CN102422328A - 用于钞票检测器装置的方法和钞票检测器装置 - Google Patents

Abstract

一种用于自动柜员机的钞票检测器装置，该装置用于区分被接受的钞票和不被接受的钞票，该装置包括：钞票图像传感器，用来对输入钞票的至少一个面进行接收和扫描，并根据所述扫描将每一个所扫描的面的钞票图像(BI)存储在存储器中，钞票图像包括大量像素形式的图像数据；以及参考钞票图像(RBI)存储器，其中，针对每一张相关钞票的每一个面存储了一幅参考钞票图像(RBI)，所述参考钞票图像(RBI)是从来自被接受的街头质量的钞票的、预定数量的钞票图像中处理得到的。该装置包括：对齐单元，该对齐单元相对于参考钞票图像对齐钞票图像，并且钞票的尺寸被确定；钞票面分类单元，该钞票面分类单元用于确定钞票图像的面和方向；印刷图案定位单元，其中，钞票图像(BI)的印刷图案被确定，以相对于参考钞票图像(RBI)的印刷图案来准确定位钞票图像印刷图案；以及比较单元，其中，对于钞票的至少一个面，根据预定的比较过程，将相对于彼此处于准确图案位置的钞票图像和参考钞票图像逐像素地比较，从而输入钞票被分类为被接受的钞票和不被接受的钞票。

Description

用于钞票检测器装置的方法和钞票检测器装置

技术领域

本发明涉及根据独立权利要求的前序部分的方法和装置。

本发明涉及用于检查并确定钞票的真伪、面值及残缺(腐化)程度的技术和装置，具体涉及搜索并找出伪钞或者因设置有油墨染色安瓿的盒的未经授权的开口造成的被油墨染色的钞票的钞票处理机或自动柜员机(ATM)。

背景技术

尽管存在大量的对无现金社会的预言，但在流通中的现金的数量并没有减少。如今在欧盟每年有估计3600亿的交易，相比之下，仅有600亿的非现金交易。处理现金是非常消耗成本的操作，仍涉及许多人工处理以及来自及去向顾客、零售商、银行、现金中心以及国家银行的运输。在流通过程中很多场合都需要清点现金，存在广泛的安全问题。在欧盟，现金处理的年度成本大约是500亿欧元。

传统的钞票分类及计数装置被设计用于对任何发行、面值和国家的钞票的自动处理。该装置的操作所基于的处理包括使用钞票两面的、特别是在可见光谱范围中和红外光谱范围中用扫描装置获得的完整图像来确定钞票的真伪、面额及腐化程度。图像被传送至计算单元并在计算单元中被处理，其中，在预先安装的模式识别软件的帮助下，将所获得的图像与参考图像作比较。

已经采取许多不同的措施来确保钞票不被伪造，例如，通过用所谓的同色异谱油墨在钞票上印刷图画；这些图画用肉眼看不到而只有在红外光谱中才显现。在已知具体的红外图像的情况下，开发下述检测器是可能的，该检测器对钞票表面上的几个特定的点检查同分异构油墨的存在或缺失。

EP-1160737涉及用于确定钞票的真伪、面值及腐化程度的方法，以及分类和计数装置。

WO-95/24691涉及用于对文件进行辨别及计数的、特别是包括有存储器的方法和设备，存储器储存与多个真票据面额的关联预定表面相对应的主要的特征图案。

GB-2199173涉及纸币辨别装置，该装置适于通过仅从票据的特征区域提取数据来执行操作。

本发明的发明人认明需要提高对由于抢劫而被油墨染色的钞票的检测能力。

发明内容

上述目的是通过根据本发明的独立权利要求来实现的。

在从属权利要求中阐述了优选的实施例。

因此，根据本发明，布置了方法和装置以提高对被油墨染色的钞票进行检测的能力。

简言之，该方法包括：

A)对齐步骤，其中，通过使用输入钞票的已储存的IR图像，将钞票图像的一条边相对于参考钞票图像(RBI)的相应边进行对齐，并确定钞票尺寸，

B)钞票面分类步骤，执行该步骤以确定钞票图像的面和方向，

C)印刷图案定位步骤，其中，确定钞票图像(BI)的印刷图案，以相对于参考钞票图像(RBI)的印刷图案来准确定位BI印刷图案，

D)比较步骤，其中，针对钞票的至少一个面，根据预定的比较过程，将相对于彼此处于准确图案位置的BI和RBI逐像素地比较，

从而将输入钞票分类为被接受的钞票和不被接受的钞票。

现在，将参照附图详细地描述本发明。

附图说明

图1是图示本发明的流程图。

图2是图示本发明的实施例的方框图。

图3是图示本发明的另一个流程图。

图4示出了在对图像作任何处理之前抢劫油墨着色钞票的原始图像。

图5是在倾斜过程之前的钞票的IR图像。

图6示出了被归入在由倾斜过程所确定的矩形内的钞票的IR图像。

图7示出了一张钞票的四个不同的图像，正面，背面(上面一行)以及每个面旋转180度(下面一行)。

图8图示了定位图案位置的步骤。

图9示出了在匹配步骤期间的已匹配的图案位置的详细放大图。

图10图示了参考图像，该参考图像通过计算来自200张典型街头质量钞票的每一个像素位置的像素的平均值而创建。

图11示出了街头质量处理的参考钞票图像。

图12示出了钞票的被掩盖的和不被检测的区域。

图13图示了图像像素网格。

图14是非灰色彩色图表，尽管以灰度等级的方式来示出，其中，指示青色、黄色和洋红色。

图15是污垢颜色图表。

图16是高增益颜色图表。

具体实施方式

根据本发明的钞票检测器装置可被布置为标准ATM的分离的模块，或者可以被实施成为标准ATM的、使用可获得的图像检测器的组成部分。如上面所指出的，根据本发明的钞票检测器特别适合于检测、识别以及分出被油墨染色的钞票。该钞票检测器装置可结合专用于假钞检测的其他检测装置一起使用。应该指出的是，根据本发明的检测装置如果被适当地设置，也可在上述情况中使用。

参照图2，由钞票图像传感器执行检测，该钞票图像传感器优选地包括两个物理检测器单元，对于钞票的每一个面用一个检测器。如果检测器中的任何一个检测器检测到了染色面，则认为纸币是染色的。钞票处理装置包括钞票图像传感器和图像处理器，该钞票图像传感器优选地为红外(IR)图像传感器。图像处理器又包括存储器、参考钞票图像(RBI)存储器、对齐单元、钞票面分类单元、定位单元以及比较单元。钞票的IR图像储存在存储器中，使得IR图像链接到对应的钞票图像。如下面将要讨论的，可除去IR图像传感器。钞票对齐和钞票分类也可通过其他器件来执行，尽管如此，由于对应的方法步骤是步骤C和D必须需要的，因此，这些单元仍被包括在图2中，这将通过以下描述变得清楚。

图像处理器从检测器接收代表被检测图像的图像信号，然后，图像处理器处理图像信号。

钞票图像包括一个红外(IR)层以及针对每一个RBG(红，蓝，绿)颜色的层，即总共4层。IR层的分辨率优选的是864×300像素，而每一个RGB层是分辨率为432×300像素的方形对称像素。但是，为了简化算法，IR层仅以方形对称的432×300的像素寻址并和高效使用。每一个对称的像素代表0.5×0.5毫米。所有的像素都具有在0-255之间的值，其中，0是最暗的。当根据算法处理钞票图像时，彩色图像层被读取并计数为反转的CMY(青，洋红，黄)，其中，255是最暗的。CMY被用来对白纸上彩印的数量的逻辑值进行定义。应该指出的是，如果改为将RBG用于处理目的，本发明是同样适用的。

优选的，钞票的RGB图像是通过彩色接触式图像传感器即CIS传感器来获得的。

根据一个实施例，钞票距CIS传感器的距离最大是1毫米，以便能够拉取钞票使其经过传感器。

在另一个实施例中，钞票被机械地移动经过CIS传感器并被压向传感器。然后获得更精确的测量，并且例如可除去IR传感器。

图4中的示例示出了在对图像做任何处理之前的抢劫油墨着色钞票的正面的原始图像。该例子是瑞典100克朗的钞票。

将参照图1、3和4-15对根据本发明的、包括步骤A、B、C和D的方法进行描述。

A：对齐步骤

本步骤的目的是对齐被扫描的钞票，以确定钞票的尺寸。这优选地通过所谓的“挤压法”而执行，“挤压法”在图5中被示意性地例示，图5示出了未对齐钞票的IR图像。在对齐步骤中，优选的使用为暗矩形的IR钞票图像。根据可替换的实施例，改为使用通过钞票图像传感器获得的钞票图像来执行对齐。

确定暗矩形、钞票图像和水平线之间的角度，然后，迭代地旋转钞票图像直到钞票图像处于水平位置为止，即，较长边是水平的。应该指出的是，当执行对齐的时候，可使用钞票的任何一条边。然后，将该边的方向与参考钞票图像的相应边的方向进行比较。在迭代期间，钞票图像的第一次旋转相当大，下一次的旋转是例如第一次旋转的一半等。

应该指出的是，对所有被检测的钞票都执行对齐步骤。

过程的该步骤是为了将钞票图像定向或对齐于预定的位置，例如将其水平地定向或对齐，这是随后步骤执行时的假定条件。

根据该步骤，通过识别在矩形或近似矩形的钞票图像文件的竖直高度是最小时的倾斜角，来确定文件的角度。

因此，为了该目的，使用IR图像。IR图像的质量必须使得不指示任何在文件外面的暗像素。使用阀值来指示暗像素。在对齐步骤期间，试验不同的倾斜角度并测量出高度，直到导致最小高度的角度被找到为止。

由于与所使用的编程技术相关的实践原因，当执行角度倾斜时，图像数据不移动，但是，读处理的确根据预设角度执行倾斜角x-y坐标的重新计算。

参照图5，图5示出了在倾斜过程之前钞票的IR图像，在顺时针倾斜中所测得的高度为y1p-y0n。通过使用全部四个点y0n，y0p，y1n，y1p来计算近似的校正角度。在角度校正之后，使用新的校正值重复地进行处理。

当差值((y1p-y0n)-(y1n-y0p))是小的时，称为“I级”(即，角度小)，校正值仅是近似计算值的1/2。当差值更小时，称为“Ⅱ级”，校正值仅是近似计算值的1/4。这是为了保证不错过最合适的角度。重复上一个Ⅱ级，直到确定了高度不再改变为止。

如果倾斜改为是逆时针的，那么就执行同样的但是为镜像的计算。

当准备好了角度确定，图像中的角落位置被确定为文件的所有IR像素都可归入在其中的最小的矩形。这在图6中图示，图6示出了被归入在由倾斜过程所确定的矩形内的钞票的IR图像。

角落位置与倾斜角一起储存在被布置成与图像处理器相连接的存储器中。

在该处理之后，通过处理倾斜角并且将文件位置左上角处理为x-y坐标系的0，0(如图6所示)来读取文件的像素。

根据可替换的实施例，BI的位置和尺寸改为是通过识别钞票角落的位置及相对于水平线的角度来确定的，并通过三角法计算，确定尺寸和位置。这可对BI图像(钞票图像)或IR图像来执行。

B：钞票面分类步骤。

对于该步骤，假定(在对齐步骤A中)已确定了钞票图像的尺寸，该步骤的目的是识别所扫描的钞票并识别方向和面。下面详细讨论了一个实施例，但也存在许多其他的替换，因为该信息也可能已经从系统的其他传感器处被获取，即，从被布置成对输入钞票的真伪进行检验的其他传感器处被获取。但是，该步骤必须先于剩余的步骤C和步骤D执行。

基于尺寸，识别出与该尺寸相关的已存储的面额数据。

例如：一个特定的尺寸具有四种不同的已存储的面额数据；正面(正确定向的以及上下颠倒的)和背面(正确定向的以及上下颠倒的)。在一些情况下，甚至会存储有更多数量的不同的面额数据。例如，在已经发行了不同版本的钞票的情况下。

针对每一个已存储的面额数据，识别特定的域，这些域被仔细地选择来表现钞票的识别部分的独特的组。这些域可能是钞票的应该是白色的(或者浅色)的部分。所选的域的数量取决于钞票的外观，例如，色彩丰富的钞票需要更多域。特定域的几何形状是相对于钞票的外观而被选择的并且可以是矩形、圆形或任何合适的形状。

在使用四个面额数据的例子中，将各个数据域全部都与被检测的钞票图像比较，然后，将被检测钞票的面额识别为下述钞票，在所述钞票中的域与已存储的面额数据中的之一的域相对应。结果，识别出了与被检测钞票图像相关联的钞票的面额、面和方向。

更详细地，通过使用预定数量的采样区域来执行该步骤，这些采样区域在一起对于确定尺寸的钞票来说是独特的。分类是由钞票面分类单元通过下述来执行的：计算与对齐的钞票图像的每一个采样区域的像素值相关的至少一个值，以及将至少一个像素值与表示特定钞票面的指定值进行比较以确定钞票图像的面和方向。

在该步骤中，确定了图像代表的是钞票的哪一个表面(面)，也确定了钞票的方向。

图7示出了一张钞票的四幅不同的图像，正面，背面(上面一行)以及每一个面旋转180度(下面一行)。

钞票图像文件被分类为被辨识出尺寸和被辨识出面的图像，否则它被认为是未分类。

钞票的面是通过使用小的矩形采样区域或者任何其他形状(例如圆形)来被辨识出的，它们在一起对于具有确定尺寸的面来说是独特的。每一个特定的钞票通过4个不同的图像来表示，其中，每一幅图像都有自己的面采样区域。这在图7中图示，而四幅不同的图像是正面、背面以及每一个面旋转180度。

区域是通过区域中的暗像素的数量来被识别。层(CMY)的任意结合、以及任意阀值水平可以单独适于每一个区域。

因此，那么结果是面识别以及面是否为上下颠倒的信息的数字化值。未分类的面导致钞票被分类为染色钞票。由于要使用参考钞票图像(RBI)的对应面，因此，在下面的步骤中，关于被检测钞票的识别面的信息是必须的。

C：印刷图案定位步骤

由于涉及生产公差的微小差别，所以钞票上的印刷图案对于单独的钞票来说是位于单独的预定区域。因此，必须针对钞票精确地确定图案位置，以能够与参考钞票图像进行精确比较。

因此，在执行比较步骤之前，将被检测图像定位在已知位置是极其重要的。

图8图示了定位图案位置的步骤。

为了执行定位图案位置的步骤，要识别出两个预定的有限区域，图8中示出的水平区域X和竖直区域Y。

参照图8中的区域X，扫描有限区域来创建线状图案(在图示中的条或线S)。线状图案是通过计算区域中的一个竖直行中的所有像素的平均值并然后对齐所有的平均值而被创建的。结果是代表整个所定义的区域的小数据区。针对每一个面/扫描都仅单独地选择CMY的一个预定层(然而在图中示出为单色灰色)。

将所扫描的线状图案S与参考线状图案R比较。通过于大量不同的位置处尝试匹配R和S，通过比较线中的所有像素差abs(R-S)的总和，结果是最佳匹配的调节位置偏移。与图案在位置上不相关的物体，例如金属条，被遮盖且不包含在比较中。调节后的位置图示为线R，并被移动至调节后的位置线A。参考线状图案R通常根据图案匹配了的800幅扫描图像的平均值来创建。

图6图示了调节后的条的放大细节，即，在匹配步骤期间匹配后的图案位置的放大细节。在此，将不同的条表示为R_x、A_x、S_x。

优选地，将参考线R移动到调节后的位置线A，位置线A实现了与扫描线图像S的良好匹配。但是，重要的特征是，扫描线图像S需要相对于参考线R移动多少以实现良好的匹配，而与线R或线S是否移动无关。

该用于水平图案X-匹配的处理重复用于竖直图案Y-匹配。x偏移和y偏移被保存，用于在图案比较步骤期间中随后的参考。

应该指出的是，通过该定位步骤，钞票上的图画(图案)相对于参考图像的图案被正确定位，这是必要的以便于在下一步骤中获得非常精确的结果。

为了正确定位钞票，通过使用例如钞票的角将不会使钞票被足够精确的定位来确保在下一步骤中最高可能的检测产生，例如，钞票上的图画通常并不定位于纸上的相同位置，而尺寸以及角落的位置在不同的钞票之间可能偏离高达一毫米或两毫米。

参考钞票图像(RBI)的预处理。

必须创建钞票每一个面的参考图像，以执行与要研究的钞票的比较步骤。

这种创建出参考图像的处理在设立钞票检测器装置开始使用之前仅进行一次。因此，在可以针对抢劫油墨颜色对整个钞票扫描之前，必须可得到针对每一个面的参考图像，以知道印刷颜色作为钞票的正常图案存在的位置，以及正常存在的污垢是如何出现的。

图10图示了参考图像，该参考图像是通过计算来自典型的200张街头质量钞票的每一个像素位置的像素的平均值来被创建的。

根据优选的实施例，通常在检测器机器(例如CIS传感器)中扫描200张钞票。数量必须至少是100，如果可能的话可多达400。为了避免重复的不精确性，诸如单独的检测器相关的不精确性，从机器中两个不同的检测器来对图像采样，以及从不同的扫描面-方向来对图像采样。钞票应该具有包括正常存在的污垢等的街头质量。

所扫描的图像作为RGB图像被存储在RBI存储器中。为了促进对图像的进一步的处理，图像被优选的“反转”，并作为CMY图像(青、洋红、黄)存储。

然后，将一张钞票的所有800个图像(正面，背面以及每一个面旋转180度)通过图案匹配在一起。为了执行图案匹配，使用上述的印刷图案定位步骤(C)，但是，由于最后的参考线状图案是基于该平均图像的，因此在第一次迭代中使用了从单一一张好质量纸币创建的临时参考线状图案。图案匹配之后，通过计算每一个像素位置的像素的平均值来创建参考图像。

在迭代法中，为了提高参考图像质量，现在使用这个第一次创建的参考图像来创建将在步骤C中使用的新的更好的参考线状图案。然后，重复从800幅图像中创建参考图像平均值的处理，但是，使用改善的平均值参考线状图案数据，而不是单一的好质量的纸币。

通过估计少数几个单独的纸币纸不再存在的端(即，图案和污垢开始变轻的地方)，剪裁迭代的参考图像(图11中的外线)。结果应该是最小纸尺寸(而不是平均尺寸)的参考尺寸。

结果仅是用于参考线状图案目的，而整个平均图像是没有被使用的，且整个平均图像仅被保存以使用新定义的区域来重新建立被修改的参考线状图案。

图11示出了街头质量处理的参考钞票图像。

在最后的参考线状图案准备好了后，为了颜色检测目的，创建参考钞票图像。

由于单独的钞票生产图案暗化或单独的污垢等，为了检测目的的参考图像应该接受单独的典型较暗的被检测钞票。另外，为了检测目的的参考图像应该接受用于检测纸币的定位位置的较小的单独失配。

再次使用所有800幅图像，在通过定位图案位置而匹配后，每一个CMY层像素通过平均值加上针对800图像中每一幅图像的一个标准偏差来分别计算。这将使参考图像更暗。

此外，从所得到的参考图像开始，每一个像素被移动至8个最近的相邻位置，以产生总共9幅相同、但是具有9个不同的位置的图像。9幅图像的CMY层通过选择最暗的像素而分别被合并。这将使参考图像对失配的被检测钞票不太敏感。

使用目标系统中的检测应用来将包括有针对每一个面的已处理的参考图像和参考线状图案在内的结果合并在一起。该已处理的参考钞票图像被表示为RBI，并存储在RBI存储器中，且在图11中图示。

D：比较步骤

现在，回到对插入在钞票处理机中的钞票的处理。

在根据步骤C确定了图案位置的定位之后，钞票图像被分成不同的定义的检测区，以通过颜色检测算法被不同地处理。

图12示出了钞票的被掩盖的且未被检测的区域。

预定义的不可检测区是包括与图案在位置上无关的物体的区域，例如金属条。它们被掩盖且不被检测。

参考图像内部匹配的所有区域都是经由参考检测来被检测的。如果区域是白的，该区域在图12中用洋红色标注(参见箭头)，那么通过非参考检测来对参考图像外面的区域进行检测，如果参考以外的区域是图案区域，则它是不可检测的且被掩盖(参见图示，其中，剪切了洋红色区域)。

对图像中的每个可检测像素进行迭代以检测，并将其表示成染色值。在无疑地被油墨染色的点上的染色值较高，同时，可疑的被油墨染色的点导致较低的染色值。如果所有像素的染色值的累加值超过预定水平，就使钞票被分类为染色钞票。

图13示出了图像像素网格，其中，dp表示被检测的像素，ap表示周围的像素。

由于存在大量的因例如光学干涉导致的带有正的油墨检测的个别单个像素，因此检测被设置为使得单个像素不会导致染色值。根据一个实施例，仅与四个最近的周围像素一起的被检测的像素dp可被检测为被油墨染色的点。通过检测颜色算法来对被检测像素进行检测，而周围像素条件必须仅与CMY颜色级的被检测像素匹配以创建染色点，即，使被检测像素符合资格。在该步骤中，取决于要求的精确度以及可用的处理能力，可以使用周围像素的更小或更大的数量作为所选择的数量。在这种情况下，例如，可使用8个或12个周围的像素。

接下来，将讨论像素的颜色分类。

为了检测的目的，对每一个检测像素颜色进行分类。在图14-图16中，显示了许多彩色CMY图表，仅以灰度级显示。彩色图表仅显示单纯的颜色合成，在灰度级(直至黑色)在图表中未显示，但被包括在分类中。

尽管也以灰度级显示图14，但它是非灰度颜色图表，其中，示出了青、黄以及洋红。

“灰色”类是非灰度图表的中心部分，包括从白色到黑色的所有灰度级。这样做的目的是：由于捕捉图像产生大量灰度阴影和灰度可察觉缺陷，所以检测应该对灰色不那么敏感。

图15是污垢颜色图表。

“污垢颜色”类是很少存在的抢劫油墨颜色，该光谱(除了灰色)对污垢是最常见的。该类对颜色检测不那么敏感。

图16是高增益彩色图表。

“高增益颜色”类是通常也是低级颜色的特定单色存在的抢劫油墨颜色。因此，这些特定的颜色，青和洋红，通过使用额外的敏感检测来处理。

下面描述颜色检测算法。

对于所有迭代的检测像素来说，CMY值必须超过阀值水平，其中，阀值水平通常由参考钞票图像(RBI)确定。然后检测像素必须与周围像素的颜色一致，然后针对被检测像素来确定染色值。

更详细地，颜色检测算法如以下描述来执行。

对每一个检测像素位置进行迭代。对于参考检测，通过从参考图像位置读出CMY值而找出CMY的阀值水平，对于非参考检测，阀值水平是固定的。读出检测像素CMY值。如果被检测的像素颜色是预定义的“高增益颜色”，且所有CMY阀值水平少于80(即，仅亮区)，那么阀值水平降低一半以用于额外的敏感性。

将检测像素CMY值与CMY阀值水平作比较。如果所有的CMY值都在阀值水平以下，则认为检测像素是未染色的点，否则，将检测像素颜色分类，即，给出染色值。如果是灰度或污垢颜色类，阀值水平将会提高，并重复地进行与更高的阀值水平的比较，且检测像素可能是未染色的点，否则，通过将被检测的像素与周围像素比较而继续检测。如果周围像素中的任一个具有与被检测像素不同的级别，则认为点是未染色的，否则，通过估计染色值而继续检测。

通过因取决于检测像素CMY值超过阀值水平多少引起的累进的值来计数染色值，只有CMY的最高超过值是染色值的基数。最后，如果检测像素颜色类是灰度或污垢颜色，染色值将会降低，甚至会被作为未染色而忽视。

对于所有迭代的像素，将结果累加得到整个钞票的总染色值。如果总染色值超过预定水平，则认为钞票是染色的，且通过比较单元产生不接受信号，否则，产生接受信号。

总之，比较步骤包括两个不同的子步骤或子测试。

阀值测试——仅在BI像素在颜色级“灰”的情况下应用。

点测试——被认为是点，不仅需要一个像素，优选地，被检测的像素和四个周围像素应该有基本相同的颜色。

执行点测试的一个要求是，见图13，被检测的像素和四个周围像素基本有相同的颜色，然后确定被检测的像素相对于RBI中的对应像素的差值。

彩色图表的不同部分有不同的关联点。必须确定被检测的不同像素的颜色。如果检测差值是被接受的检测差值，也取决于识别的检测的不同像素的颜色定位在彩色图表中何处。

如果像素在绿色/红色部分，则赋予染色值较高的点。

如果像素在灰色或棕色部分，则赋予染色值相对较低的点。

另外，如果确定了RBI和BI像素值之间的更大的差值，额外的更高的“点”将会被授予该像素的染色值，例如，根据累进等级。

如下描述比较步骤的概述：

步骤1：如果dp和4个asp的颜色近似相同，则继续下一步，否则，去下一个dp。

步骤2：比较BI dp与对应的RBI像素的颜色，并确定差值DV，差值DV表示这些颜色之间的差。

步骤3：确定BI dp在彩色图表中的位置，并确定与该位置相关的颜色值CV。

步骤4：比较DV和CV，如果DV超过CV，那么将DV加到与钞票相关的染色值计算。

步骤5：如果整个钞票的总染色值超过预设的阀值，将该钞票分类为不被接受的，即，染色的。

作为一个例子，点授予功能导致在钞票上检测的少数尖锐的红点导致油墨染色检测，在钞票上检测的许多小红点也导致和给出油墨染色检测。这是由于在彩色图表中红色被授予高点，意味着有较高检测差值的尖锐颜色也被授予较高的点。

钞票检测器装置的特殊要求是所有的测试必须在100ms的最大时间段期间被执行。

原因是，一旦执行检测，即，钞票已经过传感器，它继续沿着馈给路径到达一个交叉点，在该交叉点，不被接受的钞票被路由到分立的馈给路径，并且沿着馈给路径到交叉点的距离不能太长。

本发明不局限于上述优选的实施例。可使用各种替代、修改和等同物。因此，上面的实施例不应被认为限制了本发明的、通过所附权利要求所限定的范围。

Claims (13)

1.一种用于自动柜员机的钞票检测器装置中的方法，所述方法用于区分不被接受的钞票和被接受的钞票，所述装置包括：钞票图像传感器，用来对输入钞票的至少一个面进行接收和扫描，并根据所述扫描将每一个所扫描的面的钞票图像(BI)存储在存储器中，所述钞票图像包括大量像素形式的图像数据；以及参考钞票图像(RBI)存储器，其中，针对每一张相关钞票的每一个面存储了一幅参考钞票图像(RBI)，所述参考钞票图像(RBI)是从来自被接受的街头质量的钞票的、预定数量的钞票图像中处理得到的；所述钞票检测器装置还包括红外图像传感器，所述红外图像传感器被布置成对输入钞票进行扫描，并将所述钞票的红外图像存储在所述存储器中，使得所述红外图像链接到相对应的钞票图像，其中，所述方法包括：

A)对齐步骤，其中，通过使用所述红外图像，将所述钞票图像的一条边相对于所述参考钞票图像的相应边进行对齐，并确定所述钞票的尺寸，

B)钞票面分类步骤，其中，确定所述钞票图像的面和方向，

C)印刷图案定位步骤，其中，确定所述钞票图像(BI)的印刷图案，以相对于参考钞票图像(RBI)的印刷图案来准确定位所述钞票图像印刷图案，

D)比较步骤，其中，对于所述钞票的至少一个面，根据预定的比较过程，将相对于彼此处于准确图案位置的所述钞票图像和所述参考钞票图像逐像素地比较，从而将所述输入钞票分类为被接受的钞票和不被接受的钞票。

2.根据权利要求1所述的方法，其中，在步骤A中，使用挤压法，在所述挤压法中，确定所述红外图像的暗矩形与水平线之间的角度，然后，迭代地旋转所述钞票图像直到所述钞票图像处于水平位置为止，即，较长的边是水平的。

3.根据权利要求1所述的方法，其中，在步骤C中，识别所述钞票图像的两个预定的有限的区域：一个水平区域X以及一个竖直区域Y，所述水平区域X具有预设的宽度，并沿着所述钞票的较长边延伸；所述竖直区域Y具有预设的宽度，并沿着所述钞票的较短边延伸，

通过计算在所述水平区域X中的一个竖直行的所有像素的平均值来产生线状图案，然后对齐所有平均值，从而产生代表整个区域X的水平数据区域线S_x，对所述竖直区域Y执行同样的过程，从而产生代表整个区域Y的竖直数据区域线S_y，其中，将S_x和S_y与以同样方法获得的所述参考钞票图像的线状图案做比较，将所述线状图案相对于彼此进行调整使得对应像素位置之间的差被最小化，然后，据此将所述钞票图像和所述参考钞票图像相对于彼此进行调整。

4.根据权利要求1所述的方法，其中，在所述参考钞票图像(RBI)存储器中，针对每一个相关钞票的每一个面存储一幅参考钞票图像(RBI)，使得每一张特定钞票通过四幅不同的图像表示：每个钞票面一幅图像以及每一个面旋转180度的图像。

5.根据权利要求1所述的方法，其中，通过在图像处理器中根据参考钞票图像处理算法对来自被接受的街头质量钞票的、预定数量的钞票图像进行处理而获得所述参考钞票图像，其中，参考钞票图像中的每一个像素被移动到8个最近的相邻位置，以产生总共9个相同、但具有9个不同位置的图像。

6.根据权利要求1所述的方法，其中，在步骤D中，在被检测像素的预设数目的、优选四个周围像素具有基本相同颜色的情况下，作为所述被检测像素与对应的参考钞票图像像素的比较结果，将所述被检测像素表示为染色值。

7.根据权利要求1所述的方法，其中，在步骤D中，确定被检测像素相对于参考钞票图像中的对应像素的差值，并将该差值与和所述钞票图像被检测像素在彩色图表中的位置相关的色值进行比较，如果所述差值超过所述色值，则将所述钞票的染色值增加所述差值。

8.根据权利要求1所述的方法，其中，在步骤D中，不考虑钞票的一些预定部分，例如，任何金属条、序列号等。

9.一种用于自动柜员机的钞票检测器装置，所述装置用于区分不被接受的钞票和被接受的钞票，所述装置包括：钞票图像传感器，用来对输入钞票的至少一个面进行接收和扫描，并根据所述扫描将每一个所扫描的面的钞票图像(BI)存储在存储器中，所述钞票图像包括大量像素形式的图像数据；参考钞票图像(RBI)存储器，其中，针对每一张相关钞票的每一个面存储了一幅参考钞票图像(RBI)，所述参考钞票图像(RBI)是从来自被接受的街头质量的钞票的、预定数量的钞票图像中处理得到的；以及红外图像传感器，所述红外图像传感器被布置成对输入钞票进行扫描，并将所述钞票的红外图像存储在所述存储器中，使得所述红外图像链接到相对应的钞票图像，

其中，所述检测器装置包括：

对齐单元，所述对齐单元通过使用所述红外图像，将所述钞票图像的一条边相对于所述参考钞票图像的相应边进行对齐，并且所述钞票的尺寸被确定，

钞票面分类单元，所述钞票面分类单元用于确定所述钞票图像的面和方向，

印刷图案定位单元，其中确定所述钞票图像(BI)的印刷图案，以相对于参考钞票图像(RBI)的印刷图案来准确定位钞票图像印刷图案，

比较单元，其中，对于所述钞票的至少一个面，根据预定的比较过程，将相对于彼此处于准确图案位置的所述钞票图像和所述参考钞票图像逐像素地比较，从而将所述输入钞票分类为被接受的钞票和不被接受的钞票。

10.根据权利要求9所述的钞票检测器装置，其中，所述对齐单元使用挤压法，在所述挤压法中，确定所述红外图像的暗矩形与水平线之间的角度，然后，迭代地旋转所述钞票图像直到所述钞票图像处于水平位置为止，即，较长的边是水平的。

11.根据权利要求9所述的钞票检测器装置，其中，在所述图案定位单元中，识别所述钞票图像的两个预定的有限的区域：一个水平区域X以及一个竖直区域Y，所述水平区域X具有预设的宽度并沿着钞票的较长边延伸，所述竖直区域Y具有预设的宽度并沿着所述钞票的较短边延伸，通过计算在所述水平区域X中的一个竖直行的所有像素的平均值来产生线状图案，然后对齐所有平均值，从而产生代表整个区域X的水平数据区域线S_x，对所述竖直区域Y执行同样的过程，从而产生代表整个区域Y的竖直数据区域线S_y，其中，S_x和S_y与以同样方法获得的所述参考钞票图像的各个线状图案做比较，将所述线状图案相对于彼此进行调整使得对应像素位置之间的差被最小化，然后，据此将所述钞票图像和所述参考钞票图像相对于彼此进行调整。

12.根据权利要求9所述的钞票检测器装置，其中，所述钞票图像传感器是钞票RBG图像传感器，并且，所述图像以CYM格式存储。

13.根据权利要求9所述的钞票检测器装置，其中，在所述参考钞票图像(RBI)存储器中，针对每一张相关钞票的每一个面来存储一幅参考钞票图像(RBI)，使得每一张特定钞票通过四幅不同的图像表示：每个钞票面一幅图像以及每一个面旋转180度的图像，所述参考钞票图像是通过在图像处理器中根据参考钞票图像处理算法进行处理所获得的。

Images