JP4138935B2 - 紙葉類識別方法及び装置 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、自動販売機や両替機およびゲーム装置等に利用される紙幣識別装置に関するものであり、紙幣、小切手、金券、証券等、所定の印刷模様を表面に具備する紙葉の真偽を識別するための方法及び装置に関する。
【０００２】
【従来の技術】
紙幣の搬送に同期して該紙幣各部の色や濃度または紙幣に含まれる磁性粉等をセンサで検出してサンプリングデータを取得し、このサンプリングデータを基準パターンと比較することによって紙幣の種別およびその真偽を判定する紙幣識別装置は、例えば、特公昭６３−２６９１８号，特公昭６４−５３５４号等において提案されている。これら従来の紙幣識別装置では、各位置でサンプリングされたデータの全てが基準パターンのデータに対して許容範囲に収まっている場合にのみ、その基準パターンに対応した紙幣種別の真券信号を出力するようになっており、種別および真偽判定の信頼性は各位置毎のサンプリングデータの値と基準パターンのデータとの間の偏差にのみ依存している。従って、このような従来方式により偽紙幣を確実に排除するためには、判定基準となる許容範囲を相当に狭く設定する必要があるが、許容範囲を余り狭く設定すると、流通紙幣に付着した全体的な汚れによって検出データの値が均一にシフトしたような場合であっても真正紙幣が偽紙幣として判定される恐れがある。
一方、米ドル紙幣等にあっては、異なる金種間においても模様パターンが近似しているようなものにおいては、許容範囲が重複してしまうことがあり、正確な識別が困難であった。
【０００３】
紙幣の汚れや経年変化による検出データの変動および周囲温度の変化等に伴う検出データ値のドリフト等に対処するため、各位置でサンプリングされた検出データの平均により検出データに補正を加えて基準パターンと比較するようにした紙幣識別装置が特公昭５８−９９９０号として提案されているが、紙幣の一部に汚れが付着する等して部分的な変化が生じたような場合には、真正紙幣が偽紙幣としてリジェクトされてしまうという問題が残る。また、紙幣種別毎の基準データと度数分布との関係を記憶しておき、ファジイ理論に基づいて判定動作を行わせようとした紙幣識別装置が特開平２−１４８３８３号として提案されているが、このものは、検出データ自体に変動が生じた場合であっても比較対象となる度数分布データとの間で整合性を保持するための補正作業は一切行われないので、紙幣やセンサ類の経年変化や汚れ等に対処することはできない。
【０００４】
紙幣の種別およびその真偽を適確に判定するためには多数のセンサ，多数のサンプリングデータを用いて判定操作を行うことになるので、光学式センサと磁気式センサを併用するのが一般的であるが、そうすると、光学式センサと磁気式センサとで別途の判定回路を設けねばならず、構成が複雑化する。
【０００５】
更に、本発明に関連する従来技術としては、特開平３−２９２５８９号公報や、特開平４−１０２１８７号公報に記載された発明がある。特開平３−２９２５８９号公報においては、センサ検出データを正規化するために、該センサ検出データの平均値を求め、所定の標準平均値に対するセンサ検出データ平均値の比を補正係数として求め、この比をセンサ検出データに掛けることにより正規化を行なうようにしている。しかし、極めて単純な正規化処理でしかないため、個別のセンサの汚れや、個別のセンサの特性誤差あるいは組立て誤差、及び検査対象たる個別紙幣の汚れ等を要因として、センサ検出データは固有の誤差をもっているため、この固有の誤差要因を確実に除去して正規化することはできなかった。
特開平４−１０２１８７号公報においては、紙幣を複数のブロックに分割し、検査対象紙幣の各ブロック毎の検出データ平均値と或る金種についての各ブロック毎の標準平均値データとの差を夫々演算し、この差を合計する。このようにして各金種につきかかる差の合計値を求め、その値が最小のものを、当該検査対象紙幣の金種と判定するようにしている。しかし、この方法では、検出データの絶対値の平均値から差を求めるようにしているので、検査対象紙幣の汚れ等のバラツキの影響により、識別精度が劣る、という欠点がある。
【０００６】
【発明が解決しようとする課題】
本発明の目的は、前記従来技術の欠点を解消し、紙幣の経年変化や部分的な汚れ等による検出データの変動によって判定誤差が生じることが少なく、また、特徴検出用のセンサの固体誤差や経年変化等による識別誤差の影響を排除した、精度の良い、紙葉の真偽を識別する方法及び装置を提供することにある。
更に、特徴検出センサで検出したサンプルデータに対して、その印刷模様を抽出した正確なデータ補正を行い、正規化処理を適正に行うえるようにすることを目的とする。
更に、標本データの統計的な集計によって、紙葉の個別のバラツキを考慮した正確な真偽判定を行うことを目的とする。
更に、複数の金種（紙葉の種類）において、その模様パターンが近似しているものであっても、できるだけ正確に識別できるようにすることを目的とする。
更に、磁気式センサを併用せずに、光学式センサのみでも、精度の高い識別を行うことができるようにすることを目的とする。
【０００７】
【課題を解決するための手段】
本発明に係る紙葉類識別方法は、識別対象である紙葉の特徴をセンサにより検出し、該紙葉の複数の所定位置についての検出データを得る第１のステップと、前記各位置の検出データを所定値に対する相対値データに変換する第２のステップと、前記相対値データを所定の正規化パラメータを用いて正規化し、これにより各位置の補正サンプルデータを得る第３のステップと、予め用意された各位置毎の標準平均と標準偏差とを使用して、前記各位置毎の補正サンプルデータを統計的に評価し、これにより前記紙葉を識別する第４のステップとを具備する。
【０００８】
前記第２のステップにおいて、センサの検出データを相対値データに変換することにより、紙葉の表面の印刷模様のパターンを抽出したデータ（後述の実施例における変化パターンデータＤｐ（Ｉ）に相当するデータ）を得ることができる。前記第３のステップにおいて、この相対値データを正規化することにより、補正サンプルデータ（実施例におけるＣＤＡＴＡ（Ｉ）に相当するデータ）が得られる。このような相対値データを正規化することによって、使用するセンサの個体誤差や、識別対象紙葉の個体差（紙葉全体または一部におけるしわや汚れなど有無による差）を考慮した、適切なデータ正規化処理が可能となる。前記第４のステップにおいては、予め用意された各位置毎の標準平均（後述の実施例における走査位置標準平均ＨＭＸＡＤＲ（Ｉ）に相当するパラメータ）と標準偏差（実施例における走査位置標準偏差ＨＭＳＡＤＲ（Ｉ）に相当するパラメータ）とを使用して、前記各位置毎の補正サンプルデータを統計的に評価する。このような統計的手法による評価は、識別精度を向上させるので、有益である。特に、米ドル紙幣のように、異なる金種間において印刷模様パターンが比較的似ているような紙幣の識別に際して、効果を発揮する。
【０００９】
本発明においては、前記第２のステップは、前記所定値として前記各位置の検出データの中の最小値または最大値を選択するステップを含み、前記各位置の検出データを該選択された最小値または最大値に対する相対値データに変換する。
また、前記第３のステップは、各位置の前記相対値データの平均値を算出するステップと、前記相対値データの平均値に関する所定の相対標準平均を前記所定の正規化パラメータとして使用し、この相対標準平均に対する前記算出された平均値の比を、補正係数として、算出するステップと、各位置の前記相対値データを前記補正係数によって補正する演算を行ない、各位置の前記補正サンプルデータを算出するステップとを含む。
このように、検出データの中の最小値または最大値に対する相対値データに該検出データを変換し、この相対値データの平均値の所定の相対標準平均に対する比を補正係数として、該相対値データを補正する演算処理すなわちデータ正規化処理を行なうことは、精度のよい正規化をもたらすものである。例えば、紙葉表面の一部の汚れを無視できるようになる。
【００１０】
また、前記第４のステップは、各位置毎に、前記補正サンプルデータと前記標準平均との差を前記標準偏差で除す演算を行なうことにより、該補正サンプルデータを正規化された離隔値に変換するステップと、各位置毎の前記正規化された離隔値を、所定の判定基準により評価するステップとを含む。これにより、評価対象紙幣の各位置毎のサンプルデータが、標準平均と標準偏差に応じた離隔値という形で、正規化もしくは標準化されることとなり、判定処理を容易にすると共に、識別精度を向上させることができる。
【００１１】
なお、この出願において、「離隔値」という用語は、説明の便宜上使用する用語にすぎず、必ずしも統計学上学術的に確立されている用語といえるものではない。すなわち、この出願において使用している「離隔値」の語の意義は、或るサンプルデータが、標準平均から標準偏差の何倍だけ隔たっているか、ということを具体的な数値で示すものである。このような意義は、統計学上一般に使用される「標準化変量」という用語に相当するものである。従って、この出願において使用している「離隔値」の用語を、「標準化変量」という用語に置き換えてもよい。かくして、センサ出力に基づく補正サンプルデータの離隔値（すなわち実施例における走査位置離隔値ＳＰＤ（Ｉ））は、紙葉における所定の各位置毎の標準平均（実施例における走査位置標準平均ＨＭＸＡＤＲ（Ｉ））からの該サンプルデータの隔たり具合を、正規化または標準化して表現するものである。よって、この離隔値の値の大小は、標準平均に対する近似度を正規化して示しているものであり、例えば離隔値が小さいほど標準平均により近いことを意味する。従って、この離隔値を、所定の判定基準値（後述する実施例における走査位置判定倍率ＰＭＳＴに相当）と比較することにより、識別対象紙葉について適切な評価を下すことができる。すなわち、この判定基準値は真券として許容しうる離隔値の上限値を示し、離隔値が判定基準値より大であれば、識別対象紙葉は偽券と識別して受入れを拒絶する。ここで、離隔値は正規化された値であるから、１つのセンサに対応する全ての走査位置の離隔値に対して、共通の１つの判定基準値を使用することができる。従って、判定基準データの準備とその記憶構成を簡素化することができる。なお、真券として受入れ、偽券として拒絶するための最終基準は、適宜定めてよい。例えば、１つのセンサに対応する全ての走査位置の離隔値が所定の判定基準を満たしている場合に、真券と判定し、それ以外の場合は偽券と判定するようにしてもよいし、あるいは、それに限らない。なお、判定基準値は１つの数値であるから、これを調整可能とすることは容易に行なえるものであり、そうすれば、識別感度の調整を行なうことができる。よって、この発明では、紙葉識別の際の感度調整を極めて容易に行なうことができる。
【００１２】
識別のためのパラメータとして、総合離隔値の概念を導入することは、極めて有利である。前記各位置毎の正規化された離隔値を合計することにより総合離隔値（実施例におけるＴＯＤ）を算出することができる。予め用意された統計的基準データを使用して、前記総合離隔値を統計的に評価することにより紙葉の真偽を識別することができる。この統計的基準データの一例は、多数のサンプル紙葉から得た総合離隔値に基づき、総合離隔値標準平均（実施例におけるＲＴＸＸＸ）と総合離隔値標準偏差（実施例におけるＲＴＳＩＧ）とを求め、そこにおける標準化変量の限界値をシミュレーションによって求め、これに基づき総合離隔値判定基準値（実施例における総合離隔値判定倍率ＴＭＳＴ）を作成することにより得られる。このように、１つの値に集約された総合離隔値を導入し、識別に利用することは、識別精度を一層向上させる上で有利である。例えば、１つの識別対象紙葉について、複数の種類（金種）に該当するとの一次的評価が得られたような場合、総合離隔値により最も高い評価が示されている種類（金種）を選択することができるので、該当種類（金種）の絞り込みに有利に利用できる。
【００１３】
例えば、米ドル紙幣のように、異なる金種間において印刷模様パターンが比較的似ているような紙幣の識別に際しては、識別のための判定基準を厳しくすれば異金種間の識別を確実に行なうことができるが、その一方で、真券でありながら経年劣化や汚れ等のために、厳しい判定基準に合格しないものが出で来るので、真券を拒絶してしまう識別エラーが多く発生する。また、従来は磁気センサを使用して印刷インク中の磁気成分の違いによって金種を識別するようにもしているが、そうすると、光学式センサのみならず磁気センサも必要になるため、製造コストがかかってしまう。
【００１４】
そこで、本発明では、金種の識別のための判定基準をそれほど厳しくしないものとする、もしくは磁気センサを使用せずに光学式センサのみを使用する、等任意の設計に従い、１つの識別対象紙葉が複数の異なる種類に重複して該当するとの識別結果が１次的評価で出ることを許容する構成として、１次的評価においてそのような重複識別結果が出た場合、所定の２次的評価を行なうことにより、識別精度を上げるようにしたことを特徴としている。
この場合に、センサからの検出データによって示される特徴が互いに近似している複数の紙葉種類を示す情報を記憶したテーブルを予め用意しておき、このテーブルを参照して処理を行なうようにすると、効率的である。
また、２次的評価のモードとしては、識別対象紙葉が複数の紙葉種類に重複して該当すると判定された場合、最も評価度の高い値を持つ１つの種類を選択するモードであってもよい。２次的評価の別のモードとしては、識別対象紙葉が複数の紙葉種類に重複して該当すると判定された場合、該識別対象紙葉を不良と判定して拒絶するようなモードであってもよい。その場合、どのモードを使用するかを、所定の近似する各紙葉種類の組合せ毎に、設定しておくようにしてもよい。
【００１５】
更に、実際問題として、所定の高額紙幣については、巧妙に作成された偽券が出回る事例が多いので、本発明においては、そのような巧妙に作成された偽券を適切に排除するための新規な対策をも提案する。すなわち、判定基準データとして、真券用の判定基準データのみならず、そのような巧妙に作成された所定の偽券についての判定基準データをも予め用意しておき、メモリ等に記憶しておく。そして、識別対象紙葉が真券用の判定基準データによる判定条件を充足したとしても、該所定の偽券用の判定基準データによる判定条件をも充足している場合は、該識別対象紙葉を不良と判定するようにしたことを特徴とするものである。これにより、巧妙に作成された偽券を適切に排除することができる。
【００１６】
本発明は紙葉類識別方法として構成し実施することができるのみならず、紙葉類識別装置として構成し実施することもできるし、本発明をコンピュータを用いて実施する場合においては該コンピュータによって実行されるプログラムを記憶した記録媒体の形態で本発明を構成し実施することもできる。
【００１７】
【発明の実施の形態】
以下、添付図面を参照してこの発明の実施の形態を詳細に説明しよう。
〔装置の全体的説明〕
図１は本発明に係る紙幣識別方法を適用する紙幣識別装置における紙幣搬送機構及びセンサ部を示す概略平面図である。図２は該紙幣識別装置の制御部の概略を示すブロック図である。
【００１８】
図１において、紙幣搬送路を形成するプレート１の両側には、駆動側タイミングプーリ２および従動側タイミングプーリ３に巻回されたタイミングベルト４によって構成される２組のベルト搬送機構が設けられており、両側の駆動側タイミングプーリ２を回転駆動するモータＭの作動により挿入紙幣が搬送されるようになっている。パルスコーダＰＣはモータＭの所定回転毎に回転検出信号を出力するものである。所定の配置で複数対（例えば５対）の紙幣検知用光学式センサＰ０〜Ｐ４が設けられている。各センサＰ０〜Ｐ４は、プレート１上に形成された紙幣搬送路を挟んで上下に配置された一対の発光素子および受光素子（光電変換器）によって構成される透過型の光学センサであって、挿入紙幣を透過する光の量に応じて電気信号を出力するようになっている。なお、紙幣の挿入方向は図１の左から右に向かう方向（矢印Ｘ方向）である。
【００１９】
図２に示されるように、センサＰ０〜Ｐ４の受光素子からの出力信号は、前置増幅器１０〜１４を介してＡ／Ｄ変換器２０〜２４に与えられ、ディジタルデータに変換される。各Ａ／Ｄ変換器２０〜２４の出力は入出力回路３０を介してＣＰＵ３１に接続される。ＲＯＭおよび不揮発性ＲＡＭ並びにワーキング用ＲＡＭ等を含んで構成されるメモリ３２には、紙幣識別装置のシーケンス動作や紙幣の判定等に関する制御プログラム、および、紙幣の判定等に必要とされる各種の基準データ（設定データ）が記憶される。また、紙幣の判定等に必要とされる各種の基準データの作成段階においては、基準データ作成用のプログラムもメモリ３２に搭載される。ＣＰＵ（中央処理装置）３１は、メモリ３２に記憶したプログラムを実行して、事前の基準データ作成のためのデータ集計処理及びその後の投入紙幣判定処理その他の各種処理を行う。データ入力装置３３は、キーボード等を含んで構成されており、必要なデータやコマンドを手動入力するために利用される。ベルト搬送機構の駆動源となるモータＭはモータ駆動回路２５および入出力回路３０を介してＣＰＵ３１によって駆動制御され、また、パルスコーダＰＣからの回転検出信号が入出力回路３０を介してＣＰＵ３１に入力される。なお、３４は入出力インターフェイスであり、該紙幣識別装置を装着した自動販売機やゲーム装置等との間で信号の入出力を行う。
【００２０】
なお、通常の実施形態では、基準データ作成用プログラムは、ユーザーに供給される紙幣識別装置には搭載されず、ユーザーに供給する紙幣識別装置を製作することがオーソライズされた製造者側の装置において搭載される。製造者側の装置において、基準データ作成用プログラムに基づいて、後述のような処理手順で、紙幣の判定等に必要とされる多数のデータ集計処理がなされる。この事前のデータ集計処理は、複数の紙幣識別装置を用いて、様々な条件下及び環境下で行われ、最終的に中央のコンピュータシステム（図示せず）によって取りまとめられ、その取りまとめ結果に基づき各種の基準データが作成される。そして、この基準データを記憶したテーブルがファクトリー・セットで、ＲＯＭ又は不揮発性ＲＡＭに記憶され、そのような基準データをメモリ３２内のテーブルに記憶済の紙幣識別装置がユーザーに対して供給される。勿論、これに限らず、基準データ作成用プログラムを用いて、ユーザー自らが基準データを作成することができるようにしてもよい。
【００２１】
紙幣の入口寄りに設けられたセンサＰ０，Ｐ１は、紙幣の挿入検知用に利用される。すなわち、挿入された紙幣の先端がセンサＰ０，Ｐ１の発光素子と受光素子との間に入ると、該センサＰ０，Ｐ１の受光素子による検出光量が減少することをもって該紙幣の挿入を検知し、モータＭを正転して挿入紙幣の取り込みを開始する。モータＭが回転すると、モータＭの所定回転毎にパルスコーダＰＣから出力される回転検出信号に同期して挿入紙幣上の所定位置の光透過率を各センサＰ０〜Ｐ４で検出する。各センサＰ０〜Ｐ４は、紙幣搬送方向（矢印Ｘ）に直角な方向に関してそれぞれずれて配置されており、それぞれ異なる位置で紙幣の透過光量パターン（印刷模様及びすかし模様等）を検出する。
【００２２】
図３（ａ）は紙幣５の平面略図を示し、かつ、該紙幣上における各センサＰ０〜Ｐ４による走査ラインを一点鎖線で示す。図３（ｂ）は、１つのセンサ（例えばセンサＰ３）の検出信号レベルの一例を示す。縦軸は、ディジタル変換された検出信号レベルの絶対値を示す。横軸は、走査位置（時間）を示す。すなわち、パルスコーダＰＣからの回転検出信号に基づき走査位置が特定され、各走査位置に対応するセンサＰ３の出力信号のディジタル値を例示したものが図３（ｂ）である。以下の説明においては、走査位置を順序数Ｉで示す。Ｉは、Ｉ＝１，２，３，…“所定の最大値”（これをＩmaxで示す）と変化する。図３の例では、センサＰ３の走査ラインにおいて、符号５ａを付した箇所が最も印刷が濃く、最小透過レベルＭＩＮを示す。また、符号５ｂは透し模様の箇所であり、この部分では透過レベルは相対的に高い。最小透過レベルＭＩＮの絶対値は、紙幣５の全体的な汚れやセンサの固体誤差あるいは経年変化等、種々の要因に依存して、変動する。図３（ｂ）の斜線を付した部分は、模様の変化パターンを反映している部分である。このように、各センサＰ０〜Ｐ４毎にその走査ラインに沿う模様（印刷模様及びすかし模様等）の透過光量パターンが固有のパターンを示す。
【００２３】
〔基準データの作成の概略〕
次に、紙幣判定に必要とされる各種の基準データの作成手順について説明する。
図４は、紙幣判定に必要とされる各種の基準データを作成するための処理手順を大まかに示すフロー図である。
ステップＳ１：多数のサンプル紙幣についてのセンサデータの収集
最初のステップＳ１では、複数の紙幣識別装置を使用して、多数の紙幣についての様々な環境下、条件下での、センサデータ（各センサＰ０〜Ｐ４による検出データ）を収集し、多数のサンプルデータファイルを作成する。すなわち、ここでは、複数の各紙幣識別装置における各センサＰ０〜Ｐ４の組立誤差や固体誤差を考慮したサンプルデータ収集が行えるようにするために、複数の紙幣識別装置を使用して、かつ、異なる温度条件等の環境下で、多数のサンプル紙幣を該紙幣識別装置に挿入し、これに応じて各センサＰ０〜Ｐ４で検出した検出データをサンプルデータファイルとしてハードディスク等に保存する。サンプル紙幣としては、例えば、同じ金種ではあるが製造工場の異なる紙幣、新しい・未使用紙幣、汚れた・流通済紙幣など、様々な条件を満たす真券紙幣を、各金種毎に多数用意する。そして、各紙幣識別装置と中央のホストコンピュータシステムとをシリアル通信回線等で接続し、各紙幣識別装置で検出したセンサデータをホストコンピュータシステムに送信してサンプルデータファイルとしてハードディスク等に保存する。その場合、紙幣の金種、挿入方向、センサＰ０〜Ｐ４の区別等の付加情報も勿論記録しておく。
【００２４】
ステップＳ２：センサデータ集計処理
次のステップＳ２では、ホストコンピュータシステムが、センサデータ集計処理用の所定のプログラム（図５Ａ，図５Ｂ）を実行することにより、上記収集した多数のサンプルデータファイルについて、所定の集計処理を行う。この集計処理は、各金種毎に（例えば１ドル紙幣、５ドル紙幣、１０ドル紙幣の３金種）、かつ、１金種につき複数の異なる挿入方向毎に（すなわち、表の一方向、表の逆方向、裏の一方向、裏の逆方向、の４方向）、かつ５個の各センサＰ０〜Ｐ４毎に、（すなわち、金種、挿入方向、センサという３つの項目の組合せに対応して、）それぞれ行われる。このステップＳ２では、図５Ａ，図５Ｂに示す「センサデータ集計処理」プログラムに従って、１つの組合せに関する集計処理が行われる。１つの組合せに関する集計処理とは、１金種についての１挿入方向に関する１つのセンサの検出データについての集計処理である。例えば、「１ドル紙幣」を「表にして一方向に挿入」したときの「或るセンサ（例えばＰ３）」の検出データについての集計処理が、１つの組合せに関する集計処理である。この１つの組合せに関する集計処理が、多数枚（例えば７０００枚位）のサンプルデータファイルを基にして行われる。換言すれば、１つの組合せに関する集計処理のために、所定の多数枚（例えば７０００枚）分のサンプルデータファイルを、前記ステップＳ１で収集しておくものとする。
【００２５】
従って、このステップＳ２では、実際は、上記の３金種、４挿入方向、５センサという条件では、合計６０個の組合せに関する集計処理がそれぞれ行われることになる。しかし、各組合せに関する集計処理の手順は、図５Ａ，図５Ｂに示されたような同じ処理手順からなるため、以下では、説明の簡単化のために、１つの組合せについての集計処理のみについて図５Ａ，図５Ｂを参照して詳しく説明することにする。
【００２６】
ステップＳ３：基準データテーブルの作成
次のステップＳ３では、前のステップＳ２で求めた集計結果に基づき、各組合せ毎（金種、挿入方向及びセンサ別）に、紙幣判定に必要とされる各種の基準データを作成し、それらをテーブル化してＲＯＭ等に記憶する。基準データの詳しい内容については、追って説明する。
【００２７】
〔センサデータ集計処理の概略説明〕
この「センサデータ集計処理」では、図５Ａ，図５Ｂに示すメインルーチン、及び図６〜図９Ｂに示すサブルーチンを使用する。図示の都合上、メインルーチンは、図５Ａと図５Ｂに分けられているが、「１」の記号が付された接続部を介して接続される。また、図９Ａ，図９Ｂは連続するサブルーチンであり、「２」「３」「４」の記号が付された接続部を介してそれぞれ接続される。
この「センサデータ集計処理」の主な役割は、
（１）「絶対標準平均」の算出
（２）「パターン標準平均」の算出
（３）「走査位置標準平均」の算出
（４）「走査位置標準偏差」の算出
である。好ましくは、「センサデータ集計処理」の更なる役割は、
（５）「総合離隔値標準平均」の算出
（６）「総合離隔値標準偏差」の算出
である。
【００２８】
なお、以下の説明で、「１サンプル」とは、１枚の紙幣についての１走査ラインに関するサンプルデータファイル（１センサの検出データ）のことである。従って、１サンプルデータファイルは、１つのセンサから得られる各走査位置番号Ｉ（ただし、Ｉ＝１，２，３，…Ｉmax）についての検出データからなっている。Ｉmaxは、例えば「３２」程度の数である。
各サンプルを区別するためのサンプル番号をＮで示す。Ｎは、Ｎ＝１，２，３，…「所定の最大値」（これをｎmaxで示す)の値をとる順序数である。ｎmaxは、例えば「７０００」程度の大きな数である。
１つのセンサデータを、ＮＤＡＴＡ（Ｎ，Ｉ）で示す。つまり、ＮＤＡＴＡ（Ｎ，Ｉ）は、サンプル番号Ｎのサンプルデータファイルにおける走査位置番号Ｉの検出データ（センサデータ）の絶対値を示す。
【００２９】
（１）「絶対標準平均」（ＡＢＳＸ）とは、
下記「数１」の式で示される「１サンプルデータファイルの絶対値の平均値」Ｄav（Ｎ）を、すべてのＮについて求め、これを下記「数２」の式で示されるように平均化することによって求められる１つの値である。このＡＢＳＸの一例が例示的に図３（ｂ）において示されている。
【００３０】
【数１】

【数２】

【００３１】
（２）「パターン標準平均」（ＰＭＸ）とは、
下記「数３」の式によって、「１サンプルデータファイル内の各走査位置Ｉ毎の絶対値」ＮＤＡＴＡ（Ｎ，Ｉ）から「該サンプルデータファイル内の最小値」ＭＩＮをそれぞれ引いて、「変化パターンデータ」Ｄp（Ｎ，Ｉ）を求め、
これを下記「数４」の式で示されるように平均化した値Ｄpav（Ｎ）を、すべてのＮについて求め、
これを下記「数５」の式で示されるように平均化することによって求められる１つの値である。
このＰＭＸの一例が例示的に図３（ｂ）において示されている。最小値ＭＩＮは、図３（ｂ）でＭＩＮとして示されたものに相当する。また、図３（ｂ）で斜線を付した部分（模様の変化パターンを反映している部分）が、上記「変化パターンデータ」Ｄp（Ｎ，Ｉ）の部分に相当している。
「数３」の式によって示された「変化パターンデータ」Ｄp（Ｎ，Ｉ）は、絶対値であるデータＮＤＡＴＡ（Ｎ，Ｉ）を該ファイル内の最小値ＭＩＮに対する差で表わした相対値データである。
【００３２】
【数３】

【数４】

【数５】

【００３３】
（３）「走査位置標準平均」（ＨＭＸＡＤＲ（Ｉ））とは、
上記「数４」の式で示される「１サンプルの変化パターンデータの平均値」Ｄpav（Ｎ）と上記「数５」の式で示される「パターン標準平均」ＰＭＸとの比からなる「パターン補正係数」ＡＪＳ（Ｎ）を、下記「数６」に示されるように、すべてのＮについてそれぞれ求め、
上記「数３」の式で示される「１サンプルの変化パターンデータ」Ｄp（Ｎ，Ｉ）に上記「パターン補正係数」ＡＪＳ（Ｎ）をそれぞれ掛け、その積に上記「絶対標準平均」ＡＢＳＸと「パターン標準平均」ＰＭＸとの差を加算してなる「補正サンプルデータファイル」ＣＤＡＴＡ（Ｎ，Ｉ）を、下記「数７」に示されるように、すべてのＮ及びＩについてそれぞれ求め、そして、
各走査位置Ｉ毎の上記「補正サンプルデータファイル」ＣＤＡＴＡ（Ｎ，Ｉ）の平均値を、下記「数８」の式で示されるように、それぞれ求めることにより得られる値である。
【００３４】
「数７」の式によって示される「補正サンプルデータファイル」ＣＤＡＴＡ（Ｎ，Ｉ）は、相対値からなる補正サンプルデータを正規化したものである。なお、「数７」の式において、「絶対標準平均」ＡＢＳＸと「パターン標準平均」ＰＭＸとの差を加算する部分を省略し、Ｄｐ（Ｎ，Ｉ）にＡＪＳ（Ｎ）を掛ける項のみとしてもよい。
【００３５】
【数６】

【数７】

【数８】

【００３６】
（４）「走査位置標準偏差」（ＨＭＳＡＤＲ（Ｉ））とは、
上記「数７」で示される上記「補正サンプルデータファイル」ＣＤＡＴＡ（Ｎ，Ｉ）を用いて、各走査位置Ｉ毎に、下記の「数９」の式によって求める標準偏差である。
【数９】

【００３７】
（５）「総合離隔値標準平均」（ＲＴＸＸＸ）とは、
上記「数７」で示される「補正サンプルデータファイル」ＣＤＡＴＡ（Ｎ，Ｉ）と、上記「数８」で示される走査位置標準平均ＨＭＸＡＤＲ（Ｉ）と、上記「数９」で示される走査位置標準偏差ＨＭＳＡＤＲ（Ｉ）とから、下記の「数１０」により、各サンプルＮ毎の「総合離隔値」ＴＯＤ（Ｎ）を求め、
下記の「数１１」によってその算術平均を求めることにより得られるものである。
【００３８】
【数１０】

【数１１】

【００３９】
（６）「総合離隔値標準偏差」（ＲＴＳＩＧ）とは、
上記「数１０」で示される「総合離隔値」ＴＯＤ（Ｎ）を用いて、下記の「数１２」の式によって求める標準偏差である。
【数１２】

【００４０】
〔センサデータ集計処理の詳細説明〕
次に、図５Ａ〜図９Ｂによって、「センサデータ集計処理」の具体例を説明する。
図５Ａにおいて、最初のステップＳ１０では、すべてのデータ配列の初期化処理（レジスタ類の初期化）を行う。
次のステップＳ１１では、図６に示す「絶対標準平均とパターン標準平均算出」のサブルーチンを行う。図６のサブルーチンでは、上記の「絶対標準平均」ＡＢＳＸと「パターン標準平均」ＰＭＸを算出する。
まず、サンプル番号Ｎを記憶するレジスタの内容を最初の値「１」にセットする（ステップＳ３０）。次のステップＳ３１では、図８に示す「最小値検出（ＭＩＮ検出）」のサブルーチンを行う。
【００４１】
図８において、まず、ステップＳ５０では、最小値ＭＩＮをストアするレジスタの内容を、最大値「９９９」に初期設定する。
次に、走査位置番号Ｉを最初の値「１」にセットする（ステップＳ５１）。
次のステップＳ５２では、ＮとＩによって特定される１サンプルデータファイル（Ｎ）内の１走査位置（Ｉ）のセンサデータの絶対値ＮＤＡＴＡ（Ｎ，Ｉ）が最小値レジスタＭＩＮのストア値よりも小さいかを判断する。ＹＥＳであれば、ステップＳ５３に行き、この値ＮＤＡＴＡ（Ｎ，Ｉ）をレジスタＭＩＮにストアする（ＭＩＮを更新する）。次に、Ｉを１増加し（ステップＳ５４）、Ｉが最大値Ｉmaxより大になったかを判断し（ステップＳ５５）、ＮＯであればステップＳ５２に戻り、処理を繰返す。こうして、すべてのＩについて、その値ＮＤＡＴＡ（Ｎ，Ｉ）の大小をチェックし、最後にレジスタＭＩＮにストアされている値が真の最小値ＭＩＮを示していることになる。こうして、サンプル番号Ｎについての１サンプルデータファイル内のセンサデータの最小値ＭＩＮが検出される。
【００４２】
図６に戻ると、ステップＳ３２では、計算途中のデータを一時記憶するためのレジスタＡＲＥＧとＢＲＥＧの内容をそれぞれ「０」にクリアする。レジスタＡＲＥＧは「絶対標準平均」ＡＢＳＸの計算に使用され、レジスタＢＲＥＧは「パターン標準平均」ＰＭＸの計算に使用される。
ステップＳ３３では、走査位置番号Ｉを最初の値「１」にセットする。
ステップＳ３４では、ＮとＩによって特定される１サンプルデータファイル（Ｎ）内の１走査位置（Ｉ）のセンサデータの絶対値ＮＤＡＴＡ（Ｎ，Ｉ）を、レジスタＡＲＥＧの現在値に累算する。また、この値ＮＤＡＴＡ（Ｎ，Ｉ）と上記のように検出した最小値ＭＩＮとの差を求め、これをレジスタＢＲＥＧの現在値に累算する。
【００４３】
次に、Ｉを１増加し（ステップＳ３５）、Ｉが最大値Ｉmaxより大になったかを判断し（ステップＳ３６）、ＮＯであればステップＳ３４に戻り、処理を繰返す。こうして、すべてのＩについて、ステップＳ３４での累算処理を行い、ステップＳ３６がＹＥＳとなったときは、レジスタＡＲＥＧには、そのサンプルデータファイル（Ｎ）についての全てのＩについてのＮＤＡＴＡ（Ｎ，Ｉ）の合計値がストアされ、レジスタＢＲＥＧには、そのサンプルデータファイル（Ｎ）についての全てのＩについての「ＮＤＡＴＡ（Ｎ，Ｉ）−ＭＩＮ」の合計値がストアされている。
【００４４】
ステップＳ３７では、各レジスタＡＲＥＧ，ＢＲＥＧにストアされている上記合計値をＩmaxで割算して、平均値を求める。すなわち、「ＡＲＥＧ／Ｉmax」は、前記「数１」で求める「サンプル平均値Ｄav（Ｎ）」に相当する。また、「ＢＲＥＧ／Ｉmax」は、前記「数４」で求める「変化パターン平均値Ｄpav（Ｎ）」に相当する。そして、求めた各平均値を、それぞれレジスタＡＢＳＸ，ＰＭＸの現在値に累算して、該レジスタＡＢＳＸ，ＰＭＸの内容を更新する。なお、レジスタＡＢＳＸ，ＰＭＸの内容は、初期化処理によって最初は「０」にクリアされている。
【００４５】
次に、Ｎを１増加し（ステップＳ３８）、Ｎが最大値ｎmaxより大になったかを判断し（ステップＳ３９）、ＮＯであればステップＳ３１に戻り、処理を繰返す。こうして、すべてのＮについて、ステップＳ３１〜Ｓ３７の処理を行い、ステップＳ３９がＹＥＳとなったときは、レジスタＡＢＳＸには、すべてのＮについての「サンプル平均値Ｄav（Ｎ）」の合計値（数２の式の左辺の分子）がストアされ、レジスタＰＭＸには、すべてのＮについての「変化パターン平均値Ｄpav（Ｎ）」の合計値（数５の式の左辺の分子）がストアされている。次のステップＳ４０では、各レジスタＡＢＳＸ，ＰＭＸの内容を全サンプル数ｎmaxで割算して平均値を求め、その結果を各レジスタＡＢＳＸ，ＰＭＸにそれぞれストアする。こうして、最終的に、レジスタＡＢＳＸには前記数２で示される「絶対標準平均ＡＢＳＸ」がストアされ、レジスタＰＭＸには前記数５で示される「パターン標準平均ＰＭＸ」がストアされる。
【００４６】
図６のサブルーチンを終了すると、図５ＡのステップＳ１２に戻る。
ステップＳ１２では、サンプル番号Ｎを記憶するレジスタの内容を最初の値「１」にセットする。次のステップＳ１３では、図７に示す「変化パターン平均算出」のサブルーチンを行う。
図７において、まず、ステップＳ４１では、図８に示す「最小値検出（ＭＩＮ検出）」のサブルーチンを行い、サンプル番号Ｎについての１サンプルデータファイル中の最小値ＭＩＮを検出する。次に、レジスタＡＲＥＧを「０」にクリアし（ステップＳ４２）、Ｉを「１」にセットする（ステップＳ４３）。
次のステップＳ４４では、ＮとＩによって特定される１サンプルデータファイル（Ｎ）内の１走査位置（Ｉ）のセンサデータの絶対値ＮＤＡＴＡ（Ｎ，Ｉ）と上記のように検出した最小値ＭＩＮとの差を求め、これをレジスタＡＲＥＧの現在値に累算する。この差は、前記数３の「変化パターンデータＤp（Ｎ，Ｉ）」に相当する。
【００４７】
次に、Ｉを１増加し（ステップＳ４５）、Ｉが最大値Ｉmaxより大になったかを判断し（ステップＳ４６）、ＮＯであればステップＳ４４に戻り、処理を繰返す。こうして、すべてのＩについて、ステップＳ４４での累算処理を行い、ステップＳ４６がＹＥＳとなったときは、レジスタＡＲＥＧには、そのサンプルデータファイル（Ｎ）についての全てのＩについての「ＮＤＡＴＡ（Ｎ，Ｉ）−ＭＩＮ」の合計値がストアされている。この合計値は、前記数４の左辺の分子に相当する。次のステップＳ４７では、レジスタＡＲＥＧにストアされている上記合計値をＩmaxで割算して、平均値を求め、これによってレジスタＡＲＥＧの値を更新する。すなわち、「ＡＲＥＧ／Ｉmax」は、前記「数４」で求める「変化パターン平均値Ｄpav（Ｎ）」に相当する。
【００４８】
図７のサブルーチンを終了すると、図５ＡのステップＳ１４に戻る。
ステップＳ１４では、「パターン標準平均ＰＭＸ」を、レジスタＡＲＥＧの「変化パターン平均値Ｄpav（Ｎ）」で割算し、前記数６に示された「パターン補正係数ＡＪＳ（Ｎ）」を求め、これをレジスタＡＪＳにストアする。
次に、Ｉを「１」にセットする（ステップＳ１５）。
次のステップＳ１６では、ＮとＩによって特定される１サンプルデータファイル（Ｎ）内の１走査位置（Ｉ）のセンサデータの絶対値ＮＤＡＴＡ（Ｎ，Ｉ）と、該データファイルにおける最小値ＭＩＮと、各レジスタＡＢＳＸ，ＰＭＸ，ＡＪＳにストアした値とを使用して、
｛ＮＤＡＴＡ（Ｎ，Ｉ）−ＭＩＮ｝＊ＡＪＳ＋ＡＢＳＸ−ＰＭＸ
という演算を行い、その結果をレジスタＡＲＥＧにストアする。この演算は、１つのＩについての前記「数７」の演算に相当している。すなわち、「数７」の「補正サンプルデータＣＤＡＴＡ（Ｎ，Ｉ）」が特定のＮとＩに関して求められる。
【００４９】
次のステップＳ１７では、レジスタＡＲＥＧにストアした上記「補正サンプルデータＣＤＡＴＡ（Ｎ，Ｉ）」を、Ｉに対応するレジスタＴＯＴＡＬ（Ｉ）の内容に累算する。また、レジスタＡＲＥＧにストアした上記「補正サンプルデータＣＤＡＴＡ（Ｎ，Ｉ）」を二乗し、この結果をＩに対応するレジスタＴＯＬＳＩＧ（Ｉ）の内容に累算する。これらのレジスタＴＯＴＡＬ（Ｉ），ＴＯＬＳＩＧ（Ｉ）は、各Ｉ毎にそれぞれ設けられており、初期化処理によって最初は「０」にクリアされている。
【００５０】
次に、Ｉを１増加し（ステップＳ１８）、Ｉが最大値Ｉmaxより大になったかを判断し（ステップＳ１９）、ＮＯであればステップＳ１６に戻って、演算処理を繰返す。こうして、すべてのＩについて、ステップＳ１６，Ｓ１７での演算処理を行うと、ステップＳ１９がＹＥＳとなり、次のステップＳ２０でＮを１増加する。次に、Ｎが最大値ｎmaxより大になったかを判断し（ステップＳ２１）、ＮＯであればステップＳ１３に戻り、処理を繰返す。こうして、すべてのＮとＩについて、ステップＳ１３〜Ｓ１７の演算処理を行うと、ステップＳ２１がＹＥＳとなり、図５ＢのステップＳ２３に行く。このとき、各Ｉ毎のレジスタＴＯＴＡＬ（Ｉ）の内容は、該ＩについてのＣＤＡＴＡ（Ｎ，Ｉ）をすべてのＮについた合計した値（前記「数８」の左辺の分子）に相当している。また、各Ｉ毎のレジスタＴＯＬＳＩＧ（Ｉ）の内容は、該ＩについてのＣＤＡＴＡ（Ｎ，Ｉ）の二乗をすべてのＮについた合計した値に相当している。
【００５１】
図５Ｂにおいては、Ｉを「１」にセットし（ステップＳ２３）、それから所定の演算を行い（ステップＳ２４）、それから、Ｉを１増加し（ステップＳ２５）、Ｉが最大値Ｉmaxより大になったかを判断し（ステップＳ２６）、ＮＯであればステップＳ２４に戻って、所定の演算処理を繰返す。
ステップＳ２４で行う第１の演算
ＨＭＸＡＤＲ（Ｉ）＝ＴＯＴＡＬ（Ｉ）／ｎmax
は、各Ｉ毎に、レジスタＴＯＴＡＬ（Ｉ）の内容をサンプル合計数ｎmaxで割算し、前記「数８」で示された「走査位置標準平均ＨＭＸＡＤＲ（Ｉ）」を求めることに相当している。
ステップＳ２４で行う第２の演算
ＴＥＭＰ＝ＴＯＴＡＬ（Ｉ）＊ＴＯＴＡＬ（Ｉ）
は、各Ｉ毎に、レジスタＴＯＴＡＬ（Ｉ）の内容を二乗し、これをテンポラリレジスタＴＥＭＰに一時記憶することである。
【００５２】
ステップＳ２４で行う最後の演算は、前記「数９」の「走査位置標準偏差ＨＭＳＡＤＲ（Ｉ）」を求める演算である。すなわち、レジスタＴＯＬＳＩＧ（Ｉ）にストアされた「ＣＤＡＴＡ（Ｎ，Ｉ）の二乗の合計値」からレジスタＴＥＭＰにストアされた「ＣＤＡＴＡ（Ｎ，Ｉ）の合計値の二乗」を「ｎmax」で割った数を引き算し、この結果を「ｎmax−１」で割り、その結果の平方根を求めることから成っている。
以上のようにして、すべてのＩに関して、「走査位置標準平均ＨＭＸＡＤＲ（Ｉ）」と「走査位置標準偏差ＨＭＳＡＤＲ（Ｉ）」が求められると、ステップＳ２６はＹＥＳとなり、ステップＳ２７に行く。ステップＳ２７では、図９Ａ及び図９Ｂに示す「総合離隔値集計」のサブルーチンを行う。
【００５３】
図９Ａにおいて、まず、計算用のレジスタＴＴＯＬとＴＳＩＧをそれぞれ「０」にクリアし（ステップＳ６０）、Ｎを「１」にセットする（ステップＳ６１）。
次に、ステップＳ６２では、図７に示す「変化パターン平均算出」のサブルーチンを行い、前記「数４」に示された「変化パターン平均値Ｄpav（Ｎ）」をレジスタＡＲＥＧにストアする。
次のステップＳ６３では、図５ＡのステップＳ１４と同様に、「パターン標準平均ＰＭＸ」を、レジスタＡＲＥＧの「変化パターン平均値Ｄpav（Ｎ）」で割算し、前記数６に示された「パターン補正係数ＡＪＳ（Ｎ）」を求め、これをレジスタＡＪＳにストアする。
次に、レジスタＣＲＥＧを「０」にクリアし（ステップＳ６４）、Ｉを「１」にセットする（ステップＳ６５）。
【００５４】
次のステップＳ６６では、図５ＡのステップＳ１６と同様の処理を行う。すなわち、前記「数７」に示す「補正サンプルデータＣＤＡＴＡ（Ｎ，Ｉ）」を特定のＮとＩに関して求め、レジスタＡＲＥＧにストアする。
ステップＳ６７では、レジスタＡＲＥＧにストアした「補正サンプルデータＣＤＡＴＡ（Ｎ，Ｉ）」が、「走査位置標準平均ＨＭＸＡＤＲ（Ｉ）」より大きいか否かを判断し、ＹＥＳであれば、ステップＳ６８で「ＡＲＥＧ−ＨＭＸＡＤＲ（Ｉ）」を演算してその結果をレジスタＢＲＥＧにストアし、ＮＯであれば、ステップＳ６９で「ＨＭＸＡＤＲ（Ｉ）−ＡＲＥＧ」を演算してその結果をレジスタＢＲＥＧにストアする。こうして、前記「数１０」に示す差分値「ＣＤＡＴＡ（Ｎ，Ｉ）−ＨＭＸＡＤＲ（Ｉ）」の絶対値が求められ、レジスタＢＲＥＧにストアされる。
【００５５】
ステップＳ７０では、レジスタＢＲＥＧの値を「走査位置標準偏差ＨＭＳＡＤＲ（Ｉ）」で割算して、その結果をレジスタＢＲＥＧにストアする。
こうして、走査位置Ｉに関する「補正サンプルデータＣＤＡＴＡ（Ｎ，Ｉ）」が、「走査位置標準平均ＨＭＸＡＤＲ（Ｉ）」から「走査位置標準偏差ＨＭＳＡＤＲ（Ｉ）」の何倍だけ隔たっているか、ということが正規化もしくは標準化された具体的な数値で示されることになり、この数値がレジスタＢＲＥＧに一時ストアされる。この数値は、統計学上では「標準化変量」とも言われるものであるが、本明細書では、便宜上、「離隔値」と言うことにする。従って、各走査位置Ｉに関する「補正サンプルデータＣＤＡＴＡ（Ｎ，Ｉ）」の離隔値は、以下、便宜上、「走査位置離隔値ＳＰＤ（Ｎ，Ｉ）」という。
【００５６】
明らかなように、この「走査位置離隔値」は、下記の「数１３」の式で表わされるものである。
【数１３】

【００５７】
次のステップＳ７１（図９Ｂ）では、レジスタＢＲＥＧの値をレジスタＣＲＥＧの内容に累算する。それから、Ｉを１増加し（ステップＳ７２）、Ｉが最大値Ｉmaxより大になったかを判断し（ステップＳ７３）、ＮＯであればステップＳ６６（図９Ａ）に戻って、演算処理を繰返す。こうして、すべてのＩについて、ステップＳ６６〜Ｓ７０での演算処理を行うと、ステップＳ７３がＹＥＳとなる。このとき、レジスタＣＲＥＧの内容は、或る特定のサンプルＮについての前記「数１０」に示す「総合離隔値ＴＯＤ（Ｎ）」を示している。すなわち、この「総合離隔値ＴＯＤ（Ｎ）」は、上記「数１３」で示される「走査位置離隔値」の算術的合計値である。
【００５８】
ステップＳ７４では、合計用レジスタＴＴＯＬの内容（最初は０）に対して上記レジスタＣＲＥＧの内容を累算する。また、レジスタＣＲＥＧにストアした上記「総合離隔値ＴＯＤ（Ｎ）」を二乗し、この結果をレジスタＴＳＩＧの内容（最初は０）に累算する。
次に、Ｎを１増加し（ステップＳ７５）、Ｎが最大値ｎmaxより大になったかを判断し（ステップＳ７６）、ＮＯであればステップＳ６２（図９Ａ）に戻って、演算処理を繰返す。こうして、すべてのＩとＮについて、ステップＳ６２〜Ｓ７４での演算処理を終了すると、ステップＳ７６がＹＥＳとなり、ステップＳ７７に行く。
【００５９】
ステップＳ７７で行う第１の演算
ＲＴＸＸＸ＝ＴＴＯＬ／ｎmax
は、レジスタＴＴＯＬの内容をサンプル合計数ｎmaxで割算し、前記「数１１」で示された「総合離隔値標準平均ＲＴＸＸＸ」を求めることに相当している。
ステップＳ７７で行う第２の演算は、前記「数１２」の「総合離隔値標準偏差ＲＴＳＩＧ」を求める演算である。すなわち、レジスタＴＳＩＧにストアされた「総合離隔値ＴＯＤ（Ｎ）の二乗の合計値」から、レジスタＴＴＯＬにストアされた「総合離隔値ＴＯＤ（Ｎ）の合計値」の二乗を「ｎmax」で割った数、を引き算し、この結果を「ｎmax−１」で割り、その結果の平方根を求めることから成っている。
以上のようにして、「総合離隔値標準平均ＲＴＸＸＸ」と「総合離隔値標準偏差ＲＴＳＩＧ」が求められると、図９Ａ及び図９Ｂに示す「総合離隔値集計」のサブルーチンが終了する。
【００６０】
〔基準データテーブルの概略説明〕
以上の「センサデータ集計処理」によって、
（１）「絶対標準平均 ＡＢＳＸ」
（２）「パターン標準平均 ＰＭＸ」
（３）「走査位置標準平均 ＨＭＸＡＤＲ（Ｉ）」
（４）「走査位置標準偏差 ＨＭＳＡＤＲ（Ｉ）」
（５）「総合離隔値標準平均 ＲＴＸＸＸ」
（６）「総合離隔値標準偏差 ＲＴＳＩＧ」
が、或る１つの金種とその１つの挿入方向と１つのセンサ（Ｐ０〜Ｐ４のうち１つ）の組合せに対応して求められる。これを紙幣識別用の基準データの１組として、金種、挿入方向及びセンサの情報をインデックスとして、テーブルに記憶する（図４のステップＳ３）。
【００６１】
かくして、上述の「センサデータ集計処理」によって、すべての金種とすべての挿入方向とすべてのセンサＰ０〜Ｐ４の組合せに対応して、上記（１）〜（６）の６種の基準データをそれぞれ算出し、これらを上記テーブルに記憶する。各インデックスの表示法として、金種をＫＩＮ、挿入方向をＩＮＳ、センサをＳＥＮ、で示すとすると、すべての金種とすべての挿入方向とすべてのセンサＰ０〜Ｐ４の組合せに対応する上記（１）〜（６）の６種の基準データは、下記のように表現できる。
絶対標準平均： ＡＢＳＸ（ＫＩＮ，ＩＮＳ，ＳＥＮ）
パターン標準平均： ＰＭＸ（ＫＩＮ，ＩＮＳ，ＳＥＮ）
走査位置標準平均： ＨＭＸＡＤＲ（ＫＩＮ，ＩＮＳ，ＳＥＮ，Ｉ）
走査位置標準偏差： ＨＭＳＡＤＲ（ＫＩＮ，ＩＮＳ，ＳＥＮ，Ｉ）
総合離隔値標準平均： ＲＴＸＸＸ（ＫＩＮ，ＩＮＳ，ＳＥＮ）
総合離隔値標準偏差： ＲＴＳＩＧ（ＫＩＮ，ＩＮＳ，ＳＥＮ）
【００６２】
なお、変形例として、「総合離隔値標準平均 ＲＴＸＸＸ」と、「総合離隔値標準偏差 ＲＴＳＩＧ」は、各センサ毎の「総合離隔値標準平均 ＲＴＸＸＸ（ＫＩＮ，ＩＮＳ，ＳＥＮ）」、「総合離隔値標準偏差 ＲＴＳＩＧ（ＫＩＮ，ＩＮＳ，ＳＥＮ）」を、それぞれ全センサについて合計して、下記のように、ＫＩＮとＩＮＳのみをインデックスとするものとしてもよい。
総合離隔値標準平均： ＲＴＸＸＸ（ＫＩＮ，ＩＮＳ）
総合離隔値標準偏差： ＲＴＳＩＧ（ＫＩＮ，ＩＮＳ）
【００６３】
図４のステップＳ３の処理では、さらなる紙幣識別用の基準データとして、次のような各種の判定パラメータを決定し、そのテーブルを作成する。
（７）走査位置判定基準（ＰＭＳＴ）
これは、各走査位置Ｉ毎の離隔値（すなわち上記数１３で示した「走査位置離隔値（ＳＰＤ（Ｎ，Ｉ）」）の限界判定値を設定するものであり、数１３から判るように走査位置標準偏差ＨＭＳＡＤＲ（Ｉ）に対する或る倍率ｎ（ｎは任意の数であり、小数を含む）を示す。この走査位置判定基準（ＰＭＳＴ）の決定は、所定の１金種に関して多数の真券紙幣を挿入して、それに対応して得られる各「走査位置離隔値（ＳＰＤ（Ｎ，Ｉ）」が、様々に設定された限界判定値ｎに照らして真券として受け入れられるかどうかをシミュレートする（真券受入れ度のシミュレーションを行う）ことにより、経験的に決定する。例えば、各走査位置離隔値についての限界判定値を、走査位置標準偏差ＨＭＳＡＤＲ（Ｉ）の４．０倍から６．０倍までの範囲で０．２倍単位の倍率ｎで各種設定し、真券受入れ度のシミュレーションを行うことにより、希望する受入れ率を達成する最適な倍率ｎを示す１つの値を決定し、これを走査位置判定基準（ＰＭＳＴ）とすることができる。この走査位置判定基準（ＰＭＳＴ）は、複数の各金種及び挿入方向毎にそれぞれ決定し、下記のようにＫＩＮとＩＮＳをインデックスとするテーブル形式で記憶する。
走査位置判定基準： ＰＭＳＴ（ＫＩＮ，ＩＮＳ）
【００６４】
（８）近似金種テーブル（ＫＩＮＪＩ）
これは、パターンの近似している金種があるかどうかを示すテーブルである。多数の紙幣を使用したシミュレーションによって、パターンの近似している金種があるかどうかを検出し、あれば、そのデータをテーブルに記憶する。この近似金種の有無は、各金種及び挿入方向毎に決定し、下記のようにＫＩＮとＩＮＳをインデックスとするテーブル形式で記憶する。
近似金種テーブル： ＫＩＮＪＩ（ＫＩＮ，ＩＮＳ）
この近似金種テーブルに記憶するデータ内容は、近似している金種を示すコードとその挿入方向を示すコードとからなる。例えば、或る金種の紙幣の或る挿入方向についての検出パターンが、別の金種の紙幣の或る挿入方向についての検出パターンと近似している場合に、そのことを示すために、上記のように金種コード挿入方向コードがテーブルのインデックス指定位置に記憶される。近似金種がなければ、「０」のコードが記憶される。このような近似金種テーブルは、必須ではないが、あれば、近似金種が挿入された場合の識別感度調整等に便利であり、識別精度を上げるのに役立つ。
【００６５】
（９）総合離隔値判定基準（ＴＭＳＴ）
これは、総合離隔値ＴＯＤ（Ｎ）の限界判定値を設定するものであり、総合離隔値標準偏差ＲＴＳＩＧをｍ倍（ｍは任意の数であり、小数を含む）した値（つまり積）に対して総合離隔値標準平均ＲＴＸＸＸを加算した値を示す。この総合離隔値判定基準（ＴＭＳＴ）の決定にあたっても、所定の１金種に関して多数の真券紙幣を挿入して、様々な倍数（即ち乗数）ｍでの真券受入れ度のシミュレーションを行うことにより、経験的に決定する。例えば、各総合離隔値についての限界判定値を、総合離隔値標準偏差ＲＴＳＩＧに対する倍数（即ち乗数）ｍの値を３．０倍から５．０倍までの範囲で０．２倍単位で各種設定すると共に、それぞれの積に対して総合離隔値標準平均ＲＴＸＸＸを加算することにより求め、こうして真券受入れ度をシミュレーションを行うことにより、希望する受入れ率を達成するのに最適な、総合離隔値標準偏差ＲＴＳＩＧに対する倍数（即ち乗数）ｍの１つの値を決定することができる。ここで、総合離隔値判定基準（ＴＭＳＴ）は、総合離隔値ＴＯＤ（Ｎ）との直接的な比較処理を可能とするために、上記決定した倍数（即ち乗数）ｍを総合離隔値標準偏差ＲＴＳＩＧに掛けた積に対して、総合離隔値標準平均ＲＴＸＸＸを加算した値、の形で形成する。このようにして、総合離隔値判定基準（ＴＭＳＴ）を、複数の各金種及び挿入方向毎にそれぞれ決定し、下記のようにＫＩＮとＩＮＳをインデックスとするテーブル形式で記憶する。
総合離隔値判定基準： ＴＭＳＴ（ＫＩＮ，ＩＮＳ）
【００６６】
（１０）近似金種処理フラグ（ＦＫＩＮＪ）
これは、紙幣識別結果として２金種について真券との判定が出されたときに、どのように処理するかを設定するフラグである。最適の処理が行えるようにするために、各金種及び挿入方向毎にこのフラグを設定し、下記のようにＫＩＮとＩＮＳをインデックスとするテーブル形式で記憶する。
近似金種処理フラグ： ＦＫＩＮＪ（ＫＩＮ，ＩＮＳ）
このフラグのデータ内容は、例えば、返却処理をすべきときは「０」、総合離隔値の小さい方の金種を真券として決定するときは「１」である。
【００６７】
なお、本発明に従って構成した紙幣識別装置を使用するユーザの側で、判定用の基準データを必要に応じて変更できるようにするために、上記の各種基準データのうち或るものに関しては、書き換え可能なＲＯＭに記憶するようにしておくとよい。例えば、「走査位置判定基準」テーブルＰＭＳＴ（ＫＩＮ，ＩＮＳ）及び「総合離隔値判定基準」テーブルＴＭＳＴ（ＫＩＮ，ＩＮＳ）のように、識別感度の調整に関与する基準データのテーブルや、「近似金種処理フラグ」テーブルＦＫＩＮＪ（ＫＩＮ，ＩＮＳ）などは、書き換え可能なＲＯＭに記憶し、必要に応じて書き換えできるようにするとよい。勿論、これらの書き換え可能な基準データは、テーブル形式で記憶することに限らず、データ設定スイッチ等によって設定するようにしてもよい。
【００６８】
〔紙幣識別処理の詳細説明〕
次に、本発明に従う紙幣識別処理の具体例について図１０以降のフロー図を参照して説明する。
図１０は、紙幣識別処理のメインルーチンを示す。このメインルーチンは、識別対象たる１枚の紙幣が紙幣識別装置に挿入され、各センサＰ０〜Ｐ４によって検出したデータファイルが所定のバッファレジスタＢＵＦ（ＳＥＮ，Ｉ）内にストアされると、開始される。バッファレジスタＢＵＦ（ＳＥＮ，Ｉ）のインデックスＳＥＮはセンサＰ０〜Ｐ４を示し、Ｉは各走査位置Ｉを示す。以下では、説明の簡単化のために、１つのセンサ（Ｐ０〜Ｐ４）の検出データに基づく識別処理について説明する。従って、以下では、検出データを記憶するバッファレジスタＢＵＦは、ＳＥＮの表示を除外して、ＢＵＦ（Ｉ）で示す。また、判定のために使用する各種の基準データテーブルも、各センサに対応するものを使用するが、以下の説明では、センサ区別用のインデックス表示「ＳＥＮ」の表示を除外して示す。例えば、「パターン標準平均」ＰＭＸは、インデックス表示付きでは、本来、ＰＭＸ（ＫＩＮ，ＩＮＳ，ＳＥＮ）と表すのが正しいが、説明の簡略化のために、ＰＭＸ（ＫＩＮ）で示す。他も同様である。
【００６９】
図１０において、最初のステップＳ８０では、図１１に示す「パターン変化データ変換」サブルーチンを行う。
（１）変化パターンデータと変化パターン平均値の算出
図１１の「パターン変化データ変換」サブルーチンでは、ステップＳ９０〜Ｓ９５の処理によって、バッファレジスタＢＵＦ（Ｉ）（ただし、Ｉ＝１，２，３…Ｉmax）内のセンサデータファイルにおける最小値ＭＩＮを検出する。この処理は、図８のステップＳ５０〜Ｓ５５の処理と同様の手順からなる。
すなわち、まず、レジスタＭＩＮの内容を最大値「９９９」に初期設定し（ステップＳ９０）、走査位置番号Ｉを最初の値「１」にセットする（ステップＳ９１）。次のステップＳ９２では、Ｉによって特定されるバッファレジスタＢＵＦ（Ｉ）にストアされている１走査位置のセンサデータの絶対値が最小値レジスタＭＩＮのストア値よりも小さいかを判断する。ＹＥＳであれば、ステップＳ９３に行き、このレジスタＢＵＦ（Ｉ）の内容をレジスタＭＩＮにストアする（ＭＩＮを更新する）。次に、Ｉを１増加し（ステップＳ９４）、Ｉが最大値Ｉmaxより大になったかを判断し（ステップＳ９５）、ＮＯであればステップＳ９２に戻り、処理を繰返す。こうして、すべてのＩについて、バッファレジスタＢＵＦ（Ｉ）にストアされている値の大小をチェックし、最後にレジスタＭＩＮにストアされている値が真の最小値ＭＩＮを示していることになる。
【００７０】
次のステップＳ９６からＳ１０１までの処理は、図７のステップＳ４２からＳ４７までの処理と同様の手順からなり、挿入された紙幣の「変化パターンデータ」（前記数３のＤｐ（Ｉ）に相当する）を算出してレジスタＢＵＦ（Ｉ）にストアすると共に、「変化パターン平均値」（前記数４のＤpavに相当する）を算出し、これをレジスタＸＸＸにストアする。
すなわち、レジスタＸＸＸの内容を「０」にクリアし（ステップＳ９６）、Ｉを「１」にセットする（ステップＳ９７）。次に、Ｉによって特定されるバッファレジスタＢＵＦ（Ｉ）にストアされている１走査位置（Ｉ）のセンサデータの絶対値と上記のように検出した最小値ＭＩＮとの差を求め、これによってバッファレジスタＢＵＦ（Ｉ）の内容を更新する（ステップＳ９８）。この差は、前記数３の「変化パターンデータＤp（Ｉ）」に相当する。そして、更新されたバッファレジスタＢＵＦ（Ｉ）の内容をレジスタＸＸＸの現在値に累算する（ステップＳ９８）。
【００７１】
次に、Ｉを１増加し（ステップＳ９９）、Ｉが最大値Ｉmaxより大になったかを判断し（ステップＳ１００）、ＮＯであればステップＳ９８に戻り、処理を繰返す。こうして、すべてのＩについて、ステップＳ９８での演算処理を行い、ステップＳ１００がＹＥＳとなったときは、レジスタＸＸＸには、挿入された紙幣のセンサデータファイルについての全てのＩについての「変化パターンデータＤp（Ｉ）」の合計値がストアされている。次のステップＳ１０１では、レジスタＸＸＸにストアされている上記合計値をＩmaxで割算して、平均値を求め、これによってレジスタＸＸＸの値を更新する。すなわち、「ＸＸＸ／Ｉmax」は、前記「数４」で示された「変化パターン平均値Ｄpav」に相当する。
以上によって、バッファレジスタＢＵＦ（Ｉ）には、挿入紙幣についての、前記数３の「変化パターンデータＤp（Ｉ）」に相当する「変化パターンデータファイル」が保存され、レジスタＸＸＸには、その「変化パターン平均値Ｄpav」が保存される。
【００７２】
（２）パターン補正係数の算出
図１０に戻り、ステップＳ８０のサブルーチンが終了すると、レジスタＫＩＮの内容を最初の値「１」にセットし（ステップＳ８１）、なお、レジスタＫＩＮの値は、演算処理すべき金種と挿入方向を示すものとする。例えば、３金種、４挿入方向の場合、レジスタＫＩＮの値は、１から１２まで変化するものとする。レジスタＫＩＮの値の最大値をＫmaxで示す。次に、図１２に示す「離隔値判定」のサブルーチンを行う（ステップＳ８２）。この「離隔値判定」のサブルーチンにおいては、挿入された紙幣についての各走査位置単位での離隔値の判定処理と、総合離隔値の判定処理を行う。
【００７３】
図１２において、まず、総合離隔値集計レジスタＲＩＳＡＮの内容を「０」にクリアする（ステップＳ１１０）。次のステップＳ１１１では、前記数６と同様の演算を行い、挿入された紙幣についての「パターン補正係数」ＡＪＳを算出する。すなわち、レジスタＫＩＮが指定する金種及び挿入方向についての「パターン標準平均ＰＭＸ」（これを便宜上、ＰＭＸ（ＫＩＮ）で図示するが、実際は、ＰＭＸ（ＫＩＮ，ＩＮＳ，ＳＥＮ）で表されるべきものである）を基準データテーブルから引き出し、これをレジスタＸＸＸの「変化パターン平均値（Ｄpav）」で割算し、その商を、挿入された紙幣についての「パターン補正係数」ＡＪＳとして、レジスタＡＪＳにストアする。
【００７４】
（３）走査位置離隔値と総合離隔値の算出
次に、Ｉを「１」にセットし（ステップＳ１１２）、次のステップＳ１１３では、図５ＡのステップＳ１６と同様の処理を行う。すなわち、前記「数７」に示す「補正サンプルデータＣＤＡＴＡ（Ｎ，Ｉ）」に相当する、挿入紙幣についての補正センサデータを特定のＩに関して求め、レジスタＢＲＥＧにストアする。すなわち、レジスタＫＩＮが指定する金種及び挿入方向についての「絶対標準平均ＡＢＳＸ」（これを便宜上、ＡＢＳＸ（ＫＩＮ）で図示するが、実際は、ＡＢＳＸ（ＫＩＮ，ＩＮＳ，ＳＥＮ）で表されるべきものである）を基準データテーブルから引き出し、かつ、上記と同様に「パターン標準平均ＰＭＸ（ＫＩＮ）」を基準データテーブルから引き出し、これらと、上記レジスタＡＪＳにストアした挿入された紙幣についての「パターン補正係数」ＡＪＳとを使用して、バッファレジスタＢＵＦ（Ｉ）にストアされている挿入紙幣についての「変化パターンデータ」（数３のＤp（Ｉ）に相当）に対して、
ＢＵＦ（Ｉ）＊ＡＪＳ＋ＡＢＳＸ（ＫＩＮ）−ＰＭＸ（ＫＩＮ）
という演算を行い、その結果をレジスタＢＲＥＧにストアする。この演算は、１つのＩについての前記「数７」の演算に相当している。前述と同様に、＋ＡＢＳＸ（ＫＩＮ）−ＰＭＸ（ＫＩＮ）の部分を省略し、ＢＵＦ（Ｉ）＊ＡＪＳの項のみとしてもよい。
【００７５】
次に、ステップＳ１１４では、レジスタＫＩＮが指定する金種及び挿入方向についての「走査位置標準平均ＨＭＸＡＤＲ（Ｉ）」（これを便宜上、ＨＭＸＡＤＲ（ＫＩＮ，Ｉ）で図示するが、実際は、ＨＭＸＡＤＲ（ＫＩＮ，ＩＮＳ，ＳＥＮ，Ｉ）で表されるべきものである）を基準データテーブルから引き出し、レジスタＢＲＥＧにストアした値が、この「走査位置標準平均ＨＭＸＡＤＲ（ＫＩＮ，Ｉ）」より大きいか否かを判断し、ＹＥＳであれば、ステップＳ１１５で「ＢＲＥＧ−ＨＭＸＡＤＲ（ＫＩＮ，Ｉ）」を演算してその結果をレジスタＢＲＥＧにストアし、ＮＯであれば、ステップＳ１１６で「ＨＭＸＡＤＲ（ＫＩＮ，Ｉ）−ＢＲＥＧ」を演算してその結果をレジスタＢＲＥＧにストアする。こうして、ＢＲＥＧとＨＭＸＡＤＲ（ＫＩＮ，Ｉ）の差の絶対値が求められ、レジスタＢＲＥＧにストアされる。
【００７６】
ステップＳ１１７では、レジスタＫＩＮが指定する金種及び挿入方向についての「走査位置標準偏差ＨＭＳＡＤＲ（Ｉ）」（これを便宜上、ＨＭＳＡＤＲ（ＫＩＮ，Ｉ）で図示するが、実際は、ＨＭＳＡＤＲ（ＫＩＮ，ＩＮＳ，ＳＥＮ，Ｉ）で表されるべきものである）を基準データテーブルから引き出し、レジスタＢＲＥＧの値を「走査位置標準偏差ＨＭＳＡＤＲ（ＫＩＮ，Ｉ）」で割算して、その結果をレジスタＢＲＥＧにストアする。これにより、挿入紙幣についての当該走査位置Ｉのセンサデータの走査位置標準平均ＨＭＸＡＤＲ（ＫＩＮ，Ｉ）からの走査位置離隔値ＳＰＤ（Ｉ）が求められ、レジスタＢＲＥＧにストアされる。次のステップＳ１１８では、レジスタＢＲＥＧにストアされた走査位置離隔値ＳＰＤ（Ｉ）を総合離隔値集計レジスタＲＩＳＡＮの内容に累算する。これにより、挿入紙幣についての総合離隔値ＴＯＤを得るための累算が行われる。すなわち、すべてのＩについてステップＳ１１８でのＲＩＳＡＮの累算が終わったとき、総合離隔値ＴＯＤがレジスタＲＩＳＡＮ内に算出される。
【００７７】
ステップＳ１１９では、レジスタＫＩＮが指定する金種及び挿入方向についての「総合離隔値判定基準ＴＭＳＴ」（これを便宜上、ＴＭＳＴ（ＫＩＮ）で図示するが、実際は、ＴＭＳＴ（ＫＩＮ，ＩＮＳ）で表されるべきものである）を基準データテーブルから引き出し、
ＲＩＳＡＮ ≦ ＴＭＳＴ（ＫＩＮ）
であるか否かを判断する。ＹＥＳであれば、許容範囲内であり、ステップＳ１２０に進む。ＮＯであれば、許容範囲外であり、ステップＳ１２４に進む。従って、このステップＳ１１９では、挿入された紙幣の総合離隔値が、総合離隔値判定基準値つまり総合離隔値判定基準ＴＭＳＴ（ＫＩＮ）に照らして、適正範囲内であるか否かが評価される。すべてのＩについてステップＳ１１９での判定結果がＹＥＳであれば、挿入紙幣についての総合離隔値ＴＯＤが、総合離隔値判定基準値つまり総合離隔値判定基準ＴＭＳＴ（ＫＩＮ）に照らして適正範囲内である、ということになる。
【００７８】
ステップＳ１２０では、レジスタＫＩＮが指定する金種及び挿入方向についての「走査位置判定基準ＰＭＳＴ」（これを便宜上、ＰＭＳＴ（ＫＩＮ）で図示するが、実際は、ＰＭＳＴ（ＫＩＮ，ＩＮＳ）で表されるべきものである）を基準データテーブルから引き出し、
ＢＲＥＧ ≦ ＰＭＳＴ（ＫＩＮ）
であるか否かを判断する。ＹＥＳであれば、許容範囲内であり、ステップＳ１２１に進む。ＮＯであれば、許容範囲外であり、ステップＳ１２４に進む。従って、このステップＳ１２０では、挿入された紙幣の走査位置離隔値が、走査位置離隔値判定基準値つまり走査位置判定基準ＰＭＳＴ（ＫＩＮ）に照らして、適正範囲内であるか否かが評価される。
【００７９】
ステップＳ１２１では、Ｉを１増加する。次のステップＳ１２２では、Ｉが最大値Ｉmaxより大になったかを判断し、ＮＯであればステップＳ１１３に戻って、演算処理を繰返す。こうして、すべてのＩについて、ステップＳ１１３〜Ｓ１２０での演算処理を行い、かつ、と総合離隔値の判定結果がＹＥＳであれば、ステップＳ１２２がＹＥＳとなり、次のステップＳ１２３で判定フラグＰＡＳＦＬＧを「０」にセットする。一方、ステップＳ１１９又はＳ１２０で一度でもＮＯと判断されると、ステップＳ１２４に行き、判定フラグＰＡＳＦＬＧを「１」にセットする。
判定フラグＰＡＳＦＬＧの「０」は、現在判定中の金種ＫＩＮに関して、挿入紙幣が真券であると判定されたことを示す。
判定フラグＰＡＳＦＬＧの「１」は、現在判定中の金種ＫＩＮに関して、挿入紙幣が真券であると判定されなかったことを示す。
【００８０】
なお、上記では、ステップＳ１１９及びＳ１２０において、総合離隔値判定及び走査位置離隔値判定の両方を行っているが、どちらか一方のみとしてもよい。また、図では、ステップＳ１２０の結果が１回（１走査位置）でもＮＯであれば、ステップＳ１２４で判定フラグＰＡＳＦＬＧが「１」にセットされるようになっているが、これに限らず、ステップＳ１２０の結果がＮＯとなった回数をカウントし、所定回数以上ＮＯとなった場合にステップＳ１２４で判定フラグＰＡＳＦＬＧを「１」にセットするようにしてもよい。
【００８１】
なお、最終的な真偽判定は、全センサＰ０〜Ｐ４の検出データが真券と判定している場合に真券と判定するものとする。図１２では、図示の都合上、１つのセンサ（Ｐ０〜Ｐ４）についての演算処理フローを示し、他のセンサについての演算処理フローの図示を省略してある。詳しくは、例えば、ステップＳ１１３からＳ１２２までの処理を全Ｐ０〜Ｐ４の検出データについて行い、最終的に、総合離隔値集計レジスタＲＩＳＡＮには、全センサＰ０〜Ｐ４についての総合離隔値を集計し、レジスタＢＲＥＧには全センサＰ０〜Ｐ４についての走査位置離隔値の合計を集計するものとし、ステップＳ１１９及びＳ１２０では全センサＰ０〜Ｐ４についての合計値をストアしている各レジスタＲＩＳＡＮ，ＢＲＥＧの内容と、所定の基準データＴＭＳＴ（ＫＩＮ），ＰＭＳＴ（ＫＩＮ）とを比較するものとする。
【００８２】
（４）近似金種テーブルの参照
図１０に戻り、ステップＳ８３では、前ステップＳ８２での判定処理の結果得られた判定フラグＰＡＳＦＬＧの値が０以外か否かを調べる。ＹＥＳであれば、真券とは判定されなかったので、他の金種及び挿入方向についての判定を行う必要がある。そこで、レジスタＫＩＮの値を１増加し（ステップＳ８７）、次にＫＩＮの値が所定の最大値Ｋmaxよりも大であるか否かを調べる。ＮＯであれば、ステップＳ８２に戻り、増加したＫＩＮについて、前述と同様の判定処理を行う。すべての金種及び挿入方向について、真券でないと判定された場合は、ステップＳ８９に行き、挿入紙幣が偽券であるとの結論を出し、返却等の必要な処理を行う。
【００８３】
一方、ステップＳ８２のサブルーチンの判定処理によって、或る金種について真券であるとの結論が出されると、判定フラグＰＡＳＦＬＧの値が０にセットされるから、ステップＳ８３がＮＯと判断され、ステップＳ８４に行き、図１３に示す「近似金種テーブル判定」のサブルーチンを実行する。
この「近似金種テーブル判定」の処理は、近似金種テーブルＫＩＮＪ（ＫＩＮ，ＩＮＳ）の内容を参照して、真券との結論が出る可能性のある他の金種についてもその真偽を判定し、挿入紙幣の真の金種を１つに絞り込む処理を行う。なお、真の金種を１つに絞り込めなかった場合は、偽券として返却する。
【００８４】
図１３において、最初のステップＳ１３０では、次のような各処理を行う。
レジスタＫＩＮの値（前記ステップＳ８２の処理によって最初に真券と判定された金種を示している）を、レジスタＢＫＩＮ（０）にリザーブする。
総合離隔値集計レジスタＲＩＳＡＮにストアされている、最初に真券と判定された金種についての挿入紙幣の総合離隔値を、レジスタＲＩＳＴＯＬ（０）にリザーブする。
真券判定カウンタＢＩＬＣＮＴの内容を「１」にセットする。
近似金種テーブル読出用のポインタＫＩＮＣＮＴの内容を「０」にセットする。
【００８５】
次のステップＳ１３１では、前記近似金種テーブルＫＩＮＪＩから、レジスタＢＫＩＮ（０）の値とポインタＫＩＮＣＮＴの値とをアドレスとして、近似金種コードの読出を行い、この読出データをレジスタＫＩＮにストアする。
ステップＳ１３２では、読み出した近似金種コードＫＩＮが「０」でない（近似する金種が他にある）か否かをチェックする。ステップＳ１３２がＮＯ（つまりＫＩＮ＝０）の場合は、前記ステップＳ８２の処理によって最初に真券と判定された金種に関して、他に近似する金種がないことを示す。この場合は、ステップＳ１３７に分岐する。ステップＳ１３２がＹＥＳ（つまりＫＩＮ≠０）の場合は、前記ステップＳ８２の処理によって最初に真券と判定された金種に関して、近似する金種が他にあることを示す。この場合は、ステップＳ１３３に進む。
【００８６】
前記ステップＳ８２の処理によって最初に真券と判定された金種に関して、他に近似する金種が有る場合について説明すると、ステップＳ１３３で前記図１２の「離隔値判定」サブルーチンを行う。このとき、レジスタＫＩＮの値は、近似金種テーブルＫＩＮＪＩから参照した「近似する金種のコード」を示しているので、その「近似する金種」についての各種基準データを使用して図１２の「離隔値判定」サブルーチンを実行し、該「近似する金種」に関しても、挿入紙幣が真券と判定されるか否かが判定される。
ステップＳ１３４では、判定フラグＰＡＳＦＬＧが「０」であるか否かを判断する。該「近似する金種」に関しても、挿入紙幣が真券と判定された場合は、判定フラグＰＡＳＦＬＧが「０」にセットされており、次のステップＳ１３５で次のような処理を行う。
【００８７】
ＢＫＩＮ（ＢＩＬＣＮＴ）＝ＫＩＮ：
レジスタＫＩＮの値（当該「近似する金種」を示している）を、真券判定カウンタＢＩＬＣＮＴの値によって指示されたレジスタＢＫＩＮ（ＢＩＬＣＮＴ）にセットする。
ＲＩＳＴＯＬ（ＢＩＬＣＮＴ）＝ＲＩＳＡＮ：
総合離隔値集計レジスタＲＩＳＡＮにストアされている総合離隔値を、真券判定カウンタＢＩＬＣＮＴの値によって指示されたレジスタＲＩＳＴＯＬ（ＢＩＬＣＮＴ）にセットする。
ＢＩＬＣＮＴ＝ＢＩＬＣＮＴ＋１：
真券判定カウンタＢＩＬＣＮＴの値を１増加する。
【００８８】
その後、ステップＳ１３６に行き、近似金種テーブル読出用のポインタＫＩＮＣＮＴの内容を１増加する（ＫＩＮＣＮＴ＝ＫＩＮＣＮＴ＋１）。該「近似する金種」に関しても、挿入紙幣が真券と判定されなかった場合は、判定フラグＰＡＳＦＬＧが「１」にセットされており、ステップＳ１３４はＮＯで、ステップＳ１３５をジャンプしてステップＳ１３６に行く。
ステップＳ１３６の後、ステップＳ１３１に戻る。ステップＳ１３１では近似金種テーブルＫＩＮＪＩの次のアドレスから記憶データを読み出す。近似金種テーブルＫＩＮＪＩに更なる「近似する金種」のコードが記憶されている場合は、ステップＳ１３２はＹＥＳであり、前記ステップＳ１３３〜Ｓ１３６の処理を繰り返す。もう「近似する金種」のコードが記憶されていない場合は、「０」が読み出される。
【００８９】
ステップＳ１３２がＮＯの場合、ステップＳ１３７に行き、真券判定カウンタＢＩＬＣＮＴの値が「１」以外であるか否かをチェックする。
「近似する金種」のコードが近似金種テーブルにまったく記憶されていなかった場合、あるいは、「近似する金種」があったとしてもその金種については真券と判定されなかった場合は、真券判定カウンタＢＩＬＣＮＴの値はステップＳ１３０で「１」にセットされたままであるから、ステップＳ１３７はＮＯであり、ステップＳ１４５に行く。ステップＳ１４５では、レジスタＢＫＩＮ（０）にリザーブされていた値（最初に真券と判定された金種を示している）を、レジスタＫＩＮにセットし直す。
【００９０】
「近似する金種」のコードが近似金種テーブルに記憶されていた場合であって、該「近似する金種」についても真券と判定された場合は、真券判定カウンタＢＩＬＣＮＴの値はステップＳ１３５で増加されるから、ステップＳ１３７はＹＥＳであり、ステップＳ１３８に行く。ステップＳ１３８では、前記「近似金種処理フラグＦＫＩＮＪ」の内容を参照し、このフラグが２以上の金種について真券判定が得られたときは返却することを指示しているならば、「重複判定返却」ＹＥＳと判断し、ステップＳ１４６に行く。ステップＳ１４６では、レジスタＫＩＮの値を「０」にクリアする。この場合、図１０のステップＳ８５におけるＫＩＮが「０」以外であるか否かの判断がＮＯとなり、ステップＳ８９の偽券処理を行う。
【００９１】
一方、前記「近似金種処理フラグＦＫＩＮＪ」が２以上の金種について真券判定が得られたときは、最適の１つの金種を真券として選択すべきことを指示しているならば、ステップＳ１３８はＮＯであり、ステップＳ１３９に行く。
ステップＳ１３９では、レジスタＭＩＮの値を最大値「９９９」に設定する。
ステップＳ１４０では、ポインタＫＩＮＣＮＴの値を「０」にセットする。
ステップＳ１４１では、ポインタＫＩＮＣＮＴによって指示されたレジスタＲＩＳＴＯＬ（ＫＩＮＣＮＴ）にストアされている「総合離隔値」が、レジスタＭＩＮの値より小さいか否かを判断する。ＹＥＳであれば、レジスタＲＩＳＴＯＬ（ＫＩＮＣＮＴ）にストアされている「総合離隔値」をレジスタＭＩＮにストアし、かつ、ポインタＫＩＮＣＮＴによって指示されたレジスタＢＫＩＮ（ＫＩＮＣＮＴ）にストアされている「金種コード」をレジスタＫＩＮにセットする（ステップＳ１４２）。なお、レジスタＲＩＳＴＯＬ（０）には、ステップＳ１３２の処理により、最初に真券と判定された金種についての挿入紙幣の総合離隔値がストアされている。レジスタＲＩＳＴＯＬ（１）には、ステップＳ１３５の処理により、次に真券と判定された金種についての挿入紙幣の総合離隔値がストアされている。また、レジスタＢＫＩＮ（０）には、ステップＳ１３２の処理により、最初に真券と判定された金種のコードがストアされている。レジスタＢＫＩＮ（１）には、ステップＳ１３５の処理により、次に真券と判定された金種のコードがストアされている。
【００９２】
ステップＳ１４２の後、ステップＳ１４３に行く。また、ステップＳ１４１がＮＯであれば、ステップＳ１４２をジャンプして、ステップＳ１４３に行く。
ステップＳ１４３では、ポインタＫＩＮＣＮＴの値を１増加する。
ステップＳ１４４では、ポインタＫＩＮＣＮＴの値が、真券判定カウンタＢＩＬＣＮＴの値から１を引いた値と同じか又はそれより大きいかをチェックする。ＮＯであれば、ステップＳ１４１に戻り、処理を繰り返す。ＹＥＳであれば、このサブルーチンを終了する。ステップＳ１４４がＹＥＳのとき、真券判定が得られた２以上の金種のうち「総合離隔値」が最小の金種を示す金種コードがレジスタＫＩＮにストアされている。こうして、真券判定が得られた２以上の金種のうち「総合離隔値」が最小の金種が、最適の真券として判定される。
【００９３】
図１０に戻ると、ステップＳ８５においては、レジスタＫＩＮの値が「０」以外であるか否かを判断し、ＹＥＳであれば、ステップＳ８６に行き、該レジスタＫＩＮにストアされている「金種コード」が示す１つの金種が、挿入された紙幣の真券金種であるとして、挿入金の計数等の所定の真券処理を行う。
【００９４】
本発明は、以上説明した各種処理の方法を範囲に含むに限らず、その各種処理を実行するように構成された装置をも範囲に含み、更に、その各種処理をコンピュータが実行するためのプログラムを記憶した記憶媒体についてもその範囲に含む。
また、本発明の範囲は、上述の各種処理をすべて備えている方法、又は装置、又は記憶媒体に限定されるものではなく、有益なその一部の処理のみを備えている方法、又は装置、又は記憶媒体であってもよい。
また、本発明の実施にあたっては、判定用の基準データの作成から、これに基づく紙幣識別判定処理に至るまでの全過程を実施してもよいし、あるいは、判定用の基準データの作成の過程のみを実施してもよいし、あるいは、予め作成された判定用の基準データに基づく紙幣識別判定処理の過程のみを実施してもよい。
【００９５】
また、本発明によれば、光学式検出データのみに基づくだけでも、精度のよい紙幣識別判定を行うことができるが、必要に応じて、磁気式検出データ等を使用してもよい。また、光学式センサの形式は、透過光検出タイプに限らず、紙幣からの反射光を検出するタイプを使用してもよい。
なお、判定用の基準データとしては、真券用の基準データに限らず、有り得る偽券用の基準データを用意し、挿入紙幣がその偽券用の基準データの条件に該当する場合は、偽券と判定するようにしてもよい。
また、本発明は、通常の紙幣に限らず、証券、各種の金券、小切手等の所定の印刷模様又は透し模様等を具備する紙葉類一般についての真偽識別に適用できる。
【００９６】
【発明の効果】
以上の通り、本発明によれば、精度のよい、紙幣（紙葉）の真偽識別を行うことができる。すなわち、本発明によれば、印刷模様を抽出したパターン平均値を利用して、補正係数を生成し、各走査位置データの標準平均に正規化した統計的基準データを算出し、これに基づき紙幣（紙葉）の真偽識別を行うようにしているので、紙幣（紙葉）の汚れ度合いや識別装置の固体性能のバラツキ等の誤差要因を排除して、安定した紙幣（紙葉）の真偽識別・判定を行うことができる。
特に、米国のドル紙幣のように、異なる金種間で比較的近似したパターンを示す紙幣の真偽判定は、従来は非常に困難であったが、本発明によれば、その問題を解決することができる。特に、複数金種で重複して真券判定が出されたときは、本発明に従う「近似金種テーブル」を用いた判定処理は極めて有効である。また、統計的な基準データ作成処理によって、紙幣受入れ率の向上と偽券排除精度の向上という、併存しにくい要求に、応えることができる。
【図面の簡単な説明】
【図１】 本発明の実施に使用する紙幣識別装置の機構例を示す平面図。
【図２】 本発明の実施に使用する紙幣識別装置のハード構成例を示すブロック図。
【図３】 （ａ）は紙幣の表面模様の一例を示す平面図、（ｂ）は１つのセンサから得られる検出データの一例を示すグラフ。
【図４】 本発明の一実施例に従う「基準データ作成処理」の手順を例示するフロー図。
【図５Ａ】 本発明の一実施例に従う「センサデータ集計処理」のメインルーチンの一部を例示するフロー図。
【図５Ｂ】 本発明の一実施例に従う「センサデータ集計処理」のメインルーチンの残りの部分を例示するフロー図。
【図６】 上記メインルーチンで行われる「絶対標準とパターン標準平均算出」サブルーチンを例示するフロー図。
【図７】 上記メインルーチンで行われる「変化パターン平均算出」サブルーチンを例示するフロー図。
【図８】 上記メインルーチンで行われる「最小値（ＭＩＮ）検出」サブルーチンを例示するフロー図。
【図９Ａ】 上記メインルーチンで行われる「総合離隔値集計」サブルーチンの一部を例示するフロー図。
【図９Ｂ】 上記メインルーチンで行われる「総合離隔値集計」サブルーチンの残りの部分を例示するフロー図。
【図１０】 本発明の一実施例に従う「紙幣識別処理」のメインルーチンのを例示するフロー図。
【図１１】 上記「紙幣識別処理」で行われる「パターン変化データ変換」サブルーチンを例示するフロー図。
【図１２】 上記「紙幣識別処理」で行われる「離隔値判定」サブルーチンを例示するフロー図。
【図１３】 上記「紙幣識別処理」で行われる「近似金種テーブル判定」サブルーチンを例示するフロー図。
【符号の説明】
Ｐ０〜Ｐ４ 光学式センサ
Ｍ 紙幣搬送用モータ
ＰＣ パルスコーダ
４ 紙幣搬送用ベルト
３０ 入出力回路
３１ ＣＰＵ
３２ メモリ
３３ データ入力装置
_

Claims (29)

1. 識別対象である紙葉の特徴をセンサにより検出し、該紙葉の複数の所定位置についての検出データを得る第１のステップと、
   前記各位置の検出データを所定値に対する相対値データに変換する第２のステップであって、前記所定値として前記各位置の検出データの中の最小値または最大値を選択するステップを含み、前記各位置の検出データを該選択された最小値または最大値に対する相対値データに変換するようにした前記第２のステップと、
   前記相対値データを所定の正規化パラメータを用いて正規化し、これにより各位置の補正サンプルデータを得る第３のステップであって、各位置の前記相対値データの平均値を算出するステップと、前記相対値データの平均値に関する所定の相対標準平均を前記所定の正規化パラメータとして使用し、この相対標準平均に対する前記算出された平均値の比を、補正係数として、算出するステップと、各位置の前記相対値データを前記補正係数によって補正する演算を行ない、各位置の前記補正サンプルデータを算出するステップとを含む前記第３のステップと、
   紙葉種類に対応して予め用意された各位置毎の標準平均と標準偏差とに基づき前記識別対象紙葉の紙葉種類を識別する第４のステップであって、各位置毎に、前記補正サンプルデータと前記標準平均との差を前記標準偏差で除す演算を行なうことにより、該補正サンプルデータを正規化された離隔値に変換するステップと、各位置毎の前記正規化された離隔値が、判定基準である１つの限界離隔値による限界条件を満足するか否かを判定するステップとを含む前記第４のステップと
   を具備する紙葉類識別方法。
2. 前記第４のステップで得た前記各位置毎の正規化された離隔値を合計して総合離隔値を算出する第５のステップと、
   前記第４ステップにおいて前記識別対象紙葉が複数の異なる紙葉種類に関して真券であるとの重複した識別結果が得られたならば、前記第５のステップで算出された前記総合離隔値が最も小さな紙葉種類に関して真券であると判定する第６のステップと
   を更に具備する請求項１に記載の方法。
3. 識別対象である紙葉の特徴をセンサにより検出し、該紙葉の複数の所定位置についての検出データを得る第１のステップと、
   前記各位置の検出データを所定値に対する相対値データに変換する第２のステップであって、前記所定値として前記各位置の検出データの中の最小値または最大値を選択するステップを含み、前記各位置の検出データを該選択された最小値または最大値に対する相対値データに変換するようにした前記第２のステップと、
   前記相対値データを所定の正規化パラメータを用いて正規化し、これにより各位置の補正サンプルデータを得る第３のステップであって、各位置の前記相対値データの平均値を算出するステップと、前記相対値データの平均値に関する所定の相対標準平均を前記所定の正規化パラメータとして使用し、この相対標準平均に対する前記算出された平均値の比を、補正係数として、算出するステップと、各位置の前記相対値データを前記補正係数によって補正する演算を行ない、各位置の前記補正サンプルデータを算出するステップとを含む前記第３のステップと、
   紙葉種類に対応して予め用意された各位置毎の標準平均と標準偏差とに基づき前記識別対象紙葉の紙葉種類を識別する第４のステップであって、
   各位置毎に、前記補正サンプルデータと前記標準平均との差を前記標準偏差で除す演算を行なうことにより、該補正サンプルデータを正規化された離隔値に変換するステップと、
   前記各位置毎の正規化された離隔値を合計して総合離隔値を算出するステップと、
   所定の総合離隔値標準平均と総合離隔値標準偏差とに基づき設定される１つの限界値を用いて、前記総合離隔値が該限界値による限界条件を満足するか否かを判定するステップとを含む前記第４のステップと
   を具備する紙葉類識別方法。
4. 前記第４のステップの処理を、所定の紙葉種類に関する真券に対応して予め用意された各位置毎の標準平均及び標準偏差を使用して実行すると共に、該所定の紙葉種類に関する偽券に対応して予め用意された各位置毎の標準平均及び標準偏差を使用して実行し、前記識別対象紙葉が真券及び偽券の両方の条件を満たすとの重複した識別結果が得られたならば、前記識別対象紙葉を偽券であると判定することを特徴とする請求項１又は３に記載の方法。
5. 前記所定の正規化パラメータとして、更に、前記各位置の検出データの平均値に関する所定の絶対標準平均を予め用意し、前記補正サンプルデータを算出するステップは、各位置の前記相対値データに前記補正係数を掛け、その積に対して前記絶対標準平均と前記相対標準平均との差を加算することにより、各位置の前記補正サンプルデータを算出するものである請求項１乃至４のいずれかに記載の方法。
6. 前記第４のステップにおいて前記識別対象紙葉が或る第１の紙葉種類に該当すると評価されたとき、特徴の近似している複数の紙葉種類についての情報を予め記憶したテーブルを参照して該テーブルから該第１の紙葉種類に近似する他の第２の紙葉種類を検索する第５のステップを更に具備し、
   前記識別対象紙葉が該検索された前記第２の紙葉種類にも該当するか否かの評価を行ない、前記識別対象紙葉が前記第１及び第２の紙葉種類の両方に該当すると評価されたならば、前記第１及び第２の紙葉種類のうち評価の高い方の紙葉種類に該当すると決定するモードまたはどの紙葉種類にも該当しないと決定するモードのどちらかに従って、前記識別対象紙葉の紙葉種類を決定することを特徴とする請求項１又は３に記載の紙葉類識別装置。
7. 識別対象である紙葉の特徴をセンサにより検出し、該紙葉の複数の所定位置についての検出サンプルデータを得る第１のステップと、
   予め用意された各位置毎の標準平均と標準偏差とを使用して、各位置毎に、前記検出サンプルデータと前記標準平均との差を前記標準偏差で除す演算を行なうことにより、該検出サンプルデータを正規化された離隔値に変換する第２のステップと、
   各位置毎の前記正規化された離隔値を評価することにより前記紙葉を識別する第３のステップと
   を具備する紙葉類識別方法。
8. 前記第３のステップは、各位置毎の前記正規化された離隔値が所定の限界離隔値による限界条件を満足するか否かを判定する請求項７に記載の方法。
9. 前記第３のステップは、前記第２のステップで得た前記各位置毎の正規化された離隔値を合計して総合離隔値を算出するステップと、この総合離隔値が所定の限界値による限界条件を満足するか否かを判定するステップとを含む請求項７に記載の方法。
10. 識別対象である紙葉の特徴を検出し、該紙葉の複数の所定位置についての検出データを出力するセンサと、
    正規化のための複数種の基準データを記憶したメモリと、
    前記各位置の検出データをその中の最小値又は最大値に対する相対値データに変換する第１演算部と、
    各位置の前記相対値データの平均値を算出する第２演算部と、
    前記基準データのうち前記相対値データの平均値に関する相対標準平均を前記メモリから読み出し、この相対標準平均を前記第２演算部で算出された平均値によって除して補正係数を算出する第３演算部と、
    前記第１演算部で求めた各位置の前記相対値データを前記補正係数によって補正する演算を行ない、各位置毎の補正サンプルデータを算出する第４演算部と、
    前記基準データのうち各位置毎の標準平均及び標準偏差を前記メモリから読み出し、各位置毎に、前記第４演算部で算出した補正サンプルデータと前記標準平均との差を前記標準偏差で除す演算を行なうことにより、該補正サンプルデータを正規化された離隔値に変換する第５演算部と、
    各位置毎の前記正規化された離隔値と所定の限界基準値とを比較し、この比較結果によって前記識別対象紙葉を評価する評価部と
    を具備する紙葉類識別装置。
11. 識別対象である紙葉の特徴を検出し、該紙葉の複数の所定位置についての検出データを出力するセンサと、
    正規化のための基準データとして、各位置毎の標準平均及び標準偏差を記憶したメモリと、
    前記各位置毎の標準平均及び標準偏差を前記メモリから読み出し、各位置毎に、前記検出データと前記標準平均との差を前記標準偏差で除す演算を行なうことにより、該検出データを正規化された離隔値に変換する演算部と、
    各位置毎の前記正規化された離隔値と所定の限界基準値とを比較し、この比較結果によって前記識別対象紙葉を評価する評価部と
    を具備する紙葉類識別装置。
12. 前記評価部で使用する前記所定の限界基準値は、調整可能な値であり、これにより、識別感度を調整することができる請求項１０または１１に記載の紙葉類識別装置。
13. 前記各位置毎の正規化された離隔値を合計して総合離隔値を算出する第６演算部と、
    前記第６演算部で算出された総合離隔値を用いて前記識別対象紙葉を更に評価する第２評価部と
    を更に具備する請求項１０乃至１２のいずれかに記載の紙葉類識別装置。
14. 前記センサは光学式センサからなり、複数の前記センサが設けられ、前記紙葉における各異なる複数の所定位置についての検出データが各センサから出力され、前記メモリは、各センサに対応して前記基準データを記憶しており、前記各演算部及び評価部では、各センサ毎に前記識別対象紙葉の評価を行ない、各センサについての評価結果の組合せから前記識別対象紙葉の真偽を識別するようにした請求項１０乃至１３のいずれかに記載の紙葉類識別装置。
15. 前記メモリでは複数の異なる紙葉種類について前記基準データを夫々記憶しており、前記演算部では各紙葉種類毎の前記基準データを使用して前記演算を行ない、前記評価部では各紙葉種類毎の前記限界基準値を使用して前記識別対象紙葉の評価を行なうようにした請求項１０乃至１４のいずれかに記載の紙葉類識別装置。
16. 特徴の近似している複数の紙葉種類についての情報を予め記憶したテーブルと、
    前記評価部で前記識別対象紙葉が或る１つの紙葉種類に該当すると評価されたとき、前記テーブルを参照して該紙葉種類に近似する他の紙葉種類を検索し、前記識別対象紙葉が該検索された他の紙葉種類にも該当するか否かの評価を前記演算部及び評価部において行なう手段と
    を更に具備する請求項１５に記載の紙葉類識別装置。
17. 識別対象である紙葉の特徴を検出し、該紙葉の複数の所定位置についての検出データを出力するセンサと、
    正規化のための基準データとして、各位置毎の標準平均及び標準偏差を記憶したメモリと、
    前記各位置毎の標準平均及び標準偏差を前記メモリから読み出し、各位置毎に、前記検出データと前記標準平均との差を前記標準偏差で除す演算を行なうことにより、該検出データを正規化された離隔値に変換する第１演算部と、
    前記第１演算部で算出された前記各位置毎の正規化された離隔値を合計して総合離隔値を算出する第２演算部と、
    前記第２演算部で算出された総合離隔値と所定の限界基準値とを比較し、この比較結果によって前記識別対象紙葉を評価する評価部と
    を具備する紙葉類識別装置。
18. 前記メモリでは複数の異なる紙葉種類について前記基準データを夫々記憶しており、前記第１及び第２演算部では各紙葉種類毎の前記基準データを使用して前記演算を行ない、前記評価部では各紙葉種類毎の前記限界基準値を使用して前記識別対象紙葉の評価を行なうようにした請求項１７に記載の紙葉類識別装置。
19. 特徴の近似している複数の紙葉種類についての情報を予め記憶したテーブルと、
    前記評価部で前記識別対象紙葉が或る１つの紙葉種類に該当すると評価されたとき、前記テーブルを参照して該紙葉種類に近似する他の紙葉種類を検索し、前記識別対象紙葉が該検索された他の紙葉種類にも該当するか否かの評価を前記第１及び第２演算部及び評価部において行なう手段と
    を更に具備する請求項１８に記載の紙葉類識別装置。
20. 前記手段により前記識別対象紙葉が前記他の紙葉種類にも該当すると評価されたならば、該識別対象紙葉が最も評価の高い１つの紙葉種類に該当するとの決定を行なうことを特徴とする請求項１９に記載の紙葉類識別装置。
21. 前記手段により前記識別対象紙葉が前記他の紙葉種類にも該当すると評価されたならば、該識別対象紙葉がどの紙葉種類にも該当しないとの決定を行なうことを特徴とする請求項１９に記載の紙葉類識別装置。
22. 前記テーブルは、近似する各紙葉種類の組合せ毎に、識別対象紙葉が複数の紙葉種類に重複して該当すると評価された場合の対処モード情報を記憶しており、
    前記手段により前記識別対象紙葉が前記他の紙葉種類にも該当すると評価されたならば、前記対処モード情報に応じて、最も評価の高い１つの紙葉種類に該当すると決定するモード、またはどの紙葉種類にも該当しないと決定するモード、のいずれかのモードに従って、該識別対象紙葉が最も評価の高い１つの紙葉種類に該当するとの決定を行なうか、またはどの紙葉種類にも該当しないとの決定を行なうことを特徴とする請求項１９に記載の紙葉類識別装置。
23. コンピュータによって実行されるプログラムの命令群を収容している機械読み取り可能な記録媒体であって、前記プログラムは、
    識別対象である紙葉の特徴をセンサにより検出し、該紙葉の複数の所定位置についての検出データを得る第１のステップと、
    前記各位置の検出データを所定値に対する相対値データに変換する第２のステップであって、前記所定値として前記各位置の検出データの中の最小値または最大値を選択するステップを含み、前記各位置の検出データを該選択された最小値または最大値に対する相対値データに変換するようにした前記第２のステップと、
    前記相対値データを所定の正規化パラメータを用いて正規化し、これにより各位置の補正サンプルデータを得る第３のステップであって、各位置の前記相対値データの平均値を算出するステップと、前記相対値データの平均値に関する所定の相対標準平均を前記所定の正規化パラメータとして使用し、この相対標準平均に対する前記算出された平均値の比を、補正係数として、算出するステップと、各位置の前記相対値データを前記補正係数によって補正する演算を行ない、各位置の前記補正サンプルデータを算出するステップとを含む前記第３のステップと、
    紙葉種類に対応して予め用意された各位置毎の標準平均と標準偏差とに基づき前記識別対象紙葉の紙葉種類を識別する第４のステップであって、各位置毎に、前記補正サンプルデータと前記標準平均との差を前記標準偏差で除す演算を行なうことにより、該補正サンプルデータを正規化された離隔値に変換するステップと、各位置毎の前記正規化された離隔値が、判定基準である１つの限界離隔値による限界条件を満足するか否かを判定するステップとを含む前記第４のステップと
    を具備することを特徴とするプログラム。
24. コンピュータによって実行されるプログラムの命令群を収容している機械読み取り可能な記録媒体であって、前記プログラムは、
    識別対象である紙葉の特徴をセンサにより検出し、該紙葉の複数の所定位置についての検出データを得る第１のステップと、
    予め用意された各位置毎の標準平均と標準偏差とを使用して、各位置毎に、前記検出データと前記標準平均との差を前記標準偏差で除す演算を行なうことにより、該検出データを正規化された離隔値に変換する第２のステップと、
    各位置毎の前記正規化された離隔値を評価することにより前記紙葉を識別する第３のステップと
    を具備することを特徴とするプログラム。
25. コンピュータによって実行されるプログラムの命令群を収容している機械読み取り可能な記録媒体であって、前記コンピュータには、識別対象である紙葉の特徴を検出し、該紙葉の複数の所定位置についての検出データを出力するセンサと、正規化のための複数種の基準データを記憶したメモリとが接続されており、前記プログラムは、
    前記センサから出力された前記各位置の検出データをその中の最小値又は最大値に対する相対値データに変換する第１演算ステップと、
    各位置の前記相対値データの平均値を算出する第２演算ステップと、
    前記基準データのうち前記相対値データの平均値に関する相対標準平均を前記メモリから読み出し、この相対標準平均を前記第２演算ステップで算出された平均値によって除して補正係数を算出する第３演算ステップと、
    前記第１演算ステップで求めた各位置の前記相対値データを前記補正係数によって補正する演算を行ない、各位置毎の補正サンプルデータを算出する第４演算ステップと、
    前記基準データのうち各位置毎の標準平均及び標準偏差を前記メモリから読み出し、各位置毎に、前記第４演算部で算出した補正サンプルデータと前記標準平均との差を前記標準偏差で除す演算を行なうことにより、該補正サンプルデータを正規化された離隔値に変換する第５演算ステップと、
    各位置毎の前記正規化された離隔値と所定の限界基準値とを比較し、この比較結果によって前記識別対象紙葉を評価するステップと
    を具備することを特徴とするプログラム。
26. 同一種類の紙葉について様々な条件下で特徴検出を行い、該紙葉における複数の所定位置毎に、多数の特徴検出データを収集するステップと、
    １つの紙葉サンプルの前記複数の所定位置における前記特徴検出データの最小値又は最大値に対する相対値の形で、前記特徴検出データを表現し、この相対値からなる特徴検出データに基づき、各位置毎の該特徴検出データの位置標準平均及び位置標準偏差を作成するステップと、
    各位置毎に、前記位置標準平均と位置標準偏差とによって定義される前記特徴検出データの標準化変量の限界値をシミュレーションによって求め、これを判定限界値として定義するステップと、
    識別対象たる紙葉の特徴検出を行ない、各位置毎の対象検出データを得るステップと、
    前記各位置の対象検出データのうちの最小値又は最大値に対する相対値の形で該対象検出データを表現し、該相対値からなる対象検出データの前記位置標準平均に対する差を前記位置標準偏差によって除すことにより、該対象検出データを標準化するステップと、
    各位置毎に、前記標準化された対象検出データを前記判定基準値によって評価するステップと
    を具備する紙葉類識別方法。
27. 同一種類の紙葉について様々な条件下で特徴検出を行い、該紙葉における複数の所定位置毎に、多数の特徴検出データを収集するステップと、
    １つの紙葉サンプルの前記複数の所定位置における前記特徴検出データの最小値又は最大値に対する相対値の形に前記特徴検出データを変換するステップと、
    各紙葉サンプル毎に、前記相対値からなる特徴検出データの算術平均を求めるステップと、
    この各紙葉サンプル毎の算術平均から相対値標準平均を求めるステップと、
    前記相対値標準平均に対する各紙葉サンプル毎の算術平均の比を算出し、各紙葉サンプル毎の補正係数を得るステップと、
    各紙葉サンプル毎に、前記相対値からなる特徴検出データを前記補正係数によって補正するステップと、
    補正された特徴検出データに基づき、各位置毎の位置標準平均及び位置標準偏差を算出するステップと、
    各位置毎に、前記位置標準平均と位置標準偏差とによって定義される前記特徴検出データの標準化変量の限界値をシミュレーションによって求め、これを判定限界値として定義するステップと、
    識別対象たる紙葉の特徴検出を行ない、各位置毎の対象検出データを得るステップと、
    各位置毎に、前記対象検出データの前記位置標準平均に対する差を前記位置標準偏差によって除すことにより、該対象検出データを標準化するステップと、
    各位置毎に、前記標準化された対象検出データを前記判定基準値によって評価するステップと
    を具備する紙葉類識別方法。
28. 前記対象検出データを標準化するステップは、
    各位置の前記対象検出データの最小値又は最大値に対する相対値の形に該対象検出データを変換するステップと、
    前記相対値からなる対象検出データの算術平均を求めるステップと、
    前記相対値標準平均に対する前記相対値からなる対象検出データの算術平均の比を算出し、補正係数を得るステップと、
    各位置毎の前記相対値からなる対象検出データを前記補正係数によって補正し、これにより補正された対象検出データを得るステップと、
    各位置毎に、前記補正された対象検出データの前記位置標準平均に対する差を前記位置標準偏差によって除すことにより、該対象検出データを標準化するステップと
    を含む請求項２７に記載の紙葉類識別方法。
29. 同一種類の紙葉について様々な条件下で特徴検出を行い、該紙葉における複数の所定位置毎に、多数の特徴検出データを収集するステップと、
    １つの紙葉サンプルの前記複数の所定位置における前記特徴検出データの最小値又は最大値に対する相対値の形で、前記特徴検出データを表現し、この相対値からなる特徴検出データに基づき、各位置毎の該特徴検出データの位置標準平均及び位置標準偏差を作成するステップと、
    各紙葉サンプルの前記各位置毎に、前記特徴検出データの前記位置標準平均に対する差を前記位置標準偏差によって除すことにより位置離隔値を求めるステップと、
    前記位置離隔値を各紙葉サンプル毎に合計することにより、各紙葉サンプル毎の総合離隔値を得るステップと、
    前記各紙葉サンプル毎の総合離隔値に基づき、総合離隔値の標準平均及び標準偏差を算出するステップと、
    前記総合離隔値の標準平均と標準偏差とに基づき前記各総合離隔値の判定限界値をシミュレーションによって求めるステップと、
    識別対象たる紙葉の特徴検出を行ない、各位置毎の対象検出データを得るステップと、
    前記各位置の対象検出データのうちの最小値又は最大値に対する相対値の形で該対象検出データを表現し、該相対値からなる対象検出データの前記位置標準平均に対する差を前記位置標準偏差によって除すことにより該対象検出データを標準化し、標準化された対象検出データを合計することにより前記識別対象紙葉の総合離隔値を求めるステップと、
    前記総合離隔値を前記判定基準値によって評価するステップと
    を具備する紙葉類識別方法。

Images