ES2317879T3 - Metodo y aparato para clasificar dinero. - Google Patents

Abstract

Método para manipular un elemento de dinero en efectivo, que comprende determinar si dicho elemento pertenece a una clase de una serie de clases objetivo realizando pruebas diferentes para las clases objetivo respectivas, comportando cada prueba procesar una selección de mediciones obtenidas del elemento con datos de aceptación que representan la correlación entre dichas mediciones en una población de la clase objetivo respectiva para determinar si el elemento pertenece a dicha clase, caracterizado porque la selección de mediciones es distinta para clases objetivo diferentes.

Description

Método y aparato para clasificar dinero.

Antecedentes

Esta invención se refiere a métodos y aparatos para clasificar dinero en efectivo. La invención se describirá principalmente en el contexto de la validación de monedas, pero es aplicable también en otros contextos, tales como la validación de billetes de banco.

Es bien conocido realizar mediciones de monedas y aplicar pruebas de aceptabilidad para determinar si la moneda es válida y el valor de la misma. Las pruebas de aceptabilidad están basadas normalmente en datos de aceptabilidad almacenados. Se conoce la utilización de técnicas estadísticas para obtener los datos, por ejemplo introduciendo muchos elementos en el dispositivo para la validación o validador y obteniendo los datos procedentes de las mediciones de las pruebas en una operación de calibración.

Se conoce también que los dispositivos validadores tengan una función de recalibración automática, conocida a veces como "autoajuste", por lo que los datos de aceptación se actualizan regularmente en base a mediciones realizadas durante las pruebas (ver por ejemplo los documentos EP-A-0 155 126, GB-A-2 059 129 y US-A-4 951 799). En consecuencia, es posible compensar alteraciones graduales en las características del aparato de comprobación. El documento WO 96/36022 da a conocer la utilización de una técnica (en particular, el cálculo de distancias de Mahalanobis) para verificar la autenticidad con la que se tienen en cuenta las correlaciones esperadas entre mediciones de manera que el ajuste de los parámetros de aceptación tendrá lugar sólo si es muy probable que un elemento de dinero aceptado haya sido validado correctamente.

A efectos de utilizar las distancias de Mahalanobis para verificar la autenticidad, cada clase objetivo está asociada con un conjunto almacenado de datos que, en realidad, forma una matriz de covarianzas inversa. Los datos representan la correlación entre las diferentes mediciones del elemento. Suponiendo que se realizan n mediciones, entonces, los n valores resultantes se combinan con la matriz n x n de covarianzas inversa para obtener una medición de la distancia de Mahalanobis D, que representa la similitud entre el elemento medido y la media de una población de dichos elementos, utilizada para obtener el conjunto de datos. Comparando D con un umbral, es posible determinar la probabilidad de que el elemento pertenezca al valor objetivo.

Aunque esta técnica es muy eficaz, implica muchos cálculos y requiere, por lo tanto, un procesador rápido y/o necesita una gran cantidad de tiempo. Se ha de señalar que se requeriría un conjunto de datos independientes, y por consiguiente un cálculo independiente de distancias de Mahalanobis, para cada valor objetivo. Además, el tiempo disponible para autenticar una moneda es habitualmente muy corto, puesto que la moneda se mueve hacia una puerta de aceptación/rechazo y, por lo tanto, se debe tomar la decisión y, si fuera apropiado, accionar la puerta antes de que la moneda alcance la misma. Por esta razón, no es común calcular distancias de Mahalanobis con el objetivo de determinar si se acepta un elemento de dinero, aunque es posible hacerlo de esta manera (ver por ejemplo el documento GB-A-2250848). No obstante, estos problemas son de menor importancia cuando se utilizan cálculos de Mahalanobis para realizar una verificación de aceptación posterior, tal como se muestra en el documento WO 96/36022.

Sería deseable reducir el tiempo requerido y/o los requisitos de almacenamiento de datos para realizar verificaciones de autenticidad (bien de aceptación previa o posterior) que tienen en cuenta correlaciones esperadas entre diferentes parámetros medidos, sin alteración sustancial de la fiabilidad de las verificaciones.

Sería deseable también mejorar el procedimiento por el que se realizan verificaciones de autenticidad a efectos de determinar si se han de modificar los parámetros de aceptación de manera que se eviten más eficazmente modificaciones inapropiadas.

Se definen aspectos de la presente invención en las reivindicaciones que se acompañan.

Según un aspecto adicional de la invención, se lleva a cabo una prueba de autenticidad en un elemento o elemento de dinero, utilizando múltiples mediciones del elemento y datos que representan correlaciones entre dichas mediciones en poblaciones de clases objetivo. Por ejemplo, la prueba se lleva a cabo calculando una distancia de Mahalanobis. Esta prueba de autenticidad se podría utilizar para determinar si el elemento se debe aceptar o rechazar, o se podría utilizar en una etapa posterior para realizar una determinación altamente fiable de la clase del elemento a efectos de determinar si se deberían modificar o no los datos utilizados al tomar decisiones de aceptación de acuerdo con las mediciones del elemento. Cada clase objetivo está asociada con datos que definen qué mediciones se han de utilizar para el cálculo de la distancia de Mahalanobis. De este modo, es posible utilizar diferentes parámetros para el cálculo de la distancia de Mahalanobis dependiendo del valor del elemento, de manera que se pueden elegir los parámetros más útiles (que pueden diferir dependiendo del valor). De esta manera, se puede simplificar el cálculo de la distancia de Mahalanobis y reducir los requisitos de almacenamiento de datos, haciendo caso omiso de ciertos parámetros, sin perjudicar sustancialmente la fiabilidad de los resultados.

Preferentemente, al menos algunos de los parámetros no seleccionados, es decir, los que no se utilizan en el cálculo de la distancia de Mahalanobis, se comparan individualmente con criterios de aceptación respectivos, para evitar la posibilidad de que un elemento se considere que pertenece a una clase objetivo cuando una de las mediciones es muy inapropiada para dicha clase.

Preferentemente, los elementos de dinero se someten a pruebas de aceptación a efectos de determinar si aceptarlos o rechazarlos, y tanto los elementos aceptados como los rechazados se someten a pruebas de verificación, que difieren de las pruebas de aceptación, para determinar si se deberían modificar los datos de aceptación utilizados en las pruebas de aceptación. Esto difiere de las disposiciones de la técnica anterior, tales como en el documento WO 96/36022, en las que la decisión para modificar los datos de aceptación está basada en la clasificación del elemento como consecuencia de las pruebas de aceptación, y posiblemente en un procedimiento de verificación para asegurar que es muy probable que el elemento pertenezca a la clase determinada durante el procedimiento de aceptación. Este aspecto de la presente invención permite la posibilidad de reclasificar elementos, incluyendo elementos rechazados que no se clasificaron en el procedimiento de aceptación.

Esto puede tener ventajas significativas. Los elementos de dinero que, durante el procedimiento de aceptación, se descubre que pertenecen a una clase particular, puede que no sean estadísticamente representativos de dicha clase. Por ejemplo, si existe un elemento falso conocido que se asemeja mucho a una clase objetivo, los criterios de aceptación para dicha clase objetivo se pueden modificar para evitar la aceptación errónea de elementos falsos. Esta modificación es probable que dé como resultado la aceptación de un mayor número de elementos con mediciones en un lado de una media aritmética de población que en el otro lado de la media (al menos para ciertos parámetros medidos). En consecuencia, si los datos de aceptación tuvieran que ser ajustados sólo en base a elementos que pasan las pruebas de aceptación, los ajustes serían inapropiados para la población en conjunto. Esto se evita utilizando las técnicas de este aspecto de la invención.

Una realización de la presente invención se describirá a continuación a modo de ejemplo con referencia a los dibujos que se acompañan, en los que:

la figura 1 es un diagrama esquemático de un dispositivo validador de monedas de acuerdo con la invención;

la figura 2 es un diagrama para mostrar el modo en el que se obtienen y procesan las mediciones de los sensores; y

la figura 3 es un diagrama de flujo que muestra una operación de determinación de la aceptación del dispositivo validador; y

la figura 4 es un diagrama de flujo que muestra una operación de verificación de la autenticidad del dispositivo validador.

Haciendo referencia a la figura 1, un dispositivo validador (2) de monedas incluye una sección de comprobación (4) que incorpora una rampa descendente (6) en la que monedas, tales como las mostradas con (8), están dispuestas para rodar. A medida que la moneda baja por la rampa (6), pasa sucesivamente por tres sensores, (10), (12) y (14). Las señales de salida de los sensores se suministran a un circuito de interfaz (16) para producir valores digitales que son leídos por un procesador (18). El procesador (18) determina si la moneda es válida, y si es así, su valor. En respuesta a esta determinación, se acciona una puerta de aceptación/rechazo (20) para permitir que la moneda sea aceptada, o dejada en su estado inicial de manera que la misma se mueve hasta una trayectoria de rechazo (22). Si es aceptada, la moneda se desplaza por una trayectoria de aceptación (24) hasta una zona (26) de almacenamiento de monedas. Diversas puertas de direccionado pueden estar dispuestas en la zona de almacenamiento (26) para permitir que las monedas de diferentes valores se almacenen separadamente.

En la realización mostrada, cada uno de los sensores comprende un par de bobinas electromagnéticas situadas una en cada lado de la trayectoria de monedas, de manera que la moneda se desplaza entre las mismas. Cada bobina está accionada por un circuito autooscilante. Cuando la moneda pasa por delante de la bobina, tanto la frecuencia como la amplitud del oscilador cambian. Las estructuras físicas y la frecuencia de funcionamiento de los sensores (10), (12) y (14) están dispuestas de manera que las señales de salida del sensor son indicativas predominantemente de diferentes propiedades respectivas de la moneda (aunque las señales de salida del sensor están, en cierta medida, influenciadas por otras propiedades de la moneda).

En la realización mostrada, el sensor (10) está funcionando a 60 kHz. El cambio en la frecuencia del sensor cuando la moneda se mueve por delante del mismo es indicativo del diámetro de la moneda, y el cambio en amplitud es indicativo del material alrededor de la parte exterior de la moneda (que puede diferir del material en la parte interior, o núcleo, si la moneda es de dos colores).

El sensor (12) está funcionando a 400 kHz. El cambio de frecuencia cuando la moneda se mueve por delante del sensor es indicativo del grosor de la moneda y el cambio en amplitud es indicativo del material de la superficie exterior del núcleo central de la moneda.

El sensor (14) está funcionando a 20 kHz. Los cambios en la frecuencia y amplitud de la salida del sensor cuando la moneda pasa son indicativos del material en su interior hasta una profundidad significativa dentro del núcleo de la moneda.

La figura 2 muestra esquemáticamente el procesamiento de las señales de salida de los sensores. Los sensores (10), (12) y (14) se muestran en la sección (I) de la figura 2. Las señales de salida se suministran al circuito de interfaz (16) que realiza algún procesamiento preliminar de las señales de salida para obtener valores digitales que son gestionados por el procesador (18) tal como se muestra en las secciones (II), (III), (IV) y (V) de la figura 2.

Dentro de la sección (II), el procesador (18) almacena los valores en vacío de la frecuencia y la amplitud de cada uno de los sensores, es decir, los valores adoptados por los sensores cuando no está ninguna moneda presente. El procedimiento se indica con los bloques (30). El circuito registra también el pico del cambio en la frecuencia tal como se indica con (32), y el pico del cambio en amplitud tal como se indica con (33). En el caso del sensor (12), es posible que tanto la frecuencia como la amplitud cambien, cuando la moneda pasa por delante, en una primera dirección hasta un primer pico, y en una segunda dirección hasta un pico negativo (o mínimo) y, de nuevo, en la primera dirección, antes de volver al valor en vacío. El procesador (18) está dispuesto por lo tanto para registrar el valor de los primeros picos de frecuencia y amplitud con (32') y (33'), respectivamente, y los segundos picos (negativos) de frecuencia y amplitud con (32'') y (33''), respectivamente.

En la etapa (III), todos los valores registrados en la etapa (II) se aplican a diversos algoritmos en los bloques (34). Cada algoritmo utiliza un valor pico y el valor en vacío correspondiente para producir un valor normalizado, que es sustancialmente independiente de las variaciones de temperatura. Por ejemplo, el algoritmo puede estar dispuesto para determinar la relación del cambio en el parámetro (amplitud o frecuencia) para el valor en vacío. Adicionalmente, o de manera alternativa, en esta etapa (III), el procesador (18) puede estar dispuesto para utilizar datos de calibración que se obtienen durante una calibración inicial del dispositivo validador y que indican el grado con el que las señales de salida del sensor del dispositivo validador se apartan de un dispositivo validador predeterminado o medio. Estos datos de calibración se pueden utilizar para compensar las variaciones en los sensores del dispositivo validador a dispositivo validador.

En la etapa (IV), el procesador (18) almacena las ocho señales de salida del sensor normalizadas tal como se indica con los bloques (36). El procesador (18) utiliza dichas señales de salida durante la etapa de procesamiento (V) que determina si las mediciones representan una moneda auténtica, y en este caso, el valor de la misma. Las señales de salida normalizadas están representadas como S_{ijk}, en la que:

i representa el sensor (1 = sensor -10-, 2 = sensor -12- y 3 = sensor -14-), j representa la característica medida (f = frecuencia, a = amplitud) y k indica qué pico se representa (1 = primer pico, 2 = segundo pico (negativo)).

Se ha de señalar que aunque la figura 2 define el modo en el que se obtienen y procesan las señales de salida del sensor, no indica la secuencia con la que se realizan estas operaciones. En particular, se debería observar que algunos de los valores del sensor normalizados que se han obtenido en la etapa (IV) se obtendrán antes que otros valores del sensor normalizados, y posiblemente incluso antes que la moneda alcance alguno de los sensores. Por ejemplo, los valores del sensor normalizados (S_{1f1}), (S_{1a1}) obtenidos de las señales de salida del sensor (10) estarán disponibles antes que las señales de salida normalizadas (S_{2f1}), (S_{2a1}) obtenidas del sensor (12), y posiblemente antes de que la moneda haya alcanzado el sensor (12).

Haciendo referencia a la sección (V) de la figura 2, los bloques (38) representan la comparación de las señales de salida del sensor normalizadas con intervalos predeterminados que están asociados con valores objetivo respectivos. Este procedimiento de verificar individualmente señales de salida del sensor con respecto a intervalos respectivos es convencional.

El bloque (40) indica que las dos señales de salida normalizadas del sensor (10), (S_{1f1}) y (S_{1a1}), se utilizan para obtener un valor de cada uno de los valores objetivo, indicando cada valor el grado de proximidad de las señales de salida del sensor con la media de una población de dicha clase objetivo. El valor se obtiene realizando parte de un cálculo de la distancia de Mahalanobis.

En el bloque (42), se realiza otro cálculo de Mahalanobis parcial de dos parámetros, basándose en dos de las señales de salida normalizadas del sensor (12), (S_{2f1}), (S_{2a1}) (que representan el cambio en frecuencia y amplitud del primer pico en la salida del sensor).

En el bloque (44), las señales de salida normalizadas que se utilizan en los dos cálculos de Mahalanobis parciales realizados en los bloques (40) y (42) se combinan con otros datos para determinar el grado de proximidad de las relaciones entre las señales de salida con la media esperada de cada valor objetivo. Este cálculo adicional tiene en cuenta las correlaciones esperadas entre cada una de las señales de salida (S_{1f1}), (S_{1a1}) del sensor (10) con cada una de las dos señales de salida del sensor (S_{2f1}), (S_{2a1}) obtenidas del sensor (12). Esto se explicará con más detalle a continuación.

En el bloque (46), potencialmente todos los valores de salida del sensor normalizados se pueden ponderar y combinar para proporcionar un único valor que se puede verificar con respecto a umbrales respectivos para diferentes valores objetivo. Los coeficientes de ponderación, algunos de los cuales pueden ser nulos, serán distintos para valores objetivo diferentes.

El funcionamiento del dispositivo validador se describirá a continuación con referencia a la figura 3.

Este procedimiento utilizará una matriz de covarianzas inversa que representa la distribución de una población de monedas de un valor objetivo, desde el punto de vista de cuatro parámetros representados por las dos mediciones desde el sensor (10) y las primeras dos mediciones desde el sensor (12).

De esta manera, para cada valor objetivo se almacenan los datos que constituyen una matriz de covarianzas inversa de la forma:

M = mat1,1 mat1,2 mat1,3 mat1,4

\quad

mat2,1 mat2,2 mat2,3 mat2,4

\quad

mat3,1 mat3,2 mat3,3 mat3,4

\quad

mat4,1 mat4,2 mat4,3 mat4,4

Se trata de una matriz simétrica, en la que matx,y = maty,x, etc. En consecuencia, sólo es necesario almacenar los datos siguientes:

mat1,1 mat1,2 mat1,3 mat1,4

mat2,2 mat2,3 mat2,4

mat3,3 mat3,4

mat4,4

Para cada valor objetivo se almacena también, para cada propiedad m a medir, un valor medio x_{m}.

El procedimiento mostrado en la figura 3 comienza en la etapa (300), cuando se determina que una moneda ha llegado a la sección de comprobación. El programa avanza hasta la etapa (302), por lo que espera hasta que están disponibles las señales de salida normalizadas (S_{1f1}) y (S_{1a1}) del sensor (10). Entonces, en la etapa (304), se realiza un primer conjunto de cálculos. La operación en la etapa (304) comienza antes de que esté disponible alguna salida normalizada del sensor (12).

En la etapa (304), a efectos de calcular un primer conjunto de valores, para cada clase objetivo se realiza el siguiente cálculo de Mahalanobis parcial:

D1 = mat1,1\cdot\partial1\cdot\partial1 + mat2,2\cdot\partial2\cdot\partial2 + 2\cdot(mat1,2\cdot\partial1\cdot\partial2)

en el que: \partial1 = S_{1f1}-x_{1} y \partial2 = S_{1a1}-x_{2}, y x_{1} y x_{2} son las medias almacenadas para las mediciones (S_{1f1}) y (S_{1a1}) de dicha clase objetivo.

El valor resultante se compara con un umbral para cada valor objetivo. Si el valor excede el umbral, entonces, en la etapa (306) se hace caso omiso de dicho valor objetivo para el resto de las operaciones de procesamiento mostradas en la figura 3.

Se señalará que este cálculo parcial de la distancia de Mahalanobis sólo utiliza los cuatro términos en la sección izquierda superior de la matriz de covarianzas inversa M.

A continuación de la etapa (306), el programa realiza una verificación en la etapa (308) para determinar si existe alguna clase objetivo restante después de la eliminación en la etapa (306). Si no es así, la moneda se rechaza en la etapa (310).

Por otra parte, el programa avanza hasta la etapa (312) para esperar que las primeras dos señales de salida normalizadas (S_{2f1}) y (S_{2a1}) del sensor (12) estén disponibles.

Entonces, en la etapa (314), el programa realiza, para cada valor objetivo restante, un segundo cálculo parcial de la distancia de Mahalanobis como sigue:

D2 = mat3,3\cdot\partial3\cdot\partial3 + mat4,4\cdot\partial4\cdot\partial4 + 2\cdot(mat3,4\cdot\partial3\cdot\partial4)

en el que: \partial3 = S_{2f1}-x_{3} y \partial4 = S_{2a1}-x_{4}, y x_{3} y x_{4} son las medias almacenadas para las mediciones (S_{2f1}) y (S_{2a1}) de dicha clase objetivo.

Por lo tanto, este cálculo utiliza los cuatro parámetros en la parte inferior derecha de la matriz de covarianzas inversa M.

Entonces, en la etapa (316), los valores calculados D2 se comparan con umbrales respectivos para cada uno de los valores objetivo y si se excede el umbral, se elimina dicho valor objetivo. En vez de comparar D2 con el umbral, el programa puede comparar en cambio (D1 + D2) con umbrales apropiados.

Suponiendo que todavía hay algunos valores objetivo restantes, tal como se ha verificado en la etapa (318), el programa avanza hasta la etapa (320). En esta última, el programa realiza un cálculo adicional utilizando los elementos de la matriz de covarianzas inversa M que todavía no se han utilizado, es decir, los términos cruzados que representan principalmente correlaciones esperadas entre cada una de las dos señales de salida del sensor (10) con cada una de las dos señales de salida del sensor (12). El cálculo adicional obtiene un valor DX para cada valor objetivo restante como sigue:

DX = 2\cdot(mat1,3\cdot\partial1\cdot\partial3 + mat1,4\cdot\partial1\cdot\partial4 + mat2,3\cdot\partial2\cdot\partial3 + mat2,4\cdot\partial2\cdot\partial4)

Entonces, en la etapa (322), el programa compara un valor que depende de DX con umbrales respectivos para cada valor objetivo restante y elimina dicho valor objetivo si se excede el umbral. El valor utilizado para la comparación puede ser DX (en cuyo caso, podría ser positivo o negativo). Preferentemente, sin embargo, el valor es D1 + D2 + DX. Esta última suma representa una distancia completa de Mahalanobis de cuatro parámetros que tiene en cuenta todas las correlaciones cruzadas entre los cuatro parámetros que se están midiendo.

En la etapa (326), el programa determina si existe algún valor objetivo restante, y si es así, avanza hasta la etapa (328). En esta última, para cada valor objetivo, el programa calcula un valor DP como sigue:

DP = \sum\limits^{8}_{n=1} \partial_{n} \cdot a_{n}

en el que \partial_{1}... \partial_{8} representan las ocho mediciones normalizadas S_{i,j,k} y a_{1}....a_{8} son coeficientes almacenados para el valor objetivo. Los valores DP se comparan entonces en la etapa (330) con intervalos respectivos para cada clase objetivo restante y se elimina cualquier clase objetivo restante dependiendo de si el valor está o no dentro del intervalo respectivo. En la etapa (334), se determina si existe sólo un valor objetivo restante. Si es así, la moneda se acepta en la etapa (336). La puerta de aceptación se abre y se controlan diversas puertas de direccionado a efectos de dirigir la moneda a un destino apropiado. Por otra parte, el programa avanza hasta la etapa (310) para rechazar la moneda. La etapa (310) se alcanza también si se descubre que todos los valores objetivo se han tenido que eliminar en la etapa (308), (318) ó (326).

El procedimiento explicado anteriormente no tiene en cuenta la comparación de las mediciones normalizadas individuales con intervalos de ventana respectivos en los bloques (38) de la figura 2. El procedimiento mostrado en la figura 3 se puede modificar para incluir estas etapas en cualquier momento apropiado, a efectos de eliminar además el número de valores objetivo considerados en las etapas sucesivas. Podría haber varias de dichas etapas en puntos diferentes dentro del programa mostrado en la figura 3, cada una para verificar mediciones diferentes. Alternativamente, las comparaciones individuales se podrían utilizar como una verificación final de contorno para asegurarse que las mediciones de una moneda a punto de ser aceptada están dentro de los intervalos esperados. Como una alternativa adicional, se podrían omitir estas comparaciones individuales.

En una realización modificada, en la etapa (314), el programa utiliza selectivamente las mediciones (S_{2f1}) y (S_{2a1}) (que representan el primer pico desde el segundo sensor) o las mediciones (S_{2f2}) y (S_{2a2}) (que representan el segundo pico desde el segundo sensor), dependiendo de la clase objetivo.

Existen varias ventajas al realizar los cálculos de la distancia de Mahalanobis de la manera definida anteriormente. Se señalará que el número de cálculos realizados en las etapas (304), (314) y (320) disminuye progresivamente a medida que se reduce el número de valores objetivo. Por lo tanto, se reduce sustancialmente el número total de cálculos realizados si se compara con un sistema en el que se lleva a cabo un cálculo completo de la distancia de Mahalanobis de cuatro parámetros para todos los valores objetivo, sin afectar al comportamiento de la discriminación. Además, el primer cálculo en la etapa (304) se puede comenzar antes de que se hayan realizado todas las mediciones relevantes.

No obstante, la secuencia se puede variar de diferentes modos. Por ejemplo, las etapas (314) y (320) se podrían intercambiar, de manera que los términos cruzados se consideran antes de realizar los cálculo parciales de la distancia de Mahalanobis para las mediciones \partial3 (= S_{2f1}-x_{3}) y \partial4 (= S_{2a1}-x_{4}). No obstante, se prefiere la secuencia descrita con referencia a la figura 3 puesto que los valores calculados para las mediciones \partial3 y \partial4 es probable que eliminen más clases objetivo que los términos cruzados.

En la disposición descrita anteriormente, todas las clases objetivo se refieren a elementos que el dispositivo validador está destinado a aceptar. Adicionalmente, sería posible tener clases objetivo que se refieren a tipos conocidos de elementos falsos. En este caso, el procedimiento descrito anteriormente se modificaría de manera que, en la etapa (334), el procesador (18) determinaría (a) si existe sólo una clase objetivo restante, y si es así, (b) si esta clase objetivo se refiere a un valor aceptable. El programa avanzaría hasta la etapa (366) para aceptar la moneda sólo si se pasan ambas pruebas; por otra parte, la moneda se rechazará en la etapa (310).

A continuación del procedimiento de aceptación descrito con referencia a la figura 3, el procesador (18) lleva a cabo un procedimiento de verificación que se define en la figura 4.

El procedimiento de verificación comienza en la etapa (338), y se señalará que la misma se alcanza tanto desde la etapa de rechazo (310) como desde la etapa de aceptación (336), es decir, el procedimiento de verificación se aplica tanto a los elementos de dinero rechazados como a los aceptados. En la etapa (338), se lleva a cabo un procedimiento de inicialización para ajustar un puntero TC a efectos de hacer referencia a la primera clase del conjunto de clases objetivo para la que los datos de aceptación se almacenan en el dispositivo validador.

En la etapa (340), el procesador (18) selecciona cinco de las mediciones normalizadas S_{i,j,k}. A efectos de realizar esta selección, el dispositivo validador almacena, para cada clase objetivo, una tabla que contiene cinco entradas, almacenando cada entrada los índices i, j, k de la correspondiente medición de las mediciones a seleccionar. Entonces, el procesador (18) obtiene P, que es una matriz 1x5 [p1,p2,p3,p4,p5], representando cada elemento de la misma la diferencia entre una medición normalizada y seleccionada S_{i,j,k} de una propiedad y una media almacenada x_{m} de dicha propiedad de la clase objetivo actual.

El procesador (18) obtiene también P^{T}, que es la matriz traspuesta de P, y recupera de una memoria valores que representan a M', que es una matriz 5x5 de covarianzas inversa y simétrica que representa la correlación entre las 5 mediciones seleccionadas P diferentes en una población de monedas de la clase objetivo actual:

M' = mat'1,1 mat'1,2 mat'1,3 mat'1,4 mat'1,5

\quad

mat'2,1 mat'2,2 mat'2,3 mat'2,4 mat'2,5

\quad

mat'3,1 mat'3,2 mat'3,3 mat'3,4 mat'3,5

\quad

mat'4,1 mat'4,2 mat'4,3 mat'4,4 mat'4,5

\quad

mat'5,1 mat'5,2 mat'5,3 mat'5,4 mat'5,5

Como en el caso de la matriz M, la matriz M' es simétrica, y por lo tanto no es necesario almacenar separadamente cada elemento individual.

Además, en la etapa (340), el procesador (18) calcula una distancia de Mahalanobis DC de manera que:

DC = P \cdot M' \cdot P^{T}

La distancia de Mahalanobis DC de cinco parámetros calculada se compara en la etapa (342) con un umbral almacenado para la clase objetivo actual. Si la distancia DC es menor que el umbral, entonces, el programa avanza hasta la etapa (344).

De otro modo, se supone que el elemento no pertenece a la clase objetivo actual y el programa avanza hasta la etapa (346). En esta última, el procesador realiza una verificación para ver si se han verificado todas las clases objetivo, y si no, avanza hasta la etapa (348). En esta última, el puntero está orientado para indicar la siguiente clase objetivo, y el programa realiza un bucle de vuelta hasta la etapa (340).

De este modo, el procesador (18) verifica sucesivamente cada una de las clases objetivo. Si ninguna de las clases objetivo produce una distancia de Mahalanobis DC que sea menor que el umbral respectivo, entonces, después de que se han verificado todas las clases objetivo tal como se determina en la etapa (346), el procesador avanza hasta la etapa (350), que termina el procedimiento de verificación.

No obstante, si para alguna clase objetivo se determina en la etapa (342) que la distancia de Mahalanobis DC es menor que el umbral respectivo para dicha clase, el programa avanza hasta la etapa (344). En esta última, el procesador (18) recupera todas las mediciones no seleccionadas S_{i,j,k}, junto con intervalos respectivos para estas mediciones, intervalos que forman parte de los datos de aceptación para la clase objetivo respectiva.

Entonces, en la etapa (352), el procesador determina si todas las mediciones no seleccionadas de las propiedades S_{i,j,k} están dentro de los intervalos respectivos. Si no es así, el programa avanza hasta la etapa (346). No obstante, si todas las mediciones de las propiedades están dentro de los intervalos, el programa avanza hasta la etapa (354).

Antes de decidir que el elemento pertenece a la clase objetivo actual, el programa verifica en primer lugar las mediciones para ver si se asemejan a las mediciones esperadas de una clase objetivo diferente. Con este propósito, para cada clase objetivo, existe una indicación almacenada de la clase objetivo más similar (que podría ser un tipo conocido de elemento falso). En la etapa (354), el programa calcula una distancia de Mahalanobis DC' de cinco parámetros para dicha clase objetivo similar. En la etapa (356), el programa calcula la relación DC/DC'. Si dicha relación es alta, esto significa que las mediciones se asemejan a elementos de la clase objetivo actual más que lo que se asemejan a elementos de la clase objetivo similar. Si dicha relación es baja, esto significa que los elementos pueden pertenecer a la clase objetivo similar, en vez de a la clase objetivo actual.

En consecuencia, si DC/DC' excede un umbral predeterminado, el programa considera que el elemento pertenece a la clase objetivo actual y avanza hasta la etapa (358); por otra parte, el programa avanza para terminar en la etapa (350).

Si se desea, para algunas clases objetivo se pueden repetir las etapas (354) y (356) con diferentes clases respectivas que se asemejan mucho a la clase objetivo. Las etapas (354) y (356) se pueden omitir para algunas clases objetivo.

En la etapa (358), el procesador (18) realiza una modificación de los datos de aceptación almacenados que están asociados con la clase objetivo actual y, entonces, el programa finaliza en la etapa (350).

La modificación de los datos de aceptación llevada a cabo en la etapa (358) tiene en cuenta las mediciones S_{i,j,k} del elemento aceptado. De esta manera, los datos de aceptación se pueden modificar para tener en cuenta cambios en las mediciones que son causados por desviaciones en los valores de los componentes. Este tipo de modificación se denomina operación de "autoajuste".

Se prevé que al menos algunos de los datos utilizados serán alterados en la etapa de aceptación descrita con respecto a la figura 3. Preferentemente, esto incluirá las medias x_{m}, y puede incluir también los intervalos de ventana considerados en los bloques (38) de la figura 2 y posiblemente también los valores de la matriz M. Las medias x_{m} utilizadas en el procedimiento de aceptación de la figura 3 son preferentemente los mismos valores que se utilizan también en el procedimiento de verificación de la figura 4, de manera que el ajuste puede tener además un efecto en el procedimiento de verificación. Adicionalmente, se pueden actualizar también los datos que se utilizan exclusivamente para el procedimiento de verificación, por ejemplo los valores de la matriz M' o los intervalos considerados en la etapa (352).

En la realización descrita anteriormente, la modificación de datos realizada en la etapa (358) implica sólo datos relacionados con la clase objetivo a la que se ha verificado que pertenece el elemento. Se ha de señalar que:

(1)

Los datos para una clase objetivo diferente se pueden modificar alternativa o adicionalmente. Por ejemplo, la clase objetivo puede representar un tipo conocido de elemento falso, en cuyo caso, la modificación de datos llevada a cabo en la etapa (358) puede implicar el ajuste de los datos que se refieren a una clase objetivo para un elemento auténtico que tiene propiedades similares, a efectos de reducir el riesgo de aceptar elementos falsos como si fuesen un elemento auténtico.

(2)

Las modificaciones realizadas en la etapa (358) puede que no se presenten en cada situación. Por ejemplo, puede haber algunas clases objetivo para las que no se ha de realizar ninguna modificación. Además, la disposición puede ser tal que se modifiquen datos sólo en determinadas circunstancias, por ejemplo sólo después de que se haya verificado que un cierto número de elementos pertenecen a la clase objetivo respectiva, y/o dependiendo del grado con el que las propiedades medidas difieren de las medias de la clase objetivo.

(3)

El grado de las modificaciones realizadas en los datos está determinado preferentemente por los valores medidos S_{i,j,k}, pero en cambio puede ser una cantidad fija para controlar el régimen al que se modifican los datos.

(4)

Puede haber un límite para el número de veces que se permiten (o el período para ello) las modificaciones en la etapa (358), y este límite puede depender de la clase objetivo.

(5)

La detección de elementos que se asemejan mucho a una clase objetivo, pero que son sospechosos de que no pertenecen a la misma, puede inutilizar o suspender las modificaciones de los datos de las clases objetivo en la etapa (358). Por ejemplo, si la verificación en la etapa (356) indica que el elemento puede pertenecer a una clase muy similar, se pueden suspender las modificaciones. Esto se puede presentar sólo si se llega a una conclusión similar varias veces gracias a la etapa (356) sin tener un número suficiente de ocasiones intermedias que indiquen que se ha recibido un elemento de la clase objetivo relevante (lo que indica que se están haciendo intentos para estafar al dispositivo validador). La suspensión de modificaciones puede venir acompañada por una mayor exigencia (posiblemente temporal) de los criterios de aceptación.

Se debe señalar que las mediciones seleccionadas para formar los elementos de P dependerán del valor de la moneda aceptada. De esta manera, por ejemplo, para un valor R, es posible que p1 = \partial1 = S_{1f1}-x_{1}, mientras para un valor diferente p1 = \partial8 = S_{3a1}-x_{8} (en la que x_{8} es la media almacenada para la medición -S_{3a1}-). En consecuencia, el procesador (18) puede seleccionar las mediciones que sean las más inconfundibles para el valor que se está confirmando.

Se pueden realizar diversas modificaciones para las disposiciones descritas anteriormente, que incluyen lo siguiente, pero sin estar limitadas a ello:

(a) En el procedimiento de verificación de la figura 4, cada elemento, tanto rechazado como aceptado, se verifica para ver si pertenece a una cualquiera de todas las clases objetivo. Alternativamente, el elemento se puede verificar con respecto a sólo una o más clases objetivo seleccionadas. Por ejemplo, es posible tener en cuenta los resultados de las pruebas realizadas en el procedimiento de aceptación de manera que en el procedimiento de verificación de la figura 4, el elemento se verifica sólo con respecto a clases objetivo que se consideran que son candidatas posibles en base a dichas pruebas de aceptación. De esta manera, una moneda aceptada se podría verificar sólo con respecto a la clase objetivo a la que se consideró que pertenecía durante el procedimiento de aceptación, y un elemento rechazado se podría probar sólo con respecto a la clase objetivo que se descubrió que era la que más se asemejaba durante el procedimiento de aceptación. Sin embargo, es importante permitir la reclasificación de al menos algunos elementos, especialmente de elementos rechazados, habiéndose considerado el hecho de que el cálculo de la distancia de Mahalanobis de cinco parámetros, basándose en parámetros seleccionados, que se realiza durante el procedimiento de verificación de la figura 4, es probable que sea más fiable que el procedimiento de aceptación de la figura 3.

(b) Si el aparato está dispuesto de manera que se aceptan elementos sólo si pasan pruebas estrictas, entonces, puede ser innecesario llevar a cabo el procedimiento de verificación de la figura 4 en monedas aceptadas. En consecuencia, sería posible limitar el procedimiento de verificación a elementos rechazados. Esto tendría la ventaja de que, incluso si se rechazan elementos auténticos porque a partir del procedimiento de aceptación parece que se asemejan a elementos falsos, los primeros se tienen en cuenta no obstante si se han considerado auténticos durante el procedimiento de verificación, de manera que no se desvía la modificación de los datos de aceptación.

(c) Si se desea, el procedimiento de verificación de la figura 4 se podría utilizar alternativamente para determinar si se acepta la moneda. No obstante, esto aumentaría significativamente el número de cálculos requeridos antes de que se realizara la decisión de aceptación.

Se pueden utilizar otros cálculos de distancia en vez de los cálculos de distancia de Mahalanobis, tales como cálculos de distancia euclídea.

Los datos de aceptación, incluyendo por ejemplo las medias x_{m} y los elementos de las matrices M y M', se pueden obtener de varios modos. Por ejemplo, cada mecanismo se podría calibrar introduciendo una población de cada una de las clases objetivo en el aparato y leyendo las mediciones procedentes de los sensores, a efectos de obtener los datos de aceptación. Preferentemente, no obstante, los datos se obtienen utilizando un aparato de calibración independiente de construcción muy similar, o varios de dichos aparatos, en cuyo caso las mediciones desde cada aparato se pueden procesar estadísticamente para obtener un mecanismo medio nominal. El análisis de los datos producirá entonces los datos de aceptación apropiados para almacenar en dispositivos validadores de producción. Si, debido a las tolerancias de fabricación, los mecanismos se comportan de modo distinto, entonces, los datos para cada mecanismo se podrían modificar en una operación de calibración. Alternativamente, las señales de salida del sensor podrían ser ajustadas mediante una operación de calibración.

Claims (14)

1. Método para manipular un elemento de dinero en efectivo, que comprende determinar si dicho elemento pertenece a una clase de una serie de clases objetivo realizando pruebas diferentes para las clases objetivo respectivas, comportando cada prueba procesar una selección de mediciones obtenidas del elemento con datos de aceptación que representan la correlación entre dichas mediciones en una población de la clase objetivo respectiva para determinar si el elemento pertenece a dicha clase, caracterizado porque la selección de mediciones es distinta para clases objetivo diferentes.

2. Método, según la reivindicación 1, que incluye la etapa de verificar individualmente mediciones no seleccionadas con respecto a datos de aceptación para dicha una clase objetivo, a efectos de evitar la posibilidad de que un elemento se considere que pertenece a una clase objetivo cuando una de las mediciones es inapropiada para dicha clase.

3. Método, según la reivindicación 1 ó 2, que comprende además, cuando una primera prueba indica que el elemento pertenece a una primera clase objetivo, realizar una segunda prueba para determinar si el elemento pertenece a una segunda clase objetivo, y utilizar el resultado de la segunda prueba para decidir si el resultado de la primera prueba fue correcto.

4. Método, según cualquiera de las reivindicaciones anteriores, en el que el procesamiento implica calcular una distancia de Mahalanobis.

5. Método, según cualquiera de las reivindicaciones anteriores, que incluye la etapa adicional de modificar los datos de aceptación para una clase objetivo en respuesta a la clasificación de un elemento.

6. Método, según la reivindicación 5, que comprende las siguientes etapas con la secuencia citada:

(a) realizar una primera determinación de si el elemento pertenece a una clase de una serie de clases objetivo;

(b) decidir si aceptar o rechazar el elemento;

(c) realizar una segunda determinación de si el elemento pertenece a dicha una clase objetivo utilizando una prueba que no se utilizó como parte de la primera determinación; y

(d) modificar los datos de aceptación para una de dichas clases objetivo dependiendo de los resultados de la segunda determinación.

7. Método, según la reivindicación 6, en el que la etapa (d) comprende modificar los datos de aceptación para la clase objetivo a la que se ha descubierto que pertenece el elemento en dicha segunda determinación.

8. Método, según la reivindicación 6 ó 7, en el que la segunda determinación se lleva a cabo respecto a un elemento para el que se ha realizado una decisión de rechazo.

9. Método, según cualquiera de las reivindicaciones 6 a 8, en el que la etapa (d) comprende modificar los datos de aceptación para una clase objetivo que se refiere a elementos que serían aceptados en la etapa (b) en respuesta a una primera determinación de que el elemento pertenece a dicha clase objetivo.

10. Método, según cualquiera de las reivindicaciones 6 a 9, que incluye la etapa de realizar ambas determinaciones primera y segunda para cada una de dicha serie de clases objetivo.

11. Método, según cualquiera de las reivindicaciones 6 a 10, en el que la segunda determinación se realiza sobre todos los elementos para los que se ha realizado una primera determinación.

12. Método, según cualquiera de las reivindicaciones anteriores, cuando se utiliza para validar monedas.

13. Método, según cualquiera de las reivindicaciones 1 a 11, cuando se utiliza para validar billetes de banco.

14. Aparato para manipular dinero en efectivo, estando dispuesto el aparato para funcionar de acuerdo con un método según cualquiera de las reivindicaciones anteriores.