EP4305607A1 - Verfahren zum erkennen eines objekts in einem suchbild, verfahren zum erzeugen eines mustervektors, und verwendung eines verfahrens zur bestimmung einer position und/oder orientierung eines sicherheitselements einer banknote - Google Patents

Verfahren zum erkennen eines objekts in einem suchbild, verfahren zum erzeugen eines mustervektors, und verwendung eines verfahrens zur bestimmung einer position und/oder orientierung eines sicherheitselements einer banknote

Info

Publication number
EP4305607A1
EP4305607A1 EP22709948.8A EP22709948A EP4305607A1 EP 4305607 A1 EP4305607 A1 EP 4305607A1 EP 22709948 A EP22709948 A EP 22709948A EP 4305607 A1 EP4305607 A1 EP 4305607A1
Authority
EP
European Patent Office
Prior art keywords
pixels
value
characteristic
determining
pattern vector
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
EP22709948.8A
Other languages
English (en)
French (fr)
Inventor
Shanchuan Su
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Giesecke and Devrient Currency Technology GmbH
Original Assignee
Giesecke and Devrient Currency Technology GmbH
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 Giesecke and Devrient Currency Technology GmbH filed Critical Giesecke and Devrient Currency Technology GmbH
Publication of EP4305607A1 publication Critical patent/EP4305607A1/de
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/20—Testing patterns thereon
    • G07D7/2016—Testing patterns thereon using feature extraction, e.g. segmentation, edge detection or Hough-transformation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/199—Arrangements for recognition using optical reference masks, e.g. holographic masks
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/003—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency using security elements
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/20—Testing patterns thereon
    • G07D7/202—Testing patterns thereon using pattern matching
    • G07D7/206—Matching template patterns

Definitions

  • Method for recognizing an object in a search image method for generating a pattern vector, and use of a method for determining a position and/or orientation of a security element of a bank note
  • the invention relates to a method for recognizing an object in a search image.
  • a pattern vector is provided, which describes the object through coordinates of characteristic pixels.
  • the pattern vector is shifted over different positions of the search image.
  • a respective success value is determined at the different positions and the object is recognized at the position on the basis of the success value.
  • the invention also relates to a method for generating a corresponding pattern vector.
  • the invention relates to the use of a corresponding method for determining a position and/or orientation of a security element of a banknote.
  • Methods for detecting an object are known. This area is also generally known under the term pattern recognition or object recognition in digital images.
  • Viola Jones method A well-known method is the Viola Jones method.
  • the Viola Jones method can be used to detect prominent objects such as faces in a digital image.
  • the core of the Viola-Jones method are Viola-Jones basic patterns, some of which are based on so-called Haar wavelets.
  • Haar wavelets are simple wavelets that are formed from the combination of two rectangular functions.
  • a challenge here is that one and the same object can be shown as light against a dark background and as dark against a light background in another case.
  • the task is to detect an object faster and more reliably that can be displayed in a digital image with different levels of brightness depending on the lighting. According to the invention, this object is achieved by a respective method having the features according to the independent claims. Advantageous embodiments of the invention are the subject matter of the dependent claims.
  • an object in particular an object of a banknote, is recognized in a search image.
  • the following steps are carried out: a) providing a pattern vector or a pattern matrix which describes the object by means of coordinates of characteristic pixels; b) shifting the pattern vector over different positions of the search image; c) determining a respective success value at the different positions; and d) detecting the object at the position based on the, in particular maximum, success value.
  • each characteristic pixel is assigned a first direction and a second direction that differs from the first direction, with a first overall intensity value of a first number of one-dimensionally arranged pixels in the first direction is determined and a second total intensity value of a second number of one-dimensionally arranged pixels in the second direction is determined, a difference value, in particular and/or a ratio value, being determined between the first total intensity value and the second total intensity value, the success value based on the respective gene difference values, in particular and / or the respective ratio values, is determined.
  • the invention is based on the finding that the coordinates alone, ie the position of the characteristic pixels and the directions for forming the difference value, provide sufficient features to recognize the object or the position and/or orientation in the search image.
  • characteristic pixels When generating the pattern vector or the classifica tor, in particular pixels on edges or at points with a high frequency, ie a transition from light to dark or dark to light, are selected as characteristic pixels. These characteristic pixels or the particularly two-dimensional pattern of the characteristic pixels, ie the point cloud spanned by the coordinates of the characteristic pixels, are then found again in the search image. It is not necessary to correct value of the differences of the pixels of the different directions per characteristic pixel. The respective position of the characteristic pixels and the respectively associated direction are sufficient.
  • the number of pixels in the respective direction, which are to be used for the difference value can either also be provided by the pattern vector or can also be specified as a general standard setting.
  • the first total intensity value and/or the second total intensity value is formed by a mean value, for example an arithmetic mean value or a median value.
  • the success value can, for example, be formed directly from the difference values, for example by adding them up and optionally normalizing them. However, the success value can also be generated as a function of a weighting function, into which the difference values are weighted.
  • the maximum difference value of the difference values leads to the success value at which the object is recognized.
  • the maximum difference value is used to find the position of the characteristic pixels at which the respective intensity difference between the pixels in the first direction and the pixels in the second direction is greatest.
  • the characteristic pixels are preferably already selected according to the criterion of the maximum difference values when generating the pattern vector according to the further method of the invention, it is sufficient to find the position of the characteristic pixels in the search image at which the difference value is maximum.
  • the first direction and the second direction are assigned in opposite directions by 180°. Due to the preferably quasi-diametrical arrangement, a more meaningful difference value can be generated for each characteristic pixel. The object can thus be detected more reliably. Furthermore, it is preferably provided that the first number and/or the second number is determined to be greater than one. With a number greater than one, in particular two, e.g. three, four or five, the characteristic pixel can be determined more reliably at a prominent pixel, ie for example an edge or a corner, ie a high-frequency image area.
  • the first number and/or the second number is determined to be less than ten, in particular six. Limiting the first number and/or the second number can limit the effort involved in determining the difference values, both when generating the pattern vector and when recognizing the object in the search image. On the other hand, the range of suitable characteristic pixels can be kept so large that the pattern vector can be generated with a sufficiently large number, for example at least 10 to 100 characteristic pixels.
  • the first number and/or the second number are preferably made differently. Thereby, for example, there can be more pixels in the low-intensity direction than pixels in the high-intensity direction, and vice versa. This allows the pattern vector to be individually adjusted to a specific object. As a result, the object or the position and/or orientation of the object can be recognized or found more reliably.
  • the pattern vector has at most four values for each characteristic pixel.
  • the pattern vector can only have an x-coordinate value of the characteristic pixel, a y-coordinate value of the characteristic pixel, a first relative value for the first direction relative to the respective characteristic pixel and a second relative value for the second direction relative to the respective characteristic pixel.
  • all pixels adjoining a characteristic pixel can be numbered as a general specification. For example, in a neighborhood of eight, that's eight numbers. For example, it can be specified as a default that the value three always refers to the neighboring pixel at three o'clock, i.e. to the right of the reference pixel.
  • a security element of a bank note is recognized as the object.
  • Security elements of banknotes are usually provided with special security features, which can only be reproduced or reprinted or embossed with difficulty without complex devices.
  • a popular security element of a banknote is a hologram.
  • a hologram is intentionally made in such a way that light is reflected differently depending on the angle at which the light hits it. This is a challenge for the automatic detection of such a security element using known methods, for example by a bank note processing device. With the method for detecting the object, the security element can be detected more reliably.
  • Banknotes usually have a heterogeneous background, since each area on the banknote substrate is intended to be used to attach information there, for example an indication of the denomination or the serial number, and/or a security element and/or a security feature.
  • This heterogeneous can also be a challenge for known methods, since the object is difficult to distinguish from the background. With the method for detecting the object, the security element can be detected more reliably.
  • a ratio value can also be determined for the difference value.
  • a ratio is then formed from the first total intensity value and the second intensity value. For example, the first total intensity value is divided by the second intensity value or vice versa.
  • the success value is then determined using the ratio value.
  • a pattern vector is generated. The following steps are carried out: a) determining a contour of an object, in particular an object of a bank note, in a sample image; b) determining a gradient direction for pixels of the contour; c) determining a gradient magnitude for pixels of the contour; d) determining pixels of the contour as characteristic pixels if the respective gradient magnitude is greater than a magnitude threshold value; e) determining a respective position of the characteristic pixels; f) determining a first direction and a second direction depending on the gradient direction of the characteristic pixels; and g) generating the pattern vector with, in particular only, the position of the characteristic pixels in the pattern image and the first direction and the second direction.
  • the object in the pattern image can also be referred to as a pattern object.
  • the further procedure can also be referred to as a training phase.
  • the generated pattern vector can then be made available in the method according to the invention for recognizing an object.
  • the first direction always shows low intensity values compared to the second direction
  • the second direction always shows high intensities compared to the first direction
  • the invention also relates to a use.
  • the method according to the invention for recognizing an object in a search image for determining a position and/or orientation of a security element of a banknote relative to a substrate of the banknote is used.
  • the pattern vector or the search window is used in a twisted or rotated manner in predetermined steps.
  • the orientation is then preferably recognized by the rotation with the highest success value.
  • the method according to the invention for detecting an object in a search image is used in particular in a banknote processing device.
  • FIG. 1 shows a schematic representation of a search image with an object over which a pattern vector is pushed
  • FIG. 2 shows a schematic representation of a pattern image with an object, based on which a pattern vector is generated
  • Fig. 5 is a schematic representation of a bill as the sample image
  • Fig. 6 is a schematic representation of a banknote as the search image, the banknote being dog-eared.
  • FIG. 7 shows a further schematic representation of a banknote as the sample image, a security element of the banknote being recorded in a distorted manner
  • FIG. 1 schematically shows a search image 1 with an object 2.
  • the search image 1 is designed in particular as a photograph of a bank note 3 .
  • the recording can be in the form of a single-channel greyscale image, a multi-channel color image or a multispectral image.
  • the recording is made with a camera, for example.
  • the camera can be part of a bank note processing device.
  • the object 2 is designed in particular as a security element 4 of the bank note 3 .
  • the security element 4 can be designed, for example, as a printed feature, security strip, security thread, foil patch, hologram and/or security embossing.
  • a pattern vector 5 is shifted over the search image 1.
  • the window 6 spanned by the pattern vector 5 or the area spanned by the pattern vector is, for example, rectangular and two-dimensional. Furthermore, the window 6 is preferably smaller than the search image 1.
  • the pattern vector 5 has coordinates (x, y) of characteristic pixels 7 .
  • the window 6 spanned by the pattern vector 5 is pushed over the search image 1 in the following.
  • the pattern vector is shifted to all positions of the search image 1 and executed there.
  • a first direction 8 and a second direction 9, which is different from the first direction 8, are considered for each characteristic point 7.
  • the directions 8, 9 are designed in particular as a relative direction with respect to the respective characteristic pixel 7. Furthermore, the directions are included in particular by the pattern vector 5 or are provided by it.
  • a first total intensity value 10 of a first number 11 of one-dimensionally arranged pixels in the first direction 8 is determined for each characteristic pixel 7 .
  • the first number 11 can have a value of one, for example up to twenty, preferably two to ten, in particular three to six.
  • One-dimensional means in particular that the pixels are arranged along a line.
  • the first total intensity value 10 can be formed, for example, by an arithmetic mean or a median value over the respective intensity values of the pixels.
  • a second total intensity value 12 of a second number 13 of one-dimensionally arranged pixels in the second direction 9 is determined.
  • the second number 13 can be different from the first number 11 .
  • the pixels of the first number 11 of pixels in the first direction 8 can be referred to as lead points.
  • the pixels of the second number 13 of pixels in the second direction 9 can be referred to as trail points.
  • the first number 11 and/or the second number 13 can be included in the pattern vector 5 .
  • the first number 11 and/or the second number 13 can only be specified once in general for all characteristic pixels 7 .
  • the first number 11 and/or the second number 13 can also be specified individually for each of the characteristic pixels 7 .
  • a difference value 14 is determined for each characteristic pixel 7 .
  • the difference value 14 is determined as the difference between the first total intensity value 10 and the second total intensity value 12 .
  • the mathematical amount can optionally be formed from the difference value 14 .
  • a success value 15 is determined on the basis of the difference values 14 mm.
  • a high success value 15 means that there is a high degree of agreement between the pattern vector 5 and the object 2 in the search image 1 .
  • the position of the object 5 at the location of the highest success value 15 is assumed.
  • the success value 15 can be formed, for example, by adding the difference values 14 together.
  • the added difference values 14 can be normalized.
  • difference values 14 can also be included in the success value in a weighted manner.
  • the statement of the difference values 14 or the success value 15 is ultimately that the position of the object is assumed to be where the pattern of the characteristic pixels 7 is at the point with the highest contrast or the highest frequency.
  • FP pixels of the first number 11 of pixels along the first direction 8
  • TP pixels of the second number 13 of pixels along the second direction 9
  • the method may be referred to as Focation Matching Point Groups, FPMG for short.
  • the pattern image 16 can be designed as a banknote.
  • a contour 17 of an object 18 of a banknote 19 in the pattern image 16 is determined.
  • the contour can be determined, for example, by a morphological filter, such as a Sobel operator, or a diverse edge detector.
  • a gradient direction 20 for the pixels of the contour 17 is determined.
  • the gradient direction 20 indicates, in particular, the direction in which the greatest difference in brightness runs. In other words, the gradient direction 20 is preferably determined in the direction of the maximum gradient amount.
  • the gradient 21 indicates how big the difference in brightness is.
  • pixels of the contour 17 are determined as characteristic pixels 22 if the respective gradient magnitude 21 is greater than a magnitude threshold value. According to the exemplary embodiment, only the most prominent pixels are determined or selected as the characteristic pixels 22 by the magnitude threshold value.
  • a respective position of the previously determined or selected characteristic pixels 22 is determined. This can be done, for example, by detecting the respective line image point coordinate and column image point coordinate of the respective characteristic image point 22 .
  • a first direction 23 and a second direction 24 are determined depending on the gradient direction 20 .
  • the directions 23, 24 are preferably determined oppositely. Furthermore, the directions 23, 24 are preferably determined perpendicular to the contour 17.
  • the pattern vector 5 is generated with the position of the characteristic image points 22 in the pattern image 16 and the first direction 23 and the second direction 24 .
  • the pattern vector 22 can then be applied in the search image 1 in order to recognize the object 2.
  • the object 2 in the search image 1 and the object 18 in the sample image 16 are, in particular, of the same or at least similar design.
  • a recording distance and/or a recording angle for recording the search image 1 and the sample image 16 is designed to be the same.
  • At least the recording of the search image 1 can be carried out, for example, with a recording unit, in particular a camera, which is included in a banknote processing device.
  • FIG. 3 shows a schematic detailed illustration of the search image 1.
  • the section of the search image 1 shown has two characteristic pixels 7.
  • FIG. The first number 11 is three or one.
  • the second number 13 is three in both cases. In this case, when determining the numbers 11, 13, the respective characteristic pixel 7 was not counted. In an alternative determination, however, the respective characteristic pixel 7 can also be counted. Which convention is to be used can be defined, for example, at the beginning of the method and/or stored in the pattern vector 5 .
  • the intensity values of the first number 11 are then added together for the first overall intensity value 10 .
  • the intensity values of the second number 13 are added together for the second overall intensity value 12 .
  • the total intensity values 10, 12 can be normalized.
  • FIG. 4 shows a schematic detailed representation of the pattern image 16.
  • FIG. 5 schematically shows an exemplary embodiment of the banknote 19 with the object 18 designed as a security element.
  • the security element is designed as an imprint “50”.
  • the characteristic pixels 22 are each represented by a plus sign.
  • FIG. 6 schematically shows an exemplary embodiment of the bank note 3 with the security element 4 .
  • the bank note 3 has a dog-ear 25 .
  • a corner of the bank note 3 is kinked. Due to the robustness of the method, the security element 4 can be recognized despite the dog-ear. In order to recognize the object 2, it can therefore be sufficient if only part of the object 2 is imaged in the search image 1.
  • FIG. 7 schematically shows an exemplary embodiment of the banknote 19.
  • the object 18 designed as a security element was partially slightly twisted or distorted. This can occur in particular if the bank note 19 is a used bank note or a bank note from circulation.
  • it is preferably additionally provided that neighboring pixels of the characteristic pixels are also examined in the training phase in order to be able to form the pattern vector 5 or the classifier more reliably.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Inspection Of Paper Currency And Valuable Securities (AREA)
  • Image Analysis (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Erkennen eines Objekts (2) in einem Suchbild (1), mit folgenden Schritten: a) Bereitstellen eines Mustervektors (5), welcher das Objekt (2) durch Koordinaten von charakteristischen Bildpunkten (7) beschreibt; b) Verschieben des Mustervektors (5) über verschiedene Positionen des Suchbilds (1); c) Bestimmen eines jeweiligen Erfolgswerts (15) an den verschiedenen Positionen; und d) Erkennen des Objekts (2) an der Position anhand des Erfolgswerts (15), wobei jedem charakteristischen Bildpunkt (7) eine erste Richtung (8) und eine von der ersten Richtung (8) unterschiedliche zweite Richtung (9) zugeordnet wird, wobei jeweils ein erster Intensitätsgesamtwert (10) einer ersten Anzahl (11) von eindimensional angeordneten Bildpunkten in der ersten Richtung (8) bestimmt wird und ein zweiter Intensitätsgesamtwert (12) einer zweiten Anzahl (13) von eindimensional angeordneten Bildpunkten in der zweiten Richtung (9) bestimmt wird, wobei jeweils ein Differenzwert (14) zwischen dem ersten Intensitätsgesamtwert (10) und dem zweiten Intensitätsgesamtwert (12) bestimmt wird, wobei der Erfolgswert (15) anhand der jeweiligen Differenzwerte (14) bestimmt wird.

Description

Verfahren zum Erkennen eines Objekts in einem Suchbild, Verfahren zum Erzeugen eines Mus tervektors, und Verwendung eines Verfahrens zur Bestimmung einer Position und/ oder Orien tierung eines Sicherheitselements einer Banknote
Die Erfindung betrifft ein Verfahren zum Erkennen eines Objekts in einem Suchbild. Es wird ein Mustervektor breitgestellt, welcher das Objekt durch Koordinaten von charakteristischen Bildpunkten beschreibt. Der Mustervektor wird über verschiedene Positionen des Suchbilds verschoben. Weiterhin wird ein jeweiliger Erfolgswerts an den verschiedenen Positionen be stimmt und das Objekt wird an der Position anhand des Erfolgswerts erkannt. Die Erfindung betrifft auch ein Verfahren zum Erzeugen eines entsprechenden Muster vektors. Zudem betrifft die Erfindung eine Verwendung eines dementsprechenden Verfahrens zur Bestimmung einer Position und/ oder Orientierung eines Sicherheitselements einer Banknote.
Verfahren zum Erkennen eines Objekts sind bekannt. So ist dieses Gebiet allgemein auch unter dem Begriff Mustererkennung oder Objekterkennung in digitalen Bildern bekannt.
Ein bekanntes Verfahren ist die Viola-Jones-Methode. Mit der Viola-Jones-Methode können markante Objekte wie Gesichter in einem digitalen Bild erkannt werden. Kern der Viola-Jones- Methode sind Viola-Jones Basismuster, welche zum Teil auf sogenannten Haar-Wavelets basie ren. Haar-Wavelets sind einfache Wavelets, welche aus der Kombination zweier Rechteckfunk tionen gebildet werden.
Im Folgenden ist es insbesondere beabsichtigt Objekte unter wechselnden Beleuchtungsbedin gungen zu erkennen. Eine Herausforderung hierbei ist, dass ein und dasselbe Objekt dadurch einmal hell gegenüber einem dunklen Hintergrund und ein anderes Mal dunkel gegenüber ei nem hellen Hintergrund abgebildet wird.
Bekannte Methoden haben sich unter diesen Bedingungen immer wieder als langsam oder un zuverlässig herausgestellt.
Aufgabe ist es, ein Objekt, welches in einem digitalen Bild beleuchtungsabhängig mit unter schiedlichen Helligkeiten abgebildet werden kann, schneller und zuverlässiger zu erkennen. Diese Aufgabe wird erfindungsgemäß durch ein jeweiliges Verfahren mit den Merkmalen ge mäß den imabhängigen Ansprüchen gelöst. Vorteilhafte Ausführungen der Erfindung sind Ge genstand der abhängigen Ansprüche.
Bei einem erfindungsgemäßen Verfahren wird ein Objekt, insbesondere ein Objekt einer Bank note, in einem Suchbild erkannt. Es werden folgende Schritte durchgeführt: a) Bereitstellen eines Mustervektors bzw. einer Mustermatrix, welcher das Objekt durch Koordi naten von charakteristischen Bildpunkten beschreibt; b) Verschieben des Mustervektors über verschiedene Positionen des Suchbilds; c) Bestimmen eines jeweiligen Erfolgswerts an den verschiedenen Positionen; und d) Erkennen des Objekts an der Position anhand des, insbesondere maximalen, Erfolgswerts.
Ein wichtiger Gedanke der Erfindung ist, dass, insbesondere durch den Mustervektor, jedem charakteristischen Bildpunkt eine erste Richtung und eine von der ersten Richtung unterschied liche zweite Richtung zugeordnet wird, wobei jeweils ein erster Intensitätsgesamtwert einer ers ten Anzahl von eindimensional angeordneten Bildpunkten in der ersten Richtung bestimmt wird und ein zweiter Intensitätsgesamtwert einer zweiten Anzahl von eindimensional angeord neten Bildpunkten in der zweiten Richtung bestimmt wird, wobei jeweils ein Differenzwert, insbesondere und/ oder ein Verhältniswert, zwischen dem ersten Intensitätsgesamtwert und dem zweiten Intensitätsgesamtwert bestimmt wird, wobei der Erfolgswert anhand der jeweili gen Differenzwerte, insbesondere und/ oder der jeweiligen Verhältniswerte, bestimmt wird.
Der Erfindung liegt die Erkenntnis zu Grunde, dass alleine durch die Koordinaten, also die Po sition der charakteristischen Bildpunkte und die Richtungen zum Bilden des Differenzwerts ausreichend Merkmale bereitgestellt werden, um das Objekt bzw. die Position und/ oder Orien tierung im Suchbild zu erkennen.
Als charakteristische Bildpunkte werden beim Erzeugen des Muster vektors bzw. des Klassifika tors insbesondere Bildpunkte auf Kanten bzw. an Stellen mit einer hohen Frequenz, d.h. einem Übergang von hell nach dunkel oder dunkel nach hell ausgewählt. Diese charakteristischen Bildpunkte bzw. das, insbesondere zweidimensionale, Muster der charakteristischen Bild punkte, also die durch die Koordinaten der charakteristischen Bildpunkte aufgespannte Punkt wolke, werden bzw. wird dann im Suchbild wiedergefunden. Dazu ist es nicht nötig einen be- stimmten Wert der Differenzen der Bildpunkte der unterschiedlichen Richtungen pro charakte ristischen Bildpunkt anzugeben. Die jeweilige Position der charakteristischen Bildpunkte und die jeweils zugehörigen Richtung sind ausreichend.
Die Anzahl der Bildpunkte der jeweiligen Richtung, welche für den Differenzwert herangezo gen werden sollen, kann entweder ebenfalls durch den Mustervektor bereitgestellt werden oder aber auch als generelle Standardeinstellung vorgegeben werden.
Insbesondere ist es vorgesehen, dass der erste Intensitätsgesamtwert und/ oder der zweite In tensitätsgesamtwert durch einen Mittelwert, beispielsweise einen arithmetischen Mittelwert o- der einen Medianwert, gebildet wird.
Der Erfolgswert kann beispielsweise direkt aus den Differenzwerten gebildet sein, beispiels weise durch Aufsummieren und optionalen Normalisieren. Der Erfolgswert kann aber auch ab hängig von einer Gewichtungsfunktion erzeugt werden, in welche die Differenzwerte gewichtet einfließen.
Vorzugsweise ist es vorgesehen, dass der maximale Differenzwert der Differenzwerte zu dem Erfolgswert führt, bei welchem das Objekt erkannt wird. Durch den maximalen Differenzwert wird die Position der charakteristischen Bildpunkte gefunden, an welcher der jeweilige Intensi tätsunterschied zwischen den Bildpunkten der ersten Richtung und den Bildpunkten der zwei ten Richtung am größten ist.
Nachdem die charakteristischen Bildpunkte beim Erzeugen des Muster vektors gemäß dem wei teren Verfahren der Erfindung vorzugsweise schon nach dem Kriterium der maximalen Diffe renzwerte ausgewählt werden, reicht es im Suchbild die Position der charakteristischen Bild punkte zu finden, an welcher der Differenzwert maximal ist.
Weiterhin ist es vorzugsweise vorgesehen, dass die erste Richtung und die zweite Richtung um 180° entgegengesetzt zugeordnet werden. Durch die vorzugsweise quasi diametrale Anord nung kann ein aussagekräftigerer Differenzwert für jeden charakteristischen Bildpunkt erzeugt werden. Das Objekt kann dadurch zuverlässiger erkannt werden. Weiterhin ist es vorzugsweise vorgesehen, dass die erste Anzahl und/ oder die zweite Anzahl größer als eins bestimmt wird. Bei einer Anzahl größer eins, insbesondere zwei, also beispiels weise drei, vier oder fünf, kann der charakterisüsche Bildpunkt zuverlässiger an einem markan ten Bildpunkt, also beispielsweise einer Kante oder einer Ecke, also einem hochfrequenten Bild bereich, bestimmt werden.
Weiterhin ist es vorzugsweise vorgesehen, dass die erste Anzahl und/ oder die zweite Anzahl kleiner als zehn, insbesondere sechs, bestimmt wird. Durch die Beschränkung der ersten An zahl und/ oder der zweiten Anzahl kann zum einen der Aufwand zum Bestimmen der Diffe renzwerte, sowohl beim Erzeugen des Mustervektors als auch beim Erkennen des Objekts im Suchbild begrenz werden. Zum anderen kann das Angebot an geeigneten charakteristischen Bildpunkten dadurch so groß gehalten werden, dass der Mustervektor mit einer ausreichend großen Anzahl, beispielsweise mindestens 10 bis 100 Stück, charakteristischen Bildpunkten er zeugt werden kann.
Weiterhin ist es vorzugsweise vorgesehen, dass die erste Anzahl und/ oder die zweite Anzahl unterschiedlich bestimmt wird. Dadurch können es beispielsweise mehr Bildpunkte in der Richtung mit niedriger Intensität als Bildpunkte in Richtung mit hoher Intensität sein, und um gekehrt. Dadurch lässt sich der Mustervektor individuell auf ein bestimmtes Objekt einstellen. Als Folge kann das Objekt bzw. die Position und/ oder Orientierung des Objekts zuverlässiger erkannt bzw. gefunden werden.
Weiterhin ist es vorzugsweise vorgesehen, dass der Mustervektor für jeden charakterisüschen Bildpunkt höchstens vier Werte aufweist. In diesem Fall kann der Mustervektor jeweils nur ei nen x-Koordinatenwert des charakteristischen Bildpunkts, einen y-Koordinatenwert des cha rakteristischen Bildpunkts, einen ersten Relativwert für die erste Richtung relativ zum jeweili gen charakterisüschen Bildpunkt und einen zweiten Relativwert für die zweite Richtung relativ zum jeweiligen charakteristischen Bildpunkt. Für den ersten Relativwert und/ oder den zweiten Relativwert können beispielsweise als allgemeine Vorgabe sämtliche an einen charakteristi schen Bildpunkt angrenzende Bildpunkte nummeriert werden. Bei einer Achter-Nachbarschaft sind das beispielsweise acht Nummern. So kann beispielsweise als Vorgabe vorgegeben wer den, dass sich der Wert drei immer auf den benachbarten Bildpunkt auf drei Uhr, also rechts neben dem Referenzbildpunkt bezieht. Weiterhin ist es vorzugsweise vorgesehen, dass als das Objekt ein Sicherheitselement einer Banknote erkannt wird. Sicherheitselemente von Banknoten sind üblicherweise mit besonderen Sicherheitsmerkmalen versehen, welche ohne aufwändige Vorrichtungen nur schwer nachge stellt beziehungsweise nachgedruckt oder geprägt werden können. Ein populäres Sicherheit selement einer Banknote ist beispielsweise ein Hologramm. Ein Hologramm ist absichtlich der art gefertigt, dass Licht abhängig vom Lichteinfallswinkel unterschiedliche reflektiert wird. Für die automatische Erkennung eines solchen Sicherheitselements mit bekannten Methoden durch beispielsweise eine Banknotenbearbeitungsvorrichtung ist dies eine Herausforderung. Mit dem Verfahren zum Erkennen des Objekts kann das Sicherheitselement zuverlässiger erkannt wer den.
Weiterhin ist es vorzugsweise vorgesehen, dass das Objekt auf einer Banknote erkannt wird. Banknoten weisen üblicherweise einen heterogenen Hintergrund auf, da jeder Bereich auf dem Banknotensubstrat genutzt werden soll, um dort Information, beispielsweise eine Angabe zur Denomination oder zur Seriennummer, und/ oder ein Sicherheitselement und/ oder eine Sicher heitsmerkmal anzubringen. Dieser heterogene kann für bekannte Methoden ebenfalls eine Her ausforderung sein, da das Objekt schwer vom Hintergrund zu unterscheiden ist. Mit dem Ver fahren zum Erkennen des Objekts kann das Sicherheitselement zuverlässiger erkannt werden.
Ergänzend oder alternativ kann für den Differenzwert auch ein Verhältniswert bestimmt werde. Dann wird von dem ersten Intensitätsgesamtwert und dem zweiten Intensitätswert ein Verhältnis gebildet. Beispielsweise wird der erste Intensitätsgesamtwert durch den zweiten In tensitätswert geteilt oder andersherum. Der Erfolgswert wird dann anhand des Verhältniswerts bestimmt.
Bei einem weiteren erfindungsgemäßen Verfahren wird ein Mustervektor erzeugt. Es werden folgende Schritte durchgeführt: a) Bestimmen einer Kontur eines Objekts, insbesondere eines Objekts einer Banknote, in einem Musterbild; b) Bestimmen einer Gradientenrichtung für Bildpunkte der Kontur; c) Bestimmen eines Gradientenbetrags für Bildpunkte der Kontur; d) Bestimmen von Bildpunkten der Kontur als charakteristische Bildpunkte, falls der jeweilige Gradientenbetrag größer als ein Betragsschwellwert ist; e) Bestimmen einer jeweiligen Position der charakteristischen Bildpunkte; f) Bestimmen einer ersten Richtung und einer zweiten Richtung abhängig von der Gradienten richtung der charakteristischen Bildpunkte; und g) Erzeugen des Mustervektors mit, insbesondere nur, der Position der charakteristischen Bild punkte im Musterbild und der ersten Richtung und der zweiten Richtung.
Das Objekt im Musterbild kann auch als Musterobjekt bezeichnet werden.
Das weitere Verfahren kann auch als Trainingsphase bezeichnet werden.
Der erzeugte Muster vektor kann dann in dem erfindungsgemäßen Verfahren zum Erkennen eines Objekts bereitgestellt werden.
Vorzugsweise ist es vorgesehen, dass der Mustervektor mit der ersten Richtung und/ oder der zweiten Richtung, insbesondere nur, relaüv zum zugehörigen charakteristischen Bildpunkt er zeugt wird.
Insbesondere ist es vorgesehen, dass die erste Richtung stets im Vergleich zur zweiten Richtung zu niedrigen Intensitätswerten zeigt, während die zweite Richtung stets zu im Vergleich zur ersten Richtung hohen Intensitäten zeigt.
Die Erfindung betrifft auch eine Verwendung. Bei der erfindungsgemäßen Verwendung wird das erfindungsgemäße Verfahren zum Erkennen eines Objekts in einem Suchbild zur Bestim mung einer Position und/ oder Orientierung eines Sicherheitselements einer Banknote relativ zu einem Substrat der Banknote verwendet.
Zum Erkennen der Orientierung wird der Mustervektor oder das Suchfenster in vorbestimmten Schritten verdreht bzw. rotiert angewandt. Die Orientierung wird dann vorzugsweise an der Rotation mit dem höchsten Erfolgswert erkannt.
Das erfindungsgemäße Verfahren zum Erkennen eines Objekts in einem Suchbild wird insbe sondere in einer Banknotenbearbeitungsvorrichtung verwendet.
Die mit Bezug auf das erfindungsgemäße Verfahren vorgestellten bevorzugten Ausführungs formen und deren Vorteile gelten soweit anwendbar entsprechend für das erfindungs gemäße weitere Verfahren und die erfindungsgemäße Verwendimg. Die mit Bezug auf das erfindungs gemäße weitere Verfahren und die erfindungsgemäße Verwendimg vor gestellten bevorzugten Ausführungsformen und deren Vorteile gelten entsprechend für das erfindungsgemäße Verfah ren.
Weitere Merkmale der Erfindung ergeben sich aus den Ansprüchen, den Figuren und der Figu renbeschreibung.
Ausführungsbeispiele der Erfindung werden nachfolgend anhand einer schematischen Zeich nung näher erläutert.
Dabei zeigen:
Fig. 1 eine schematische Darstellung eines Suchbilds mit einem Objekt, über welches ein Muster vektor geschoben wird;
Fig. 2 eine schematische Darstellung eines Musterbilds mit einem Objekt, anhand wel chem ein Muster vektor erzeugt wird;
Fig. 3 eine schematische Detaildarstellung des Suchbilds mit dem Objekt;
Fig. 4 eine schematische Detaildarstellung des Musterbilds mit einer Kontur des Ob jekts;
Fig. 5 eine schematische Darstellung einer Banknote als das Musterbild;
Fig. 6 eine schematische Darstellung einer Banknote als das Suchbild, wobei die Bank note ein Eselsohr aufweist; und
Fig. 7 eine weitere schematische Darstellung einer Banknote als das Musterbild, wobei ein Sicherheitselement der Banknote verzerrt aufgenommen ist;
In den Figuren werden gleiche oder funktionsgleiche Elemente mit den gleichen Bezugszeichen versehen. Fig. 1 zeigt schematisch ein Suchbild 1 mit einem Objekt 2.
Gemäß dem Ausführungsbeispiel ist das Suchbild 1 insbesondere als eine Aufnahme einer Banknote 3 ausgebildet.
Die Aufnahme kann als einkanaliges Grauwertbild, mehrkanaliges Farbbild oder Multispektral bild ausgebildet sein. Die Aufnahme wird beispielsweise mit einer Kamera aufgenommen. Die Kamera kann Teil einer Banknotenbearbeitungsvorrichtung sein.
Das Objekt 2 ist insbesondere als ein Sicherheitselement 4 der Banknote 3 ausgebildet. Das Si cherheitselement 4 kann beispielsweise als Druckmerkmal, Sicherheitsstreifen, Sicherheitsfaden, Folienpatch, Hologramm und/ oder Sicherheitsprägung ausgebildet sein.
Gemäß dem Ausführungsbeispiel wird ein Mustervektor 5 über das Suchbild 1 geschoben. Das vom Mustervektor 5 aufgespannte Fenster 6 bzw. der vom Mustervektor aufgespannte Bereich ist beispielsweise rechteckig und zweidimensional. Weiterhin ist das Fenster 6 vorzugsweise kleiner als das Suchbild 1.
Der Mustervektor 5 weist Koordinaten (x, y) von charakteristischen Bildpunkten 7 auf.
Das vom Mustervektor 5 aufgespannte Fenster 6 wird im Folgenden über das Suchbild 1 ge schoben. Insbesondere wird der Mustervektor an alle Stellen des Suchbilds 1 geschoben und dort ausgeführt.
Beim Ausfuhren des Mustervektors 5 im Suchbild 1 wird zu jedem charakteristischen Punkt 7 eine erste Richtung 8 und eine von der ersten Richtung 8 unterschiedliche zweite Richtung 9 be trachtet. Die Richtungen 8, 9 sind insbesondere als relative Richtung bezüglich des jeweiligen charakteristischen Bildpunkts 7 ausgebildet. Weiterhin sind die Richtungen insbesondere vom Mustervektor 5 umfasst bzw. werden von diesem bereitgestellt.
Gemäß dem Ausführungsbeispiel wird für jeden charakteristischen Bildpunkt 7 ein erster In tensitätsgesamtwert 10 einer ersten Anzahl 11 von eindimensional angeordneten Bildpunkten in der ersten Richtung 8 bestimmt. Die erste Anzahl 11 kann beispielsweise einen Wert von eins bis zwanzig, vorzugsweise zwei bis zehn, insbesondere drei bis sechs aufweisen. Eindimensio nal bedeutet insbesondere, dass die Bildpunkte entlang einer Linie angeordnet sind. Der erste Intensitätsgesamtwert 10 kann beispielsweise durch einen arithmetischen Mittelwert oder einen Medianwert über die jeweiligen Intensitätswerte der Bildpunkte gebildet werden.
Analog zum ersten Intensitätsgesamtwert 10 wird ein zweiter Intensitätsgesamtwert 12 einer zweiten Anzahl 13 von eindimensional angeordneten Bildpunkten in der zweiten Richtung 9 bestimmt wird. Die zweite Anzahl 13 kann von der ersten Anzahl 11 unterschiedlich sein.
Die Bildpunkte der ersten Anzahl 11 von Bildpunkten in der ersten Richtung 8 können als Füh rungspunkte (lead points) bezeichnet werden. Die Bildpunkte der zweiten Anzahl 13 von Bild punkten in der zweiten Richtung 9 kann als Wegpunkte (trail points) bezeichnet werden.
Die erste Anzahl 11 und/ oder die zweite Anzahl 13 kann vom Mustervektor 5 umfasst sein. Er gänzend oder alternativ kann die erste Anzahl 11 und/ oder die zweite Anzahl 13 nur einmal allgemein für alle charakteristischen Bildpunkte 7 vorgegeben werden. Die erste Anzahl 11 und/ oder die zweite Anzahl 13 kann aber auch für jeden der charakteristischen Bildpunkte 7 individuell vorgegeben werden.
Weiterhin wird gemäß dem Ausführungsbeispiel für jeden charakteristischen Bildpunkt 7 ein Differenzwert 14 bestimmt. Der Differenzwert 14 wird als Differenz von dem ersten Intensitäts gesamtwert 10 und dem zweiten Intensitätsgesamtwert 12 bestimmt.
Von dem Differenzwert 14 kann optional der mathematische Betrag gebildet werden.
Gemäß dem Ausführungsbeispiel wird anhand der Differenzwerte 14 mm ein Erfolgswert 15 bestimmt. Gemäß dem Ausführungsbeispiel bedeutet ein hoher Erfolgswert 15, dass eine hohe Übereinstimmung von dem Mustervektor 5 und dem Objekt 2 im Suchbild 1 vorliegt. Insbeson dere wird die Position des Objekts 5 am Ort des höchsten Erfolgswerts 15 angenommen.
Der Erfolgswert 15 kann beispielsweise durch Aufsummieren der Differenzwerte 14 gebildet werden. Opüonal können die aufsummierten Differenzwerte 14 normiert werden.
Ergänzend können die Differenzwerte 14 auch gewichtet in den Erfolgswert einfließen. Die Aussage der Differenzwerte 14 bzw. des Erfolgswerts 15 ist letztendlich, dass die Position des Objekts dort angenommen wird, wo das Muster der charakteristischen Bildpunkte 7 an der Stelle mit dem höchsten Kontrast bzw. der höchsten Frequenz ist.
Das Verfahren lässt sich auch wie folgt anhand von Formeln beschreiben. mit x= Zeilenbildpimktkoordinate y= Spaltenbildpimktkoordinate d=Größe des Fensters 6 l=Skalierimgsparameter t=Skalierungsparameter W= Gewichtungsparameter
FP= Bildpimkte der ersten Anzahl 11 von Bildpunkten entlang der ersten Richtung 8 TP= Bildpimkte der zweiten Anzahl 13 von Bildpunkten entlang der zweiten Richtung 9
Das Verfahren kann als Standortanpassungspunktgruppen (Focation Matching Point Groups) kurz FPMG bezeichnet werden.
Fig. 2 zeigt ein Musterbild 16, anhand welchem der Mustervektor 5 erzeugt wird. Das Muster bild 16 kann als Banknote ausgebildet sein.
Es wird eine Kontur 17 eines Objekts 18 einer Banknote 19 in dem Musterbild 16 bestimmt. Die Kontur kann beispielsweise durch ein morphologisches Filter, beispielsweise einen Sobel Ope rator, oder einen vielfältigen Kantendetektor bestimmt werden. Weiterhin wird eine Gradientenrichtung 20 für die Bildpunkte der Kontur 17 bestimmt. Die Gradientenrichtung 20 gibt insbesondere an, in welche Richtung der größte Helligkeitsunter scheid verläuft. Mit anderen Worten wird die Gradientenrichtung 20 vorzugsweise in Richtung des maximalen Gradientenbetrags bestimmt.
Weiterhin wird ein Gradientenbetrag 21 für die Bildpunkte der Kontur 17 bestimmt. Der Gradi entenbetrag 21 gibt an wie groß der Helligkeitsunterschied ist.
In einem weiteren Schritt werden Bildpunkte der Kontur 17 als charakteristische Bildpunkte 22 bestimmte, falls der jeweilige Gradientenbetrag 21 größer als ein Betragsschwellwert ist. Durch den Betragsschwellwert werden gemäß dem Ausführungsbeispiel nur die markantesten Bild punkte als die charakteristischen Bildpunkte 22 bestimmt bzw. ausgewählt.
Weiterhin wird eine jeweilige Posiüon der zuvor bestimmten bzw. ausgewählten charakteristi schen Bildpunkte 22 bestimmt. Das kann beispielsweise durch Erfassen von jeweils Zeilenbild punktkoordinate und Spaltenbildpunktkoordinate des jeweiligen charakteristischen Bildpunkts 22 erfolgen.
In einem weiteren Schritt wird eine erste Richtung 23 und eine zweiten Richtung 24 abhängig von der Gradientenrichtung 20 bestimmt. Die Richtungen 23, 24 werden vorzugsweise entge gengesetzt bestimmt. Weiterhin werden die Richtungen 23, 24 vorzugsweise senkrecht zur Kon tur 17 bestimmt.
In einem weiteren Schritt wird der Mustervektor 5 mit der Position der charakteristischen Bild punkte 22 im Musterbild 16 und der ersten Richtung 23 und der zweiten Richtung 24 erzeugt.
Der Mustervektor 22 kann dann in dem Suchbild 1 angewandt werden, um das Objekt 2 zu er kennen.
Das Objekt 2 im Suchbild 1 und das Objekt 18 im Musterbild 16 sind insbesondere gleich oder zumindest ähnlich ausgebildet.
Insbesondere ist ein Aufnahmeabstand und/ oder ein Aufnahmewinkel zur Aufnahme des Suchbild 1 und des Musterbilds 16 gleich ausgebildet. Zumindest die Aufnahme des Suchbilds 1 kann beispielsweise mit einer Aufnahmeeinheit, insbesondere einer Kamera, durchgeführt werden, welche von einer Banknotenbearbeitungsvorrichtung umfasst ist.
Fig. 3 zeigt eine schematische Detaildarstellung des Suchbilds 1. Gemäß dem Ausführungsbei spiel weist der gezeigte Ausschnitt des Suchbilds 1 zwei charakteristische Bildpunkte 7 auf. Die erste Anzahl 11 ist drei bzw. eins. Die zweite Anzahl 13 ist in beiden Fällen drei. In diesem Fall wurde beim Bestimmen der Anzahlen 11, 13, der jeweilige charakteristische Bildpunkt 7 nicht mitgezählt. Bei einer alternativen Bestimmung kann der jeweilige charakteristische Bildpunkt 7 jedoch auch mitgezählt werden. Welche Konvention anzuwenden ist, kann beispielsweise zu Beginn des Verfahrens festgelegt werden und/ oder im Mustervektor 5 gespeichert werden.
Für den ersten Intensitätsgesamtwert 10 werden dann beispielsweise die Intensitätswerte der ersten Anzahl 11 zusammengezählt. Also im Fall eines 8-Bit-Bildes und drei Bildpunkten bei spielsweise 236+245+215. Für den zweiten Intensitätsgesamtwert 12 werden beispielsweise die Intensitätswerte der zweiten Anzahl 13 zusammengezählt. Also im Fall eines 8-Bit-Bildes und drei Bildpunkten beispielsweise 30+27+29. Die Intensitätsgesamtwerte 10, 12 können normiert werden.
Fig. 4 zeigt eine schematische Detaildarstellung des Musterbilds 16. Es ist ein charakteristischer Bildpunkt 22 gezeigt, welcher auf der Kontur 17 angeordnet ist.
Insbesondere wird von dem jeweiligen charakteristischen Bildpunkt 22 nur die Position, vor zugsweise die lokalen Koordinaten bezüglich des Fensters 6, zusammen mit der ersten Rich tung 23 und der zweiten Richtung 24 in den Mustervektor 5 gespeichert.
Fig. 5 zeigt schematisch ein Ausführungsbeispiel der Banknote 19 mit dem als Sicherheitsele ment ausgebildeten Objekt 18. Das Sicherheitselement ist im Ausführungsbeispiel als Aufdruck „50" ausgebildet. Die charakteristischen Bildpunkte 22 sind jeweils durch ein Pluszeichen dar gestellt.
Fig. 6 zeigt schematisch ein Ausführungsbeispiel der Banknote 3 mit dem Sicherheitselement 4. Die Banknote 3 weist ein Eselsohr 25 auf. Bei dem Eselsohr 25 ist eine Ecke der Banknote 3 um- geknickt. Durch die Robustheit des Verfahrens kann das Sicherheitselement 4 trotz dem Esels ohr erkannt werden. Zur Erkennung des Objekts 2 kann es also ausreichend sein, wenn nur ein Teil des Objekts 2 im Suchbild 1 abgebildet ist. Fig. 7 zeigt schematisch ein Ausführungsbeispiel der Banknote 19. Das als Sicherheitselement ausgebildete Objekt 18 ist teilweise leicht verdreht bzw. verzerrt aufgenommen worden. Das kann insbesondere dann Vorkommen, falls die Banknote 19 eine gebrauchte Banknote bzw. eine Banknote aus dem Umlauf ist. In diesem Fall ist es ergänzend vorzugsweise vorgesehen, dass auch Nachbarbildpunkte der charakteristischen Bildpunkte in der Trainingsphase untersucht werden, um den Mustervektor 5 bzw. den Klassifikator zuverlässiger ausbilden zu können.
Vorteilhaft ist das, da dann auch die Zuverlässigkeit bei der Erkennung von verzerrten Sicher heitselementen erhöht werden kann.

Claims

Patentansprüche
1. Verfahren zum Erkennen eines Objekts (2) in einem Suchbild (1), mit folgenden Schritten: a) Bereitstellen eines Mustervektors (5), welcher das Objekt (2) durch Koordinaten von charak teristischen Bildpunkten (7) beschreibt; b) Verschieben des Mustervektors (5) über verschiedene Posiüonen des Suchbilds (1); c) Bestimmen eines jeweiligen Erfolgswerts (15) an den verschiedenen Positionen; und d) Erkennen des Objekts (2) an der Posiüon anhand des Erfolgswerts (15), dadurch gekennzeichnet, dass jedem charakteristischen Bildpunkt (7) eine erste Richtung (8) und eine von der ersten Richtung (8) unterschiedliche zweite Richtung (9) zugeordnet wird, wobei jeweils ein erster Intensitätsge samtwert (10) einer ersten Anzahl (11) von eindimensional angeordneten Bildpunkten in der ersten Richtung (8) besümmt wird und ein zweiter Intensitätsgesamtwert (12) einer zweiten Anzahl (13) von eindimensional angeordneten Bildpunkten in der zweiten Richtung (9) be stimmt wird, wobei jeweils ein Differenzwert (14) zwischen dem ersten Intensitätsgesamtwert (10) und dem zweiten Intensitätsgesamtwert (12) bestimmt wird, wobei der Erfolgswert (15) an hand der jeweiligen Differenzwerte (14) besümmt wird.
2. Verfahren nach Anspruch 1, wobei der maximale Differenzwert der Differenzwerte (14) zu dem Erfolgswert (15) führt, bei wel chem das Objekt (2) erkannt wird.
3. Verfahren nach Anspruch 1 oder 2, wobei die erste Richtung (8) und die zweite Richtung (9) um 180° entgegengesetzt zugeordnet werden.
4. Verfahren nach einem der vorhergehenden Ansprüche, wobei die erste Anzahl (11) und/ oder die zweite Anzahl (13) größer als eins bestimmt wird.
5. Verfahren nach einem der vorhergehenden Ansprüche, wobei die erste Anzahl (11) und/ oder die zweite Anzahl (13) kleiner als zehn bestimmt wird.
6. Verfahren nach einem der vorhergehenden Ansprüche, wobei die erste Anzahl (11) und/ oder die zweite Anzahl (13) unterschiedlich bestimmt wird.
7. Verfahren nach einem der vorhergehenden Ansprüche, wobei wobei der Mustervektor (5) für jeden charakteristischen Bildpunkt (7) höchstens vier Werte auf weist.
8. Verfahren nach einem der vorhergehenden Ansprüche, wobei als das Objekt (2) ein Sicherheitselement (4) einer Banknote (3) erkannt wird.
9. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Objekt (2) auf einer Banknote (3) erkannt wird.
10. Verfahren zum Erzeugen eines Mustervektors (5), bei welchem folgende Schritte durchge führt werden: a) Bestimmen einer Kontur (17) eines Objekts (18) in einem Musterbild (16); b) Bestimmen einer Gradientenrichtung (20) für Bildpunkte der Kontur (17); c) Bestimmen eines Gradientenbetrags (21) für Bildpunkte der Kontur (17); d) Bestimmen von Bildpunkten der Kontur (17) als charakteristische Bildpunkte (22), falls der jeweilige Gradientenbetrag (21) größer als ein Betragsschwellwert ist; e) Bestimmen einer jeweiligen Position der charakteristischen Bildpunkte (22); f) Bestimmen einer ersten Richtung (23) und einer zweiten Richtung (24) abhängig von der Gra dientenrichtung (20) der charakteristischen Bildpunkte (22); und g) Erzeugen des Mustervektors (5) mit der jeweiligen Position der charakteristischen Bild punkte (22) im Musterbild (16) und der ersten Richtung (23) und der zweiten Richtung (24).
11. Verfahren nach Anspruch 10, wobei der Mustervektor (5) mit der ersten Richtung (23) und/ oder der zweiten Richtung (24) relaüv zum zugehörigen charakteristischen Bildpunkt (22) erzeugt wird.
12. Verwendung eines Verfahrens nach einem der Ansprüche 1 bis 9 zur Bestimmung einer Po sition und/ oder Orientierung eines Sicherheitselements (4) einer Banknote (3) relativ zu einem Substrat der Banknote (3).
EP22709948.8A 2021-03-09 2022-03-02 Verfahren zum erkennen eines objekts in einem suchbild, verfahren zum erzeugen eines mustervektors, und verwendung eines verfahrens zur bestimmung einer position und/oder orientierung eines sicherheitselements einer banknote Pending EP4305607A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021001256.9A DE102021001256B3 (de) 2021-03-09 2021-03-09 Verfahren zum Erkennen eines Objekts in einem Suchbild, und Verwendung eines Verfahrens zur Bestimmung einer Position und/oder Orientierung eines Sicherheitselements einer Banknote
PCT/EP2022/025074 WO2022189035A1 (de) 2021-03-09 2022-03-02 Verfahren zum erkennen eines objekts in einem suchbild, verfahren zum erzeugen eines mustervektors, und verwendung eines verfahrens zur bestimmung einer position und/oder orientierung eines sicherheitselements einer banknote

Publications (1)

Publication Number Publication Date
EP4305607A1 true EP4305607A1 (de) 2024-01-17

Family

ID=80738681

Family Applications (1)

Application Number Title Priority Date Filing Date
EP22709948.8A Pending EP4305607A1 (de) 2021-03-09 2022-03-02 Verfahren zum erkennen eines objekts in einem suchbild, verfahren zum erzeugen eines mustervektors, und verwendung eines verfahrens zur bestimmung einer position und/oder orientierung eines sicherheitselements einer banknote

Country Status (7)

Country Link
US (1) US12620196B2 (de)
EP (1) EP4305607A1 (de)
CN (1) CN116997943A (de)
AU (1) AU2022233675A1 (de)
CA (1) CA3211570A1 (de)
DE (1) DE102021001256B3 (de)
WO (1) WO2022189035A1 (de)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5487115A (en) * 1992-05-14 1996-01-23 United Parcel Service Method and apparatus for determining the fine angular orientation of bar code symbols in two-dimensional CCD images
JP4023096B2 (ja) * 2001-02-05 2007-12-19 オムロン株式会社 画像処理方法およびその装置
EP2246825B1 (de) * 2009-04-28 2014-10-08 Banqit AB Verfahren für eine Banknotendetektionsvorrichtung und eine Banknotendetektionsvorrichtung
DE102012002321B4 (de) * 2012-02-06 2022-04-28 Airbus Defence and Space GmbH Verfahren zur Erkennung eines vorgegebenen Musters in einem Bilddatensatz
DE102013113340A1 (de) 2013-12-02 2015-06-03 Adorsys Gmbh & Co. Kg Verfahren zum Authentifizieren eines Sicherheitselements und optisch variables Sicherheitselement
US10019626B2 (en) * 2013-12-02 2018-07-10 Leonhard Kurz Stiftung & Co. Kg Method for authenticating a security element, and optically variable security element

Also Published As

Publication number Publication date
US12620196B2 (en) 2026-05-05
CN116997943A (zh) 2023-11-03
WO2022189035A1 (de) 2022-09-15
AU2022233675A1 (en) 2023-09-14
CA3211570A1 (en) 2022-09-15
DE102021001256B3 (de) 2022-06-09
US20240185562A1 (en) 2024-06-06

Similar Documents

Publication Publication Date Title
DE69926205T2 (de) Artefaktentfernungstechnik für schiefenkorrigierte bilder
DE69625583T2 (de) Datenformleser
DE102007035884B4 (de) Linienrauschunterdrückungsvorrichtung, -verfahren und -programm
DE69230631T2 (de) Verfahren zum Vergleichen von Wortgestalten
DE69415048T2 (de) Verfahren und apparat zum bestimmen der genauen winkelorientierung von strichc0desymbolen in zweidimentionalen ccd-bildern
DE3881392T2 (de) System und Verfahren für automatische Segmentierung.
DE69230633T2 (de) Verfahren zur Ermittlung von Wortformen zum folgenden Vergleich
DE60113564T2 (de) Bildverarbeitungseinrichtung und Mustererkennungsvorrichtung, bei der die Bildverarbeitungseinrichtung verwendet wird
EP3078004B1 (de) Verfahren zum authentifizieren eines sicherheitselements
EP1610270A2 (de) Verfahren zur qualitativen Beurteilung eines Materials mit mindestens einem Erkennungsmerkmal
DE2858688C2 (de)
EP4094234B1 (de) Verfahren zum authentifizieren eines sicherheitsdokuments
DE69627424T2 (de) Bildverarbeitungsverfahren und Gerät
DE10212277A1 (de) Verfahren zur Verbesserung von Fingerabdruck-Bildern
DE102021001256B3 (de) Verfahren zum Erkennen eines Objekts in einem Suchbild, und Verwendung eines Verfahrens zur Bestimmung einer Position und/oder Orientierung eines Sicherheitselements einer Banknote
DE10132589B4 (de) Verfahren zur qualitativen Beurteilung von Material
EP1844450B1 (de) Verfahren zum bestimmen des genauen mittelpunktes einer in einen münzprüfer eingegebenen münze
EP1897067A1 (de) Verfahren und vorrichtung zur erkennung einer münze unter verwendung ihres prägebildes
DE60314450T2 (de) Verfahren zum filtern von bildern mit streifenstrukturen
DE19549216C2 (de) Verfahren zur Bildauswertung
EP3142068B1 (de) Verfahren zur dreidimensionalen erfassung von objekten
EP1397002B1 (de) Gradientengestütztes Verfahren zur Bildpunktinterpolation
DE68910625T2 (de) Verfahren zum Erkennen eines Musters in einem Feld mit einer Mehrwertamplitude, Anordnung zum Durchführen eines derartigen Verfahrens.
DE102004042792B3 (de) Verfahren zur Verbesserung der Darstellung von CT-Aufnahmen
AT408377B (de) Verfahren und vorrichtung zur prüfung bzw. untersuchung von gegenständen

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20231009

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)