JP5520701B2 - 紙葉類判別方法、紙葉類判別装置および正損判別学習方法 - Google Patents

Description

本発明は、紙幣などの紙葉類の正損を判別する紙葉類判別方法、紙葉類判別装置および正損判別学習方法に関し、特に、損券のサンプルが存在しない場合であっても、開発効率を低下させることなく、再現性の高い正損判別を可能とする紙葉類判別方法、紙葉類判別装置および正損判別学習方法に関する。

従来、搬送機構を用いて紙幣を搬送し、搬送される紙幣の正損を、光学センサなどを用いることによって判別する紙幣判別装置が知られている。かかる紙幣判別装置には、たとえば、センサが備える光源から判別対象である紙幣へ光を照射し、かかる光の反射光あるいは透過光の強度変化を解析することで正損判別を行うものがある。

ここで、正損の判別とは、たとえば、紙幣に汚れや傷みなどの汚損が生じているか否かを判別することを指す。なお、以下では、かかる汚損が生じていない紙幣を「正券」と、生じている紙幣を「損券」と、それぞれ記載することとする。

また、かかる正損の判別は、光の波長や搬送方向などの判別条件を変えつつ行われるのが一般的である。なお、判別条件が異なる場合であっても判別結果の誤差が少ない場合、通常「判別の再現性が高い」と表現される。

そして、かかる紙幣判別装置の中には、たとえば、正券群の母集団データと、損券群の母集団データとをあらかじめ登録しておき、判別対象である紙幣の評価データがいずれの母集団に属するかを解析する、いわゆる判別分析の手法を用いるものがある（特許文献１参照）。

特開平７−３０６９６３号公報

しかしながら、特許文献１の技術を用いた場合、母集団データの生成のために、少なくとも正券および損券の２群のサンプルを必要とするという問題点があった。ここで、損券は、正券と比較して入手困難な場合が多いため、損券を入手できない場合には、損券について擬似的なサンプルデータを作成する必要が生じていた。

このため、装置の開発段階において、かかる損券の擬似的なサンプルデータの作成という煩雑な作業が発生しており、装置の開発効率の低下を招く原因の一つともなっていた。また、開発段階と実運用段階とで装置の判別性能が変化する場合が多く、正損判別における再現性の低下を招いていた。

これらのことから、損券のサンプルが存在しない場合であっても、開発効率を低下させることなく、再現性の高い正損判別を可能とする紙幣判別方法あるいは紙幣判別装置をいかにして実現するかが大きな課題となっている。なお、かかる課題は、紙幣に限らず、商品券や書類といった紙葉類にも同様に発生する課題である。

本発明は、上述した従来技術による問題点を解消するためになされたものであって、損券のサンプルが存在しない場合であっても、開発効率を低下させることなく、再現性の高い正損判別を可能とする紙葉類判別方法、紙葉類判別装置および正損判別学習方法を提供することを目的とする。

上述した課題を解決し、目的を達成するため、本発明は、紙葉類の正損を判別する紙葉類判別方法であって、正規な紙葉類である正券に対して複数の波長の光を照射する照射工程と、前記正券から受光した光を前記波長ごとに区別して受光する受光工程と、前記受光工程によって受光された光に基づいて前記波長ごとに波長別画像を生成する波長別画像生成工程と、複数のブロックに分割された前記波長別画像における正損判別に使用される有効ブロックを前記波長ごとに決定する有効ブロック決定工程と、前記波長別画像の代表値を前記有効ブロックに基づいて算出する代表値算出工程と、前記代表値算出工程によって算出された前記代表値を複数の前記正券について統計することによって算出した前記波長ごとの前記代表値の分布および前記波長間の相関を含んだ前記母集団を生成する母集団生成工程と、前記母集団生成工程によって生成された前記母集団および正損判別の対象となる紙葉類の前記波長別画像に基づいて当該紙葉類の正損を判別する正損判別工程とを含んだことを特徴とする。

また、本発明は、上記の発明において、前記波長は、前記紙葉類を透過する透過光と、当該紙葉類面を反射する反射光と、当該透過光の透過比率信号と、当該反射光の反射比率信号と、当該反射比率信号の加算信号とを含むものであって、前記波長別画像生成工程は、前記波長のそれぞれについて前記波長別画像を生成することを特徴とする。

また、本発明は、上記の発明において、前記波長ごとの選択フラグを含んだ波長情報を記憶する波長情報記憶工程と、前記波長情報記憶工程によって記憶された前記選択フラグのフラグ値が選択中を示す場合に、当該選択フラグに対応する前記波長を正損の判別に適する有効波長として前記紙葉類の種別ごとに決定したうえで、当該有効波長についての前記波長別画像を選択する有効波長画像選択工程とをさらに含み、前記有効ブロック決定工程は、前記有効波長画像選択工程によって選択された前記波長別画像における前記有効ブロックを決定することを特徴とする。

また、本発明は、上記の発明において、前記有効ブロック決定工程は、前記ブロックごとに当該ブロックに含まれる画素の総和値を複数枚の前記波長別画像について統計した統計量を算出したうえで、当該統計量に含まれる最大値および最大値と最小値との差分値に基づいて前記有効ブロックを決定することを特徴とする。

また、本発明は、上記の発明において、前記母集団は、前記波長ごとの前記代表値に基づいて算出される分散共分散逆行列を含むものであって、前記母集団生成工程は、前記分散共分散逆行列の総和値が所定の値となるように正規化することを特徴とする。

また、本発明は、上記の発明において、前記母集団は、前記代表値の統計量に含まれる前記波長ごとの平均値の集合である平均値ベクトルをさらに含んでおり、前記正損判別工程は、正損判別の対象となる前記紙葉類ごとに、前記波長ごとの前記代表値の集合である代表値ベクトルと前記平均値ベクトルと前記分散共分散逆行列とに基づいてマハラノビス距離を算出することを特徴とする。

また、本発明は、上記の発明において、前記マハラノビス距離を所定の評価レンジにおけるレベル値へ対応づけたレベル変換テーブルを記憶するレベル変換テーブル記憶工程をさらに含んでおり、前記正損判別工程は、算出した前記マハラノビス距離を前記レベル変換テーブル記憶工程によって記憶された前記レベル変換テーブルへ照合することによって、当該マハラノビス距離を該当するレベル値へ変換することを特徴とする。

また、本発明は、紙葉類の正損を判別する紙葉類判別装置であって、正規な紙葉類である正券に対して複数の波長の光を照射する照射手段と、前記正券から受光した光を前記波長ごとに区別して受光する受光手段と、前記受光手段によって受光された光に基づいて前記波長ごとに波長別画像を生成する波長別画像生成手段と、複数のブロックに分割された前記波長別画像における正損判別に使用される有効ブロックを前記波長ごとに決定する有効ブロック決定手段と、前記波長別画像の代表値を前記有効ブロックに基づいて算出する代表値算出手段と、前記代表値算出手段によって算出された前記代表値を複数の前記正券について統計することによって算出した前記波長ごとの前記代表値の分布および前記波長間の相関を含んだ前記母集団を生成する母集団生成手段と、前記母集団生成手段によって生成された前記母集団および正損判別の対象となる紙葉類の前記波長別画像に基づいて当該紙葉類の正損を判別する正損判別手段とを備えたことを特徴とする。

また、本発明は、紙葉類の正損判別に用いる母集団を学習する正損判別学習方法であって、正規な紙葉類である正券に対して複数の波長の光を照射する照射工程と、前記正券から受光した光を前記波長ごとに区別して受光する受光工程と、前記受光工程によって受光された光に基づいて前記波長ごとに波長別画像を生成する波長別画像生成工程と、複数のブロックに分割された前記波長別画像における正損判別に使用される有効ブロックを前記波長ごとに決定する有効ブロック決定工程と、前記波長別画像の代表値を前記有効ブロックに基づいて算出する代表値算出工程と、前記代表値算出工程によって算出された前記代表値を複数の前記正券について統計することによって算出した前記波長ごとの前記代表値の分布および前記波長間の相関を含んだ母集団を生成する母集団生成工程とを含んだことを特徴とする。

本発明によれば、正規な紙葉類である正券に対して複数の波長の光を照射し、正券から受光した光を波長ごとに区別して受光し、受光された光に基づいて波長ごとに波長別画像を生成し、複数のブロックに分割された波長別画像における正損判別に使用される有効ブロックを波長ごとに決定し、波長別画像の代表値を有効ブロックに基づいて算出し、算出された代表値を複数の正券について統計することによって算出した波長ごとの代表値の分布および波長間の相関を含んだ母集団を生成し、生成された母集団および正損判別の対象となる紙葉類の波長別画像に基づいて紙葉類の正損を判別することとしたので、損券のサンプルが存在しない場合であっても、開発効率を低下させることなく、再現性の高い正損判別を可能とすることができるという効果を奏する。

また、本発明によれば、波長は、紙葉類を透過する透過光と、紙葉類面を反射する反射光と、透過光の透過比率信号と、反射光の反射比率信号と、反射比率信号の加算信号とを含むものであって、波長のそれぞれについて波長別画像を生成することとしたので、受光センサと紙幣間のクリアランス、また、機差による受光感度のばらつきを軽減し、また、紙葉類の両面の個体差を軽減した正券画像を用いて高精度な母集団データを生成することができるという効果を奏する。

また、本発明によれば、波長ごとの選択フラグを含んだ波長情報を記憶し、記憶された選択フラグのフラグ値が選択中を示す場合に、かかる選択フラグに対応する波長を正損の判別に適する有効波長として紙葉類の種別ごとに決定したうえで、かかる有効波長についての波長別画像を選択し、選択された波長別画像における有効ブロックを決定することとしたので、紙幣の金種などごとに正損の判別に適した有効波長分の正券画像のみを用いて高精度な母集団データを生成することができるという効果を奏する。

また、本発明によれば、ブロックごとにブロックに含まれる画素の総和値を複数枚の波長別画像について統計した統計量を算出したうえで、かかる統計量に含まれる最大値および最大値と最小値との差分値に基づいて有効ブロックを決定することとしたので、判別に適した有効ブロックのみを用いて高精度な母集団データを生成することができるという効果を奏する。

また、本発明によれば、母集団は、波長ごとの代表値に基づいて算出される分散共分散逆行列を含むものであって、分散共分散逆行列の総和値が所定の値となるように正規化することとしたので、金種が異なるなど紙葉類の判別対象が異なる場合でも、一定の評価レンジで共通した評価を行うことができるという効果を奏する。

また、本発明によれば、母集団は、代表値の統計量に含まれる波長ごとの平均値の集合である平均値ベクトルをさらに含んでおり、正損判別の対象となる紙葉類ごとに、波長ごとの代表値の集合である代表値ベクトルと平均値ベクトルと分散共分散逆行列とに基づいてマハラノビス距離を算出することとしたので、データ間の相関を考慮したマハラノビス距離を用いて高精度な正損判別を行うことができるという効果を奏する。

また、本発明によれば、マハラノビス距離を所定の評価レンジにおけるレベル値へ対応づけたレベル変換テーブルを記憶し、算出したマハラノビス距離をレベル変換テーブルへ照合することによって、かかるマハラノビス距離を該当するレベル値へ変換することとしたので、広範囲にわたって大きなばらつきで分布するというマハラノビス距離の特性を吸収し、所定のレベル値で評価することができるという効果を奏する。

また、本発明によれば、正規な紙葉類である正券に対して複数の波長の光を照射し、正券から受光した光を波長ごとに区別して受光し、受光された光に基づいて波長ごとに波長別画像を生成し、複数のブロックに分割された波長別画像における正損判別に使用される有効ブロックを波長ごとに決定し、波長別画像の代表値を有効ブロックに基づいて算出し、算出された代表値を複数の正券について統計することによって算出した波長ごとの代表値の分布および波長間の相関を含んだ母集団を生成することとしたので、損券のサンプルが存在しない場合であっても、開発効率を低下させることなく、高精度な母集団データを生成することができるという効果を奏する。

図１は、本発明に係る紙葉類判別手法の概要を示す図である。 図２は、本実施例に係る紙幣判別装置が備えるラインセンサの概略図である。 図３は、本実施例に係る紙幣判別装置の構成を示すブロック図である。 図４は、有効波長画像選択部における有効波長画像選択処理を説明するための図である。 図５は、本実施例に係る画素の取り扱いについて説明するための図である。 図６は、有効ブロック決定部における有効ブロック決定処理を説明するための図である。 図７は、平均ブロック値統計部における平均ブロック値統計処理を説明するための図である。 図８は、マハラノビス距離算出部における評価値の補正処理を説明するための図である。 図９は、マハラノビス距離の分布特性を説明するための図である。 図１０は、レベル変換テーブルの設定例を示す図である。 図１１は、正損判別部における正損判別処理を説明するための図である。 図１２は、紙幣判別装置が実行する学習処理の処理手順を示すフローチャートである。 図１３は、紙幣判別装置が実行する判別処理の処理手順を示すフローチャートである。

以下に、添付図面を参照して、本発明に係る紙葉類判別方法、紙葉類判別装置および正損判別学習方法の好適な実施例を詳細に説明する。なお、以下では、本発明に係る紙葉類判別手法の概要について図１を用いて説明した後に、本発明に係る紙葉類判別手法を適用した紙幣判別装置についての実施例を図２〜図１３を用いて説明することとする。

まず、本発明に係る紙葉類判別手法の概要について図１を用いて説明する。図１は、本発明に係る紙葉類判別手法の概要を示す図である。なお、図１の（Ａ）には、従来技術に係る紙葉類判別手法の概要を、図１の（Ｂ）には、本発明に係る紙葉類判別手法の概要を、それぞれ示している。また、以下では、紙葉類が紙幣であるものとして説明を行う。

図１の（Ａ−ａ）に示すように、従来技術に係る紙葉類判別手法では、正損判別の基準となる母集団データの生成を行う学習段階において、学習用の撮像画像である学習画像として正券のサンプル群と損券のサンプル群とを必要としていた。

これは、従来技術に係る紙葉類判別手法が、２つの母集団データの存在を前提とするいわゆる判別分析の手法を用いているためであるが、市場での流通数が比較的少ない金種の紙幣や新規に発行される予定の紙幣などについては、官封券に代表される正券はともかく、損券のサンプルの入手が非常に困難であった。

したがって、たとえば、紙幣判別装置の開発段階における実験や検証試験の際には、擬似的な損券のサンプルデータの作成という煩雑な作業が生じていた。そして、かかる煩雑な作業は、開発効率の低下を招いていた。

また、図１の（Ａ−ｂ）に示すように、従来技術に係る紙葉類判別手法では、判別段階において、直線によって２つの母集団を区切る手法を用いる場合が多かった。

なお、図１の（Ａ−ｂ）に示したのは、変数ｘ１を横軸、変数ｘ２を縦軸とする散布図である。また、図中の「○」印は正券を、「●」印は損券を、直線Ｌ１は変数ｘ１の判別閾値を、直線Ｌ２は変数ｘ２の判別閾値を、破線は各変数の平均値を、それぞれ示している。

たとえば、図１の（Ａ−ｂ）に示すように、従来技術に係る紙葉類判別手法では、判別閾値Ｌ１以上かつ判別閾値Ｌ２以上のエリアを正券の母集団エリアとみなし、また、それ以外のエリアを損券の母集団エリアとみなして、判別対象の紙幣がいずれのエリアに属するかを判別することによって正損判別を行っていた。

したがって、図１の（Ａ−ｂ）に示したような、変数ｘ１およびｘ２のバランスが悪い損券ａ（たとえば、片面のみが汚れている紙幣など）は、従来技術に係る紙葉類判別手法では、正券と誤判別されていた。なお、変数間のバランスが悪いとは、変数間の相関が弱いと言い換えることができる。つまり、従来技術に係る紙葉類判別手法では、変数間の相関を考慮した判別を行っていなかった。

また、変数間の相関は強いものの、出力値が高すぎるために平均値の交点から遠い位置に分布する損券ｂ（たとえば、油汚れにより光の反射率が高い紙幣など）は、従来技術に係る紙葉類判別手法では、やはり正券と誤判別されていた。つまり、従来技術に係る紙葉類判別手法では、平均値の交点からの距離を考慮した判別を行っていなかった。

そこで、図１の（Ｂ−ａ）に示したように、本発明に係る紙葉類判別手法では、学習段階においては、正券のサンプル群のみを学習画像として用いて、変数間の相関を考慮した母集団データを生成することとした。

このとき、本発明に係る紙葉類判別手法では、生成する母集団データを高精度なものとするために、判別に適した波長（以下、「有効波長」と記載する）に基づいて取得した正券画像のみを用いる。なお、かかる「有効波長」の詳細については、図４を用いて後述する。

また、本発明に係る紙葉類判別手法では、かかる有効波長分の正券画像について判別に適した領域（以下、「有効ブロック」と記載する）を決定し、決定した有効ブロックのみを用いる。なお、かかる「有効ブロック」の詳細については、図６を用いて後述する。

また、生成される母集団データには、各変数の平均値の集合である「平均値ベクトル」と、変数間の相関係数である「分散共分散逆行列」とが含まれる。かかる点の詳細については、図７を用いて後述する。

これにより、本発明に係る紙葉類判別手法では、損券のサンプル群が存在しない場合であっても、正券のサンプル群のみを用いることで、開発効率を低下させることなく高精度な母集団データを生成することができる。

また、図１の（Ｂ−ｂ）に示したように、本発明に係る紙葉類判別手法では、判別段階においては、「マハラノビス距離」を用いた正損判別を行うこととした。なお、図１の（Ｂ−ｂ）に示したのは、図１の（Ａ−ｂ）と同様の散布図である。

ここで、「マハラノビス距離」とは、多変数間の相関に基づいた距離であり、一般に多変量解析に用いられている。そして、かかる「マハラノビス距離」は、学習段階において生成した「平均値ベクトル」を重心とする正券の分布空間に対する相対的な距離として、相関係数である「分散共分散逆行列」などを用いて求めることができる。

つまり、本発明に係る紙葉類判別手法では、正券の分布空間から相対的に近いか遠いかによって判別を行うので、損券のサンプル群が存在しない場合であっても、判別閾値を適正に設定することによって高精度な正損判別を行うことが可能となる。

なお、図１の（Ｂ−ｂ）に示したような散布図上では、等距離の「マハラノビス距離」は、平均値の交点に対応する「平均値ベクトル」を重心とする等高線状に閉曲線１のように描くことができる。

したがって、閉曲線１を判別閾値１として最適化することによって、損券ａおよび損券ｂを適正に損券であると判別することが可能となる。なお、かかる判別閾値１の最適化は、紙幣判別装置の開発段階における実験や検証試験の際に適宜調整することができる。

また、判別対象へ実際の損券が混じる実運用段階においては、「大津の２値化」に代表される判別分析法を用いることによって判別閾値１を自動的に最適化することとしてもよい。かかる、判別閾値１の最適化の詳細については、図１１を用いて後述する。

このように、本発明に係る紙葉類判別手法では、学習段階においては、正券のサンプル群のみを学習画像として用いて、変数間の相関を考慮した高精度な母集団データを生成することとした。

また、本発明に係る紙葉類判別手法では、判別段階においては、生成した母集団データに含まれる「平均値ベクトル」や「分散共分散逆行列」を用いて「マハラノビス距離」を算出し、かかる「マハラノビス距離」を用いた正損判別を行うこととした。

したがって、本発明に係る紙葉類判別手法によれば、損券のサンプルが存在しない場合であっても、開発効率を低下させることなく高精度な母集団データを生成することができ、再現性の高い正損判別が可能となる。

以下では、図１を用いて説明した紙葉類判別手法を適用した紙幣判別装置についての実施例を詳細に説明する。なお、以下に示す実施例では、紙幣判別装置がイメージラインセンサ（以下、「ラインセンサ」と記載する）によって、紙幣の画像を撮像する場合について説明することとする。また、以下では、判別対象となる紙幣の撮像画像を「評価画像」と記載することとする。

図２は、本実施例に係る紙幣判別装置が備えるラインセンサの概略図である。なお、図２では、同ラインセンサの特徴を説明するために必要な機構の一部を示しており、機構の形状や構成部品などを限定するものではない。また、図２の（Ａ）には、多波長光源を有する片面反射／片面透過型ラインセンサ１００の概略図を、図２の（Ｂ）には、他のラインセンサである両面反射／片面透過型のラインセンサ２００の概略図を、それぞれ示している。

まず、図２を用いた説明に先だって、ラインセンサの概要について説明する。ラインセンサとは、紙幣の画像を撮像する機構であり、撮像対象である紙幣の搬送方向と直交する方向へ多数の検出器を並列して配置する。なお、かかる検出器は、発光素子であるＬＥＤ（Light Emitting Diode）アレイや、受光素子であるフォトダイオードアレイなどから構成される。

そして、ラインセンサは、撮像対象である紙幣上の所定位置での反射光や透過光などの物理量の分布を検出することで、かかる紙幣を撮像する。なお、以下では、光学式のラインセンサを用いる場合について説明する。

図２の（Ａ）に示したように、ラインセンサ１００は長形状の対向した発光部１１０および受発光部１２０によって構成され、撮像対象である紙幣は、発光部１１０と受発光部１２０との間隙を搬送方向５００の方向へ搬送される。

発光部１１０は、ライン状の透過用２波長ＬＥＤアレイ１１１と集光用のロッドレンズ１１２とで一体的に構成され、搬送される紙幣に対して光を均一に照射する。

また、受発光部１２０は、ライン状の反射用２波長ＬＥＤアレイ１２１と、受光用のフォトダイオードアレイ１２３と、フォトダイオードアレイ１２３の受光角を制限することで指向性を高めて分解能を向上させるセルフォックレンズアレイ（ＳＬＡ）１２２と、フォトダイオードアレイ１２３の各素子の蓄積時間を制御するマルチプレクサ回路１２４とで一体的に構成される。

ここで、透過用２波長ＬＥＤアレイ１１１および反射用２波長ＬＥＤアレイ１２１は、電流制御の駆動回路で制御される。また、フォトダイオードアレイ１２３の感知出力は、マルチプレクサ回路１２４で発光波長に応じた適宜の蓄積時間で制御されて出力される。

なお、かかるＬＥＤアレイ１１１および１２１の発光素子は、赤外光のような不可視光源と可視光源（たとえば緑色）とを組み合わることとしてもよいし、紙幣の種類や判別の目的などに応じて、ＲＧＢ光源を組み合わせることとしてもよい。また、ＬＥＤ以外の発光素子を用いることとしてもよい。

さらに、上述の説明では、透過用２波長および反射用２波長のＬＥＤアレイで構成した例を説明したが、特に構成を限定するものではなく、透過光あるいは反射光を適宜組み合わせることとしてもよい。

なお、図２の（Ａ）においては、片面反射／片面透過型のラインセンサを用いる場合の例を示したが、両面反射／片面透過型のラインセンサを用いることとしてもよい。

図２の（Ｂ）に示したように、ラインセンサ２００は、撮像対象である紙幣３００の一方の面を走査する第１のラインセンサ２１０と、他方の面を走査する第２のラインセンサ２２０とを備える。なお、撮像対象となる紙幣３００は、かかる第１のラインセンサ２１０と第２のラインセンサ２２０との間隙を搬送方向６００の方向へ搬送される。

ここで、第１のラインセンサ２１０は、紙幣３００の一方の面へ所定の波長の光（たとえば、赤外光などの不可視光や緑色などの可視光）を照射する反射用光源２１１と、反射用光源２１１から照射され紙幣３００で反射した光を集光するレンズ２１２と、レンズ２１２によって集光された光を電気信号に変換する受光部２１３と、受光部２１３で変換された電気信号をデジタル信号に変換するＡ／Ｄ変換部２１４と、後述する第２のラインセンサ２２０の反射用光源２２２からの光を遮断する遮蔽部２１５とを備える。

また、同様に、第２のラインセンサ２２０は、紙幣３００の他方の面へ所定の波長の光を照射する透過用光源２２１および反射用光源２２２と、反射用光源２２２から照射され紙幣３００で反射した光を集光するレンズ２２３と、レンズ２２３によって集光された光を電気信号に変換する受光部２２４と、受光部２２４で変換された電気信号をデジタル信号に変換するＡ／Ｄ変換部２２５と、第１のラインセンサ２１０の反射用光源２１１からの光を遮断する遮蔽部２２６とを備える。

また、第１のラインセンサ２１０の受光部２１３は、レンズ２１２を介して第２のラインセンサ２２０の透過用光源２２１から照射された光の一部を検出する。したがって、透過用光源２２１は、第１のラインセンサ２１０のレンズ２１２の光軸上に配置される。

なお、透過用光源２２１／反射用光源２１１および２２２については、ＬＥＤを用いることが好ましいが、ＬＥＤ以外の発光素子を用いることとしてもよい。また、紙幣の種類や判別の目的などに応じて、ＲＧＢ光源を用いることが好ましい。

なお、本発明においては、上述したラインセンサ以外の両面反射／両面透過型のラインセンサを適用することとしてもよい。また、本実施例においては、図２の（Ｂ）に示した、両面反射／片面透過型のラインセンサ２００を用いることとする。

次に、本実施例に係る紙幣判別装置の構成について図３を用いて説明する。図３は、本実施例に係る紙幣判別装置１０の構成を示すブロック図である。なお、図３では、紙幣判別装置１０の特徴を説明するために必要な構成要素のみを示しており、一般的な構成要素についての記載を省略している。

図３に示すように、紙幣判別装置１０は、ラインセンサ部１１と、制御部１２と、記憶部１３と、閾値入力部１４とを備えている。また、制御部１２は、画像入力部１２ａと、補正処理部１２ｂと、学習部１２ｃと、判別部１２ｄとをさらに備えている。

なお、学習部１２ｃは、有効波長画像選択部１２ｃａと、有効ブロック決定部１２ｃｂと、平均ブロック値統計部１２ｃｃとをさらに備えている。また、判別部１２ｄは、評価値ベクトル算出部１２ｄａと、マハラノビス距離算出部１２ｄｂと、正損判別部１２ｄｃとをさらに備えている。

また、記憶部１３は、補正情報１３ａと、波長別正券画像１３ｂと、有効波長情報１３ｃと、有効波長別有効ブロック位置１３ｄと、平均値ベクトル１３ｅと、分散共分散逆行列１３ｆと、波長別評価画像１３ｇと、レベル変換テーブル１３ｈと、判別閾値１３ｉとを記憶する。

ラインセンサ部１１は、図２に示したラインセンサ１００あるいは２００に対応するデバイスであり、図示しない搬送機構によって搬送される紙幣からの透過光または反射光を受光する。また、ラインセンサ部１１は、受光した入力データを制御部１２の画像入力部１２ａに対して出力する処理を併せて行う。

制御部１２は、ラインセンサ部１１からの入力データに基づいて使用可能な波長ごとに紙幣の撮像画像を生成し、撮像画像が学習用の正券画像である場合には、有効波長分の正券画像について、有効ブロックの平均ブロック値に基づく分散共分散逆行列および平均値ベクトルを算出する処理を行う処理部である。

ここで、使用可能な波長とは、本実施例に係る紙幣判別装置１０が学習あるいは判別に用いることができる波長のことであり、ラインセンサ部１１が受光可能な波長、あるいはかかる受光可能な波長に基づいて加工された波長を含む。なお、この点の詳細については、図４を用いて後述する。

また、制御部１２は、撮像画像が評価画像である場合には、有効波長分の評価画像について、有効ブロックの平均ブロック値に基づく評価値ベクトルを算出したうえで、かかる評価値ベクトルと、上述の分散共分散逆行列および平均値ベクトルとを用いてマハラノビス距離を算出し、算出したマハラノビス距離を用いて紙幣の正損判別を行う処理部でもある。

画像入力部１２ａは、ラインセンサ部１１からの入力データを１枚の紙幣について合成し、紙幣全体についての撮像画像を使用可能な波長ごとに生成する処理を行う処理部である。また、画像入力部１２ａは、生成した撮像画像を補正処理部１２ｂに対して出力する処理を併せて行う。

補正処理部１２ｂは、画像入力部１２ａから入力する撮像画像に対して補正処理を施す処理を行う処理部である。なお、かかる補正処理は、印刷ずれ補正処理と機差補正処理とに大別することができる。

まず、印刷ずれ補正処理とは、紙葉類（官封券を含む）に対する印刷位置のずれが発生する場合があるので、かかる場合を考慮して行う補正処理であり、撮像画像に対して印刷ずれを生じさせたマージンデータ（疑似印刷ずれデータ）の追加をして印刷ずれ時に影響の大きいブロックを除外するために行うものである。なお、かかるマージンデータは、あらかじめ記憶部１３の補正情報１３ａへ格納されており、紙幣判別装置１０の運用中においても適宜調整可能であるものとする。

また、機差補正処理とは、紙幣判別装置１０のユニット間あるいは搬送方向間で生じうる検知性能の差異を軽減するための補正処理である。具体的には、撮像画像に対して、あらかじめユニットごとに補正情報１３ａへ格納されているユニット別補正係数を乗じることによって行う。

なお、ユニット別補正係数は、各ユニットの製造工程において、搬送機構へ白地の補正用ダミー券を搬送することによって求められる撮像画像の所定エリアの評価値に基づいて算出される。

学習部１２ｃは、有効波長分の学習用の正券画像について、有効ブロックの平均ブロック値に基づく分散共分散逆行列および平均値ベクトルを算出する学習処理を行う処理部である。

有効波長画像選択部１２ｃａは、記憶部１３の有効波長情報１３ｃを参照して、学習に適した波長である有効波長を選択し、かかる有効波長分の正券画像を波長別正券画像１３ｂから抽出する処理を行う処理部である。また、有効波長画像選択部１２ｃａは、抽出した有効波長分の正券画像を、有効ブロック決定部１２ｃｂに対して出力する処理を併せて行う。

ここで、有効波長画像選択部１２ｃａが行う有効波長画像選択処理の内容について、図４を用いてさらに詳細に説明する。図４は、有効波長画像選択部１２ｃａにおける有効波長画像選択処理を説明するための図である。

なお、図４の（Ａ）には、搬送方向６００へ搬送される紙幣３００を厚み方向からみた場合の概略図を示しており、波線の矢印は赤外光を、実線の矢印は可視光を、それぞれ示している。また、図４の（Ｂ）には、有効波長情報１３ｃの設定例を示している。

本実施例に係る紙幣判別装置１０は、あらかじめ使用可能な波長に関する情報を記憶部１３の有効波長情報１３ｃへ設定しておくことができる。たとえば、図４の（Ａ）に示すように、ラインセンサ部１１が、透過赤外光ｐ１、透過可視光ｐ２、Ａ面反射赤外光Ａ１、Ａ面反射可視光Ａ２、Ｂ面反射赤外光Ｂ１、Ｂ面反射可視光Ｂ２をそれぞれ受光することができるものとする。

かかる場合、図４の（Ｂ）に示すように、有効波長情報１３ｃをあらかじめ設定することができる。なお、図４の（Ｂ）に示すように、有効波長情報１３ｃは、「番号」項目と、「使用可能波長」項目と、「選択フラグ」項目とを含んだ情報である。

ここで、「番号」項目は、レコード番号が格納される項目である。また、「使用可能波長」項目は、本実施例に係る紙幣判別装置１０が学習に使用可能な波長が格納される項目である。

たとえば、図４の（Ｂ）に示すように、ラインセンサ部１１が受光可能な波長のそれぞれを、使用可能な波長として設定することができる（「番号」が「１」〜「６」のレコード参照）。また、受光可能な波長の比率を使用可能な波長として設定することとしてもよい（「番号」が「７」〜「９」のレコード参照）。

また、受光可能な波長を加算して、使用可能な波長として設定することとしてもよい（「番号」が「１０」、「１１」のレコード参照）。さらに、かかる比率と加算とを組み合わせて設定することとしてもよい（「番号」が「１２」のレコード参照）。

なお、「番号」が「７」〜「９」、「１２」の各レコードに示すように波長の比率を用いる場合、紙幣搬送位置の通路上側／下側といった受光センサと紙幣間のクリアランス、また、機差による受光感度のばらつきを軽減できる。また、「番号」が「１０」、「１１」、「１２」の各レコードに示すように波長の加算を用いる場合、たとえば、表（おもて）面と裏面との個体差の解消を図ることができる。

「選択フラグ」項目は、学習に適した有効波長として選択されているか否かを示すフラグ値が格納される項目である。たとえば、選択されている場合のフラグ値を「１」、選択されていない場合のフラグ値を「０」と定めた場合、図４の（Ｂ）に示した例では、「番号」が「７」、「１１」、「１２」の各波長が有効波長として選択されていることとなる。

そして、有効波長画像選択部１２ｃａは、かかる有効波長として選択されている各波長分の正券画像を波長別正券画像１３ｂから抽出する。なお、「選択フラグ」項目のフラグ値は、紙幣判別装置１０の運用中においても適宜調整することができる。また、かかる「選択フラグ」項目のフラグ値の設定は、デザインや使用されるインクなどの異なる、紙幣の金種ごとに行うことが好ましい。

なお、本実施例では、図４の（Ｂ）に示したのと同様に、「番号」が「７」の透過比率波長（「ｐ２／ｐ１」）と、「番号」が「１１」の反射可視光加算波長（「Ａ２＋Ｂ２」）と、「番号」が「１２」の反射比率加算波長（「（Ａ２／Ａ１）＋（Ｂ２／Ｂ１）」）とが、それぞれ有効波長として選択されているものとする。

また、以下では、かかる「番号」が「７」の有効波長を「有効波長α」と、「番号」が「１１」の有効波長を「有効波長β」と、「番号」が「１２」の有効波長を「有効波長γ」と、それぞれ記載することとする。

図３の説明に戻り、有効ブロック決定部１２ｃｂについて説明する。有効ブロック決定部１２ｃｂは、有効波長画像選択部１２ｃａから入力した有効波長分の正券画像について所定数の画素を加算するブロック化をしたうえで、学習に適したブロックを有効ブロックとして決定する処理を行う処理部である。

なお、有効ブロック決定部１２ｃｂは、かかる有効ブロックの決定を有効波長別に行う。また、有効ブロック決定部１２ｃｂは、決定した有効ブロックの位置情報を記憶部１３の有効波長別有効ブロック位置１３ｄへ記憶させ、平均ブロック値統計部１２ｃｃへ出力する処理を併せて行う。

ここで、有効ブロック決定部１２ｃｂが行う有効ブロック決定処理の内容について、図５および図６を用いてさらに詳細に説明する。図５は、本実施例における画素の取り扱いについて説明するための図であり、図６は、有効ブロック決定部１２ｃｂにおける有効ブロック決定処理を説明するための図である。

まず、本実施例における画素の取り扱いについて図５を用いて説明する。図５に示すように、有効ブロック決定部１２ｃｂは、有効波長画像選択部１２ｃａから入力した正券画像を、たとえば、列方向（図５の「ｍ軸」参照）について０〜３１の３２個、行方向（図５の「ｎ軸」参照）について０〜１５の１６個の合計５１２個のブロックに分割する。

そして、図５の「ｍ」が「８」であり「ｎ」が「１５」であるブロック（ｍ，ｎ）＝（８，１５）に示したように、ブロックを構成する各画素の画素値が、たとえば、「１０」、「２０」、「３０」、「２０」、「３０」、「１０」、「３０」、「１０」、「２０」である場合には、画素値の総和をブロック値として取り扱う。

図５に示した場合には、かかるブロック値は１８０（＝１０＋２０＋３０＋２０＋３０＋１０＋３０＋１０＋２０）となる。なお、図５には、１ブロックが９画素からなる場合について示しているが、ブロックに含まれる画素数を異なるものとしてもよい。

次に、かかる画素の取り扱いを前提とした有効ブロック決定部１２ｃｂにおける有効ブロック決定処理の内容について図６を用いて説明する。なお、図６を用いた説明では、「ｍ」が「１６」であり「ｎ」が「０」であるブロック（ｍ，ｎ）＝（１６，０）と、「ｍ」が「８」であり「ｎ」が「１５」であるブロック（ｍ，ｎ）＝（８，１５）と、「ｍ」が「２４」であり「ｎ」が「１５」であるブロック（ｍ，ｎ）＝（２４，１５）とを例に挙げるものとする。

図６の（１）に示したように、有効ブロック決定部１２ｃｂは、ブロック値のレベル分けを行う。たとえば、図６の（１）には、暗い方から明るい方へ０〜２５５の値をとりうるブロック値について、レベル１〜８の８段階のレベル分けを行った場合を示している。

そして、図６の（２）に示したように、有効ブロック決定部１２ｃｂは、学習用の正券画像のすべてのブロックのブロック値について、正券画像枚数分の統計量を算出する。ここで、図６の（２）に示した各ブロック内の「／」で区切った数値は、それぞれ統計量に含まれる最大値および最小値である。

たとえば、「ｍ」が「１６」であり「ｎ」が「０」であるブロック（ｍ，ｎ）＝（１６，０）内の「７０／５０」は、かかるブロックのブロック値の最大値が「７０」で最小値が「５０」であることを意味している。

また、同様に、「ｍ」が「８」であり「ｎ」が「１５」であるブロック（ｍ，ｎ）＝（８，１５）については、最大値が「１７０」で最小値が「１３０」であり、「ｍ」が「２４」であり「ｎ」が「１５」であるブロック（ｍ，ｎ）＝（２４，１５）については、最大値が「２００」で最小値が「１３０」であることを意味している。

そして、図６の（３）に示したように、有効ブロック決定部１２ｃｂは、かかる統計量に基づいて有効ブロックの決定を行う。たとえば、図６の（３−ａ）に示したように、最小値がレベル５以上のブロックを決定条件のひとつとして、汚れの目立ちやすい比較的明るいブロックのみを絞り込む。

なお、図６の（３−ａ）に示した例では、「○」印を付与した「ｍ」が「８」であり「ｎ」が「１５」であるブロック（ｍ，ｎ）＝（８，１５）と、「ｍ」が「２４」であり「ｎ」が「１５」であるブロック（ｍ，ｎ）＝（２４，１５）とが該当し、「×」印を付与した「ｍ」が「１６」であり「ｎ」が「０」であるブロック（ｍ，ｎ）＝（１６，０）は該当しないことがわかる。

また、図６の（３−ｂ）に示したように、最大値と最小値との差分値がレベル２以下のブロックを決定条件のひとつとして、汚損を見分けにくいエッジにあたるブロックをあえて避ける。

なお、図６の（３−ｂ）に示した例では、「○」印を付与した「ｍ」が「１６」であり「ｎ」が「０」であるブロック（ｍ，ｎ）＝（１６，０）と、「ｍ」が「８」であり「ｎ」が「１５」であるブロック（ｍ，ｎ）＝（８，１５）とが該当し、「×」印を付与した「ｍ」が「２４」であり「ｎ」が「１５」であるブロック（ｍ，ｎ）＝（２４，１５）は該当しないことがわかる。

そして、図６の（４）に示したように、有効ブロック決定部１２ｃｂは、すべての決定条件に該当するブロックを最終的な有効ブロックとして決定する。したがって、図６に示した例では、有効ブロック決定部１２ｃｂは、「ｍ」が「８」であり「ｎ」が「１５」であるブロック（ｍ，ｎ）＝（８，１５）のみを有効ブロックとして決定し、かかる「ｍ」が「８」であり「ｎ」が「１５」であるという位置情報を、記憶部１３の有効波長別有効ブロック位置１３ｄへ記憶させ、併せて平均ブロック値統計部１２ｃｃへ出力する。

図３の説明に戻り、平均ブロック値統計部１２ｃｃについて説明する。平均ブロック値統計部１２ｃｃは、有効ブロック決定部１２ｃｂが決定した有効ブロックについて、正券画像１枚ごとの平均ブロック値を算出する処理を行う処理部である。

また、平均ブロック値統計部１２ｃｃは、算出したすべての平均ブロック値について有効波長別の統計量を算出し、かかる統計量に含まれる有効波長別の平均値を平均値ベクトルとして記憶部１３の平均値ベクトル１３ｅへ記憶させる。

また、平均ブロック値統計部１２ｃｃは、算出した平均ブロック値の有効波長間の相関係数である分散共分散逆行列を算出したうえで正規化し、記憶部１３の分散共分散逆行列１３ｆへ記憶させる。

ここで、平均ブロック値統計部１２ｃｃが行う平均ブロック値統計処理の内容について、図７を用いてさらに詳細に説明する。図７は、平均ブロック値統計部１２ｃｃにおける平均ブロック値統計処理を説明するための図である。

図７の（１）に示したように、平均ブロック値統計部１２ｃｃは、有効波長別に有効ブロックの平均ブロック値を算出する。なお、図７の（１）に示したのは、平均ブロック値統計部１２ｃｃが算出した平均ブロック値の有効波長別の分布図であり、「□」印をひとつの分布点（正券画像１枚ごとの平均ブロック値）としてあらわしている。

そして、平均ブロック値統計部１２ｃｃは、算出したすべての平均ブロック値について有効波長別の統計量を算出する（図７の（２）参照）。たとえば、図７の（３）に示したのは、かかる統計量に含まれる平均ブロック値の平均値である。

そして、平均ブロック値統計部１２ｃｃは、かかる平均値を平均値ベクトルとして記憶部１３の平均値ベクトル１３ｅへ記憶させる。たとえば、図７の（３）に示した例では、平均値ベクトルは（１１０５．３８，１５２０．５４，９２６．９５）となる。

そして、平均ブロック値統計部１２ｃｃは、図７の（１）において算出した有効波長別の平均ブロック値に基づいて有効波長間の相関係数である分散共分散逆行列を算出する（図７の（４）参照）。なお、図７の（４）には、総和値が「０．０２３２３」（＝０．００３１９＋０．００５６７＋０．０３９４１＋２×０．０００２０＋２×（−０．００６１３）＋２×（−０．００６５９））である分散共分散逆行列が算出された場合を示している。

そして、平均ブロック値統計部１２ｃｃは、総和値が所定の値となるように分散共分散逆行列の正規化を行う（図７の（５）参照）。たとえば、図７の（６）には、総和値が「２．０２２７３」（＝０．２７７７８＋０．４９３９１＋３．４３３１６＋２×０．０１７３３＋２×（−０．５３４３８）＋２×（−０．５７４０１））となるように分散共分散逆行列を正規化した場合を示している。

なお、かかる分散共分散逆行列の正規化は、後述するレベル変換テーブルを紙幣の金種の違いなどに関わらず共通化する目的で、常に総和値が同じ値になるように行われる。なお、以下では、正規化後の分散共分散逆行列を「Σ^−１」とあらわすこととしたうえで、「Σ^−１＝２．０２２７３」であるものとして説明を行う。

図３の説明に戻り、判別部１２ｄについて説明する。判別部１２ｄは、有効波長分の評価画像について、有効ブロックの平均ブロック値に基づく評価値ベクトルを算出したうえで、かかる評価値ベクトルと、学習部１２ｃが算出したΣ^−１および平均値ベクトルとを用いてマハラノビス距離を算出し、算出したマハラノビス距離を用いて紙幣の正損を判別する判別処理を行う処理部である。

評価値ベクトル算出部１２ｄａは、記憶部１３の有効波長情報１３ｃを参照して、判別対象となる有効波長分の評価画像を波長別評価画像１３ｇから抽出する処理を行う処理部である。

また、評価値ベクトル算出部１２ｄａは、抽出した評価画像１枚ごとの有効ブロックの平均ブロック値を評価値として算出する処理を併せて行う。なお、有効ブロックの位置については、有効波長別有効ブロック位置１３ｄを参照する。また、評価値ベクトル算出部１２ｄａは、算出したすべての評価値を評価値ベクトルとしてマハラノビス距離算出部１２ｄｂに対して出力する処理を併せて行う。

マハラノビス距離算出部１２ｄｂは、評価値ベクトル算出部１２ｄａから入力した評価値ベクトルの各要素のうち、基準値以上の評価値である要素について補正を施す処理を行う処理部である。なお、基準値には、平均値ベクトル１３ｅへ格納されている平均値ベクトルを用いる。

ここで、マハラノビス距離算出部１２ｄｂが行う評価値の補正処理の内容について、図８を用いてさらに詳細に説明する。図８は、マハラノビス距離算出部１２ｄｂにおける評価値の補正処理を説明するための図である。

まず、図８の（１）に示したのは、評価値ベクトル算出部１２ｄａが算出した評価値の有効波長別の分布図例である。なお、図中の「□」印は、図７の（１）の場合と同様にひとつの分布点をあらわしている。また、図中の「★」印は、基準値である平均値ベクトルをあらわしている。

ここで、図８の（１）からは、有効波長αについての評価値の中に、基準値以上のものがあることがわかる（図８の（１）に示した破線の閉曲線２で囲まれた部分参照）。かかる場合、マハラノビス距離算出部１２ｄｂは、基準値以上の評価値について図８の（２）に示すような補正を施す。

具体的には、図８の（２）に示したように、基準値である「★」印と評価値の最大値との差分値ｄを抑えるような補正を行う。たとえば、かかる差分値ｄを所定比で低下させる補正係数を乗じることとしてもよい。なお、かかる評価値の補正処理は、卸したての官封券のように明るすぎる評価画像によって生じうる評価値の分布のばらつきを抑える目的で行われる。

図３の説明に戻り、マハラノビス距離算出部１２ｄｂが行う他の処理について説明する。マハラノビス距離算出部１２ｄｂは、補正後の要素を含む評価値ベクトルと、学習部１２ｃが算出したΣ^−１および平均値ベクトルとを用いてすべての評価画像についてのマハラノビス距離を算出する処理を行う。

なお、評価値ベクトルをｘと、分散共分散逆行列をΣ^−１と、平均値ベクトルをμと、それぞれあらわしたときのマハラノビス距離Ｄ（ｘ）は、一般に

式（１）によって算出することができる。

また、マハラノビス距離算出部１２ｄｂは、算出したマハラノビス距離を所定の評価レンジにおけるレベル値へレベル変換し、レベル値を正損判別部１２ｄｃに対して出力する処理を併せて行う。なお、レベル変換にあたっては記憶部１３にあらかじめ記憶されたレベル変換テーブル１３ｈを用いる。

ここで、マハラノビス距離算出部１２ｄｂが行うマハラノビス距離のレベル変換処理の内容について、図９および図１０を用いてさらに詳細に説明する。図９は、マハラノビス距離の分布特性を説明するための図であり、図１０は、レベル変換テーブル１３ｈの設定例を示す図である。

まず、図９に示したのは、マハラノビス距離算出部１２ｄｂが算出した判別処理１回分（図中には「判別１」と記載）のマハラノビス距離の分布図例である。なお、図中の「○」印は、ひとつの分布点をあらわしている。

ここで、図９からは、マハラノビス距離の分布が、広範囲にわたるばらつきの大きい分布となることがみてとれる。また、マハラノビス距離が比較的大きければ、分布が疎になる傾向にあることもわかる。

なお、上述のように、マハラノビス距離算出部１２ｄｂは、マハラノビス距離のレベル変換を記憶部１３のレベル変換テーブル１３ｈを用いて行う。したがって、レベル変換テーブル１３ｈは、かかるマハラノビス距離の分布の特性を考慮した変換テーブルであることが好ましい。

そこで、マハラノビス距離の分布の特性を考慮したレベル変換テーブル１３ｈの設定例を、図１０を用いて詳細に説明する。まず、図１０の（１）に示したように、本実施例に係る紙幣判別装置１０は、開発段階における実験などによって、レベル変換テーブルの基準となるデータを求める。

たとえば、ここでは、複数枚の正券画像の平均ブロック値の統計量を波長別に算出することとし、算出した統計量に含まれる平均値ベクトルがＭ１であったものとする。また、開発段階における正損判別の目標値Ｍ２を、Ｍ１から９０下げた値と仮定する（図１０の（１）参照）。かかる場合、変量は９０（＝Ｍ１−Ｍ２）であり、正券画像は、平均値ベクトルＭ１から平均ブロック値が９０変量する範囲に分布すると見立てることができる。なお、目標値Ｍ２については、開発段階における実験結果などに基づいて定めることとすればよい。

また、図１０の（２）に示したように、レベル変換後のレベル値は、たとえば、０〜２５５の値をとりうるものとし、マハラノビス距離が小さいほどレベル値が高いものとする。

ここで、図１０の（２）に示したように、本実施例に係る紙幣判別装置１０は、レベル値のレンジを正券用のレンジと損券用のレンジとに大別し、正券がとりうるレベル値の範囲を２５５〜１２７であると見立てる。

したがって、図１０の（１）において、正券画像は、平均ブロック値が９０変量する範囲に分布すると見立てられたことから、レベル値２５５に対してＭ１を、また、レベル値１２７に対してＭ２をそれぞれ割り当てて、レベル値１レベルあたりの平均ブロック値変量を０．７０３１２５（＝９０／（２５５−１２７））と見積もることができる。

そして、図１０の（３）に示したように、本実施例に係る紙幣判別装置１０は、レベル値の変位に応じた平均ブロック値の変量を算出する。たとえば、図１０の（３）には、レベル値が「２５５」〜「２５３」、「１２８」、「１２７」、「１」、「０」の場合の平均ブロック値の変量を、それぞれ示している。

そして、図１０の（４）に示したように、本実施例に係る紙幣判別装置１０は、図１０の（３）において示した平均ブロック値の変量を（ｘ−μ）とし、上述の通り、「Σ^―１＝２．０２２７３（図７参照）」として、

式（１）によってレベル値ごとのマハラノビス距離を算出する。そして、かかるレベル値とマハラノビス距離とを対応づけたテーブルをレベル変換テーブル１３ｈとして設定する。

なお、図１０の（４）に示したように、レベル変換テーブル１３ｈは、レベル値が１変位するのに応じてマハラノビス距離の差分を徐々に広げていくので（図１０の（４）に示した差分「１」、「３」、「２５５」、「５０９」参照）、上述したマハラノビス距離の分布の特性（図９参照）を所定の評価レンジにおいて反映することができる。

図３の説明に戻り、正損判別部１２ｄｃについて説明する。正損判別部１２ｄｃは、マハラノビス距離算出部１２ｄｂが出力したマハラノビス距離のレベル値と、記憶部１３の判別閾値１３ｉとを比較して、すべての評価画像についての正損判別を行う処理部である。

ここで、正損判別部１２ｄｃが行う正損判別処理の内容について、図１１を用いてさらに詳細に説明する。図１１は、正損判別部１２ｄｃにおける正損判別処理を説明するための図である。

なお、図１１の（Ａ）には、紙幣の搬送方向についての概要を、図１１の（Ｂ）には、開発段階における正損判別を説明するための図を、図１１の（Ｃ）には、実運用段階における正損判別を説明するための図を、それぞれ示している。

図１１の（Ａ）に示したように、本実施例に係る紙幣判別装置１０は、図示しない搬送機構へ異なる搬送方向で紙幣を搬送させることができる。たとえば、図１１の（Ａ）に示したように、紙幣の一方の面をＡ面、もう一方の面をＢ面とした場合、本実施例に係る紙幣判別装置１０は、方向ａ、方向ｂ、方向ｃ、方向ｄのそれぞれの搬送方向で正損判別を行うことができる。

したがって、搬送方向の異なる場合の判別結果をすり合わせることによって、再現性の高い、高精度な正損判別を行うことが可能となる。かかる点を考慮して、以下、説明を行う。

本実施例に係る紙幣判別装置１０は、開発段階においては、検証試験における搬送方向別の判別結果などに基づいて判別閾値１３ｉを定めることができる。なお、図１１の（Ｂ）に示したのは、搬送方向（方向ａ〜ｄ）別のレベル値の分布図例である。

たとえば、あらかじめ記憶部１３の判別閾値１３ｉへ所定の閾値ｔ１が格納されているものとする。かかる場合、正損判別部１２ｄｃは、マハラノビス距離算出部１２ｄｂが出力したレベル値と閾値ｔ１とを比較して、閾値ｔ１以上のレベル値の紙幣を正券と、閾値ｔ１に満たない紙幣を損券と、それぞれ判別することになる。

たとえば、図１１の（Ｂ）に示した例では、方向ａおよびｂにおける損券は２枚、方向ｃおよびｄにおける損券は３枚である。このとき、仮に所定の閾値が閾値ｔ２であった場合、方向ａ〜ｄにおける損券はすべて２枚となる。

したがって、実運用段階においては、搬送方向による損券率の差異の解消が求められるのであれば、開発段階において、閾値ｔ１に代えて閾値ｔ２を判別閾値１３ｉへ格納することとすればよい。

また、評価画像に実際の損券が混じることになる実運用段階においては、いわゆる「大津の２値化」に代表される判別分析法を用いることによって、判別閾値１３ｉを自動的に定めることができる。なお、図１１の（Ｃ）に示したのは、マハラノビス距離のレベル値のヒストグラムの例である。

たとえば、図１１の（Ｃ）に示したように、実運用段階において、分離する２つの「正券クラス」と「損券クラス」とが得られた場合、かかるクラス間の分離度が最大となる閾値を判別閾値１３ｉへ格納することとすればよい。なお、分離度は、クラス間分散とクラス内分散との比で求めることができる。

したがって、図１１の（Ｃ）に示したように、実運用段階において、分離する２つのクラスが得られたならば、たとえば、閾値ｔ１からｔ３についての分離度を順次求めていくことによって、自動的に最適な判別閾値を算出することが可能となる。

図３の説明に戻り、閾値入力部１４について説明する。閾値入力部１４は、判別閾値１３ｉを登録あるいは更新する入力デバイスである。なお、入力については特に手段を限定するものではなく、たとえば、キーボードやグラフィカルユーザインタフェースによることとしてもよいし、閾値を自動計算する他装置からの入力を受け付ける入力インタフェースであることとしてもよい。

記憶部１３は、ハードディスクドライブや不揮発性メモリといった記憶デバイスで構成される記憶部であり、補正情報１３ａと、波長別正券画像１３ｂと、有効波長情報１３ｃと、有効波長別有効ブロック位置１３ｄと、平均値ベクトル１３ｅと、分散共分散逆行列１３ｆと、波長別評価画像１３ｇと、レベル変換テーブル１３ｈと、判別閾値１３ｉとを記憶する。

補正情報１３ａは、印刷ずれ補正に用いる印刷ずれマージンデータおよび機差補正に用いる機差補正係数を含む画像データの補正に関する情報であり、補正処理部１２ｂによって参照される。

波長別正券画像１３ｂは、画像入力部１２ａによって取得されたうえで補正処理部１２ｂによって補正された波長別の正券画像群である。なお、かかる波長別正券画像１３ｂから、有効波長画像選択部１２ｃａは学習対象となる有効波長分の正券画像を入力する。

有効波長情報１３ｃは、紙幣判別装置１０が使用可能な波長の定義情報や、学習および判別に有効波長として用いる波長の選択状況などを含む波長に関する情報である。なお、かかる有効波長情報１３ｃの詳細については上述したため（図４参照）、ここでの記載を省略する。

有効波長別有効ブロック位置１３ｄは、有効ブロック決定部１２ｃｂによって出力される有効ブロックの座標位置に関する情報であり、有効波長ごとに格納される。

平均値ベクトル１３ｅおよび分散共分散逆行列１３ｆは、平均ブロック値算出部１２ｃｃによって出力される学習用の正券の分布空間に関する情報である。なお、かかる平均値ベクトル１３ｅおよび分散共分散逆行列１３ｆの詳細については上述したため（図７参照）、ここでの記載を省略する。

波長別評価画像１３ｇは、画像入力部１２ａによって取得されたうえで補正処理部１２ｂによって補正された波長別の評価画像群である。なお、かかる波長別評価画像１３ｇから、評価値ベクトル算出部１２ｄａは判別対象となる有効波長分の評価画像を入力する。

レベル変換テーブル１３ｈは、マハラノビス距離算出部１２ｄｂが算出するマハラノビス距離を所定の評価レンジにおけるレベル値へ変換するための変換テーブルである。なお、かかるレベル変換テーブル１３ｈの詳細については上述したため（図１０参照）、ここでの記載を省略する。判別閾値１３ｉは、レベル値との比較対象となる所定の閾値情報であり、閾値入力部１４によって登録あるいは更新され、正損判別部１２ｄｃによって参照される。

なお、図３を用いた説明では、学習段階および実運用段階の双方の構成要素を含む紙幣判別装置１０の構成について説明したが、実運用段階においては、学習段階のみに関連する構成要素を除いた構成とすることができる。かかる場合、具体的には、学習部１２、補正情報１３ａおよび波長別正券画像１３ｂを除くことができる。

次に、紙幣判別装置１０が実行する学習処理の処理手順について図１２を用いて説明する。図１２は、紙幣判別装置１０が実行する学習処理の処理手順を示すフローチャートである。

図１２に示したように、画像入力部１２ａが、正券画像を取得すると（ステップＳ１０１）、補正処理部１２ｂは、印刷ずれマージンデータ（疑似印刷ずれデータ）の追加設定を行う（ステップＳ１０２）。すなわち、官封券などの正券においても印刷位置のずれは生じうるため、ここで強制的なずれを作ったマージンデータの追加を行い、印刷ずれ時に影響の大きいブロックを除外するデータ補正を行う。

また、補正処理部１２ｂは、紙幣判別装置１０の各ユニット間あるいは搬送方向間において生じうる検知性能の差異を軽減するための機差補正を行う（ステップＳ１０３）。そして、有効波長画像選択部１２ｃａが、波長別正券画像１３ｂから学習対象となる有効波長分の正券画像を選択する（ステップＳ１０４）。

そして、有効ブロック決定部１２ｃｂが、所定数の画素で正券画像をブロック化したうえでブロック値統計量を算出し（ステップＳ１０５）、かかるブロック値統計量に含まれる最大値および最小値に基づいて有効ブロックを決定する（ステップＳ１０６）。

つづいて、平均ブロック値統計部１２ｃｃが、有効波長別に有効ブロックの平均ブロック値統計量を算出する（ステップＳ１０７）。そして、平均ブロック値統計部１２ｃｃは、平均ブロック値統計量に含まれる有効波長ごとの平均値を、平均値ベクトルとして記憶部１３の平均値ベクトル１３ｅへ格納する（ステップＳ１０８）。

また、平均ブロック値統計部１２ｃｃは、有効波長ごとの各平均ブロック値に基づいて分散共分散逆行列を算出したうえで（ステップＳ１０９）、総和値が所定の値となるように分散共分散逆行列を正規化する（ステップＳ１１０）。

そして、平均ブロック値統計部１２ｃｃは、正規化した分散共分散逆行列を記憶部１３の分散共分散逆行列１３ｆへ格納したうえで（ステップＳ１１１）、処理を終了する。

次に、紙幣判別装置１０が実行する判別処理の処理手順について図１３を用いて説明する。図１３は、紙幣判別装置１０が実行する判別処理の処理手順を示すフローチャートである。

図１３に示したように、画像入力部１２ａが、評価画像を取得すると（ステップＳ２０１）、補正処理部１２ｂは、上述の学習処理と同様の機差補正を行う（ステップＳ２０２）。

そして、評価値ベクトル算出部１２ｄａが、波長別評価画像１３ｇから有効波長分の評価画像を選択したうえで、かかる評価画像１枚ごとの有効ブロックの平均ブロック値を評価値ベクトルとして算出する（ステップＳ２０３）。なお、かかる評価値ベクトルの算出は、有効波長別に行われる。

つづいて、マハラノビス距離算出部１２ｄｂが、平均値ベクトル１３ｅを参照しつつ平均値ベクトル以上である評価値を補正する（ステップＳ２０４）。なお、かかる補正は、卸したての官封券などが明るすぎることによって生じうる評価値のばらつきを軽減するために行われる。

そして、マハラノビス距離算出部１２ｄｂは、補正された評価値を含む評価値ベクトルと、平均値ベクトル１３ｅおよび分散共分散逆行列１３ｆとを用いて各評価画像のマハラノビス距離を算出する（ステップＳ２０５）。

そして、マハラノビス距離算出部１２ｄｂは、算出した各評価画像のマハラノビス距離を、レベル変換テーブル１３ｈを用いてレベル変換する（ステップＳ２０６）。

つづいて、正損判別部１２ｄｃが、すべての評価画像について、レベル変換後のマハラノビス距離が判別閾値以上であるか否かを判定する（ステップＳ２０７）。

そして、正損判別部１２ｄｃは、マハラノビス距離が判別閾値以上である評価画像については（ステップＳ２０７，Ｙｅｓ）、汚損のない正券と判別する（ステップＳ２０８）。また、正損判別部１２ｄｃは、ステップＳ２０７の判定条件を満たさない評価画像については（ステップＳ２０７，Ｎｏ）、損券と判別する（ステップＳ２０９）。そして、すべての評価画像についてかかる正損判別を行った後、処理を終了する。

上述してきたように、本実施例では、学習部が、有効波長分の学習用の正券画像について、有効ブロックの平均ブロック値に基づく分散共分散逆行列および平均値ベクトルを算出し、判別部が、有効波長分の判別対象の評価画像について、有効ブロックの平均ブロック値に基づく評価値ベクトルを算出したうえで、かかる評価値ベクトルと、上述の分散共分散逆行列および平均値ベクトルとを用いてマハラノビス距離を算出し、算出したマハラノビス距離を用いて紙幣の正損判別を行うように紙幣判別装置を構成した。したがって、損券のサンプルが存在しない場合であっても、開発効率を低下させることなく、再現性の高い正損判別を可能とすることができる。

以上のように、本発明に係る紙葉類判別方法、紙葉類判別装置および正損判別学習方法は、損券のサンプルが存在しない場合であっても、開発効率を低下させることなく、再現性の高い正損判別を可能としたい場合に有用であり、特に、紙幣などの流通性の高い紙葉類が流通に適するか否かを判別する装置への適用に適している。

１０ 紙幣判別装置
１１ ラインセンサ部
１２ 制御部
１２ａ 画像入力部
１２ｂ 補正処理部
１２ｃ 学習部
１２ｃａ 有効波長画像選択部
１２ｃｂ 有効ブロック決定部
１２ｃｃ 平均ブロック値統計部
１２ｄ 判別部
１２ｄａ 評価値ベクトル算出部
１２ｄｂ マハラノビス距離算出部
１２ｄｃ 正損判別部
１３ 記憶部
１３ａ 補正情報
１３ｂ 波長別正券画像
１３ｃ 有効波長情報
１３ｄ 有効波長別有効ブロック位置
１３ｅ 平均値ベクトル
１３ｆ 分散共分散逆行列
１３ｇ 波長別評価画像
１３ｈ レベル変換テーブル
１３ｉ 判別閾値
１４ 閾値入力部
１００ ラインセンサ
１１０ 発光部
１１１ アレイ
１１２ ロッドレンズ
１２０ 受発光部
１２１ アレイ
１２２ セルフォックレンズアレイ（ＳＬＡ）
１２３ フォトダイオードアレイ
１２４ マルチプレクサ回路
２００ ラインセンサ
２１０ 第１のラインセンサ
２１１ 反射用光源
２１２ レンズ
２１３ 受光部
２１４ Ａ／Ｄ変換部
２１５ 遮蔽部
２２０ 第２のラインセンサ
２２１ 透過用光源
２２２ 反射用光源
２２３ レンズ
２２４ 受光部
２２５ Ａ／Ｄ変換部
２２６ 遮蔽部

Claims (9)

1. 紙葉類の正損を判別する紙葉類判別方法であって、
   正規な紙葉類である正券に対して複数の波長の光を照射する照射工程と、
   前記正券から受光した光を前記波長ごとに区別して受光する受光工程と、
   前記受光工程によって受光された光に基づいて前記波長ごとに波長別画像を生成する波長別画像生成工程と、
   複数のブロックに分割された前記波長別画像における正損判別に使用される有効ブロックを前記波長ごとに決定する有効ブロック決定工程と、
   前記波長別画像の代表値を前記有効ブロックに基づいて算出する代表値算出工程と、
   前記代表値算出工程によって算出された前記代表値を複数の前記正券について統計することによって算出した前記波長ごとの前記代表値の分布および前記波長間の相関を含んだ前記母集団を生成する母集団生成工程と、
   前記母集団生成工程によって生成された前記母集団および正損判別の対象となる紙葉類の前記波長別画像に基づいて当該紙葉類の正損を判別する正損判別工程と
   を含んだことを特徴とする紙葉類判別方法。
2. 前記波長は、
   前記紙葉類を透過する透過光と、当該紙葉類面を反射する反射光と、当該透過光の透過比率信号と、当該反射光の反射比率信号と、当該反射比率信号の加算信号とを含むものであって、
   前記波長別画像生成工程は、
   前記波長のそれぞれについて前記波長別画像を生成することを特徴とする請求項１に記載の紙葉類判別方法。
3. 前記波長ごとの選択フラグを含んだ波長情報を記憶する波長情報記憶工程と、
   前記波長情報記憶工程によって記憶された前記選択フラグのフラグ値が選択中を示す場合に、当該選択フラグに対応する前記波長を正損の判別に適する有効波長として前記紙葉類の種別ごとに決定したうえで、当該有効波長についての前記波長別画像を選択する有効波長画像選択工程と
   をさらに含み、
   前記有効ブロック決定工程は、
   前記有効波長画像選択工程によって選択された前記波長別画像における前記有効ブロックを決定することを特徴とする請求項１または２に記載の紙葉類判別方法。
4. 前記有効ブロック決定工程は、
   前記ブロックごとに当該ブロックに含まれる画素の総和値を複数枚の前記波長別画像について統計した統計量を算出したうえで、当該統計量に含まれる最大値および最大値と最小値との差分値に基づいて前記有効ブロックを決定することを特徴とする請求項１に記載の紙葉類判別方法。
5. 前記母集団は、
   前記波長ごとの前記代表値に基づいて算出される分散共分散逆行列を含むものであって、
   前記母集団生成工程は、
   前記分散共分散逆行列の総和値が所定の値となるように正規化することを特徴とする請求項１に記載の紙葉類判別方法。
6. 前記母集団は、
   前記代表値の統計量に含まれる前記波長ごとの平均値の集合である平均値ベクトルをさらに含んでおり、
   前記正損判別工程は、
   正損判別の対象となる前記紙葉類ごとに、前記波長ごとの前記代表値の集合である代表値ベクトルと前記平均値ベクトルと前記分散共分散逆行列とに基づいてマハラノビス距離を算出することを特徴とする請求項５に記載の紙葉類判別方法。
7. 前記マハラノビス距離を所定の評価レンジにおけるレベル値へ対応づけたレベル変換テーブルを記憶するレベル変換テーブル記憶工程をさらに含んでおり、
   前記正損判別工程は、
   算出した前記マハラノビス距離を前記レベル変換テーブル記憶工程によって記憶された前記レベル変換テーブルへ照合することによって、当該マハラノビス距離を該当するレベル値へ変換することを特徴とする請求項６に記載の紙葉類判別方法。
8. 紙葉類の正損を判別する紙葉類判別装置であって、
   正規な紙葉類である正券に対して複数の波長の光を照射する照射手段と、
   前記正券から受光した光を前記波長ごとに区別して受光する受光手段と、
   前記受光手段によって受光された光に基づいて前記波長ごとに波長別画像を生成する波長別画像生成手段と、
   複数のブロックに分割された前記波長別画像における正損判別に使用される有効ブロックを前記波長ごとに決定する有効ブロック決定手段と、
   前記波長別画像の代表値を前記有効ブロックに基づいて算出する代表値算出手段と、
   前記代表値算出手段によって算出された前記代表値を複数の前記正券について統計することによって算出した前記波長ごとの前記代表値の分布および前記波長間の相関を含んだ前記母集団を生成する母集団生成手段と、
   前記母集団生成手段によって生成された前記母集団および正損判別の対象となる紙葉類の前記波長別画像に基づいて当該紙葉類の正損を判別する正損判別手段と
   を備えたことを特徴とする紙葉類判別装置。
9. 紙葉類の正損判別に用いる母集団を学習する正損判別学習方法であって、
   正規な紙葉類である正券に対して複数の波長の光を照射する照射工程と、
   前記正券から受光した光を前記波長ごとに区別して受光する受光工程と、
   前記受光工程によって受光された光に基づいて前記波長ごとに波長別画像を生成する波長別画像生成工程と、
   複数のブロックに分割された前記波長別画像における正損判別に使用される有効ブロックを前記波長ごとに決定する有効ブロック決定工程と、
   前記波長別画像の代表値を前記有効ブロックに基づいて算出する代表値算出工程と、
   前記代表値算出工程によって算出された前記代表値を複数の前記正券について統計することによって算出した前記波長ごとの前記代表値の分布および前記波長間の相関を含んだ母集団を生成する母集団生成工程と
   を含んだことを特徴とする正損判別学習方法。

Images