JP2019192012A - 紙葉類判別処理方法 - Google Patents

Abstract

【課題】 限られた汚損状態の紙葉類を用いて、様々な汚損状態の紙葉類を判別する精度を向上することのできる紙葉類判別処理方法を提供することにある。【解決手段】 実施形態によれば、紙葉類判別処理方法は、流通過程を経ていない第１の新券の画像を取得し、前記第１の新券と同一種類で流通過程を経て汚損された汚損券の画像を取得し、取得した前記第１の新券の画像と取得した前記汚損券の画像との差分に基づいて、汚損の画像を生成し、流通過程を経ていない第２の新券の画像を取得し、生成した前記汚損の画像と取得した前記第２の新券の画像を合成して得られる疑似汚損券画像を生成し、生成した前記疑似汚損券画像に基づいて、汚損状態に応じて紙葉類を判別する判別基準を決定し、決定した前記判別基準に基づいて、前記紙葉類を判別することを含む。【選択図】 図１

Description

本発明の実施形態は、紙葉類を判別する紙葉類判別処理方法に関する。

一般に、コンピュータを用いて、紙幣などの紙葉類を、汚損状態などに応じて判別することが知られている。

特開２０１３−２５４３４９号公報 特開２０１４−１７８９４８号公報 特開２０１０−４００３９号公報

しかしながら、実際の紙幣の汚損状態は無数にある。したがって、コンピュータを用いて、紙幣の判別をする場合、あらゆる汚損状態について、実際の使用済みの紙幣を用いて、正しく判別されることを事前に確認することには限界がある。また、新たに紙幣が発行される場合、実際に使用された紙幣を発行前に入手することは、実質的に不可能である。

本発明の実施形態の目的は、限られた汚損状態の紙葉類を用いて、様々な汚損状態の紙葉類を判別する精度を向上することのできる紙葉類判別処理方法を提供することにある。

実施形態によれば、紙葉類判別処理方法は、流通過程を経ていない第１の新券の画像を取得し、前記第１の新券と同一種類で流通過程を経て汚損された汚損券の画像を取得し、取得した前記第１の新券の画像と取得した前記汚損券の画像との差分に基づいて、汚損の画像を生成し、流通過程を経ていない第２の新券の画像を取得し、生成した前記汚損の画像と取得した前記第２の新券の画像を合成して得られる疑似汚損券画像を生成し、生成した前記疑似汚損券画像に基づいて、汚損状態に応じて紙葉類を判別する判別基準を決定し、決定した前記判別基準に基づいて、前記紙葉類を判別することを含む。

実施形態に係る紙葉類判別処理システムの構成を示す構成図。 実施形態に係る汚損画像情報記憶部に蓄積される汚損画像情報を生成する手順を示すフロー図。 実施形態に係る汚損画像情報記憶部に蓄積される汚損画像の抽出方法を図式化した模式図。 実施形態に係る紙葉類検査装置の構成を示す構成図。

（実施形態）
図１は、実施形態に係る紙葉類判別処理システム１０の構成を示す構成図である。なお、図面における同一部分には同一符号を付して、異なる部分を主に説明する。
紙葉類判別処理システム１０は、紙葉類を判別処理するシステムである。例えば、紙葉類判別処理システム１０の判別処理対象となる紙葉類は、公に流通して使用される紙幣である。

紙葉類判別処理システム１０は、紙葉類読取模擬装置１、汚損画像情報記憶部２、新券画像情報記憶部３、及び、紙葉類検査装置４を備える。
紙葉類読取模擬装置１は、コンピュータを用いて、紙葉類検査装置４が紙葉類を画像として読み取る方法を模擬した装置である。例えば、紙葉類読取模擬装置１は、シミュレータ又はエミュレータなどである。なお、ここでは、汚損画像情報記憶部２及び新券画像情報記憶部３は、説明の便宜上、紙葉類読取模擬装置１とは別の機器とするが、紙葉類読取模擬装置１の構成の一部としてもよい。

紙葉類読取模擬装置１は、汚損画像情報記憶部２から受信した汚損画像情報及び新券画像情報記憶部３から受信した新券画像情報に基づいて、様々な汚損状態の疑似汚損券画像を生成する。紙葉類読取模擬装置１は、生成した様々な汚損状態の疑似汚損券画像に基づいて、紙葉類検査装置４に送信するための検査用情報を生成する。紙葉類読取模擬装置１は、生成した検査用情報を紙葉類検査装置４に送信する。

紙葉類検査装置４は、コンピュータを用いて、紙葉類の汚損状態に応じて判別することで、紙葉類を検査する装置である。紙葉類検査装置４は、紙葉類読取模擬装置１から受信する検査用情報に基づいて、紙葉類を判別する判別基準が更新される。
汚損画像情報記憶部２は、実際に使用された（流通過程を経た）紙幣から汚損部分のみを汚損画像として抽出し、これらの汚損画像がデータベース化されて蓄積された記憶部である。

新券画像情報記憶部３は、使用されていない（流通過程を経ていない）紙幣の画像が蓄積された記憶部である。ここで、新券画像情報記憶部３に登録される紙幣の画像は、汚損画像情報記憶部２に登録された汚損画像を抽出した元の紙幣と同一種類でなくてもよい。新券画像情報記憶部３には、複数の種類の使用されていない紙幣の画像がデータベース化されて蓄積されてもよい。

図２は、実施形態に係る汚損画像情報記憶部２に蓄積される汚損画像情報を生成する手順を示すフロー図である。図３は、実施形態に係る汚損画像情報記憶部２に蓄積される汚損画像の抽出方法を図式化した模式図である。なお、以下に説明する汚損画像の抽出方法は、一部の作業を人が行ってもよい。

ここで、新券とは、流通過程を経ていない未使用の紙幣であり、汚損等が全くない紙幣である。汚損券とは、実際に使用されることで汚損が生じた紙幣である。また、汚損とは、流通過程を経ることで生じる汚れ又は折り目などである。なお、再流通させても支障のない程度の汚れ又は折り目が生じた紙幣は、汚損券の対象から除外してもよい。

予め入手した新券及び汚損券を画像にして電子データ化し、コンピュータ（例えば、パソコン）に読み込む。新券は、汚損券と同一種類の紙幣を用いる（図２のステップＳ１０１）。
外形等を基準として、読み込んだ新券と汚損券のそれぞれの画像の位置を合わせる（図２のステップＳ１０２）。

新券と汚損券のそれぞれの画像から特徴点を抽出する（図２のステップＳ１０３）。特徴点の抽出については、どのような手法を用いてもよい。例えば、特徴点の抽出は、ＡＫＡＺＥのアルゴリズムなどを用いる。
新券と汚損券のそれぞれの特徴点について、それぞれの紙幣で同一箇所に相当する２つの特徴点を対応させるように、対応付けをする（図２のステップＳ１０４）。このように、特徴点の対応付けをすることで、新券及び汚損券が縮みや皺などで変形しても、新券と汚損券のそれぞれの同一箇所に相当する部分を認識することができる。

新券と汚損券のそれぞれの画像について、抽出した特徴点を頂点とする三角形で分割する三角形分割を行い、分割した三角形毎に、２つの画像の対応する箇所を決定する。例えば、三角形分割は、ドローネの三角形分割であるが、どのような三角形分割を用いてもよい。新券と汚損券のそれぞれの対応付けをした特徴点（図３に示す対応点Ｐｃ）の位置が合うように、新券又は汚損券の画像の三角形を変換する（図２のステップＳ１０５）。新券と汚損券のそれぞれの画像の位置を合わせる画像の変換は、どのような手法を用いてもよい。例えば、アフィン変換を用いて、画像の変換を行う。

特徴点の位置を合わせた新券と汚損券のそれぞれの画像について、対応する箇所の画像の差分を取り、汚損画像を抽出する（図２のステップＳ１０６）。
新券と汚損券のそれぞれの画像の対応する箇所の決定は、どのような手法を用いてもよい。

２つの画像の対応する箇所を決定した後、互いに対応する箇所がそれぞれ合わさるように、２つの画像の差分を取る。具体的には、汚損券の画像から新券の画像と同じ部分を取り除くことで、画像の差分を取る。これにより、互いに対応する箇所が同じ画像であれば、画像に差分はない。画像に差分がある場合は、その画像の差分を汚損画像とする。なお、画像の差分をそのまま汚損画像としてもよいし、画像の差分からさらに一部を切り取る等の加工をして、汚損画像としてもよい。

画像の差分は、新券と汚損券のそれぞれの画像の一部の領域を除外してもよい。例えば、シリアル番号は紙幣毎に異なるため、汚損に関係なく、比較する２つの紙幣のそれぞれのシリアル番号が記載された領域の画像には差異がある。このように、汚損に関係なく、個々の紙幣に差異がある領域は、差分を取る対象の画像から予め除外してよいし、差分を取った後に、この領域を削除してもよい。

上述のように抽出された汚損画像を、汚損画像情報記憶部２に登録する（ステップＳ１０７）。
図１を参照して、紙葉類読取模擬装置１の構成について説明する。
紙葉類読取模擬装置１は、疑似汚損券画像生成部１１及び検査用情報加工部１２を備える。疑似汚損券画像生成部１１は、汚損画像加工部１１１及び画像合成部１１２を備える。

汚損画像加工部１１１は、汚損画像情報記憶部２に登録された汚損画像を読み出す。汚損画像加工部１１１は、取得した汚損画像を加工して、１つの汚損画像から様々な汚損状態の疑似汚損画像を生成する。汚損画像加工部１１１は、生成した疑似汚損画像を画像合成部１１２に送信する。なお、汚損画像加工部１１１は、汚損画像情報記憶部２から取得した汚損画像を加工せずに、そのまま疑似汚損画像として画像合成部１１２に送信してもよい。

例えば、汚損画像の加工の仕方は、紙幣における位置、大きさ、傾き、色、又は、濃度の変更をしてもよいし、反転、解像度変換又は伸縮などの一般的な画像処理を適用してもよいし、これらを任意の組合せで用いてもよい。また、グラデーションのように徐々に濃さが変化するように、複数の濃淡の汚損画像を生成して、使用頻度に応じて変化する汚損状態を模擬した疑似汚損画像を生成してもよい。

画像合成部１１２は、新券画像情報記憶部３に登録された新券の画像（新券画像）を読み出す。画像合成部１１２は、新券画像情報記憶部３から取得した新券画像に、汚損画像加工部１１１から受信した疑似汚損画像を合成し、疑似汚損券画像を生成する。画像合成部１１２は、生成した疑似汚損券画像を検査用情報加工部１２に出力する。

ここで、新券画像情報記憶部３に、複数の種類の新券が登録されている場合、画像合成部１１２は、種類を指定して、目的の新券画像を取得するようにしてもよい。画像合成部１１２は、取得した新券画像の１つの種類につき、汚損画像加工部１１１から受信した疑似汚損画像の数だけ疑似汚損券画像を生成することができる。

なお、生成した疑似汚損券画像は、データベース化して、別途設けられた記憶部に登録してもよい。これにより、次回以降に紙葉類読取模擬装置１を利用する場合に、上述の疑似汚損券画像を生成する工程を省略することができ、さらに、別の装置又はシステムで生成した疑似汚損券画像を利用することもできる。

検査用情報加工部１２は、疑似汚損券画像生成部１１により生成された疑似汚損券画像に基づいて、紙葉類検査装置４における検査に用いるために、様々な情報が加工された検査用情報を生成する。検査用情報は、紙葉類検査装置４が様々な汚損状態の疑似汚損券画像を適切に判別にするための情報である。検査用情報加工部１２は、生成した検査用情報を紙葉類検査装置４に送信する。紙葉類検査装置４は、受信した検査用情報に基づいて、紙葉類を判別するための判別基準（例えば、閾値又は設定値など）を更新することで、新しいタイプの汚損状態の紙葉類も適切に判別されるようになる。

例えば、検査用情報加工部１２は、疑似汚損券画像生成部１１により生成された様々な汚損状態の疑似汚損券画像により学習した学習済みモデルにより判別基準を決定する。検査用情報加工部１２は、紙葉類検査装置４で、決定された判別基準に更新されるように、検査用情報を生成する。なお、学習済みモデルは、様々な疑似汚損券画像により学習することで、汚損券の判別精度が向上するように判別基準が更新されるようなアルゴリズムを用いていれば、どのようなプログラムでもよい。

なお、検査用情報は、疑似汚損券画像生成部１１から受信した疑似汚損券画像が圧縮された情報でもよい。例えば、検査用情報加工部１２は、再流通不可と判断すべき様々な汚損状態の疑似汚損券画像を圧縮して、検査用情報として紙葉類検査装置４に送信する。これにより、紙葉類検査装置４は、受信した検査用情報に含まれる疑似汚損券画像が再流通不可として判別されるように判別基準を更新することができる。このように、紙葉類検査装置４で、疑似汚損券画像に基づいて、判別基準を更新する場合、検査用情報加工部１２に相当する構成（判別基準を更新するための学習済みモデル等）は、紙葉類検査装置４に実装されてもよい。

図４は、本実施形態に係る紙葉類検査装置４の構成を示す構成図である。
紙葉類検査装置４は、紙葉類読取模擬装置１と検査用情報を受信するための伝送路で接続される。この伝送路は、インターネットでもよいし、専用回線でもよいし、その他どのようなものでもよい。例えば、紙葉類検査装置４及び紙葉類読取模擬装置１がインターネットに接続され、紙葉類検査装置４は、紙葉類読取模擬装置１からクラウドサービスとして、検査用情報を受信するように構成されてもよい。なお、紙葉類検査装置４は、紙葉類読取模擬装置１と伝送路で接続されておらず、記憶媒体を介して、紙葉類読取模擬装置１から検査用情報を受け取るようにしてもよい。

紙葉類検査装置４は、制御部４１、鑑査部４２、複数の検査器４３、及び、搬送路４４を備える。
制御部４１は、紙葉類検査装置４における全般的な制御を行う部分である。制御部４１は、紙葉類読取模擬装置１から受信した検査用情報に基づいて、判別基準を更新するように、鑑査部４２に更新指令を出力する。その他に、制御部４１は、鑑査部４２、検査器４３、及び、搬送路４４の制御を行う。

搬送路４４は、紙幣（紙葉類）５０を検査器４３で検査される位置に搬送し、鑑査部４２による判別結果に基づいた制御部４１の制御で紙幣５０を仕分け先に搬送する。
検査器４３は、搬送路４４により、自己が担当する検査位置に紙幣５０が搬送されてくると、紙幣５０から物理特性を抽出して電気信号に変換し、鑑査部４２に送信する。例えば、検査器４３は、カメラ又はスキャナなどの撮影画像を電気信号に変換するセンサである。なお、検査器４３は、いくつ設けられてもよい。

鑑査部４２は、演算処理部４２１及び複数の処理基板４２２を備える。
処理基板４２２は、各検査器４３に対応して設けられる。処理基板４２２は、対応する検査器４３から物理特性を示す電気信号（画像情報など）を受信すると、演算処理部４２１からの判別基準に従って、紙幣５０の判別を行う。判別は、紙幣５０の汚損度を測定するものでもよいし、再流通可能か否かを判別するものでもよいし、その他どのような判別をするものでもよい。処理基板４２２は、紙幣５０の判別結果を演算処理部４２１に送信する。なお、処理基板４２２は複数個の検査器４３に対応する形態でもよい。

演算処理部４２１には、判別基準を決定する判定プログラム及び各種設定値などが設定される。制御部４１から更新指令を受信すると、検査用情報に基づいて、判別基準を更新する。例えば、判別基準の更新は、判定プログラム又は各種設定値などの更新によって行われる。演算処理部４２１は、処理基板４２２で紙幣５０を判別するための処理が開始されると、最新の判別基準に基づく判定プログラム及び各種設定値を処理基板４２２に提供する。

演算処理部４２１は、各処理基板４２２からそれぞれ受信した判別結果を統合して、制御部４１に送信する。これにより、制御部４１は、演算処理部４２１から受信した判別結果に基づいて、搬送路４４を制御し、紙幣５０を仕分けるように搬送する。演算処理部４２１は、例えばメインプロセッサなどの演算処理を行う半導体である。

本実施形態によれば、紙葉類読取模擬装置１により、１つの汚損状態の紙葉類から様々な汚損状態を模擬した疑似汚損券画像を生成することができる。これにより、実際に汚損状態の発生した紙葉類を入手した数が少なくても、紙葉類検査装置４で様々な汚損状態の紙葉類を適切に判別することができる。

また、紙葉類読取模擬装置１により、実際に汚損した紙葉類から、種類の異なる紙葉類が同様に汚損した状態を模擬した疑似汚損券画像を生成することができる。このため、実際に流通していない種類の紙葉類でも、紙葉類検査装置４は、汚損状態に応じて適切に判別することができる。例えば、新しい紙幣が発行される場合でも、未使用の紙幣が入手できれば、発行前でも、汚損状態に応じて新しい紙幣を適切に判別するように、紙葉類検査装置４を設定することができる。

さらに、様々な汚損状態の疑似汚損券画像から適切な判別基準を決定するように学習した学習済みモデルを用いることにより、未知の汚損状態の紙葉類でも、紙葉類検査装置４は、この学習済みモデルにより更新される判別基準により適切に判別することができる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１…紙葉類読取模擬装置、２…汚損画像情報記憶部、３…新券画像情報記憶部、４…紙葉類検査装置、１０…紙葉類判別処理システム、１１…疑似汚損券画像生成部、１２…検査用情報加工部、１１１…汚損画像加工部、１１２…画像合成部。

Claims (6)

1. 流通過程を経ていない第１の新券の画像を取得し、
   前記第１の新券と同一種類で流通過程を経て汚損された汚損券の画像を取得し、
   取得した前記第１の新券の画像と取得した前記汚損券の画像との差分に基づいて、汚損の画像を生成し、
   流通過程を経ていない第２の新券の画像を取得し、
   生成した前記汚損の画像と取得した前記第２の新券の画像を合成して得られる疑似汚損券画像を生成し、
   生成した前記疑似汚損券画像に基づいて、汚損状態に応じて紙葉類を判別する判別基準を決定し、
   決定した前記判別基準に基づいて、前記紙葉類を判別すること
   を含むことを特徴とする紙葉類判別処理方法。
2. 前記疑似汚損券画像の生成は、前記汚損の画像を加工して、前記第２の新券の画像と合成したこと
   を特徴とする請求項１に記載の紙葉類判別処理方法。
3. 前記汚損の画像の加工は、位置、大きさ、傾き、色、又は、濃度のうち少なくとも１つを変更すること
   を特徴とする請求項１に記載の紙葉類判別処理方法。
4. 前記第２の新券は、前記第１の新券と種類が異なること
   を特徴とする請求項１に記載の紙葉類判別処理方法。
5. 前記汚損の画像の生成は、前記第１の新券の画像と前記汚損券の画像との差分において、汚損に関係なく差異がある領域を除いたこと
   を特徴とする請求項１に記載の紙葉類判別処理方法。
6. 汚損状態に応じて紙葉類を判別するための判別基準を出力するよう、コンピュータを機能させるための学習済みモデルであって、
   流通過程を経ていない第１の新券の画像を示す第１の新券画像情報と、
   前記第１の新券と同一種類で流通過程を経て汚損された汚損券の画像を示す汚損券画像情報と、
   前記第１の新券画像情報と前記汚損券画像情報との画像の差分に基づいて生成された汚損の画像を示す汚損画像情報と、
   流通過程を経ていない第２の新券の画像を示す第２の新券画像情報と、
   前記汚損画像情報の前記汚損の画像と前記第２の新券画像情報の前記第２の新券の画像を合成して得られる疑似汚損券の画像を示す疑似汚損券情報と有し、
   前記疑似汚損券情報に基づいて、前記判別基準を決定するように学習された学習済みの演算を行い、前記判別基準を出力するよう、コンピュータを機能させるための学習済みモデル。

Images