 24 в отраженном свете).The average value of the signs g k 'directions (four dimensions) of each pixel is obtained in a unit of block and assigned as signs of the direction of each block. Accordingly, the number of measurements of signs of direction to the image is up to 32 × 4 × 4 = 512, because the number of blocks is 32, each block is four-dimensional and there are four types of input images (infrared image 21 in transmitted light, infrared image 22 in reflected light, visible image 23 in transmitted light and visible image 24 in reflected light).

Вычислитель 14d значения соответствия вычисляет значение соответствия между входным изображением и эталонными изображениями каждой банкноты за счет использования признака плотности, полученного узлом 14b выделения признака плотности, и признаков направления, полученных узлом 14с выделения признаков направления.The correspondence value calculator 14d calculates the correspondence value between the input image and the reference images of each banknote by using the density feature obtained by the density feature highlighting section 14b and the direction signs obtained by the direction feature highlighting section 14c.

Конкретно, вычислитель 14d значения соответствия выполняет обработку для получения признаков плотности и признаков направления 1000 раз для каждого типа банкноты (десять проб для 100 банкнот) и получает их средний вектор Mi и собственный вектор ковариационной матрицы Ki для сохранения этих векторов в узле 13 хранения в качестве признака. Когда получается входное изображение, вычислитель 14d значения соответствия получает признаки плотности и признаки направления путем выполнения вышеуказанной обработки в отношении входного изображения и назначает значение признаков плотности и признаков направления, дополненное проекцией расстояния признака входного изображения до собственного вектора, в качестве значения соответствия.Specifically, the correspondence value calculator 14d performs processing to obtain density signs and direction signs 1000 times for each banknote type (ten samples for 100 banknotes) and obtains their average vector M i and eigenvector of the covariance matrix K i to store these vectors in the storage unit 13 as a sign. When an input image is obtained, the correspondence value calculator 14d obtains density signs and direction signs by performing the above processing with respect to the input image and assigns a density sign and direction signs value supplemented by the projection of the distance of the sign of the input image to the eigenvector as the correspondence value.

Фиг.9 представляет собой пояснительную диаграмму для пояснения идеи значения соответствия, вычисленного процессором 14 уменьшения числа кандидатов. Здесь для удобства пояснения поясняется случай двумерного режима. Когда 1000 проб выполняется заранее для некоторого типа банкноты, вследствие того, что имеется разница в полученных признаках плотности и признаках направления, можно получить средний вектор Mi и собственный вектор ковариационной матрицы Ki=Σ(Xi-Mi)(Xi-Mi)T.9 is an explanatory diagram for explaining the idea of a correspondence value computed by the processor 14 for reducing the number of candidates. Here, for convenience of explanation, the case of the two-dimensional mode is explained. When 1000 samples are performed in advance for a certain type of banknote, due to the fact that there is a difference in the obtained signs of density and signs of direction, you can get the average vector M i and the eigenvector of the covariance matrix K i = Σ (X i -M i ) (X i - M i ) T.

То есть, 1000 проб распределены эллиптически с центром на среднем векторе Мi, показанном на фиг.9 с главной осью Фi1 и малой осью Фi2. Когда входное изображение считывается для получения признака Xi (признаки плотности и признаки направления), расстояние между средним вектором Mi и признаком Xi составляет ||Xi-Mi|| (||a|| указывает эвклидову норму а).That is, 1000 samples are distributed elliptically centered on the middle vector M i shown in FIG. 9 with the main axis Φ i1 and the minor axis Φ i2 . When the input image is read to obtain the characteristic X i (signs of density and signs of direction), the distance between the average vector M i and the sign X i is || X i -M i || (|| a || indicates the Euclidean norm a).

Поскольку расстояние от точки, в которой признак Xi входного изображения проецируется на главную ось Фi1, до среднего вектора Mi составляет ||Фi1 T(Xi-Mi)||, расстояние d(i) проекции от признака Xi до главной оси Фi1 можно получить согласно нижеследующему уравнению. Поскольку здесь предполагается случай, в котором пять осей выбраны из более длинной стороны главной оси, k=1-5.Since the distance from the point at which the sign X i of the input image is projected onto the main axis Φ i1 to the average vector M i is || Φ i1 T (X i -M i ) ||, the distance d (i) of the projection from the sign X i to the main axis Φ i1 can be obtained according to the following equation. Since this assumes a case in which five axes are selected from the longer side of the main axis, k = 1-5.

Figure 00000003
,
Figure 00000003
,

где i=1 указывает признак плотности в 128 измерениях инфракрасного изображения в проходящем свете, i=2 указывает признак плотности в 128 измерениях инфракрасного отраженного изображения, i=3 указывает признак плотности в 128 измерениях видимого изображения в проходящем свете, i=4 указывает признак плотности в 128 измерениях видимого изображения в отраженном свете, i=5 указывает признак плотности в 128 измерениях инфракрасного изображения в проходящем свете, i=6 указывает признак расстояния в 128 измерениях инфракрасного изображения в отраженном свете, i=7 указывает признак расстояния в 128 измерениях видимого изображения в проходящем свете, i=8 указывает признак расстояния в 128 измерениях видимого изображения в отраженном свете.where i = 1 indicates the density sign in 128 measurements of the infrared image in transmitted light, i = 2 indicates the density sign in 128 dimensions of the infrared reflected image, i = 3 indicates the density sign in 128 dimensions of the visible image, i = 4 indicates the density sign in 128 measurements of the visible image in reflected light, i = 5 indicates the density sign in 128 measurements of the infrared image in transmitted light, i = 6 indicates the distance sign in 128 measurements of the infrared image in transmitted light , I = 7 indicates the distance attribute 128 dimensions of the visible image in transmitted light, i = 8 indicates the characteristic in the range of 128 measurements of the visible image in the reflected light.

Подлежащее получению значение Z соответствия является суммой этих величин, т.е. Z=Σd(i) (где i=1-8 и i поясняется выше). Для сокращения времени обработки значение Z соответствия не получают для всех эталонных изображений, но кандидат уменьшается на свое значение расстояния проекции каждый раз, как получается расстояние d(i) проекции. Например, обработку уменьшения выполняют так, что кандидаты сужаются до 128 при d(4), а затем сужаются до 32 при d(2). Соответственно, число типов кандидатов банкноты может быть сужено, например, до примерно шести-восьми кандидатов, и значение соответствия каждого типа банкноты может получено совместно. Предпочтительно выполнять вычисление d(4) сначала, потому что d(4), указывающее признак плотности видимого изображения в отраженном свете, имеет наибольшие признаки в разграничении типа.The compliance value Z to be obtained is the sum of these values, i.e. Z = Σd (i) (where i = 1-8 and i is explained above). To reduce the processing time, the Z value of the correspondence is not obtained for all reference images, but the candidate decreases by his projection distance value each time the projection distance d (i) is obtained. For example, reduction processing is performed such that the candidates narrow down to 128 at d (4) and then narrow down to 32 at d (2). Accordingly, the number of types of banknote candidates can be narrowed, for example, to about six to eight candidates, and the correspondence value of each banknote type can be obtained together. It is preferable to perform the calculation of d (4) first, because d (4), indicating the sign of the density of the visible image in the reflected light, has the greatest signs in the delineation of the type.

Соответственно, в настоящем варианте осуществления описанная выше последовательность обработок выполняется заранее для каждого типа банкноты, чтобы получить, например, 1000 комбинаций признака плотности и признаков направления и чтобы получить их признаки (средний вектор и собственный вектор) 13а, и эти результаты нужно сохранить в узле 13 хранения. Вычисление признаков (среднего вектора и собственного вектора) не нужно выполнять в устройстве 10 распознавания банкноты, а нужно только сохранять в узле 13 хранения данные, полученные отдельным устройством.Accordingly, in the present embodiment, the processing sequence described above is performed in advance for each type of banknote in order to obtain, for example, 1000 combinations of the density and direction signs and to obtain their signs (average vector and eigenvector) 13a, and these results need to be stored in the node 13 storage. The calculation of signs (the average vector and the eigenvector) does not need to be performed in the banknote recognition device 10, but only the data received by the separate device must be stored in the storage unit 13.

Узел 14е выбора кандидата выбирает заранее заданное число (четыре в данном случае) типов кандидатов банкноты, имеющих наибольшее значение соответствия, из типов банкноты, уменьшенных вычислителем 14d значения соответствия. Например, когда значения соответствия шести кандидатов получаются вычислителем 14d значения соответствия, узел 14е выбора кандидата выбирает четыре кандидата, имеющих наибольшее значение соответствия из шести кандидатов. Как пояснено выше, число подлежащих выбору кандидатов может меняться по команде, введенной из операционного узла в устройстве или извне устройства.The candidate selection node 14e selects a predetermined number (four in this case) of banknote candidate types having the highest matching value from banknote types reduced by the matching value calculator 14d. For example, when the match values of six candidates are obtained by the match value calculator 14d, the candidate selection node 14e selects four candidates having the highest match value from the six candidates. As explained above, the number of candidates to be selected may vary by a command entered from an operation node in the device or from the outside of the device.

Подробности процессора подробного оцениванияDetailed evaluation processor details

Подробности процессора 15 подробного оценивания, показанного на фиг.1, поясняются далее со ссылкой на фиг.10-12. Фиг.10 представляет собой пояснительную диаграмму для пояснения разделения на блоки процессором 15 подробного оценивания, фиг.11 представляет собой пояснительную диаграмму для пояснения выработки среднего эталонного изображения процессором 15 подробного оценивания, а фиг.12 представляет собой пояснительную диаграмму для пояснения вычисления значения соответствия процессором 15 подробного оценивания..Details of the detailed assessment processor 15 shown in FIG. 1 are explained below with reference to FIGS. 10-12. FIG. 10 is an explanatory diagram for explaining the blocking by the detailed evaluation processor 15, FIG. 11 is an explanatory diagram for explaining the generation of the average reference image by the detailed evaluation processor 15, and FIG. 12 is an explanatory diagram for explaining the calculation of the correspondence value of the processor 15 detailed evaluation ..

Как показано на фиг.1, процессор 15 подробного оценивания включает в себя процессор 15а разделения на блоки, вычислитель 15b значения подробного соответствия и узел 15с вывода результата распознавания. Процессор 15а разделения на блоки считывает способы разделения, включенные в данные 13b эталонных изображений, соответствующие каждому из четырех типов кандидатов банкноты, выбранных процессором 14 уменьшения числа кандидатов из узла 13 хранения, разделяет входное изображение на блоки согласно каждому из считанных способов разделения.As shown in FIG. 1, the detailed estimation processor 15 includes a block division processor 15 a, a detailed correspondence value calculator 15 b, and a recognition result output unit 15 c. The block separation processor 15a reads the separation methods included in the reference image data 13b corresponding to each of the four types of banknote candidates selected by the processor 14 for reducing the number of candidates from the storage unit 13, splits the input image into blocks according to each of the read separation methods.

Процессор 15а разделения на блоки разделяет входное изображение не путем равномерного разделения на блоки, выполняемого процессором 14а разделения на блоки в процессоре 14 уменьшения числа кандидатов, но путем изменения позиции блока и числа блоков для каждого типа банкноты. Это потому, что разделение на блоки выполняется так, чтобы акцентировать часть, имеющую характеристики каждой банкноты. Желательно, чтобы число блоков возрастало, чем в случае процессора 14а разделения на блоки, и выполнялась регулировка для не включения промежутка с равными интервалами. На фиг.10 показано состояние, в котором, когда М блоков предусмотрены в горизонтальном направлении и N блоков предусмотрены в вертикальном направлении, регулировка выполняется для не включения внешней области иной, нежели участок банкноты в дальнем левом блоке. Таким образом, важно вычислить существенное значение соответствия путем выполнения регулировки для не включения промежутка иного, нежели участок банкноты.The block division processor 15a does not divide the input image by the uniform block division performed by the block division processor 14a in the processor 14 to reduce the number of candidates, but by changing the block position and the number of blocks for each type of banknote. This is because the division into blocks is carried out so as to accentuate the part having the characteristics of each banknote. It is desirable that the number of blocks increase than in the case of the processor 14A division into blocks, and adjustments were made to not include the gap at equal intervals. Figure 10 shows a state in which when M blocks are provided in the horizontal direction and N blocks are provided in the vertical direction, the adjustment is made to not include an external area other than the banknote section in the far left block. Thus, it is important to calculate the significant value of the match by making adjustments to not include a gap other than the portion of the banknote.

Как получить позицию блока, поясняется конкретно. Сначала, когда предполагается, что длины банкноты в горизонтальном и вертикальном направлениях банкноты составляют lenX и lenY, соответственно, число блоков в горизонтальном и вертикальном направлениях банкноты составляют М и N, соответственно, блоковые интервалы в горизонтальном и вертикальном направлениях банкноты составляют disX и disY, соответственно, а подлежащая получению позиция блока равна (Ха, Yb), число блоков в горизонтальном и вертикальном направлениях подсчитываются на 8-пиксельных интервалах по отношению к длине банкноты. Когда предполагается, что размер блока составляет 12×12 пикселов, устанавливаетсяHow to get the position of the block is explained specifically. First, when it is assumed that the banknote lengths in the horizontal and vertical directions of the banknote are lenX and leNY, respectively, the number of blocks in the horizontal and vertical directions of the banknote is M and N, respectively, the block intervals in the horizontal and vertical directions of the banknote are disX and disY, respectively , and the block position to be obtained is (Xa, Yb), the number of blocks in the horizontal and vertical directions are counted at 8-pixel intervals with respect to the length of the banknote. When it is assumed that the block size is 12 × 12 pixels, set

М=((lenX-12)/8)+1M = ((lenX-12) / 8) +1

N=((lenY-12)/8)+lN = ((lenY-12) / 8) + l

Блоковые интервалы (равны или меньше восьми пикселов) получаются с помощью числа блоков М и N согласно следующим уравнениям:Block intervals (equal to or less than eight pixels) are obtained using the number of blocks M and N according to the following equations:

disX=(lenX-12)/MdisX = (lenX-12) / M

disY=(lenY-12)/N,disY = (lenY-12) / N,

а позиция блока, который является а-ым блоком в горизонтальном направлении и b-ым блоком в вертикальном направлении, получается путем использования блоковых интервалов disX и disY согласно следующим вычислительным формулам:and the position of the block, which is the a-th block in the horizontal direction and the b-th block in the vertical direction, is obtained by using the block intervals disX and disY according to the following computational formulas:

Ха=disX×aHa = disX × a

Yb=disY×b.Yb = disY × b.

Вычислитель 15b значения подробного соответствия вычисляет разности плотности между блоками входного изображения и соответствующими блоками среднего эталонного изображения в качестве значений подробного соответствия. Конкретно, когда определяется позиция (а, b) сжатия блока для некоторого блока входного изображения, вычислитель 15b значения подробного соответствия сжимает 49 блоков путем сдвига сжимающей позиции на три пиксела в горизонтальном направлении и три пиксела в вертикальном направлении (а±3, b±3). Вычислитель 15b значения подробного соответствия затем получает разности плотности между сжатыми 49 блоками входного изображения и блоками, сжатыми на основе соответствующей позиции (а, b) блока среднего эталонного изображения. Вычислитель 15b значения подробного соответствия получает минимальное значение из 49 разностей плотности и назначает это минимальное значение в качестве значения соответствия блока. Здесь поясняется случай, когда сжимающая позиция сдвигается на три пиксела в горизонтальном направлении и три пиксела в вертикальном направлении; однако величина сдвига не ограничивается этим.Detailed match value calculator 15b calculates density differences between blocks of an input image and corresponding blocks of an average reference image as detailed match values. Specifically, when the block compression position (a, b) is determined for a certain block of the input image, the detailed correspondence value calculator 15b compresses 49 blocks by shifting the compressing position by three pixels in the horizontal direction and three pixels in the vertical direction (a ± 3, b ± 3 ) The detailed correspondence value calculator 15b then obtains density differences between the compressed 49 blocks of the input image and the blocks compressed based on the corresponding position (a, b) of the middle reference image block. The detailed match value calculator 15b obtains a minimum value from 49 density differences and assigns this minimum value as a block match value. Here, a case is explained where the compression position is shifted by three pixels in the horizontal direction and three pixels in the vertical direction; however, the magnitude of the shift is not limited to this.

Причина, по которой вычисляют не только одну разность плотности между блоками в соответствующих сжимающих позициях (а, b) блоков входного изображения и среднего эталонного изображения, но получают разности плотности между 49 блоками входного изображения и соответствующими 49 блоками среднего эталонного изображения путем сдвига сжимающей позиции блока, состоит в том, что во входном изображении может возникать неточное совмещение.The reason why not only one density difference between blocks is calculated in the respective compressive positions (a, b) of the blocks of the input image and the average reference image, but density differences are obtained between 49 blocks of the input image and the corresponding 49 blocks of the average reference image by shifting the compressive position of the block , is that inaccurate alignment may occur in the input image.

Это свойство поясняется подробнее. Когда определяют позицию (а, b) блока входного изображения, и когда предполагается, что k частей (например, 49 частей) данных изображения, центрированных на позиции блока, указываются как sx(a, b) (1≤k≤49) и данные изображения среднего эталонного изображения в позиции (а, b) блока равны t(a, b), значение Za,b соответствия в каждом блоке получается из нижеследующего уравнения. Это уравнение получает разность плотности, и минимальное значение из 49 разностей плотности с k=1-49 назначается в качестве значения соответствия в позиции блока. Когда предполагается, что ski(a, b) обозначает значение i-го пиксела в некотором изображении блока входного изображения, ti(a, b) обозначает значение i-го пиксела в некотором изображении блока среднего эталонного изображения, n обозначает число пикселов в изображении блока, a Za,b обозначает значение соответствия в позиции блока, устанавливается следующее уравнение:This property is explained in more detail. When determining the position (a, b) of the input image block, and when it is assumed that k parts (e.g., 49 parts) of image data centered on the position of the block are indicated as s x (a, b) (1≤k≤49) and image data of the average reference image at the position (a, b) of the block is t (a, b), the value Z a, b of the correspondence in each block is obtained from the following equation. This equation receives the density difference, and the minimum value of 49 density differences with k = 1-49 is assigned as the correspondence value in the block position. When it is assumed that s ki (a, b) denotes the value of the i-th pixel in some image of the block of the input image, t i (a, b) denotes the value of the i-th pixel in some image of the block of the average reference image, n denotes the number of pixels in image of the block, a Z a, b denotes the value of correspondence in the position of the block, the following equation is established:

Figure 00000004
.
Figure 00000004
.

На практике, как показано на фиг.11, после того, как сжато частичное изображение в позиции (а, b) блока среднего эталонного изображения, как показано на фиг.12, частичное изображение, сжатое из среднего эталонного изображения, применяется к той же самой позиции (а, b) блока входного изображения, благодаря чему получают разность плотности. После этого приложенная позиция последовательно сдвигается на ±3 пиксела в горизонтальном направлении и ±3 пиксела в вертикальном направлении для получения разностей плотности, и их минимальное значение назначается в качестве значения соответствия в позиции (а, b) блока.In practice, as shown in FIG. 11, after the partial image is compressed at the position (a, b) of the middle reference image block, as shown in FIG. 12, the partial image compressed from the middle reference image is applied to the same position (a, b) of the input image block, whereby a density difference is obtained. After that, the applied position is sequentially shifted by ± 3 pixels in the horizontal direction and ± 3 pixels in the vertical direction to obtain density differences, and their minimum value is assigned as the correspondence value in the position (a, b) of the block.

Таким путем после того, как получены значения соответствия всех блоков, значения соответствия всех блоков суммируют, как показано в нижеследующем уравнении, для получения значения Z подробного соответствия с конкретным типом кандидата банкноты, где λa,b есть параметр, считанный из узла 13 хранения, и представляет собой взвешивающий коэффициент каждого блока. Взвешивающий коэффициент λа,b увеличивается для характерных блоков данного типа банкноты и уменьшается для нехарактерного блока данного типа банкноты. Например, линейный дискриминантный анализ выполняется путем использования данных, полученных из множества оригинальных банкнот и других видов банкноты (иностранных банкнот, других купюр), и взвешивающий коэффициент λa,b может быть задан на основе его результатаIn this way, after the correspondence values of all the blocks are obtained, the correspondence values of all the blocks are summed, as shown in the following equation, to obtain a detailed correspondence value Z with a particular type of banknote candidate, where λ a, b is a parameter read from the storage unit 13, and represents the weighting coefficient of each block. The weighting coefficient λ a, b increases for the characteristic blocks of this type of banknote and decreases for the uncharacteristic block of this type of banknote. For example, a linear discriminant analysis is performed using data obtained from many original banknotes and other types of banknotes (foreign banknotes, other banknotes), and the weighting coefficient λ a, b can be set based on its result

Figure 00000005
.
Figure 00000005
.

После того, как вычислитель 15b значения подробного соответствия получит значения подробного соответствия для всех типов кандидатов банкноты, узел 15с вывода результата распознавания выводит тип банкноты, имеющий наибольшее значение подробного соответствия, в качестве результата распознавания банкноты. Например, результат распознавания банкноты может быть отображен на узле отображения (не показан) либо может быть распечатан узлом печати (не показан).After the verbose value calculator 15b receives verbose values for all types of banknote candidates, the recognition result output section 15c outputs the banknote type having the highest verbose value as the banknote recognition result. For example, a banknote recognition result may be displayed on a display unit (not shown) or may be printed by a print unit (not shown).

Процедура распознавания банкноты, выполняемая устройством распознавания банкнотыBanknote recognition procedure performed by banknote recognition device

Далее поясняется процедура распознавания банкноты, выполняемая устройством 10 распознавания банкноты, показанным на фиг.1. Фиг.13 является блок-схемой алгоритма процедуры распознавания банкноты, выполняемой устройством 10 распознавания банкноты. Предполагается, что признаки (средний вектор и собственный вектор) 13а для каждого типа банкноты заранее сохраняются в узле 13 хранения.Next, a banknote recognition procedure performed by the banknote recognition device 10 shown in FIG. 1 is explained. 13 is a flowchart of a banknote recognition procedure performed by the banknote recognition device 10. It is assumed that the features (middle vector and eigenvector) 13a for each type of banknote are stored in advance in the storage unit 13.

Как показано на фиг.13, в устройстве 10 распознавания банкноты узел 11 входного изображения выполняет обработку введения изображения для извлечения входного изображения подлежащей распознаванию банкноты (этап S101). Входное изображение включает в себя инфракрасное изображение 21 в проходящем свете, инфракрасное изображение 22 в отраженном свете, видимое изображение 23 в проходящем свете и видимое изображение 24 в отраженном свете, показанные на фиг.2.As shown in FIG. 13, in the banknote recognition device 10, the input image section 11 performs image input processing to extract an input image of the banknote to be recognized (step S101). The input image includes an infrared image 21 in transmitted light, an infrared image 22 in reflected light, a visible image 23 in transmitted light, and a visible image 24 in reflected light shown in FIG.

Сжимающий процессор 12 затем выполняет обработку сжатия для сжатия участка банкноты соответственно из принятого входного изображения (четыре вида изображений) из узла 11 входного изображения (этап S102), а процессор 14 уменьшения числа кандидатов выбирает четыре типа кандидатов банкноты, соответствующих входному изображению (этап S103).The compressing processor 12 then performs compression processing to compress the banknote section, respectively, from the received input image (four kinds of images) from the input image node 11 (step S102), and the candidate number reduction processor 14 selects four types of banknote candidates corresponding to the input image (step S103) .

Процессор 15 подробного оценивания затем выполняет подробное оценивание для конкретизации одного типа банкноты, соответствующего входному изображению, из четырех типов кандидатов банкноты, выбранных процессором 14 уменьшения числа кандидатов банкноты (этап S104). Таким образом, один тип банкноты, соответствующий входному изображению, выводится путем подробного оценивания.The detailed evaluation processor 15 then performs a detailed evaluation to specify one banknote type corresponding to the input image from the four banknote candidate types selected by the banknote candidate reduction processor 14 (step S104). Thus, one type of banknote corresponding to the input image is output by detailed evaluation.

Далее, процедура обработки сжатия участка банкноты, показанная на этапе S102, поясняется ниже более подробно. Фиг.14 является блок-схемой алгоритма процедуры сжатия участка банкноты, показанной на этапе S102 на фиг.13.Next, the banknote section compression processing procedure shown in step S102 is explained below in more detail. Fig. 14 is a flowchart of a procedure for compressing a portion of a banknote shown in step S102 in Fig. 13.

Как показано на фиг.14, при обработке сжатия участка банкноты выполняют обнаружение краевой точки для обнаружения краевой точки на внешнем крае участка банкноты в четырех видах входного изображения, т.е. в инфракрасном изображении 21 в проходящем свете, инфракрасном изображении 22 в отраженном свете, видимом изображении 23 в проходящем свете и видимом изображении 24 в отраженном свете (этап S201), и приближенный угол θ1 скоса, который указывает наклон участка банкноты, получается за счет использования обнаруженной краевой точки (этап S202). Конкретно, как показано на фиг.3, сканирование выполняется сверху, и обработка обнаружения краевой точки со значением больше заранее заданного значения повторяется в горизонтальном и вертикальном направлении для получения краевой точки, а затем получается показанный на фиг.3 угол θ1.As shown in FIG. 14, during compression processing of a banknote section, edge point detection is performed to detect an edge point on the outer edge of the banknote section in four kinds of input image, i.e. in the infrared image 21 in transmitted light, infrared image 22 in reflected light, visible image 23 in transmitted light and visible image 24 in reflected light (step S201), and the approximate bevel angle θ1 that indicates the inclination of the banknote portion is obtained by using the detected the edge point (step S202). Specifically, as shown in FIG. 3, scanning is performed from above, and the edge point detection processing with a value greater than a predetermined value is repeated in the horizontal and vertical directions to obtain the edge point, and then the angle θ1 shown in FIG. 3 is obtained.

Как поясняется выше, со ссылкой на фиг.4, затем выполняется преобразование Хафа на основе краевой точки и угла θ1 для получения плоскостей Хафа на верхней стороне, нижней стороне, левой стороне и правой стороне (этап S203), и наибольшее значение получается для каждого угла в плоскости голосования на каждой стороне, чтобы выполнить дополнение гистограммы путем добавления наибольших значений четырех сторон (этап S204). Угол с полученным наибольшим значением гистограммы назначается как угол θ скоса банкноты, чтобы получить наибольшее значение при угле θ скоса из плоскости Хафа на каждой стороне, и выполняется вычисление углов с назначением наибольшего значения в качестве позиции ρ на каждой стороне (этап S205).As explained above with reference to FIG. 4, then a Hough transform is performed based on the edge point and the angle θ1 to obtain Hough planes on the upper side, the lower side, the left side and the right side (step S203), and the largest value is obtained for each angle in the voting plane on each side to complete the histogram by adding the largest values of the four sides (step S204). The angle with the highest histogram value obtained is assigned as the angle of the bevel of the banknote in order to obtain the largest value for the angle θ of the bevel from the Hough plane on each side, and the angles are calculated with the highest value set as the position ρ on each side (step S205).

Как показано на фиг.5, участок банкноты затем сжимается на основе полученных позиции ρ и угла θ скоса на каждой стороне и поворачивается (этап S206), обработка сжатия участка банкноты выполняется для сжатия участка банкноты из входного изображения (этап S207).As shown in FIG. 5, the banknote section is then compressed based on the obtained ρ position and the bevel angle θ on each side and rotated (step S206), the banknote section compression processing is performed to compress the banknote section from the input image (step S207).

Далее подробно поясняется процедура уменьшения числа кандидатов, показанная на этапе S103 на фиг.13. Фиг.15 является блок-схемой алгоритма процедуры уменьшения числа кандидатов, показанной на этапе S103 на фиг.13.Next, a procedure for reducing the number of candidates shown in step S103 in FIG. 13 is explained in detail. FIG. 15 is a flowchart of a procedure for reducing the number of candidates shown in step S103 in FIG. 13.

Как показано на фиг.15, сначала выполняется разделение на блоки для равномерного разделения входного изображения на блоки (этап S301). Конкретно, как показано на фиг.6, блок размером 24×24 пиксела разделяется на блоки в интервалах из 16×16 пикселов.As shown in FIG. 15, block division is first performed to evenly divide the input image into blocks (step S301). Specifically, as shown in FIG. 6, a block of 24 × 24 pixels is divided into blocks at intervals of 16 × 16 pixels.

После этого выполняется обработка выделения признака плотности, в которой каждый блок, разделенный процессором 14а разделения на блоки, разделяется далее на четыре части, чтобы получить их средние значения, и эти средние значения назначаются как признак плотности (этап S302), и фильтр Габора (четыре направления - горизонтальное, вертикальное, по диагонали влево и по диагонали вправо) применяется к каждому блоку входного изображения, посредством чего получают признаки направления в каждом пикселе (этап S303).After that, density characteristic extraction processing is performed in which each block divided by the block division processor 14a is further divided into four parts to obtain their average values, and these average values are assigned as a density indicator (step S302) and a Gabor filter (four directions — horizontal, vertical, diagonally to the left and diagonally to the right) is applied to each block of the input image, whereby signs of direction in each pixel are obtained (step S303).

После этого вычислитель 14d значения соответствия вычисляет значение соответствия для каждого типа банкноты из входного изображения путем использования признака плотности, полученного узлом 14b выделения признака плотности, и признаков направления, полученных узлом 14с выделения признаков направления (этап S304), и узел 14е выбора кандидатов выбирает четыре кандидата в убывающем порядке значения соответствия (этап S305).Thereafter, the correspondence value calculator 14d calculates the correspondence value for each banknote type from the input image by using the density attribute obtained by the density attribute allocation unit 14b and the direction signs obtained by the direction attribute allocation unit 14c (step S304), and the candidate selection unit 14e selects four the candidate in descending order of the matching value (step S305).

Далее подробно поясняется процедура подробного оценивания, показанная на этапе S104 на фиг.13. Фиг.16 является блок-схемой алгоритма процедуры подробного оценивания, показанной на этапе S104 на фиг.13.The detailed evaluation procedure shown in step S104 in FIG. 13 is explained in detail below. FIG. 16 is a flowchart of the detailed estimation procedure shown in step S104 in FIG. 13.

Как показано на фиг.16, процессор 15а разделения на блоки адаптивно разделяет входное изображение на блоки согласно каждому из способов разделения, соответствующих четырем типам кандидатов банкноты, выбранных процессором 14 уменьшения числа кандидатов (этап S401). То есть, процессор 15а разделения на блоки выполняет не равномерное разделение на блоки, выполненное процессором 14а разделения на блоки в процессоре 14 уменьшения числа кандидатов, но выполняет обработку разделения путем изменения позиции блока и числа блоков для каждого типа банкноты.As shown in FIG. 16, the block division processor 15a adaptively divides the input image into blocks according to each of the division methods corresponding to the four types of banknote candidates selected by the candidate reduction processor 14 (step S401). That is, the block division processor 15a does not perform the uniform block division performed by the block division processor 14a in the candidate reduction processor 14, but performs the division processing by changing the block position and the number of blocks for each type of banknote.

После этого вычислитель 15b значения подробного соответствия получает разности плотностей между блоками входного изображения и соответствующими блоками среднего эталонного изображения и суммирует разности (значения соответствия) плотностей всех блоков, посредством чего вычисляется значение подробного соответствия (этап S402).After that, the detailed correspondence value calculator 15b obtains the density differences between the blocks of the input image and the corresponding blocks of the average reference image and sums the differences (correspondence values) of the densities of all the blocks, whereby the detailed correspondence value is calculated (step S402).

Когда значение подробного соответствия получено для каждого типа кандидатов банкноты, узел 15с вывода результата распознавания выводит тип кандидата банкноты с наибольшим значением подробного соответствия в качестве результата распознавания банкноты (этап S403).When the detailed match value is obtained for each type of banknote candidate, the recognition result output section 15c outputs the banknote candidate type with the highest detailed match value as the banknote recognition result (step S403).

Как описано выше, в настоящем варианте осуществления обработка введения изображения для выявления изображения подлежащей распознаванию банкноты в качестве входного изображения выполняется узлом 11 входного изображения, а сжимающий процессор 12 соответственно сжимает участок банкноты из принятых входных изображений (четыре вида изображений) из узла 11 входного изображения. Процессор 14 уменьшения числа кандидатов выбирает четыре эталонных изображения, соответствующих входному изображению, а процессор 15 подробного оценивания выполняет подробное оценивание для конкретизации одного кандидата эталонного изображения, соответствующего входному изображению, из четырех кандидатов эталонных изображений, выбранных процессором 14 уменьшения числа кандидатов. Поэтому, даже если имеется много типов подлежащих оцениванию бумажных документов, тип бумажного документа можно распознать с высокой точностью и эффективно на высокой скорости.As described above, in the present embodiment, the image input processing for detecting the image of the banknote to be recognized as the input image is performed by the input image unit 11, and the compression processor 12 accordingly compresses the banknote section from the received input images (four kinds of images) from the input image unit 11. The candidate reduction processor 14 selects four reference images corresponding to the input image, and the detailed assessment processor 15 performs detailed assessment to refine one candidate reference image corresponding to the input image from the four candidate reference images selected by the candidate reduction processor 14. Therefore, even if there are many types of paper documents to be evaluated, the type of paper document can be recognized with high accuracy and efficiently at high speed.

В настоящем варианте осуществления пояснен случай, когда признаки (собственный вектор и средний вектор) каждого эталонного изображения, используемого в обработке уменьшения числа кандидатов, и средних эталонных изображений, используемых при подробном оценивании, вырабатываются заранее отдельными устройствами и сохраняются в узле 13 хранения. Однако настоящее изобретение не ограничено этим, и данные части информации могут вырабатываться заранее устройством 10 распознавания банкноты и сохраняться в узле 13 хранения, либо эти части информации могут вырабатываться при приеме входного изображения.In the present embodiment, the case is explained when the features (eigenvector and average vector) of each reference image used in the reduction processing of the number of candidates and the average reference images used in the detailed evaluation are generated in advance by separate devices and stored in the storage unit 13. However, the present invention is not limited to this, and data parts of the information can be generated in advance by the banknote recognition device 10 and stored in the storage unit 13, or these parts of the information can be generated when the input image is received.

В настоящем варианте осуществления пояснено, что используется среднее эталонное изображение 13b, выработанное заранее процессором 15 подробного оценивания. Однако настоящее изобретение не ограничивается этим, и эталонное изображение, извлеченное из идеальной среды, может использоваться вместо среднего эталонного изображения.In the present embodiment, it is explained that the average reference image 13b generated in advance by the detailed evaluation processor 15 is used. However, the present invention is not limited to this, and a reference image extracted from an ideal medium can be used instead of the average reference image.

В настоящем варианте осуществления пояснен случай, когда процессор 15 подробного оценивания выполняет подробное оценивание путем использования разностей плотности. Однако настоящее изобретение не ограничивается этим, и подробное оценивание можно выполнять иной системой.In the present embodiment, a case is explained where the detailed estimation processor 15 performs detailed estimation by using density differences. However, the present invention is not limited to this, and detailed evaluation can be performed by another system.

В настоящем варианте осуществления пояснен случай, когда настоящее изобретение применено к банкноте. Однако настоящее изобретение не ограничено этим, и данное изобретение можно также применять к случаю, когда распознаванию подлежат иные типы бумажных документов, такие как чеки.In the present embodiment, a case is explained where the present invention is applied to a banknote. However, the present invention is not limited to this, and the invention can also be applied to the case where other types of paper documents, such as checks, are subject to recognition.

Промышленная применимостьIndustrial applicability

Как описано выше, устройство распознавания бумажного документа и способ распознавания бумажного документа согласно настоящему изобретению полезны, когда входное изображение бумажных документов соотносится с эталонным изображением множества бумажных элементов для распознавания типа бумажного документа во входном изображении. В частности, устройство распознавания бумажного документа и способ распознавания бумажного документа пригодны для распознавания типа бумажного документа с высокой точностью и эффективно и на высокой скорости, даже когда имеется много типов подлежащих оцениванию бумажных документов.As described above, a paper document recognition apparatus and a paper document recognition method according to the present invention are useful when an input image of paper documents is associated with a reference image of a plurality of paper elements for recognizing a type of paper document in an input image. In particular, the paper document recognition apparatus and the paper document recognition method are suitable for recognizing the type of paper document with high accuracy and efficiently and at high speed, even when there are many types of paper documents to be evaluated.

Claims (7)

1. Устройство распознавания бумажного документа, которое распознает тип бумажного документа во входном изображении путем сопоставления входного изображения с эталонными изображениями множества бумажных документов, содержащее:
узел выбора кандидатов, который выбирает заранее заданное число типов кандидатов бумажных документов на основе признака плотности и признаков направления в каждом блоке, полученном путем равномерного разделения входного изображения и эталонных изображений; и
узел подробного оценивания, который адаптивно разделяет входное изображение на блоки согласно признакам эталонного изображения, соответствующего каждому типу бумажного документа, выбранному узлом выбора кандидатов, и выполняет подробное оценивание на основе сопоставления значений между соответствующими блоками разделенного входного изображения и каждого из эталонных изображений.1. A paper document recognition apparatus that recognizes a type of paper document in an input image by matching the input image with reference images of a plurality of paper documents, comprising:
a candidate selection node that selects a predetermined number of candidate types of paper documents based on a density indicator and directional signs in each block obtained by uniformly separating an input image and reference images; and
a detailed evaluation unit that adaptively divides the input image into blocks according to the characteristics of the reference image corresponding to each type of paper document selected by the candidate selection node, and performs a detailed evaluation based on a comparison of values between the respective blocks of the divided input image and each of the reference images. 2. Устройство распознавания бумажного документа по п.1, дополнительно содержащее узел хранения признаков, который сохраняет в себе признаки эталонного изображения для каждого типа бумажных документов, при этом
узел выбора кандидатов содержит:
первый узел разделения на блоки, который равномерно разделяет входное изображение на блоки во время приема входного изображения;
вычислитель признака плотности, который вычисляет признак плотности для каждого блока, на которые разделяет первый узел разделения на блоки;
вычислитель признаков направления, который вычисляет признаки направления для каждого блока, на которые разделяет первый узел разделения на блоки; и
выбирающий узел, который выбирает заранее заданное число типов кандидатов бумажного документа на основе признака плотности для каждого блока, вычисленного вычислителем признака плотности, признаков направления для каждого блока, вычисленных вычислителем признаков направления, и признаков каждого из эталонных изображений, хранящихся в узле хранения признаков.2. The recognition device for a paper document according to claim 1, additionally containing a node storage signs, which stores the characteristics of the reference image for each type of paper documents, while
the candidate selection node contains:
a first blocking unit that evenly divides the input image into blocks during reception of the input image;
a density feature calculator that calculates a density feature for each block into which the first blocking unit divides;
a direction sign calculator that calculates direction signs for each block into which the first block division unit divides; and
a selecting node that selects a predetermined number of candidate types of paper documents based on a density attribute for each block calculated by the density attribute calculator, direction signs for each block calculated by the direction attribute calculator, and signs of each of the reference images stored in the attribute storage node. 3. Устройство распознавания бумажного документа по п.1, дополнительно содержащее память, которая хранит для каждого типа бумажных документов способы разделения на блоки, соответствующие признакам эталонного изображения каждого типа бумажных документов, и разделенные эталонные изображения, полученные разделением эталонного изображения на блоки согласно способу разделения на блоки, при этом
узел подробного оценивания включает в себя:
второй узел разделения на блоки, который считывает из памяти способы разделения на блоки и разделенные эталонные изображения, которые соответственно отвечают типам кандидатов бумажного документа, выбранным узлом выбора кандидатов, и разделяет входное изображение на блоки согласно каждому из способов разделения на блоки; вычислитель значений подробного сопоставления, который вычисляет для каждого из типов кандидатов бумажного документа значения подробного сопоставления между соответствующими блоками разделенного входного изображения, разделенного на блоки вторым узлом разделения на блоки, и разделенными эталонными изображениями; и конкретизирующий узел, который конкретизирует тип бумажного документа, соответствующий входному изображению, на основе соответствующих значений подробного сопоставления, вычисленных вычислителем значений подробного сопоставления.3. The recognition device for a paper document according to claim 1, further comprising a memory that stores, for each type of paper documents, methods of dividing into blocks corresponding to the characteristics of the reference image of each type of paper documents, and divided reference images obtained by dividing the reference image into blocks according to the separation method into blocks, while
the detailed assessment unit includes:
a second block division unit that reads from memory the methods of division into blocks and divided reference images, which respectively correspond to the types of candidates of the paper document selected by the candidate selection unit, and divides the input image into blocks according to each of the methods of division into blocks; a detailed matching value calculator that calculates detailed matching values for each of the candidate paper types between the respective blocks of the divided input image divided into blocks by the second block division unit and the divided reference images; and a particularizing node that specifies the type of paper document corresponding to the input image based on the corresponding detailed matching values computed by the detailed matching value calculator. 4. Устройство распознавания бумажного документа по п.1, в котором:
входное изображение и эталонные изображения включают в себя инфракрасное изображение в отраженном свете, инфракрасное изображение в проходящем свете, видимое изображение в отраженном свете и видимое изображение в проходящем свете, полученные путем воспроизведения одного и того же бумажного документа, и
узел выбора кандидатов временно уменьшает типы кандидатов бумажного документа за счет использования признака плотности и признаков направления для каждого блока в видимом отраженном изображении, а затем последовательно уменьшает типы кандидатов бумажного документа за счет использования инфракрасного изображения в проходящем свете, инфракрасного отраженного изображения и видимого изображения в проходящем свете от временно уменьшенных типов кандидатов бумажного документа, чтобы выбрать заранее заданное число типов кандидатов бумажного документа из множества типов бумажных документов.4. The recognition device for a paper document according to claim 1, in which:
the input image and reference images include an infrared image in reflected light, an infrared image in transmitted light, a visible image in reflected light and a visible image in transmitted light obtained by reproducing the same paper document, and
the candidate selection node temporarily reduces the types of candidates of the paper document by using the density and direction signs for each block in the visible reflected image, and then sequentially reduces the types of candidates of the paper document by using the infrared image in transmitted light, the infrared reflected image and the visible image in transmitted light from temporarily reduced paper document candidate types to select a predetermined number of boom candidate types one document from many types of paper documents. 5. Устройство распознавания бумажного документа по п.2, в котором: первый узел разделения на блоки разделяет входное изображение равномерно на блоки одного и того же блочного размера, даже если размеры соответствующих бумажных документов различны, в зависимости от типов бумажных документов.5. The recognition device for a paper document according to claim 2, in which: the first block separation unit divides the input image evenly into blocks of the same block size, even if the sizes of the corresponding paper documents are different, depending on the types of paper documents. 6. Устройство распознавания бумажного документа по п.2, в котором: узел выбора кандидатов дополнительно включает в себя узел приема числа выборов, который принимает команду для установки числа типов кандидатов подлежащего выбору бумажного документа, а выбирающий узел выбирает установленное число типов кандидатов бумажного документа.6. The paper document recognition apparatus according to claim 2, wherein: the candidate selection unit further includes an election number receiving unit that receives a command for setting the number of candidate types of the paper document to be selected, and the selecting node selects a set number of candidate types of paper document. 7. Способ распознавания бумажного документа, предназначенный для распознавания типа бумажного документа во входном изображении путем сопоставления этого входного изображения бумажного документа с эталонными изображениями множества бумажных документов, содержащий этапы, на которых:
выбирают заранее заданное число типов кандидатов бумажного документа на основе признака плотности и признаков направления для каждого блока, полученного путем равномерного разделения входного изображения и эталонных изображений; и
подробно оценивают адаптивное разделение входного изображения на блоки согласно признакам эталонного изображения, соответствующего каждому типу бумажных документов, выбранному на этапе выбора кандидатов, и выполняют подробное оценивание на основе сопоставления значений между соответствующими блоками разделенного входного изображения и каждого из эталонных изображений. 7. A paper document recognition method for recognizing a type of paper document in an input image by comparing this input image of a paper document with reference images of a plurality of paper documents, comprising the steps of:
selecting a predetermined number of types of paper document candidates based on the density attribute and direction signs for each block obtained by uniformly separating the input image and reference images; and
the adaptive division of the input image into blocks is evaluated in detail according to the characteristics of the reference image corresponding to each type of paper documents selected at the stage of selecting candidates, and a detailed assessment is performed based on a comparison of values between the respective blocks of the divided input image and each of the reference images.
RU2010109060/08A 2007-09-07 2007-09-07 Device for recognising paper document and method of recognising paper document RU2449376C2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2010109060/08A RU2449376C2 (en) 2007-09-07 2007-09-07 Device for recognising paper document and method of recognising paper document

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2010109060/08A RU2449376C2 (en) 2007-09-07 2007-09-07 Device for recognising paper document and method of recognising paper document

Publications (2)

Publication Number Publication Date
RU2010109060A RU2010109060A (en) 2011-09-20
RU2449376C2 true RU2449376C2 (en) 2012-04-27

Family

ID=44758394

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2010109060/08A RU2449376C2 (en) 2007-09-07 2007-09-07 Device for recognising paper document and method of recognising paper document

Country Status (1)

Country Link
RU (1) RU2449376C2 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2774058C1 (en) * 2021-09-30 2022-06-14 Общество с ограниченной ответственностью "СМАРТ ЭНДЖИНС СЕРВИС" Method for definition (recognition) of the fact of presentation of digital copy of the document in screen reshoot

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0649114A2 (en) * 1993-10-14 1995-04-19 Omron Corporation Image processing device and method for identifying an input image and copier including same
RU2103740C1 (en) * 1992-11-20 1998-01-27 Rosimco Enterprises Inc. Method for checking bank-note validity
RU2123722C1 (en) * 1997-02-14 1998-12-20 Предприятие Товарищество с ограниченной ответственностью "Вилдис" Method for checking validity of securities
US6393140B1 (en) * 1997-04-16 2002-05-21 Nippon Conlux Co., Ltd. Paper-like piece identifying method and device

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2103740C1 (en) * 1992-11-20 1998-01-27 Rosimco Enterprises Inc. Method for checking bank-note validity
EP0649114A2 (en) * 1993-10-14 1995-04-19 Omron Corporation Image processing device and method for identifying an input image and copier including same
RU2123722C1 (en) * 1997-02-14 1998-12-20 Предприятие Товарищество с ограниченной ответственностью "Вилдис" Method for checking validity of securities
US6393140B1 (en) * 1997-04-16 2002-05-21 Nippon Conlux Co., Ltd. Paper-like piece identifying method and device

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2774058C1 (en) * 2021-09-30 2022-06-14 Общество с ограниченной ответственностью "СМАРТ ЭНДЖИНС СЕРВИС" Method for definition (recognition) of the fact of presentation of digital copy of the document in screen reshoot

Also Published As

Publication number Publication date
RU2010109060A (en) 2011-09-20

Similar Documents

Publication Publication Date Title
EP2187359B1 (en) Paper sheet identification device and paper sheet identification method
US5687253A (en) Method for comparing word shapes
Hildebrandt et al. Benchmarking face morphing forgery detection: Application of stirtrace for impact simulation of different processing steps
US8582836B2 (en) Face recognition in digital images by applying a selected set of coefficients from a decorrelated local binary pattern matrix
US9542618B2 (en) System and method for pleographic recognition, matching, and identification of images and objects
JP4932177B2 (en) Coin classification device and coin classification method
CN110472479B (en) Finger vein identification method based on SURF feature point extraction and local LBP coding
US10043071B1 (en) Automated document classification
US11144752B1 (en) Physical document verification in uncontrolled environments
JP5372183B2 (en) Coin classification device and coin classification method
Chau et al. Adaptive dual-point Hough transform for object recognition
Bhatt et al. A framework for quality-based biometric classifier selection
CN110415425B (en) Image-based coin detection and identification method, system and storage medium
RU2449376C2 (en) Device for recognising paper document and method of recognising paper document
US8744193B2 (en) Image signature extraction device
CN111462392A (en) Method and device for identifying paper money based on multispectral image similarity algorithm
JP2003091730A (en) Image checkup device, image checkup method and image checkup program
US20150279039A1 (en) Object detecting apparatus and method
KR20120040004A (en) System for color clustering based on tensor voting and method therefor
KR100888674B1 (en) Method for measuring similarity using frenquency range
CN107730708B (en) Method, equipment and storage medium for distinguishing true and false of paper money
Rodriguez et al. Multi-class classification fusion using boosting for identifying steganography methods
Ma et al. Retargeted image quality assessment: Current progresses and future trends
Alhamazani et al. An Image-based model for 3D shape quality measure
EP1915715A1 (en) A method of analysing a representation of a separation pattern