JP3667905B2

JP3667905B2 - 紙葉類の記番号認識装置及び方法

Info

Publication number: JP3667905B2
Application number: JP31233596A
Authority: JP
Inventors: 裕功嶋田; 敏充上月
Original assignee: グローリー工業株式会社
Priority date: 1996-11-22
Filing date: 1996-11-22
Publication date: 2005-07-06
Anticipated expiration: 2016-11-22
Also published as: JPH10154256A

Description

【０００１】
【発明の属する技術分野】
本発明は、紙幣、小切手等の紙葉類の記番号（印刷時に連番として１枚ずつ異なるように付せられる番号）を正しく認識するための紙葉類の記番号認識装置及び方法に関する。
【０００２】
【従来の技術】
通常は紙幣１枚毎に異なる記番号が印刷されているが、偽造紙幣には同一の記番号が印刷され、大量に印刷されて広い地域で使用されることが多い。このため、偽造紙幣の記番号を記憶させておき、該当記番号を識別したときに迅速に通報することが望まれている。
【０００３】
紙幣の金種文字を認識する装置として、例えば特開平１−２８１５９１号公報に示されるものがある。この公報に示された認識装置は、特定の金種文字を認識することによって紙幣の金種、表裏及び搬送方向を判別するような構成となっている。記番号の認識ではないために、偽造紙幣に対する充分な防御にはなり得ないものである。しかしながら、金種文字を含む領域の基準位置データと、該基準領域の密度分布データ及び外形データとを予め設定しておき、金種文字が収まるエリアにおいて文字認識を行っている。この認識方法は、先ずこのエリアのデータに対してフィルタを施すことによりデータの２値化を行い、２値化したデータに対して縦方向及び横方向の密度分布を作成することにより、文字認識を行うようになっている。金種文字を認識する場合には、「千」、「五」、「万」の文字を判別することができればよいが、紙幣が発行されるときに印刷される記番号を認識しようとすれば、アルファベット２６文字及び１０個の数字を識別する必要があり、上記の従来の方式或いは汎用の文字認識の方式では、認識精度が高く効率の良いものが得られなかった。即ち、印刷位置ずれ、文字の欠け等の変動に対して影響を受け、誤認識してしまう欠点がある。
【０００４】
又、紙幣番号を記憶しておき、該当紙幣番号を検出することにより偽造紙幣を識別する装置として特開平４−１０７７９７号公報に示されるものがあり、紙幣番号を識別する認識装置として特開平７−１９２１６１号公報に示されるものがあるが、いずれも紙幣等に印刷してある記番号を認識する目的について記載されている。
【０００５】
【発明が解決しようとする課題】
紙葉類の記番号を読取ることによって発行年度の古い券を分離して回収することができ、自動入金機であれば記番号を読取って記憶しておけば、誰がどの紙幣を入金したかを特定でき、偽造紙幣が発見されたときに入金者を特定することができる。更に、予め記番号が分っている紙幣が入金されたときに、その入金者を特定することによって、窃盗事件などの現金に絡む事件が発生したときの犯人特定にも役立つ。
【０００６】
本発明は上述のような事情よりなされたものであり、本発明の目的は、印刷ズレの多い紙葉類（例えば米国のドル紙幣）に対しても、またズレ量が多いものであっても確実に記番号を認識することができる記番号認識装置を提供することにある。また、記番号認識を容易に学習させることができる方法を提供する。記番号を確実に認識することによって、偽造紙幣等に対して充分な防御を実現できる。紙葉類の種類及び搬送方向を決定した後に記番号の画像のある位置を探索して探索開始文字位置を決定し、その後順次記番号認識を行うことにより、精度よく記番号の文字認識を行い得る。さらに、多数枚の紙葉類に対して学習させることによって、紙葉類の位置ずれや文字の欠け等の変動に影響されない記番号の認識を実現できる。
【０００７】
【課題を解決するための手段】
本発明は、紙葉類の光学的イメージ画像データを処理して前記紙葉類の少なくとも種類及び方向を識別する紙葉類識別器における紙葉類の記番号を識別する記番号認識装置に関するもので、本発明の上記目的は、前記紙葉類の画像を読取る第１センサと、前記紙葉類の画像の中の記番号を読取る第２センサと、識別用のパラメータを格納する不揮発性メモリと、ＲＯＭ及びＲＡＭと協働して全体の制御を行うと共に、前記第１センサ及び第２センサの画像データ及び前記パラメータで前記紙葉類を識別する識別演算部とを設けることによって達成される。
【０００８】
又、前記識別演算部にインタフェースを介して接続され、外部にインタフェースを備えた前記識別演算を学習する汎用のパーソナルコンピュータを設けることによって、より効果的に達成される。即ち、上記紙葉類の記番号認識装置において、前記第１センサによる画像データに基づいて搬送される紙葉類の種類及び方向が判明した後、前記画像データから予め設定してある金種及び方向によって異なる記番号の印刷文字探索領域の情報に基づき、前記第２センサによる画像領域内でｘ軸方向及びｙ軸方向に座標を変換すると共に、その都度類似度の計算を行うことにより記番号の印刷文字探索領域を特定し、定められた値以上の類似度が得られかつ識別されるべき全ての文字との類似度を計算し、第１番目の認識候補の文字と第２番目の類似度を持つ候補の文字との間で類似度に所定の差があるときに、前記第１番目の認識候補の文字を識別結果と決定するようにする。更に、前記紙葉類の番号文字を学習し、類似度を計算するに当り切り出された画像を所定のスレッショルドにより１及び−１からなる２値化を行って初回のウエイトマップとし、学習する画像毎に２値化した画素値と作成したウエイトマップの各画素分との符号を比較し、符号の異なる部分のみを加減算し、所定の評価値になるまで前記比較による加減算を繰り返し、既学習文字データの中から最も該当文字に類似した文字を第２候補として類似度を計算し、前記学習文字と前記第２候補との類似度差が所定値以上無い場合には、前記第２候補のウエイトマップと符号が異なる画素について差が多くなるように当該座標のウエイトを操作して学習するようにする。
【０００９】
【発明の実施の形態】
以下、図面に基づいて本発明の好適な実施例について詳細に説明する。
【００１０】
図１は本発明による記番号認識装置の一例を示しており、紙幣１は、発光ダイオードアレイ等で成る発光手段２と、反射光を受光するための受光手段としてのラインセンサ３及び４とを一体とした発受光モジュールの下面通路を搬送されるようになっている。ラインセンサ３及び４からのビデオ信号ＶＳＡ１及びＶＳＡ２はそれぞれＡ／Ｄ変換器５１及び５２でデイジタルビデオ信号ＶＳＢ１及びＶＳＢ２に変換されて画像処理判定部１０に入力される。ラインセンサ３は金種識別用の画像を取込み、ラインセンサ４は記番号識別用の予め決められた領域の画像をより高解像度（例えば０．２５ｍｍ×０．２５ｍｍ／ドット）で取込むようになっている。尚、紙幣１と記番号との関係は図２で示すようになっており、紙幣１の複数個所に記番号１Ａ，１Ｂが印字されており、ラインセンサ４が記番号（１Ａ又は１Ｂ）を高解像度で取込むようになっている。画像処理判定部１０の詳細は図３に示すようになっており、画像処理判定部１０では、ビデオ信号ＶＳＢ１及びＶＳＢ２がそれぞれＦＩＦＯメモリ１１１及び１１２に蓄積されると共に、ＤＳＰ（ＤｉｇｉｔａｌＳｉｇｎａｌＰｒｏｃｅｓｓｏｒ）１００内の補正部１０１を経て順次メインメモリ１２の選ばれた領域に転送されて書込まれる。メインメモリ１２上には、紙幣１枚分の画像データが展開される。そして、この紙幣全面の画像データ及び他の真偽センサ８からのデータによって紙幣１の金種、方向、真偽の判定がなされる。また、記番号部分の画像データは、１Ａ又は１Ｂの該当部分のみがメインメモリ（ＲＡＭ）１２に展開される。ＤＳＰ１００は、ＲＯＭ１１０に格納されている制御プログラムの処理速度を上げるためにＲＯＭ１１０からメインメモリ（ダブルバッファ）１２に複写したものと協働し、ＦＩＦＯ（Ｆｉｒｓｔ−ｉｎＦｉｒｓｔ−ｏｕｔ）メモリ１１１及び１１２、更には補正部１０１を経て入力されたビデオ信号ＶＳＢ１及びＶＳＢ２のデジタル画像データに対して、斜行補正を行った後にブロック化及び圧縮符号化する斜行補正／ブロック化圧縮符号化部１０２と、判定結果ＤＲを出力する比較判定制御部１０３と、斜行補正／ブロック化が行われた画像データＢＤに対して２値化を行う２値化部１０４と、記番号認識制御部１０５とを有している。ＤＳＰ１００はデュアルポートＲＡＭ１７を介してパソコン４０に接続されている。
【００１１】
又、画像処理判定部１０は、各種紙幣の基準符号パターン（識別対象の金種、方向、真偽判定用及び金種、方向に応じた探索領域のデータ）を格納している基準符号パターン用フラッシュメモリ（ＲＯＭ）１３を有し、基準符号パターンＲＣとメインメモリ１２からの被識別紙幣のデータＣＳとを比較判定制御部１０３で比較して判定結果ＤＲを出力し、デュアルポートＲＡＭ１４を介して識別器を制御する識別器制御部２０との間で通信を行う。尚、フラッシュメモリ１３は電気的に書換えが可能な読出し専用メモリであり、メインメモリ１２はダブルバッファとして機能し、画像データ用メモリ、作業領域用メモリ等を有するＲＡＭである。記番号識別用のウエイトマップを記憶するために、記番号認識用／ウェイトマップ記憶用フラッシュメモリ１６が用意されている。
【００１２】
更に、画像処理判定部１０には、発光手段２の点灯／点滅制御、紙幣搬送時にラインセンサ３の走査間隔を決定するためのロータリエンコーダ６のメカクロック信号ＥＳを受けると共に、Ａ／Ｄ変換器５１，５２の読出制御、ＦＩＦＯメモリ１１１及び１１２のデータ書込制御を行い、ラインセンサ３及び４の読取制御タイミングＲＴを発生する読取制御部１５を有しており、紙幣１の搬送路には、紙幣１の通過を検知する通過センサ７及び紙幣１の真偽を検知するための真偽センサ８が設置されている。通過センサ７からの通過信号ＰＳは画像処理判定部１０内の読取制御部１５に入力されると共に、識別器制御部２０に入力される。真偽センサ８からの検知信号もＡ／Ｄ変換器５３を経て識別器制御部２０に入力され、識別器制御部２０は画像処理判定部１０に接続されると共に、紙幣入金処理装置等の本体制御部３０に接続されている。尚、図３では説明の便宜上、真偽の識別に使用する構成部分を省略してある。
【００１３】
図４は、図１及び図３の画像処理判定部１０内のＤＳＰ１００の動作例を示すフローチャートであり、本体制御部３０からのスタートコマンドの受信待ちをし（ステップＳ１）、スタートコマンドが受信されたときにラインセンサ３及び４の補正用初期値を読込む（ステップＳ２）。先ずラインセンサ３からのビデオ信号ＶＳＡ１を補正するため、発光手段２を消灯した状態でラインセンサ３の出力を読取るといったいわゆる暗出力データである黒レベルデータを収集し、次に発光手段２を点灯する（ステップＳ３）。読取制御部１５は本体制御部３０にレディのレスポンスを返して後に発光手段２を点灯し、デュアルポートＲＡＭ１４に識別準備完了レスポンスを書込み、割込みを発生して上位ＣＰＵに通知するといったレスポンスの送出を実行する（ステップＳ４）。そして、紙幣１が搬送されて来るのを待つことになる。通過センサ７に基づいて紙幣１の通過を判断し（ステップＳ５）、紙幣１の通過がない場合は終了コマンドの有無を判定し（ステップＳ６）、終了コマンドが有れば発光手段２を消灯して（ステップＳ７）終了となり、終了コマンドが無ければステップＳ５にリターンする。上記ステップＳ５において紙幣１の通過が検知されると、ラインセンサ３及び４からそれぞれＡ／Ｄ変換器５１及び５２を介して画像データを取込み（ステップＳ１００）、金種識別を実行する（ステップＳ１０）。金種識別の結果に従ってリジェクトすべき紙幣か否かを判断し（ステップＳ１１）、リジェクト紙幣でない場合は、記番号認識処理を実行し（ステップＳ２００）、金種識別及び記番号認識結果を比較判定制御部１０３より識別結果ＤＲとして本体制御部３０に送出する（ステップＳ１３）。この送出はデュアルポートＲＡＭ１４に結果を書込み、レスポンス割込みを発生して上位ＣＰＵに通知することによって行われる。そして、次の紙幣が搬送されて来るのを待つ。上記ステップＳ１１でリジェクト紙幣と判断された場合には、比較判定制御部１０３より識別結果ＤＲとしてリジェクトコードを送出する（ステップＳ１２）。
【００１４】
図５は、上記ステップＳ１００における紙幣１枚のイメージ取込の詳細を動作例を示すフローチャートである。先ず、紙幣１の通過を通過センサ７が検知すると通過信号ＰＳが読取制御部１５に入力され、ラインセンサ３からのビデオ信号ＶＳＡ２をＡ／Ｄ変換器５２を介してアナログからデジタル値へ変換してＦＩＦＯメモリ１１１に書込む。その後、ＤＳＰ１００内の補正部１０１によって所定の補正を行ない、結果をメインメモリ１２の一方のダブルバッファに書込む。ラインセンサ３からは、識別開始時に取込んで処理した黒レベルデータと、予め設定プログラムを実行することによってフラッシュメモリ１３に書込んである白レベルデータ及び黒レベルデータとを用いて、補正部１０１で補正を実行しながら画像データの収集を行なう（ステップＳ１０１）。そして、紙幣１枚分のデータを取り終えると、メインメモリ１２のダブルバッファを切換える（ステップＳ１０２）。この切換の許可は通過センサ割込みをイネーブルとすることによって実行され、これにより次の紙幣のデータ収集待機状態に入る（ステップＳ１０３）。処理速度を上げるために、画像データの取込中に認識処理ができる構成としている。次に斜行／寄せの補正を斜行補正／ブロック化圧縮符号部１０２で行う（ステップＳ１０４）。ここでは、紙幣全体の粗いイメージ画像と、記番号部分の解像度の高いイメージエリアについての画像データの補正を行う。これでデータ取込のサブルーチンは終了し、呼ばれた所に戻る。
【００１５】
次に、上記ステップＳ２００における記番号認識処理を図６のフローチャートを参照して説明する。ここで、本記番号識別は、文字位置の探索によって文字の印刷ずれがあっても識別可能であり、認識においては文字の自動ウエイト学習機能によって、類似文字の認識、欠け文字の認識を可能にしている。又、既に斜行／寄せの補正がされているので、金種識別部で発生している斜行、幅寄せの様な搬送状態の影響のない識別が可能である。
【００１６】
先ず予め定められた領域の画素値の最大値及び最小値を求め、その中間値をスレッショルド値として２値化し（ステップＳ２０１）、第１文字探索開始位置として金種及び方向の情報により予め設定した探索位置（ｘ，ｙ）を設定する（ステップＳ２０２）。記番号の２値化は図７に示すように行われ、記番号の文字間隔は一定しているので間隔分だけｘ方向に座標を加えて文字探索を行う。そして、図８に示すアルゴリズムのように、各座標の値ｉｍｇ（２値：−１，１（０は使用しない））に、学習によって決定されたウエイトＷの積を各座標の値とし、その総和と全てのウエイトの絶対値の総和との比を、数１に従って求めて各番号の文字に対する類似度とする。そして、候補となる全文字について類似度を計算し、最大類似度χ１を持つ第１候補の文字を特定し、次の準最大類似度χ２を持つ第２類似度の第２候補の文字を特定する（ステップＳ２０３）。
【００１７】
図８は認識しようとする文字のエリアにある画像データと、認識候補である各文字との間のウエイトＷj,[i]の関係を説明する図である。即ち、数１にある類似度χ[j]を求める際に使用するウエイトＷは、識別結果となる文字との間に存在し、各識別結果であるｊ番目の文字に対して画素番号ｉの全個数分存在することを示している。本実施例ではｉは１４４個存在するので、１文字に対してウエイトの数は１４４個存在する。被識別対象文字の画素値ｉｍｇ［ｉ］がフラッシュメモリ１６に書かれているウエイトＷj,[i]を用いて類似度χｊを計算することを示している。
【００１８】
【数１】

更に、第１候補との類似度χ１の値が予め決定された値以上であり、第２候補との類似度χ２との差が予め決定された値以上であれば、該当番号として認識する。即ち、第１候補χ１が所定値θより大きいか否かを判断し（ステップＳ２０４）、所定値θより大きい場合は、第１候補χ１と第２候補χ２との差が所定値εより大きいか否かを判断し（ステップＳ２０５）、所定値εより大きい場合には認識結果（第１候補χ１の文字）を決定し（ステップＳ２０６）、その後に最終文字であったかをチェックし（ステップＳ２１５）、最終文字でなければ次文字位置の設定を行なって（ステップＳ２１６）、上記ステップＳ２０３にリターンする。上記ステップＳ２０５で所定値εよりも小さいかった場合には誤認識の可能性が高いので、認識不可の決定（ステップ２１４）にジャンプする。又、上記ステップＳ２０４において第１候補χ１が所定値θ以下の場合には、ｘ,ｙを変更して文字位置の探索を行なう。即ち、ｘ軸方向に「＋１」進め（ステップＳ２１０）、ｘ座標が領域の右端に来たかをチェックし（ステップＳ２１１）、右端でなければステップＳ２０３にリターンし、右端であればｙ軸方向に「＋１」進んでｘ軸の値を初期値に戻す（ステップＳ２１２）。ここで、ｙが最大値になっていなければ（ステップＳ２１３）ステップＳ２０３にリターンし、類似度の計算評価を繰り返す。又、ｙが最大値であれば（ステップＳ２１３）認識不可の決定をする（ステップＳ２１４）。この様に予め決定した探索範囲であるか否かを判断し、ｙが最大値の範囲内であれば上記ステップＳ２０３にリターンし、範囲外の場合には認識不可を決定し（ステップＳ２１４）、認識最終文字か否かを判断し（ステップＳ２１５）、認識最終文字の場合にはリターンとなり、そうでない場合は上記ステップＳ２１６にスキップする。
【００１９】
次に、外部にパーソナルコンピュータを利用した記番号学習処理を、図９のフローチャート及び図１０のフローチャートを参照して説明する。
【００２０】
先ず、図９の処理では記番号認識のウエイトを自動的に学習するが、記番号識別装置より出力された２値化（−１或いは１）された記番号画像に対して以下のように学習し、ウエイトマップを学習によって得る。記番号ナンバーｊの文字を学習するとし、ｉは各画像画素位置を示し、本例では「１」から「１４４」まであり（図７参照）、ｉｍｇ［ｉ］は２値化された画素ｉ番目の値を示す。下記アルゴリズムによって複数画像の学習を繰り返し実行すると、文字画像の欠落、欠落無し等の変動が多く発生する画素のウエイトは小さくなり、変動のない画素のウエイトは大きな値となる（文字の常にある画素のウエイトはプラス方向に数字が大きくなり、文字の常に無い画素のウエイトはマイナス方向に数字が大きくなる）。その結果、欠け文字であっても認識が可能となる。即ち、欠け文字となる画素の部分のウエイトは小さいので影響を受けないようになるのである。又、類似文字（第２候補）の認識は、画素値（２値）に対して符号の異なる画素（特徴画素）はウエイトが大きくなり、その結果類似度差が大きく取れるので類似文字の認識が可能となる。
【００２１】
最初に学習モードを外部から設定するが、図１及び図３に示すようにパソコン４０を接続した時点に、パソコン４０からの指示により学習モードに入力するようにしてよい。先ず、処理を開始するか否かのトリガとなるスタートコマンドを待ち（ステップＳ４０１）、スタートコマンドを受信するとラインセンサ３及び４により初期データを読出して記憶し（ステップＳ４０２）、発光手段２を点灯する（ステップＳ４０３）。こうして準備ができればレスポンスを返送し（ステップＳ４０４）、これで紙幣１を搬送しても良い状態になる。紙幣の到来を待ち（ステップＳ４０５）、紙幣が来れば紙幣１枚分の画像データをメインメモリ１２に取込み（ステップＳ１００）、記番号の学習に当たり先行して金種方向の識別を行う（ステップＳ４１０）。特に金種識別については説明しないが、従来の公知技術によって十分に金種識別は可能である。金種識別の結果、金種識別結果が不明であればリジェクトコードの送出を行ってリジェクトを行い（ステップＳ４１１，Ｓ４１２）、リジェクトでない場合は記番号部画像データ識別結果の送出を行い（ステップＳ４１３）、更に金種識別結果／記番号部画像データの送出を行い（ステップＳ４１４）、発光手段２を消灯する（ステップＳ４１５）。その後パソコン４０からのスタートコマンド待ちとなる（ステップＳ４０１）。
【００２２】
その後、採取した紙幣の画像データを基に記番号の学習をパソコン４０側で開始する。図１０のフローチャートを参考にして説明する。
【００２３】
画像ｉｍｇ［ｉ］を２値化し（ステップＳ３０１）、パソコン４０より手動で上記ステップＳ４００で採取した学習用文字番号ｊとその文字位置を選択して入力されたものの該当データを読込み（ステップＳ３０２）、初めての学習か否かを判断し（ステップＳ３０３）、初めての学習であればウエイトＷj，［ｉ］（ｉは１〜１４４までの画素位置、ｊは文字の番号を示すので、上記ステップＳ３０２で指定された文字番号ｊにつき文字番号ｊのウエイトを１４４番地分クリアする）をクリアし（ステップＳ３０４）、初めての学習でなければフラッシュメモリ１６よりウエイトＷj，［ｉ］を読込み（ステップＳ３０５）、図１１のようにウエイトの更新を行う画素座標ｉにおいて、文字部分の座標であればウエイト値に「＋１」し、非文字の画素であればウエイト値を「−１」する（ステップＳ３０６）。図１１（Ａ）は第１回目の文字“５”の学習を示し、第１回目では画素［ｉ］は左図の画像データを基に、文字有りのｉｍｇ［ｉ］は「１」となり、文字無しのｉｍｇ［ｉ］は「−１」となる。図１１（Ｂ）は第２回目の文字“５”の学習を示しており、左図の一部欠け部分の画像データが学習されると、文字有りの座標ｉではＷ３３，［ｉ］＝Ｗ３３，［ｉ］＋ｉｍｇ［ｉ］＝Ｗ３３，［ｉ］＋１となり、文字無しの座標ｉではＷ３３,[ｉ］＝Ｗ３３，［ｉ］＋ｉｍｇ［ｉ］＝Ｗ３３，［ｉ」−１となる。
【００２４】
そして、前記数１により学習対象文字の類似度χｊを計算し（ステップＳ３０７）、予め決定した値をスレッショルドθとし、類似度χｊがスレッショルドθより小さいか否かを判断し（ステップＳ３１０）、スレッショルドθよりも小さければステップＳ３１１に進む。
【００２５】
ステップＳ３１１にて、学習対象文字の現在の学習ウエイトと符号の異なるウエイト座標（ｓｉｇｎ（ｉｍｇ［ｉ］）≠ｓｉｇｎ（Ｗj,[i])となる座標ｉのウエイト）をｄｉｆＷj,[ｉ］とし、これが存在するか否か、つまりＷj,[ｉ] ≧０となるか否かを判断し（ステップＳ３１２）、存在しなければ、下記数２又は数３に従ってウエイトを更新する。
【００２６】
【数２】
ｉｆ（χｊ＜θ）∧ｉｆ（ｄｉｆＷj,[ｉ］≦０）：ｄｉｆＷ［ｉ］，ｊ＋１；
そして、類似度χｊがスレッショルドθより小さい場合（ステップＳ３１０でＹｅｓの場合）、ステップＳ３１２で該当座標ｉのウエイトＷj,[i]が負又は０であれば、「１」を加えて新しいウエイトＷj,[i]とする（ステップＳ３１４）。
【００２７】
【数３】
ｉｆ（χｊ＜θ）∧ｉｆ（ｄｉｆＷj,[ｉ］＞０）：ｄｉｆＷ［ｉ］，ｊ −１；
逆に類似度χｊがスレッショルドθより小さく（ステップＳ３１０でＹｅｓの場合）、ステップＳ３１２で該当座標ｉのウエイトＷj,[i]が正であれば、「１」を減算して新しいウエイトＷj,[i]とする（ステップ３１３）。
【００２８】
【数４】
ｉｆ（χｊ≧θ）：ｅｎｄ
そして、類似度χｊを計算し（ステップＳ３０７）、類似度χｊがスレッショルドθより大きくなった場合には（ステップＳ３１０）、ループを終了する（数４）。
【００２９】
一部重複するが、上記数２，数３によるウエイトの更新は図１２に示すようであり、第ｎ回目学習対象文字の類似度χｊはχｊ＜θとなり、更新後を示す下段の図中の斜線部が更新されたウエイトを示している。即ち、図１２（Ｂ）の斜線部が同図（Ａ）で更新前のウエイトの符号と異なっている部分で、０に近づくように斜線部のウエイトのみを操作する。このような更新を符号の異なる画素ｉについてだけ実行し（ステップＳ３１１）、ウエイトＷj,[ｉ］が正か否かを判断し（ステップＳ３１２）、正の場合にはウエイトをＷj,[ｉ］−１（旧ウエイト値−１）に更新し（ステップＳ３１３）、負又は０の場合にはウエイトをＷj,[ ｉ］＋１(旧ウエイト値＋１）に更新する（ステップＳ３１４）。
【００３０】
一方、上記ステップＳ３１０において類似度χｊがスレッショルドθ以上の場合には、数１で学習対象文字の類似度をχｊとし、学習対象以外の文字の中で最も類似度の大きな文字番号をｊ２、この類似度をχｊ２とし、文字番号ｊに最も類似した文字の類似度χｊ２を計算し（ステップＳ３２０）、類似度χｊ及びχｊ２の差が予め決められた所定値α以下であるか否かを判断する（ステップＳ３２１）。そして、上記差が所定値α以下の場合には、下記数５に従ってウエイトを更新する。ウエイト更新は、図１３を図１４のように行うことによって実行される。文字番号ｊの文字と文字番号ｊ２の文字のイメージ座標ｉにおいて、符号の異なるウエイト座標をｄｉｆｉとした場合に、条件（χｊ−χｊ２）≦αの場合には、下記数５を実行する。
【００３１】
【数５】
ｉｆ（Ｗ［ｄｉｆｉ］，ｊ≧０）：Ｗ［ｄｉｆｉ］，ｊ＋１；
ｉｆ（Ｗ［ｄｉｆｉ］，ｊ＜０）：Ｗ［ｄｉｆｉ］，ｊ−１；
即ち、ステップＳ３２１において差が所定値α以下の場合には、符号の異なるｉのみに対して実行し（ステップＳ３２２）、Ｗj，［ｉ］の符号を判断して（ステップＳ３２３）、Ｗj，［ｉ］が正であればＷj，［ｉ］＋１に更新し（ステップＳ３２４）、Ｗj，［ｉ］が負であればＷj，［ｉ］−１に更新する（ステップＳ３２５）。その後、終了コマンドの有無を判断し（ステップＳ３３０）、無ければ上記ステップＳ３０２にリターンし、終了コマンドが有ればフラッシュメモリ１６に学習したウエイトを書込むことにより学習は終了する（ステップＳ３３１）。
【００３２】
フラッシュメモリ１６へのウエイトＷj，［ｉ］の書込みは，図１５に示すようにして別途パソコン４０からの書込コマンド（ステップＳ５００）により識別器側で書込みが行われる（ステップＳ５０１、Ｓ５０２）。学習後の“５”のウエイトマップは図１６（Ａ）のようになり、学習後の文字“６”のウエイトマップは同図（Ｂ）のようになる。この詳細を図１７に示すが、これは、文字“５”と文字“６”、文字“Ｃ”と文字“Ｇ”といったような似た文字同志の識別度を上げる為に、識別するための特徴点を故意に強調するためにウエイトを大きくしているのである。図１７の矢印部は“６”と区別する点なのでウエイトを大きくしている。又、図１８は文字“Ｃ”の説明をするものであって、文字“Ｇ”と区別をつけるために矢印部のウエイトを大きくととってある。更に、周辺部での斜線部は画像により欠けたり欠けなかったりすることがあるために、ウエイトを小さくしている。
【００３３】
【発明の効果】
本発明の記番号認識装置によれば、紙葉類の搬送状態に影響のない高速記番号認識が可能であり、記番号文字の探索により文字の位置ズレ、印刷ズレの変動に対しても、また，ウエイトの学習機能によって文字欠け等による変動に対しても影響の少ない認識が可能である。
【図面の簡単な説明】
【図１】本発明の全体構成を示すブロック図である。
【図２】紙幣と記番号の関係を示す図である。
【図３】本発明における画像処理判定部の詳細を示すブロック図である。
【図４】本発明の全体的動作例を示すフローチャートである。
【図５】識別処理においてデータ取込の詳細な動作例を示すフローチャートである。
【図６】本発明による記番号認識の動作例を示すフローチャートである。
【図７】２値化文字の座標例を示す図である。
【図８】本発明による記番号識別の画素の座標値と、被識別文字とウエイトＷijとの関係を示す図である。
【図９】記番号識別の学習動作例を示すフローチャートである。
【図１０】パソコンにおける学習動作例を示すフローチャートである。
【図１１】初回の学習における更新条件なしでのウエイトの更新を説明するための図である。
【図１２】類似度が所定値以下の場合のウエイトの更新を説明するための図である。
【図１３】最大類似度及び第２類似度が所定値以下の場合のウエイトの更新を説明するための図である。
【図１４】最大類似度及び第２類似度が所定値以下の場合のウエイトの更新を説明するための図である。
【図１５】パソコンによるフラッシュメモリへの書込み動作例を示すフローチャートである。
【図１６】文字“５”及び“６”の学習後のウエイトマップの例を示す図である。
【図１７】文字“５”を例にした学習によるウエイトマップの効果を示す図である。
【図１８】文字“６”を例にした学習によるウエイトマップの効果を示す図である。
【符号の説明】
１紙幣
２発光手段
３，４ラインセンサ
７通過センサ
８真偽センサ
１０画像処理判定部
２０識別器制御部
３０本体制御部

Claims

紙葉類の光学的イメージ画像データを処理して前記紙葉類の少なくとも種類及び方向を識別する紙葉類識別器において、前記紙葉類の画像を読取る第１センサと、前記紙葉類の画像の中の記番号を読取る前記第１のセンサよりも解像度の高い第２センサと、識別用のパラメータを格納する不揮発性メモリと、ＲＯＭ及びＲＡＭと協働して全体の制御を行うと共に、前記第１センサ及び第２センサの画像データ及び前記パラメータで前記紙葉類を識別する識別演算部とを備え、前記紙葉類の記番号を識別するようにしたことを特徴とする紙葉類の記番号認識装置。
請求項１に記載の紙葉類の記番号認識装置において、前記第１センサによる画像データに基づいて搬送される紙葉類の種類及び方向が判明した後、前記画像データから予め設定してある金種及び方向によって異なる記番号の印刷文字探索領域の情報に基づき、前記第２センサによる画像領域内でｘ軸方向及びｙ軸方向に座標を変換すると共に、その都度類似度の計算を行うことにより記番号の印刷文字探索領域を特定し、定められた値以上の類似度が得られかつ識別されるべき全ての文字との類似度を計算し、第１番目の認識候補の文字と第２番目の類似度を持つ候補の文字との間で類似度に所定の差があるときに、前記第１番目の認識候補の文字を識別結果と決定するようにしたことを特徴とする紙葉類の記番号認識方法。
前記紙葉類の番号文字を学習し、類似度を計算するに当り切り出された画像を所定のスレッショルドにより１及び−１からなる２値化を行って初回のウエイトマップとし、学習する画像毎に２値化した画素値と作成したウエイトマップの各画素分との符号を比較し、符号の異なる部分のみを加減算し、所定の評価値になるまで前記比較による加減算を繰り返し、既学習文字データの中から最も該当文字に類似した文字を第２候補として類似度を計算し、前記学習文字と前記第２候補との類似度差が所定値以上無い場合には、前記第２候補のウエイトマップと符号が異なる画素について差が多くなるように当該座標のウエイトを操作して学習するようにしたことを特徴とする紙葉類の記番号認識における学習方法。