CN104268978B - 纸钞序号辨识方法 - Google Patents

Abstract

本发明提供一种纸钞序号辨识方法，用以辨识纸钞上的序号，其可先针对纸钞上的序号，以二值化演算法、连通物件标记演算法、线性分类演算法与切线距离演算法产生目前识别序号，再以纸钞上的另一序号(若有的话)及/或对应此纸钞的序号的校验总和值对目前识别序号进行检验。借此，即可有效提升纸钞上的序号的辨识准确度。

Description

纸钞序号辨识方法

技术领域

本发明关于一种纸钞序号辨识方法，尤指一种可有效提升纸钞上的序号的辨识准确度的纸钞序号辨识方法。

背景技术

现有点钞机(Bill counter)是一种自动清点钞票数目的电子装置，由于现金流通规模庞大，银行出纳柜台现金处理工作繁重，点钞机已成为不可缺少的设备。一般而言，点钞机大都具有计数以及辨识伪钞的功能。此外，由于纸钞上的序号是由特殊的规则编码而成，可作为追踪钞票流向的应用，有些点钞机还会具有序号辨识功能。然而，钞票在经过长时间的流通后，序号上常会存在污损，而使得点钞机难以辨识。此外，点钞机在扫描序号的过程中，序号中的数字或字母有可能因角度关系而扭曲变形，而使得点钞机难以辨识。因此，如何有效辨识纸钞上的序号便成为一个重要的研究课题。

发明内容

本发明的目的在于提供一种纸钞序号辨识方法，以解决上述问题。

为达上述目的，本发明提供一种的纸钞序号辨识方法用以辨识纸钞上的序号，其中序号由N个字元组成，且N为大于1的正整数。该纸钞序号辨识方法包含下列步骤：(a)自纸钞撷取包含序号的局部影像；(b)对该局部影像执行二值化演算法，以得到二值化影像；(c)对该二值化影像执行连通物件标记演算法，以得到M个物件影像，其中M为大于1的正整数；(d)判断该M个物件影像中的P个物件影像符合预定尺寸范围且位于主列上，且判断(M-P)个物件影像不符合预定尺寸范围及/或不位于主列上，其中P为小于或等于M的正整数；(e)将(M-P)个物件影像滤除；(f)当P等于N时，对N个物件影像进行识别；以及(g)当P小于N时，进一步执行下列步骤：(g1)当该P个物件影像中的任两个物件影像间的距离大于第一门槛值时，将该任两个物件影像间位于主列但因小于预定尺寸范围而被滤除掉的物件影像还原；(g2)将该P个物件影像前方及/或后方中位于主列但因小于或大于预定尺寸范围而被滤除掉的物件影像还原；(g3)当该P个物件影像中的任两个物件影像间的距离大于第一门槛值时，将任两个物件影像间位于主列但因大于预定尺寸范围而被滤除掉的物件影像还原且将还原后的物件影像分割成两个物件影像；以及(g4)经由步骤(g1)至步骤(g3)，将该P个物件影像回复为N个物件影像，且对该N个物件影像进行识别。

较佳的，该纸钞序号辨识方法还包含下列步骤：(h)根据多个样版影像以线性分类演算法对该N个物件影像进行识别，且赋予每一个物件影像多个候选标签；(i)当该多个候选标签中的第一个候选标签的信赖区间与第二个候选标签的信赖区间的差值大于第二门槛值时，将该第一个候选标签视为物件影像对应的物件标签；(j)当该多个候选标签中的第一个候选标签的信赖区间与第二个候选标签的信赖区间的差值小于第二门槛值时，以切线距离演算法计算物件影像与该多个样版影像的切线距离，以选取该第一个候选标签与该第二个候选标签的其中之一作为该物件影像对应的该物件标签；以及(k)产生该N个物件影像所组成的目前识别序号。

较佳的，该纸钞序号辨识方法还包含下列步骤：(l)针对纸钞上另一序号执行步骤(a)至步骤(k)，以得到参考识别序号；(m)判断该目前识别序号与该参考识别序号是否相符；以及(n)当该目前识别序号与该参考识别序号相符时，输出目前识别序号。

较佳的，该纸钞序号辨识方法还包含下列步骤：(o)当该目前识别序号与该参考识别序号不符时，判断该目前识别序号与校验总和值是否相符，且判断该参考识别序号与该校验总和值是否相符，其中校验总和值根据纸钞的序号编码规则计算得到；(p)当该目前识别序号与该校验总和值相符，且参考识别序号与该校验总和值不符时，输出该目前识别序号；以及(q)当参考识别序号与校验总和值相符，且该目前识别序号与该校验总和值不符时，输出该参考识别序号。

较佳的，该纸钞序号辨识方法还包含下列步骤：(r)当该目前识别序号与校验总和值相符，且该参考识别序号亦与该校验总和值相符时，比较该目前识别序号与该参考识别序号之间相异物件标签所对应的候选标签的信赖区间，并将该目前识别序号与该参考识别序号其中相异物件标签中具有较多较高信赖区间或信赖区间的总和较高者加以输出。

较佳的，该纸钞序号辨识方法还包含下列步骤：(s)判断该目前识别序号与校验总和值是否相符，其中该校验总和值根据该纸钞的序号编码规则计算得到；以及(t)当该目前识别序号与该校验总和值相符时，输出该目前识别序号。

较佳的，该纸钞序号辨识方法还包含下列步骤：(u)当该目前识别序号与该校验总和值不符时，以该多个候选标签的至少其中之一替换该目前识别序号中对应的该物件标签；以及(v)重复步骤(s)至步骤(u)。

为达上述目的，本发明另提供一种纸钞序号辨识方法用以辨识纸钞上的序号，其中该序号由N个字元组成，且N为大于1的正整数。该纸钞序号辨识方法包含下列步骤：(a)自该纸钞撷取包含该序号的局部影像；(b)自该局部影像得到N个物件影像；(c)根据多个样版影像以线性分类演算法对该N个物件影像进行识别，且赋予每一个物件影像多个候选标签；(d)当该多个候选标签中的第一个候选标签的信赖区间与第二个候选标签的信赖区间的差值大于门槛值时，将该第一个候选标签视为该物件影像对应的物件标签；(e)当该多个候选标签中的第一个候选标签的信赖区间与第二个候选标签的信赖区间的差值小于门槛值时，以切线距离演算法计算物件影像与该多个样版影像的切线距离，以选取该第一个候选标签与第二个候选标签的其中之一作为物件影像对应的该物件标签；以及(f)产生该N个物件影像所组成的目前识别序号。

较佳的，该纸钞序号辨识方法还包含下列步骤：(g)针对该纸钞上另一序号执行步骤(a)至步骤(f)，以得到参考识别序号；(h)判断该目前识别序号与该参考识别序号是否相符；以及(i)当该目前识别序号与该参考识别序号相符时，输出该目前识别序号。

较佳的，该纸钞序号辨识方法还包含下列步骤：(j)当该目前识别序号与该参考识别序号不符时，判断该目前识别序号与校验总和值是否相符，且判断该参考识别序号与该校验总和值是否相符，其中该校验总和值根据该纸钞的序号编码规则计算得到；(k)当该目前识别序号与该校验总和值相符，且该参考识别序号与该校验总和值不符时，输出该目前识别序号；以及(l)当该参考识别序号与该校验总和值相符，且该目前识别序号与该校验总和值不符时，输出该参考识别序号。

较佳的，该纸钞序号辨识方法还包含下列步骤：(m)当该目前识别序号与该校验总和值相符，且该参考识别序号亦与该校验总和值相符时，比较该目前识别序号与该参考识别序号之间相异物件标签所对应的该候选标签的信赖区间，并将该目前识别序号与该参考识别序号其中相异物件标签中具有较多较高信赖区间或信赖区间的总和较高者加以输出。

较佳的，该纸钞序号辨识方法还包含下列步骤：(n)判断该目前识别序号与校验总和值是否相符，其中该校验总和值根据该纸钞的序号编码规则计算得到；以及(o)当该目前识别序号与该校验总和值相符时，输出该目前识别序号。

较佳的，该纸钞序号辨识方法还包含下列步骤：(p)当该目前识别序号与该校验总和值不符时，以该多个候选标签的至少其中之一替换该目前识别序号中对应的该物件标签；以及(q)重复步骤(n)至步骤(p)。

与现有技术相比，本发明可先针对纸钞上的序号，以二值化演算法、连通物件标记演算法、线性分类演算法与切线距离演算法产生目前识别序号，再以纸钞上的另一序号(若有的话)及/或对应此纸钞的序号的校验总和值(checksum)对目前识别序号进行检验。借此，即可有效提升纸钞上的序号的辨识准确度。

关于本发明的优点与精神可以借由以下的发明详述及所附图式得到进一步的了解。

附图说明

图1A至图1C为根据本发明一实施例的纸钞序号辨识方法的流程图。

图2为包含序号的局部影像与二值化影像的示意图。

图3为对图2中的二值化影像执行连通物件标记演算法后的示意图。

图4为将图3中的部分物件影像滤除后的示意图。

图5为将图4中的部分物件影像还原后的示意图。

具体实施方式

为使对本发明的目的、构造、特征、及其功能有进一步的了解，兹配合实施例详细说明如下。

请参阅图1A至图5，图1A至图1C为根据本发明一实施例的纸钞序号辨识方法的流程图，图2为包含序号SN的局部影像I1与二值化影像I2的示意图，图3为对图2中的二值化影像I2执行连通物件标记演算法后的示意图，图4为将图3中的部分物件影像C1、C2、C8、C13、C14滤除后的示意图，图5为将图4中的部分物件影像C1、C2、C8还原后的示意图。

本发明的纸钞序号辨识方法适用于点钞机或其它有提供纸钞序号辨识功能的电子装置。本发明的纸钞序号辨识方法用以辨识纸钞上的序号，其中序号由N个字元组成，且N为大于1的正整数。一般而言，纸钞上的序号的字元可包含数字与字母，视各国纸钞的序号编码规则而定。

当使用者将纸钞(未显示)放入点钞机或其它有提供纸钞序号辨识功能的电子装置时，本发明的纸钞序号辨识方法即会执行步骤S10，自纸钞撷取包含序号SN的局部影像I1，如图2所示。需说明的是，由于各国纸钞上的序号皆位于固定位置，因此，点钞机可根据放入的纸钞国别自纸钞撷取包含序号SN的局部影像I1。接着，执行步骤S12，经由影像前处理程序加强局部影像I1的对比，以使局部影像I1的前景(亦即，序号SN所包含的字元)与背景产生较为明显的对比。此外，图2中的序号SN是以欧元纸钞上的序号为例绘示，因此，序号SN由包含一个字母与十一个数字的十二个字元组成(亦即，N＝12)。然而，本发明的纸钞序号辨识方法可用以辨识各国纸钞上的序号，不以欧元纸钞上的序号为限。

接着，执行步骤S14，对局部影像I1执行二值化演算法(binarizationalgorithm)，以得到二值化影像I2，如图2所示。二值化是影像分割的一种方法。在二值化影象的时候把大于某个临界灰阶值的图元灰阶值设为灰阶极大值，把小于这个临界灰阶值的图元灰阶值设为灰阶极小值，即可实现影像的二值化。需说明的是，二值化演算法是为本领域技术人员的所熟知，在此不再赘述。

接着，执行步骤S16，对二值化影像I2执行连通物件标记演算法(connectedcomponent labeling algorithm)，以得到M个物件影像C1-C14，其中M为大于1的正整数。连通物件标记演算法的目的是将影像中属于同一物件的相连像素找出，以便获得物件面积、高度和宽度等资讯，并借此标记出影像中各个独立的物件。需说明的是，连通物件标记演算法为本领域技术人员所熟知，在此不再赘述。如图3所示，在对二值化影像I2执行连通物件标记演算法后，可得到十四个物件影像C1-C14(亦即，M＝14)，其中字母“P”在经二值化演算法后分成两半，因此，字母“P”在经连通物件标记演算法后会被标记为两个物件影像C1、C2；数字“8”与“9”在经二值化演算法后连在一起，因此，数字“8”与“9”在经连通物件标记演算法后会先被标记为单一物件影像C8；序号SN上方在经二值化演算法后存在两个杂讯，因此，两个杂讯在经连通物件标记演算法后会被标记为两个物件影像C13、C14。

接着，执行步骤S18，判断M个物件影像C1-C14中的P个物件影像C3-C7、C9-C12符合预定尺寸范围且位于主列MR上，且判断(M-P)个物件影像C1、C2、C8、C13、C14不符合该预定尺寸范围及/或不位于该主列MR上，其中P为小于或等于M的正整数。由于各国纸钞上的序号中的每一个字元皆具有预定尺寸范围，亦即，每一个字元的像素都会落在该预定尺寸范围内。换言之，若步骤S16中得到的物件影像大小不符合该预定尺寸范围，此物件影像便有可能不是序号SN中的字元，反之，若步骤S16中得到的物件影像大小符合该预定尺寸范围，此物件影像便有可能是序号SN中的字元。此外，由于纸钞在经过长时间的流通后，序号上常会存在污损，在经二值化演算法与连通物件标记演算法后，便有可能将图3所示的杂讯标记为物件影像C13、C14。然而，由于属于序号SN的字元接会位在同一列上，因此，本发明可将较多数目的物件影像C1-C12所在的列视为该主列MR，若步骤S16中得到的物件影像不位于该主列MR上，此物件影像便有可能不是序号SN中的字元，反之，若步骤S16中得到的物件影像位于该主列MR上，此物件影像便有可能是序号SN中的字元。以图3为例，有九个物件影像C3-C7、C9-C12符合预定尺寸范围且位于该主列MR上(亦即，P＝9)，有五个物件影像C1、C2、C8、C13、C14不符合该预定尺寸范围及/或不位于该主列MR上(亦即，M＝14，且P＝9，则M-P＝14-9＝5)，其中有三个物件影像C1、C2、C8虽位于该主列MR上但不符合该预定尺寸范围(物件影像C1、C2太小，且物件影像C8太大)，且有两个物件影像C13、C14不位于该主列MR上。

接着，执行步骤S20，将(M-P)个物件影像滤除，亦即，将五个物件影像C1、C2、C8、C13、C14滤除，如图4所示。

接着，执行步骤S22，判断P等于或小于N。当P等于N时，表示目前找到位于该主列MR上的物件影像数目等于序号SN的字元数目，因此，可直接执行步骤S24，对N个物件影像进行识别。然而，在本实施例中，N＝12，且P＝9，亦即，P系小于N，当P小于N时，表示位于主列MR上的部分物件影像因小于或大于预定尺寸范围而被滤除掉(亦即，图3中的物件影像C1、C2、C8)，使得目前找到位于主列MR上的物件影像数目与序号SN的字元数目不符。此时，本发明会进一步执行步骤S26、S28、S30，其中步骤S26：当该P个物件影像中的任两个物件影像间的距离大于第一门槛值时，将该任两个物件影像间位于主列MR但因小于预定尺寸范围而被滤除掉的物件影像还原；步骤S28：将该P个物件影像前方及/或后方中位于主列MR但因小于或大于预定尺寸范围而被滤除掉的物件影像还原；以及步骤S30：当该P个物件影像中的任两个物件影像间的距离大于该第一门槛值时，将该任两个物件影像间位于主列MR但因大于预定尺寸范围而被滤除掉的物件影像还原且将还原后的物件影像分割成两个物件影像。需说明的是，由于各国纸钞上的序号中的每两个字元间皆相距预定距离，因此，可将上述的该第一门槛值设定为每两个字元间的预定距离。因此，当两个物件影像间的距离大于该第一门槛值时，表示此两个物件影像间存在对应序号的字元的物件影像被滤除掉，此时，便需执行步骤S26，将任两个物件影像间位于主列MR但因小于预定尺寸范围而被滤除掉的物件影像还原，或执行步骤S30，将任两个物件影像间位于主列MR但因大于预定尺寸范围而被滤除掉的物件影像还原且将还原后的物件影像分割成两个物件影像。此外，由于各国纸钞上的序号的总长度为已知，当任两个物件影像间的距离符合该第一门槛值，而目前找到位于主列MR上的物件影像数目与序号SN的字元数目不符时，表示该P个物件影像前方及/或后方存在对应序号的字元的物件影像被滤除掉，此时，便需执行步骤S28，将该P个物件影像前方及/或后方中位于主列但因小于或大于预定尺寸范围而被滤除掉的物件影像还原。

如图3与图4所示，两物件影像C7、C9间的距离大于第一门槛值，表示此两物件影像C7、C9间存在对应序号SN的字元的物件影像C8被滤除掉，由于物件影像C8位于主列MR但因大于预定尺寸范围而于步骤S20中被滤除掉，因此，本发明会针对物件影像C8执行步骤S30，将物件影像C8还原且根据预定尺寸范围将还原后的物件影像C8分割成两物件影像C81、C82，如图5所示。此外，图4中的第一个物件影像C3至最后一个物件影像C12的总长度与图2中的序号SN的总长度不符，表示九个物件影像C3-C7、C9-C12前方及/或后方存在对应序号SN的字元的物件影像C1、C2被滤除掉，因此，本发明会针对物件影像C1、C2执行步骤S28，将物件影像C1、C2还原，由于物件影像C1、C2皆小于预定尺寸范围，因此，本发明会将还原后的物件影像C1、C2视为单一的物件影像C0。

接着，执行步骤S32，经由步骤S26至步骤S30，即可将该P个物件影像C3-C7、C9-C12回复为N个物件影像C0、C3-C7、C81、C82、C9-C12，且对N个物件影像C0、C3-C7、C81、C82、C9-C12进行识别。

在步骤S24、S32后，执行步骤S34，根据多个样版影像以线性分类演算法(linearclassifier algorithm)对N个物件影像C0、C3-C7、C81、C82、C9-C12进行识别，且赋予每一个物件影像C0、C3-C7、C81、C82、C9-C12多个候选标签。在机器学习领域中，分类的目标是指将具有相似特征的对象聚集，而线性分类演算法则透过分析特征的统计分布然后透过线性分界面来做出分类决定，以达到上述目的，对象的特征通常被描述为特征值，而在向量中则描述为特征向量。需说明的是，线性分类演算法为本领域技术人员所熟知，在此不再赘述。

接着，执行步骤S36与S38，其中步骤S36：当候选标签中的第一个候选标签的信赖区间与第二个候选标签的信赖区间的差值大于第二门槛值时，将该第一个候选标签视为物件影像对应的物件标签；以及步骤S38：当候选标签中的第一个候选标签的信赖区间与第二个候选标签的信赖区间的差值小于该第二门槛值时，以切线距离演算法(tangentdistance algorithm)计算物件影像与样版影像的切线距离，以选取该第一个候选标签与该第二个候选标签的其中之一作为物件影像对应的物件标签。切线距离为Simard等人提出的一个经由转换后所得到的距离，切线距离演算法主要的概念是经由不同的七种转换，像是x平移(x-translation)、y平移(y-translation)、旋转(rotation)、缩放(scaling)、平行双曲转换(parallel hyperbolic transformation)、对角双曲转换(diagonal hyperbolictransformation)、粗化(thickening)，由这些切线向量去找出两个图像中最短的距离。需说明的是，切线距离演算法为本领域技术的人员所熟知，在此不再赘述。

在本实施例中，可预先建立关于十个数字以及二十六个英文字母的样版影像集合，之后，再于步骤S34中根据预先建立的十个数字以及二十六个英文字母的样版影像集合训练出的分类模型以线性分类演算法分别对物件影像C0、C3-C7、C81、C82、C9-C12进行识别，且赋予每一个物件影像C0、C3-C7、C81、C82、C9-C12多个候选标签。以物件影像C0为例，假设赋予物件影像C0的第一个候选标签为“P”，其信赖区间为3.0，第二个候选标签为“B”，其信赖区间为1.0，第三个候选标签为“D”，其信赖区间为-2.0，…，等，且第二门槛值设定为1。由于该第一个候选标签“P”的信赖区间与该第二个候选标签“B”的信赖区间的差值2.0大于该第二门槛值1，因此，可将该第一个候选标签“P”视为物件影像C0对应的物件标签。以物件影像C3为例，假设赋予物件影像C3的第一个候选标签为“1”，其信赖区间为4.0，第二个候选标签为“7”，其信赖区间为3.5，第三个候选标签为“9”，其信赖区间为-0.5，…，等，且第二门槛值设定为1。由于该第一个候选标签“1”的信赖区间与该第二个候选标签“7”的信赖区间的差值0.5小于该第二门槛值1，因此，需进一步以切线距离演算法计算物件影像C3与样版影像(亦即，候选标签“1”与“7”)的切线距离，以选取该第一个候选标签“1”与该第二个候选标签“7”的其中之一作为物件影像C3对应的物件标签。在本实施例中，假设物件影像C3与对应候选标签“1”的样版影像的间的切线距离小于物件影像C3与对应候选标签“7”的样版影像的间的切线距离，故选取该第一个候选标签“1”作为物件影像C3对应的物件标签。

在对每一个物件影像C0、C3-C7、C81、C82、C9-C12执行步骤S36与S38后，即可产生N个物件影像C0、C3-C7、C81、C82、C9-C12所组成的目前识别序号(步骤S40)。此时，可直接输出此目前识别序号，作为辨识出的纸钞上的序号SN，或是进一步以下列方式对此目前识别序号进行检验。

若纸钞上存在另一序号，则本发明可执行步骤S42，针对纸钞上另一序号执行步骤S10至步骤S40，以得到对应另一序号的一参考识别序号。举例而言，美金或新台币上皆存在两相同序号，因此，本发明可预设先针对其中一序号执行步骤S10至步骤S40，以得到对应此序号的目前识别序号，再针对另一序号执行步骤S10至步骤S40，以得到对应另一序号的参考识别序号。

接着，执行步骤S44，判断该目前识别序号与该参考识别序号是否相符。

当该目前识别序号与该参考识别序号相符时，表示该目前识别序号即为成功辨识出的纸钞上的序号SN，执行步骤S46，输出该目前识别序号，作为辨识出的纸钞上的序号SN。

当该目前识别序号与该参考识别序号不符时，表示该目前识别序号与该参考识别序号的至少其中之一可能辨识错误，可进一步执行步骤S48，判断该目前识别序号与校验总和值(checksum)是否相符，且判断该参考识别序号与该校验总和值是否相符，其中该校验总和值根据纸钞的序号编码规则计算得到。一般而言，各国纸钞上的序号皆是根据特定的序号编码规则而产生，只要是合法的纸钞序号，皆可根据序号编码规则计算出该校验总和值。因此，本发明可利用该校验总和值来检验该目前识别序号与该参考识别序号是否正确。

当该目前识别序号与该校验总和值相符，且该参考识别序号与该校验总和值不符时，表示该目前识别序号辨识正确，且该参考识别序号辨识错误，因此，可执行步骤S50，输出该目前识别序号，作为辨识出的纸钞上的序号SN。

当该参考识别序号与该校验总和值相符，且该目前识别序号与该校验总和值不符时，表示该目前识别序号辨识错误，且该参考识别序号辨识正确，因此，可执行步骤S52，输出参考识别序号，作为辨识出的纸钞上的序号SN。

当该目前识别序号与该校验总和值相符，且该参考识别序号亦与该校验总和值相符时，由于尚无法判断该目前识别序号与该参考识别序号何者正确，可执行步骤S54，比较该目前识别序号与该参考识别序号之间相异物件标签所对应的候选标签的信赖区间，并将该目前识别序号与该参考识别序号其中相异物件标签中具有较多较高信赖区间或信赖区间的总和较高者加以输出。

举例而言，假设目前识别序号为“P18700892146”，且参考识别序号为“B18100892146”，该目前识别序号与该参考识别序号之间相异物件标签即为“P”、“7”与“B”、“1”。此时，步骤S54即是比较该目前识别序号中的“P”、“7”与该参考识别序号中的“B”、“1”于步骤S34中所产生的对应的候选标签的信赖区间，例如，该目前识别序号中的的候选标签“P”的信赖区间为3.0，且候选标签“7”的信赖区间为2.0；该参考识别序号中的的候选标签“B”的信赖区间为1.0，且候选标签“1”的信赖区间为0.5，由于该目前识别序号其中相异物件标签“P”、“7”的信赖区间3.0与2.0分别比该参考识别序号其中相异物件标签“B”、“1”的信赖区间1.0与0.5来得高，且该目前识别序号其中相异物件标签“P”、“7”的信赖区间总和5.0也比该参考识别序号其中相异物件标签“B”、“1”的信赖区间总和1.5来得高，因此，步骤S54会输出该目前识别序号，作为辨识出的纸钞上的序号SN。

需说明的是，本发明并不限定需同时以纸钞上的另一序号及对应此纸钞的序号的校验总和值对该目前识别序号进行检验。换言的，本发明亦可仅以纸钞上的另一序号对该目前识别序号进行检验，或仅以对应此纸钞的序号的该校验总和值对该目前识别序号进行检验。

在以步骤S10至步骤S40产生目前识别序号后，若不以纸钞上的另一序号对该目前识别序号进行检验，而直接以对应此纸钞的序号的校验总和值对该目前识别序号进行检验，本发明可直接判断该目前识别序号与该校验总和值是否相符。当该目前识别序号与该校验总和值相符时，即可输出该目前识别序号，作为辨识出的纸钞上的序号SN。反的，当该目前识别序号与该校验总和值不符时，可以于步骤S34中所产生的候选标签的至少其中之一替换目前识别序号中对应的物件标签。于上述实施例中，是先将该第一个候选标签“P”视为物件影像C0对应的物件标签，当该目前识别序号与该校验总和值不符时，可用该第二个候选标签“B”替换该目前识别序号中对应的物件标签，再判断该目前识别序号与该校验总和值是否相符。最后，重复上述步骤，直到该目前识别序号与该校验总和值相符时，即可输出目前识别序号，作为辨识出的纸钞上的序号SN。

需说明的是，图1A至图1C所示的纸钞序号辨识方法的控制逻辑可以软件设计来实现。此软件可于点钞机或其它有提供纸钞序号辨识功能的电子装置中执行。当然，控制逻辑中的各个部分或功能皆可透过软件、硬件或软硬件的组合来实现。此外，图1A至图1C所示的纸钞序号辨识方法的控制逻辑可以储存于电脑可读取储存媒体中的资料而具体化，其中电脑可读取储存媒体所储存的代表指令的资料是可被电子装置执行以产生控制命令，进而执行对应的功能。

综上所述，本发明可先针对纸钞上的序号，以二值化演算法、连通物件标记演算法、线性分类演算法与切线距离演算法产生目前识别序号，再以纸钞上的另一序号(若有的话)及/或对应此纸钞的序号的校验总和值对目前识别序号进行检验。借此，即可有效提升纸钞上的序号的辨识准确度。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (13)

1.一种纸钞序号辨识方法，用以辨识纸钞上的序号，该序号由N个字元组成，N为大于1的正整数，其特征在于，该纸钞序号辨识方法包含下列步骤：

(a)自该纸钞撷取包含该序号的局部影像；

(b)对该局部影像执行二值化演算法，以得到二值化影像；

(c)对该二值化影像执行连通物件标记演算法，以得到M个物件影像，其中M为大于1的正整数；

(d)判断该M个物件影像中的P个物件影像符合预定尺寸范围且位于主列上，且判断(M-P)个物件影像不符合预定尺寸范围及/或不位于该主列上，其中P为小于或等于M的正整数；

(e)将该(M-P)个物件影像滤除；

(f)当P等于N时，对该N个物件影像进行识别；以及

(g)当P小于N时，进一步执行下列步骤：

(g1)当该P个物件影像中的任两个物件影像间的距离大于第一门槛值时，将该任两个物件影像间位于该主列但因小于该预定尺寸范围而被滤除掉的该物件影像还原；

(g2)将该P个物件影像前方及/或后方中位于该主列但因小于或大于该预定尺寸范围而被滤除掉的该物件影像还原；

(g3)当该P个物件影像中的任两个物件影像间的距离大于该第一门槛值时，将该任两个物件影像间位于该主列但因大于该预定尺寸范围而被滤除掉的该物件影像还原且将还原后的该物件影像分割成两个物件影像；以及

(g4)经由步骤(g1)至步骤(g3)，将该P个物件影像恢复为N个物件影像，且对该N个物件影像进行识别。

2.如权利要求1所述的纸钞序号辨识方法，其特征在于，还包含下列步骤：

(h)根据多个样版影像以线性分类演算法对该N个物件影像进行识别，且赋予每一该物件影像多个候选标签；

(i)当该多个候选标签中的第一个候选标签的信赖区间与第二个候选标签的信赖区间的差值大于第二门槛值时，将该第一个候选标签视为该物件影像对应的物件标签；

(j)当该多个候选标签中的第一个候选标签的信赖区间与第二个候选标签的信赖区间的差值小于该第二门槛值时，以切线距离演算法计算该物件影像与该多个样版影像的切线距离，以选取该第一个候选标签与该第二个候选标签的其中之一作为该物件影像对应的该物件标签；以及

(k)产生该N个物件影像所组成的目前识别序号。

3.如权利要求2所述的纸钞序号辨识方法，其特征在于，还包含下列步骤：

(l)针对该纸钞上另一序号执行步骤(a)至步骤(k)，以得到参考识别序号；

(m)判断该目前识别序号与该参考识别序号是否相符；以及

(n)当该目前识别序号与该参考识别序号相符时，输出该目前识别序号。

4.如权利要求3所述的纸钞序号辨识方法，其特征在于，还包含下列步骤：

(o)当该目前识别序号与该参考识别序号不符时，判断该目前识别序号与校验总和值是否相符，且判断该参考识别序号与该校验总和值是否相符，其中该校验总和值根据该纸钞的序号编码规则计算得到；

(p)当该目前识别序号与该校验总和值相符，且该参考识别序号与该校验总和值不符时，输出该目前识别序号；以及

(q)当该参考识别序号与该校验总和值相符，且该目前识别序号与该校验总和值不符时，输出该参考识别序号。

5.如权利要求4所述的纸钞序号辨识方法，其特征在于，还包含下列步骤：

(r)当该目前识别序号与该校验总和值相符，且该参考识别序号亦与该校验总和值相符时，比较该目前识别序号与该参考识别序号之间相异物件标签所对应的该候选标签的信赖区间，并将该目前识别序号与该参考识别序号其中相异物件标签中具有较多较高信赖区间或信赖区间的总和较高者加以输出。

6.如权利要求2所述的纸钞序号辨识方法，其特征在于，还包含下列步骤：

(s)判断该目前识别序号与校验总和值是否相符，其中该校验总和值根据该纸钞的序号编码规则计算得到；以及

(t)当该目前识别序号与该校验总和值相符时，输出该目前识别序号。

7.如权利要求6所述的纸钞序号辨识方法，其特征在于，还包含下列步骤：

(u)当该目前识别序号与该校验总和值不符时，以该多个候选标签的至少其中之一替换该目前识别序号中对应的该物件标签；以及

(v)重复步骤(s)至步骤(u)。

8.一种纸钞序号辨识方法，用以辨识纸钞上的序号，该序号由N个字元组成，N为大于1的正整数，其特征在于，该纸钞序号辨识方法包含下列步骤：

(a)自该纸钞撷取包含该序号的局部影像；

(b)自该局部影像得到N个物件影像；

(c)根据多个样版影像以线性分类演算法对该N个物件影像进行识别，且赋予每一该物件影像多个候选标签；

(d)当该多个候选标签中的第一个候选标签的信赖区间与第二个候选标签的信赖区间的差值大于门槛值时，将该第一个候选标签视为该物件影像对应的物件标签；

(e)当该多个候选标签中的第一个候选标签的信赖区间与第二个候选标签的信赖区间的差值小于该门槛值时，以切线距离演算法计算该物件影像与该多个样版影像的切线距离，以选取该第一个候选标签与该第二个候选标签的其中之一作为该物件影像对应的该物件标签；以及

(f)产生该N个物件影像所组成的目前识别序号。

9.如权利要求8所述的纸钞序号辨识方法，其特征在于，还包含下列步骤：

(g)针对该纸钞上另一序号执行步骤(a)至步骤(f)，以得到参考识别序号；

(h)判断该目前识别序号与该参考识别序号是否相符；以及

(i)当该目前识别序号与该参考识别序号相符时，输出该目前识别序号。

10.如权利要求9所述的纸钞序号辨识方法，其特征在于，还包含下列步骤：

(j)当该目前识别序号与该参考识别序号不符时，判断该目前识别序号与校验总和值是否相符，且判断该参考识别序号与该校验总和值是否相符，其中该校验总和值根据该纸钞的序号编码规则计算得到；

(k)当该目前识别序号与该校验总和值相符，且该参考识别序号与该校验总和值不符时，输出该目前识别序号；以及

(l)当该参考识别序号与该校验总和值相符，且该目前识别序号与该校验总和值不符时，输出该参考识别序号。

11.如权利要求10所述的纸钞序号辨识方法，其特征在于，还包含下列步骤：

(m)当该目前识别序号与该校验总和值相符，且该参考识别序号亦与该校验总和值相符时，比较该目前识别序号与该参考识别序号之间相异物件标签所对应的该候选标签的信赖区间，并将该目前识别序号与该参考识别序号其中相异物件标签中具有较多较高信赖区间或信赖区间的总和较高者加以输出。

12.如权利要求8所述的纸钞序号辨识方法，其特征在于，还包含下列步骤：

(n)判断该目前识别序号与校验总和值是否相符，其中该校验总和值根据该纸钞的序号编码规则计算得到；以及

(o)当该目前识别序号与该校验总和值相符时，输出该目前识别序号。

13.如权利要求12所述的纸钞序号辨识方法，其特征在于，还包含下列步骤：

(p)当该目前识别序号与该校验总和值不符时，以该多个候选标签的至少其中之一替换该目前识别序号中对应的该物件标签；以及

(q)重复步骤(n)至步骤(p)。