JP6613030B2 - 判定装置、制御プログラム及び判定方法 - Google Patents

判定装置、制御プログラム及び判定方法 Download PDF

Info

Publication number
JP6613030B2
JP6613030B2 JP2015007444A JP2015007444A JP6613030B2 JP 6613030 B2 JP6613030 B2 JP 6613030B2 JP 2015007444 A JP2015007444 A JP 2015007444A JP 2015007444 A JP2015007444 A JP 2015007444A JP 6613030 B2 JP6613030 B2 JP 6613030B2
Authority
JP
Japan
Prior art keywords
image
feature
standard
images
comparison
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2015007444A
Other languages
English (en)
Other versions
JP2016133950A (ja
Inventor
健太 西行
健太 永峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
MegaChips Corp
Original Assignee
MegaChips Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by MegaChips Corp filed Critical MegaChips Corp
Priority to JP2015007444A priority Critical patent/JP6613030B2/ja
Priority to US14/986,978 priority patent/US9754191B2/en
Priority to CN201610033098.XA priority patent/CN105809815B/zh
Publication of JP2016133950A publication Critical patent/JP2016133950A/ja
Priority to US15/493,760 priority patent/US9898680B2/en
Application granted granted Critical
Publication of JP6613030B2 publication Critical patent/JP6613030B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/20—Testing patterns thereon
    • G07D7/2016—Testing patterns thereon using feature extraction, e.g. segmentation, edge detection or Hough-transformation
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D5/00—Testing specially adapted to determine the identity or genuineness of coins, e.g. for segregating coins which are unacceptable or alien to a currency
    • G07D5/005—Testing the surface pattern, e.g. relief
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/66—Trinkets, e.g. shirt buttons or jewellery items

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Testing Of Coins (AREA)
  • Inspection Of Paper Currency And Valuable Securities (AREA)

Description

本発明は、画像処理に関する。
画像処理を用いて対象物が比較対象に相当するか否かを判定する技術が従来から提案されている。例えば特許文献１には、画像処理を用いて、画像に映る検査対象の部品が、正しい部品に相当するか否か、つまり良品であるか否かを判定する技術が開示されている。
特許第５３１７２５０号公報
さて、画像処理を用いた対象物が比較対象に相当するか否かを判定する際には、その判定精度の向上が望まれている。
そこで、本発明は上述の点に鑑みて成されたものであり、画像処理を用いて対象物が比較対象に相当するか否かを判定する際の判定精度を向上することが可能な技術を提供することを目的とする。
本発明に係る判定装置の一態様は、処理対象画像に映る対象物が比較対象に相当するか否かを判定する判定装置であって、対象物が映る処理対象画像に基づいて、当該対象物の特徴を示す特徴画像を生成する特徴画像生成部と、前記特徴画像と、前記比較対象の特徴を示すテンプレート特徴画像とを比較し、その比較結果に基づいて、前記処理対象画像に映る前記対象物が前記比較対象に相当するか否かを判定する判定部とを備え、前記特徴画像生成部は、前記処理対象画像に基づいて、前記対象物を示す第１画像を生成する第１生成部と、前記第１画像を回転して得られる複数の第１回転画像を合成した一枚の第１回転合成画像の少なくとも一部を前記特徴画像として生成する第２生成部とを有し、前記テンプレート特徴画像は、複数の前記比較対象がそれぞれ映る複数の標準画像に基づいてそれぞれ生成された複数の標準特徴画像が合成された一枚の合成画像であって、前記複数の標準特徴画像のそれぞれは、当該標準特徴画像の生成で使用される前記標準画像に基づいて生成された、当該標準画像に映る前記比較対象を示す第２画像を回転して得られる複数の第２回転画像を合成した一枚の第２回転合成画像の少なくとも一部である。
また、本発明に係る制御プログラムは、コンピュータ装置に、処理対象画像に映る対象物が比較対象に相当するか否かを判定させるための制御プログラムであって、前記コンピュータ装置に、（ａ）対象物が映る処理対象画像に基づいて、当該対象物の特徴を示す特徴画像を生成する工程と、（ｂ）前記特徴画像と、前記比較対象の特徴を示すテンプレート特徴画像とを比較し、その比較結果に基づいて、前記処理対象画像に映る前記対象物が前記比較対象に相当するか否かを判定する工程とを実行させ、前記工程（ａ）において、（ａ−１）前記処理対象画像に基づいて、前記対象物を示す第１画像を生成する工程と、（ａ−２）前記第１画像を回転して得られる複数の回転画像を合成した一枚の回転合成画像の少なくとも一部を前記特徴画像として生成する工程とを実行させ、前記テンプレート特徴画像は、複数の前記比較対象がそれぞれ映る複数の標準画像に基づいてそれぞれ生成された複数の標準特徴画像が合成された一枚の合成画像であって、前記複数の標準特徴画像のそれぞれは、当該標準特徴画像の生成で使用される前記標準画像に基づいて生成された、当該標準画像に映る前記比較対象を示す第２画像を回転して得られる複数の第２回転画像を合成した一枚の第２回転合成画像の少なくとも一部である。
また、本発明に係る判定方法は、処理対象画像に映る対象物が比較対象に相当するか否かを判定する判定方法であって、（ａ）対象物が映る処理対象画像に基づいて、当該対象物の特徴を示す特徴画像を生成する工程と、（ｂ）前記特徴画像と、前記比較対象の特徴を示すテンプレート特徴画像とを比較し、その比較結果に基づいて、前記処理対象画像に映る前記対象物が前記比較対象に相当するか否かを判定する工程とを備え、前記工程（ａ）は、（ａ−１）前記処理対象画像に基づいて、前記対象物を示す第１画像を生成する工程と、（ａ−２）前記第１画像を回転して得られる複数の回転画像を合成した一枚の回転合成画像の少なくとも一部を前記特徴画像として生成する工程とを有し、前記テンプレート特徴画像は、複数の前記比較対象がそれぞれ映る複数の標準画像に基づいてそれぞれ生成された複数の標準特徴画像が合成された一枚の合成画像であって、前記複数の標準特徴画像のそれぞれは、当該標準特徴画像の生成で使用される前記標準画像に基づいて生成された、当該標準画像に映る前記比較対象を示す第２画像を回転して得られる複数の第２回転画像を合成した一枚の第２回転合成画像の少なくとも一部である。
本発明によれば、処理対象画像に映る対象物が正しいものであるか否かを判定する際の判定精度を向上することができる。
画像処理システムの構成を示す図である。 撮像画像の一例を模式的に示す図である。 判定装置の構成を示す図である。 特徴画像生成部の構成を示す図である。 判定装置の動作を示すフローチャートである。 貨幣領域の一例を模式的に示す図である。 背景画像の一例を模式的に示す図である。 背景差分画像の一例を模式的に示す図である。 外形テンプレートの一例を模式的に示す図である。 テンプレートマッチングを説明するための図である。 貨幣領域の抽出処理を説明するための図である。 エッジ画像の一例を模式的に示す図である。 回転合成画像の生成方法を説明するための図である。 テンプレート特徴画像の生成方法を説明するための図である。 特徴画像の生成方法を説明するための図である。 特徴画像の生成方法を説明するための図である。 特徴画像の生成方法を説明するための図である。 特徴画像の生成方法を説明するための図である。
＜画像処理システム１の構成について＞
図１は実施の形態に係る画像処理システム１の構成を示す図である。本実施の形態に係る画像処理システム１は、画像処理を用いて、対象物が比較対象に相当するか否かを判定するシステムである。画像処理システム１は、例えば、円形の貨幣が使用される自動販売機内に設けられる。画像処理システム１は、実稼働中の自動販売機に対して外部から投入される貨幣が正しいものに相当するか否かを判定する。言い換えれば、画像処理システム１は、実稼働中の自動販売機に対して外部から投入される貨幣が正しいものであるか否か、つまり当該貨幣の真偽を判定する。したがって、本実施の形態では、対象物は貨幣である。また、対象物と比較される比較対象は、正しい貨幣（真正貨幣）である。なお、対象物は貨幣以外であっても良い。また当該対象物の外形は円形以外であっても良い。
図１に示されるように、画像処理システム１は、撮像装置２及び判定装置３を備えている。撮像装置２は、自動販売機に対して投入された貨幣を撮像し、当該貨幣が映った撮像画像１０を生成して判定装置３に出力する。自動販売機内では、レール上を貨幣が回転しながら移動し、撮像装置２は回転する貨幣を撮像する。本実施の形態では、撮像装置２で生成される撮像画像１０は、カラー画像であるが、グレースケール画像であっても良い。
図２は撮像装置２で得られる撮像画像１０の一例を模式的に示す図である。図２に示される撮像画像１０には、正しい貨幣１００、つまり真正貨幣１００が映っている。また撮像画像１０には、背景であるレール１０１が映っている。真正貨幣１００の一方主面１００ａには、例えばアルファベット「Ａ」の模様が示されている。なお、真正貨幣１００の模様はこれ以外であっても良い。また、真正貨幣１００の両主面に模様が付されていても良い。
本実施の形態では、貨幣１００は、その両主面の中心を通る、厚み方向に沿った回転軸の周りに回転しながらレール１０１上を移動する。そして、撮像装置２は、貨幣１００の一方主面１００ａ側から当該貨幣１００を撮像する。したがって、撮像画像１０には、貨幣１００の一方主面１００ａが映っている。
判定装置３は、撮像装置２から入力される撮像画像１０に映る貨幣１００が正しいものに相当するか否か、つまり当該貨幣１００が正しいものであるか否かを判定し、その判定結果を出力する。この判定結果は、自動販売機内に設けられた、当該自動販売機の動作を管理する制御部に入力される。制御部は、入力された判定結果に基づいて各種動作を行う。以後、判定装置３が、撮像画像１０に映る貨幣１００が正しいものであるか否かを判定する処理を「貨幣判定処理」と呼ぶ。
本実施の形態では、判定装置３は、一種のコンピュータ装置であって、ＣＰＵ（Central Processing Unit）３００及び記憶部３１０を備えている。記憶部３１０は、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）等の、ＣＰＵ３００が読み取り可能な非一時的な記録媒体で構成されている。記憶部３１０には、判定装置３（コンピュータ装置）を制御するための制御プログラム３１１が記憶されている。ＣＰＵ３００が記憶部３１０内の制御プログラム３１１を実行することによって、判定装置３には様々な機能ブロックが形成される。
なお、判定装置３の各種機能の一部又は全部は、その機能の実現のためにプログラム（ソフトフェア）が不要な、論理回路等を含む専用のハードウェア回路で実現しても良い。また記憶部３１０は、ＲＯＭ及びＲＡＭ以外の、コンピュータが読み取り可能な非一時的な記録媒体を備えていても良い。記憶部３１０は、例えば、小型のハードディスクドライブ及びＳＳＤ（Solid State Drive）等を備えていても良い。
図３は判定装置３が有する複数の機能ブロックを示す図である。図３に示されるように、判定装置３は、機能ブロックとして、変換部３０、特徴画像生成部３１及び判定部３２を備えている。変換部３０は、撮像装置２から入力される撮像画像１０をカラー画像からグレースケール画像に変換し、変換後の撮像画像１０を撮像画像１１として出力する。
特徴画像生成部３１は、貨幣１００が映る撮像画像１１に基づいて、当該貨幣１００の特徴を示す特徴画像２０を生成する。判定部３２は、特徴画像生成部３１で生成された特徴画像２０に基づいて、撮像画像１１に映る貨幣１００が正しいものか否かを判定し、その判定結果２１を出力する。本実施の形態では、判定部３２は、特徴画像生成部３１が撮像画像１１から生成した特徴画像２０と、真正貨幣１００の特徴を示すテンプレート特徴画像２２とを比較し、その比較結果に基づいて、当該撮像画像１１に映る貨幣１００が正しいものか否かを判定する。なお、特徴画像生成部３１は「特徴画像生成装置３１」と呼ばれることがある。
図４は特徴画像生成部３１の構成を示す図である。図４に示されるように、特徴画像生成部３１は、第１画像生成部４０及び第２画像生成部５０を備えている。第１画像生成部４０は、撮像画像１１に基づいて、貨幣１００を示す第１画像２４を生成する。第２画像生成部５０は、第１画像生成部４０で生成された第１画像２４を回転して得られる複数の回転画像を合成した回転合成画像の少なくとも一部を特徴画像２０として生成する。
第１画像生成部４０は、抽出部４１及びエッジ画像生成部４２を備えている。抽出部４１は、撮像画像１１から貨幣１００が映る貨幣領域２３を抽出する。エッジ画像生成部４２は、抽出部４１で抽出された貨幣領域２３に対してエッジ検出を行って、第１画像２４としてのエッジ画像を生成する。
＜貨幣判定処理のフローについて＞
次に、自動販売機が実稼働中において、判定装置３が貨幣判定処理を行う際の当該判定装置３の一連の動作について説明する。図５は貨幣判定処理を示すフローチャートである。
図５に示されるように、ステップｓ１において、判定装置３は、撮像装置２から撮像画像１０が入力されると、変換部３０において当該撮像画像１０をカラー画像からグレースケール画像に変換し、それによって得られた撮像画像１１を処理対象とする。以後、処理対象の撮像画像１１を「処理対象画像１１」と呼ぶことがある。
次にステップｓ２において、抽出部４１は、処理対象画像１１から、貨幣１００が映る貨幣領域２３を抽出する。次にステップｓ３において、エッジ画像生成部４２は、抽出部４１で抽出された貨幣領域２３に対してエッジ検出を行って、貨幣１００を示す第１画像２４としてのエッジ画像を生成する。次にステップｓ４において、第２画像生成部５０は、エッジ画像生成部４２で生成されたエッジ画像（第１画像２４）を回転して得られる複数の回転画像を合成した回転合成画像の少なくとも一部を特徴画像２０として生成する。
次にステップｓ５において、判定部３２は、第２画像生成部５０で生成された特徴画像２０と、テンプレート特徴画像２２とを比較し、その比較結果に基づいて、処理対象画像１１に映る貨幣１００が正しいものであるかを判定する。言い換えれば、判定部３２は、特徴画像２０とテンプレート特徴画像２２との比較結果に基づいて、撮像装置２で生成された撮像画像１０に映る貨幣１００が正しいものであるかを判定する。そして、判定部３２は、ステップｓ６において、ステップｓ５での判定結果２１を、自動販売機内に設けられた制御部に出力する。制御部は、撮像画像１０に映る貨幣１００が正しいものではない場合には、言い換えれば、撮像画像１０に映る貨幣１００が正しいものに相当しない場合には、例えば、スピーカから警告音を出力したり、ディスプレイに警告情報を表示したりするなどして、外部に警告を発する。
その後、判定装置３は、新たな撮像画像１０が入力されると、当該撮像画像１０から得られる撮像画像１１を新たな処理対象として、ステップｓ２〜ｓ６を実行する。以後、判定装置３は、撮像画像１０が入力されるたびに、同様の動作を行う。
＜各構成要素の詳細説明＞
以下に、抽出部４１、エッジ画像生成部４２、第２画像生成部５０及び判定部３２の動作についてさらに詳細に説明する。
＜抽出部について＞
図６は、抽出部４１が撮像画像１１から抽出する貨幣領域２３の一例を模式的に示す図である。撮像画像１１から貨幣領域２３を抽出する方法としては様々な方法がある。
例えば、貨幣１００の外形が円形であることを利用した第１の抽出方法がある。この第１の抽出方法では、まず、撮像画像１１に対してエッジ検出が行われてエッジ画像が生成される。エッジ画像の生成方法としては、例えば、Sobel法、Laplacian法、Canny法などが使用される。次に、生成されたエッジ画像から円形領域が抽出される。円領域の抽出方法としては、例えばハフ変換が使用される。そして、エッジ画像における当該円形領域の位置と同じ位置に存在する撮像画像１１での円形領域が、貨幣領域２３とされる。
別の方法としては、背景差分法とラベリングを用いて撮像画像１１から貨幣領域２３を抽出する第２の抽出方法がある。この第２の抽出方法では、まず、撮像画像１１と背景画像（撮像画像１１の背景だけが映る画像）との差分を示す背景差分画像が生成され、生成された背景差分画像が２値化される。そして、２値の背景差分画像に対して４連結等のラベリングが行われる。そして、２値の背景差分画像における、ラベリングの結果得られた連結領域（独立領域）の位置と同じ位置に存在する撮像画像１１での部分領域が、貨幣領域２３とされる。
本実施の形態では、抽出部４１は、上記の２つの方法とは異なる方法で、撮像画像１１から貨幣領域２３を抽出する。以下に本実施の形態に係る抽出部４１の動作について説明する。なお、抽出部４１は、上記の２つの方法のどちらか一方を用いて撮像画像１１から貨幣領域２３を抽出しても良い。
まず、抽出部４１は、撮像画像１１と背景画像６０（撮像画像１１の背景だけが映る画像）との差分を示す背景差分画像を生成し、生成した背景差分画像を２値化する。図７は背景画像６０を模式的に示す図であって、図８は２値の背景差分画像６１を模式的に示す図である。なお、図８及び後述の図において模式的に示される２値の画像では、画素値が“１”の領域（高輝度領域）は黒色で示され、画素値が“０”の領域（低輝度領域）は白色で示される。背景画像６０は、判定装置３の記憶部３１０に予め記憶されている。
次に、抽出部４１は、２値の背景差分画像６１に対して、貨幣１００の外形を示す２値の外形テンプレート６２を用いたテンプレートマッチングを行う。つまり、抽出部４１は、背景差分画像６１において、外形テンプレート６２と類似する領域がどこに存在するかを特定する。言い換えると、抽出部４１は、背景差分画像６１において、外形テンプレート６２が示す貨幣１００の外形と一致する領域がどこに存在するかを特定する。図９は外形テンプレート６２を模式的に示す図である。外形テンプレート６２は、判定装置３の記憶部３１０に予め記憶されている。
テンプレートマッチングでは、抽出部４１は、図１０に示されるように、背景差分画像６１上で外形テンプレート６２をラスタスキャン方向に少しずつ移動させる。言い換えれば、抽出部４１は、背景差分画像６１上で外形テンプレート６２をラスタスキャンさせる。このとき、抽出部４１は、外形テンプレート６２の各位置において、当該外形テンプレート６２と、それに重なる、背景差分画像６１の部分領域とのＡＮＤ画像を生成する。これにより、複数の２値のＡＮＤ画像が生成される。そして、抽出部４１は、生成した複数のＡＮＤ画像のうち、画素値が“１”の画素（高輝度画素）の数が最も多いＡＮＤ画像の生成で使用された外形テンプレート６２の背景差分画像６１上の位置を特定する。この位置は、背景差分画像６１において、外形テンプレート６２と類似した領域が存在する位置である。そして、抽出部４１は、図１１に示されるように、特定した位置と同じ位置に存在する撮像画像１１での部分領域１１ａを、貨幣領域２３として抽出する。言い換えれば、抽出部４１は、特定した位置と同じ位置に外形テンプレート６２を撮像画像１１に配置した際に、当該外形テンプレート６２と重なる、撮像画像１１での部分領域１１ａを、貨幣領域２３として抽出する。このとき、当該部分領域１１ａにおいて、その上の外形テンプレート６２が示す円形よりも外側の各画素の画素値を零としたもの貨幣領域２３としても良い。抽出部４１で抽出される貨幣領域２３はグレースケール画像である。本実施の形態では、貨幣領域２３の外形は四角形であるが、円形であっても良い。
＜エッジ画像生成部について＞
エッジ画像生成部４２は、例えば、Sobel法、Laplacian法、Canny法などを使用して、抽出部４１で抽出された貨幣領域２３に対してエッジ検出を行ってエッジ画像６５を生成する。本実施の形態では、エッジ画像生成部４２は、例えば、処理が軽いSobel法を使用する。エッジ画像６５は２値の画像である。図１２はエッジ画像６５を模式的に示す図である。
＜第２画像生成部について＞
第２画像生成部５０は、エッジ画像生成部４２で生成されたエッジ画像６５を回転して得られる複数の回転画像を合成した回転合成画像の少なくとも一部を特徴画像２０として生成する。本実施の形態では、第２画像生成部５０は、例えば、エッジ画像６５を回転して得られる複数の回転画像を合成した回転合成画像を特徴画像２０として生成する。ここで、エッジ画像６５の回転には、回転角度が０°の場合も含むものとする。以下に、当該回転合成画像の生成方法について説明する。
図１３は第２画像生成部５０が回転合成画像７０（第２画像２５）を生成する方法を説明するための図である。第２画像生成部５０は、エッジ画像６５を所定の角度αずつ回転させて、図１３に示されるように、複数個の回転画像６５ａを生成する。ここで、第２画像生成部５０は、トータルの回転角度が（３６０°−α）となるまでエッジ画像６５を所定の角度αずつ回転させる。本実施の形態では、第２画像生成部５０は、エッジ画像６５を例えば２°ずつ回転させて（α＝２°）、１８０個の回転画像６５ａを生成する。そして、第２画像生成部５０は、生成した複数個の回転画像６５ａを合成して回転合成画像７０を生成する。具体的には、第２画像生成部５０は、複数個の回転画像６５ａを、それらの中心を一致させて加算平均し、それによって得られる加算平均画像を回転合成画像７０とする。第２画像生成部５０は、生成した回転合成画像７０を、撮像画像１１に映る貨幣１００の特徴を示す特徴画像２０として使用する。
なお、第２画像生成部５０は、複数個の回転画像６５ａを合成する際に、各回転画像６５ａにおいて、トータルの回転角度が０°の回転画像６５ａ（つまり、回転していないエッジ画像６５）の外形からはみ出る領域を使用しない。したがって、回転合成画像７０は、エッジ画像６５と同じ大きさのグレースケール画像となる。
上述のように、撮像装置２は、回転する貨幣１００を撮像し、当該貨幣１００が映る撮像画像１０を生成する。したがって、判定装置３の変換部３０が生成する撮像画像１１に映る貨幣１００の回転角度（貨幣１００に付された模様の回転角度）が常に同じであるとは限らない。つまり、撮像画像１１に映る貨幣１００の周方向の向きは一定とならない。一方で、回転合成画像７０は、撮像画像１１に映る貨幣１００を示すエッジ画像６５を回転して得られる複数の回転画像６５ａを合成したものであることから、撮像画像１１に映る貨幣１００の回転角度にばらつきがあるとしても（撮像画像１１に映る貨幣１００の周方向の向きが一定でなくても）、貨幣１００が正しいものであれば、撮像画像１１から得られる回転合成画像７０はほとんど変化しない。よって、回転合成画像７０は、撮像画像１１に映る貨幣１００の回転角度の影響を受けにくい、当該貨幣１００の特徴を示す特徴画像２０であると言える。つまり、回転合成画像７０は、撮像画像１１に映る貨幣１００の周方向の向きの影響を受けにくい、当該貨幣１００の特徴を示す特徴画像２０であると言える。
＜判定部について＞
判定部３２は、第２画像生成部５０で生成された回転合成画像７０（特徴画像２０）と、真正貨幣１００の特徴を示すテンプレート特徴画像２２とを比較し、その比較結果に基づいて、当該撮像画像１１に映る貨幣１００が正しいものか否かを判定する。テンプレート特徴画像２２としては、真正貨幣１００が映る撮像画像１１から上記と同様にして特徴画像生成部３１で生成された、当該真正貨幣１００の特徴を示す特徴画像２０（回転合成画像７０）が使用される。自動販売機が実稼働していないときには、テンプレート特徴画像２２を得るために、自動販売機に対して真正貨幣１００が投入される。自動販売機内の画像処理システム１では、投入された真正貨幣１００が映る撮像画像１１が生成される。この撮像画像１１を「標準画像１１」と呼ぶ。画像処理システム１では、特徴画像生成部３１が、標準画像１１に基づいて、当該標準画像１１に映る真正貨幣１００の特徴を示す特徴画像２０（回転合成画像７０）を生成する。この特徴画像２０を「標準特徴画像２０」と呼ぶ。本実施の形態では、標準特徴画像２０がテンプレート特徴画像２２となる。自動販売機が実稼働していないときに生成されたテンプレート特徴画像２２は、判定装置３の記憶部３１０に記憶される。以後、自動販売機が実稼働中に生成される特徴画像２０（真偽判定を行う貨幣１００が映る撮像画像１１から生成された特徴画像２０）を、標準特徴画像２０と区別するために、「対象特徴画像２０」と呼ぶことがある。
判定部３２は、例えば、回転合成画像７０（対象特徴画像２０）とテンプレート特徴画像２２との間の類似度（相違度）を求めることによって、両者を比較する。本実施の形態では、判定部３２は、類似度を示す値として、ＳＡＤ（Sum of Absolute Difference)を使用する。ＳＡＤが大きいことは類似度が低いことを意味し、ＳＡＤが小さいことは類似度が高いことを意味する。類似度を示す値として、ＳＳＤ（Sum of Squared Difference）あるいはＮＣＣ（Normalized Correlation Coffiecient）などの他の値を使用しても良い。
判定部３２は、回転合成画像７０とテンプレート特徴画像２２との間の類似度が高い場合には、撮像画像１１に映る貨幣１００が正しいものであると判定し、当該類似度が低い場合には、撮像画像１１に映る貨幣１００が正しいものではないと判定する。具体的には、判定部３２は、回転合成画像７０とテンプレート特徴画像２２との間のＳＡＤがしきい値以下の場合には、撮像画像１１に映る貨幣１００が正しいものであると判定し、当該ＳＡＤが当該しきい値よりも大きい場合には、撮像画像１１に映る貨幣１００が正しいものではないと判定する。そして、判定部３２は判定結果２１を出力する。
判定部３２で使用されるしきい値は、例えば、複数の真正貨幣１００が使用されて決定される。具体的には、自動販売機が実稼働していないときに、自動販売機に対して複数の真正貨幣１００が順次投入される。そして、自動販売機内の画像処理システム１では、自動販売機に投入された複数の真正貨幣１００がそれぞれ映る複数の撮像画像１１が生成される。判定部３２は、生成された複数の撮像画像１１のそれぞれについて、当該撮像画像１１から特徴画像生成部３１で生成された回転合成画像７０と、テンプレート特徴画像２２との間のＳＡＤを求める。そして、判定装置３は、判定部３２が求めた複数のＳＡＤのうちの最大値をしきい値に決定する。決定されたしきい値は、判定装置３の記憶部３１０に記憶される。
判定部３２で使用されるしきい値がこのように決定されることにより、真正貨幣１００の種類が変更された場合には、変更後の真正貨幣１００が、実稼働していない自動販売機に投入されることによって、変更後の真正貨幣１００に応じたしきい値が決定される。よって、真正貨幣１００の種類が変更された場合であっても、自動販売機に投入された貨幣１００が正しいものであるか否か、つまり真正貨幣１００であるか否かを適切に判定することができる。
なお上記の例では、２値のエッジ画像６５が、撮像画像１１に映る貨幣１００を示す第１画像２４として使用されたが、グレースケール画像の貨幣領域２３が第１画像２４として使用されても良い。この場合には、貨幣領域２３を回転して得られる複数の回転画像を合成した回転合成画像が特徴画像２０とされる。
以上のように、本実施の形態に係る特徴画像生成装置３１では、貨幣１００を示す第１画像２４を回転して得られる複数の回転画像を合成した回転合成画像７０の少なくとも一部を特徴画像２０として生成している。この特徴画像２０は、撮像画像１１に映る貨幣１００の回転角度の影響（当該貨幣１００の周方向の向きの影響）を受けにくい。したがって、撮像画像１１に映る貨幣１００の回転角度（回転姿勢）がばらつく場合であっても、特徴画像生成装置３１で生成される特徴画像２０（対象特徴画像２０、標準特徴画像２０）を用いて撮像画像１１に映る貨幣１００が正しいものであるか否かをより正確に判定することができる。言い換えれば、撮像画像１１に映る貨幣１００の周方向の向きが一定しない場合であっても、特徴画像生成装置３１で生成される特徴画像２０を用いて撮像画像１１に映る貨幣１００が正しいものであるか否かをより正確に判定することができる。よって、判定精度が向上する。
また本実施の形態では、２値のエッジ画像６５を第１画像２４としているため、グレースケール画像の貨幣領域２３を第１画像２４とする場合と比較して、撮像装置２での撮像領域の明るさの変化の影響を第１画像２４が受けることを抑制することができる。よって、特徴画像２０が、貨幣１００が撮像される撮像領域の明るさの変化の影響を受けることを抑制することができ、その結果、貨幣１００の真偽判定の精度が向上する。
また本実施の形態では、抽出部４１は、テンプレートマッチングを用いて、撮像画像１１から貨幣領域２３を抽出しているため、ハフ変換が使用される上述の第１の抽出方法や、ラベリングが使用される第２の抽出方法と比較して、抽出処理が簡素化される。
また本実施の形態では、判定部３２は、撮像画像１１から生成された特徴画像２０と、テンプレート特徴画像２２とをＳＡＤ等を用いて比較し、その比較結果に基づいて当該撮像画像１１に映る貨幣１００が正しいものか否かを判定しているため、判定処理が簡素化される。
＜各種変形例＞
以下に各種変形例について説明する。
＜第１変形例＞
上記の例では、対象特徴画像２０と比較されるテンプレート特徴画像２２として標準特徴画像２０が採用されているが、互いに異なる複数の真正貨幣１００がそれぞれ映る複数の標準画像１１からそれぞれ生成される複数の標準特徴画像２０を合成して得られる合成画像をテンプレート特徴画像２２としても良い。
図１４は、本変形例に係るテンプレート特徴画像２２の生成方法を説明するための図である。図１４の例では、テンプレート特徴画像２２の生成に、互いに異なる４つの真正貨幣１００がそれぞれ映る撮像画像１１からそれぞれ生成された４つの標準特徴画像２０が使用されている。
本変形例では、画像処理システム１においてテンプレート特徴画像２２が生成される際には、自動販売機が実稼働していないときに、自動販売機に対して複数の真正貨幣１００が順次投入される。そして、自動販売機内の画像処理システム１では、自動販売機に投入された複数の真正貨幣１００がそれぞれ映る複数の標準画像１１が生成される。特徴画像生成部３１は、生成された複数の標準画像１１のそれぞれについて、当該標準画像１１から標準特徴画像２０を生成する。そして特徴画像生成部３１は、生成した複数の標準特徴画像２０を合成し、それよって得られた合成画像８０（図１４参照）をテンプレート特徴画像２２とする。例えば、特徴画像生成部３１は、複数の標準特徴画像２０を加算平均し、それよって得られた加算平均画像（合成画像８０）をテンプレート特徴画像２２とする。
このように、互いに異なる真正貨幣１００の特徴をそれぞれ示す複数の標準特徴画像２０を合成した合成画像８０をテンプレート特徴画像２２とすることによって、標準特徴画像２０をそのままテンプレート特徴画像２２とする場合と比較して、真正貨幣１００の個体差が、貨幣判定処理に与える影響を抑制することができる。また、撮像装置２が貨幣１００を撮像する際の当該貨幣１００と当該撮像装置２との距離がばらつく場合であっても、これが貨幣判定処理に与える影響を抑制することができる。よって、貨幣判定処理の精度が向上する。
また本例とは異なり、真正貨幣１００を示す第１画像２４をそのまま標準特徴画像２０として使用した場合には、複数の標準特徴画像２０を合成する際に、当該複数の標準特徴画像２０にそれぞれ映る複数の真正貨幣１００の回転角度（回転姿勢）が一致するように、当該複数の標準特徴画像２０の向きを合わせる必要がある。
これに対して、本変形例では、標準特徴画像２０として、真正貨幣１００を示す第１画像２４を回転して得られる複数の回転画像を合成した回転合成画像７０を使用しているため、複数の標準特徴画像２０を合成する際に、当該複数の標準特徴画像２０の向きを合わせる必要がない。よって、テンプレート特徴画像２２の生成処理が簡素化される。
なお、テンプレート特徴画像２２の生成で使用される真正貨幣１００に大きな傷がある場合には、複数の標準特徴画像２０を合成してテンプレート特徴画像２２を生成したとしても、その傷の影響がテンプレート特徴画像２２に現れ、貨幣判定処理の精度が劣化する可能がある。
そこで、複数の真正貨幣１００の特徴をそれぞれ示す複数の標準特徴画像２０にそれぞれ含まれる、互いに同じ位置の複数の画素の画素値において、他の画素値と極端に異なる画素値が存在する場合には、その極端に異なる画素値を有する画素を含む標準特徴画像２０を使用せずにテンプレート特徴画像２２を生成しても良い。これにより、大きな傷を有する真正貨幣の特徴を示す標準特徴画像２０が、テンプレート特徴画像２２の生成に使用されることを抑制することができる。よって、貨幣判定処理の精度が劣化することを抑制できる。
＜第２変形例＞
上記の例では、第２画像生成部５０は、貨幣１００を示す１画像２４を回転して得られる複数の回転画像を合成した回転合成画像７０を特徴画像２０としていたが、当該回転合成画像７０の一部を特徴画像２０としても良い。以後、特徴画像２０となる、回転合成画像７０の一部を「特徴部分領域７５」と呼ぶ。
図１５は特徴部分領域７５（特徴画像２０）の一例を示す図である。図１５に示される例では、四角形の回転合成画像７０において、中心７１から上側の一辺７２まで達する長方形の部分領域が特徴部分領域７５とされている。図１５に示される特徴部分領域７５には、行方向及び列方向のそれぞれにおいて複数の画素が含まれている。特徴部分領域７５の形状は長方形以外であっても良い。
第２画像生成部５０は、例えば、貨幣１００を示す第１画像２４に基づいて回転合成画像７０を生成し、その後、当該回転合成画像７０から特徴部分領域７５を抽出することによって、特徴画像２０を生成する。
また第２画像生成部５０は、回転合成画像７０を生成せずに特徴画像２０を生成することも可能である。図１６は、その方法を説明するための図である。図１６に示されるように、第２画像生成部５０は、第１画像生成部４０で生成された第１画像２４に対して抽出窓９０を設定し、当該抽出窓９０内の部分領域２４１を抽出する。抽出窓９０は、特徴部分領域７５と同じ大きさである。また抽出窓９０は、第１画像２４において、生成する特徴部分領域７５の回転合成画像７０での位置（図１５参照）と同じ位置に設定される。ここで抽出された部分領域２４１を「基準部分領域２４１」と呼ぶ。
次に第２画像生成部５０は、第１画像２４の中心２４０を中心に抽出窓９０を所定の角度βずつ回転させ、各回転角度において抽出窓９０内の部分領域２４１を抽出する。ここで、第２画像生成部５０は、トータルの回転角度が（３６０°−β）になるまで、第１画像２４の中心２４０を中心に抽出窓９０を所定の角度βずつ回転させる。βは例えば２°である。そして、第２画像生成部５０は、得られた複数の部分領域２４１を合成して合成画像を生成する。このとき、第２画像生成部５０は、得られた複数の部分領域２４１において、基準部分領域２４１以外の部分領域２４１を、当該基準部分領域２４１の外形と一致するように回転させた上で、当該複数の部分領域２４１を合成する。第２画像生成部５０は、例えば、得られた複数の部分領域２４１を加算平均して加算平均画像を生成することによって、当該複数の部分領域２４１の合成画像を生成する。この加算平均画像（合成画像）が特徴部分領域７５となる。
このように、回転合成画像７０の一部を特徴画像２０とすることによって、特徴画像２０の画素数が低減する。したがって、特徴画像２０を使用する判定部３２での処理が簡素化される。
また、第２画像生成部５０が、抽出窓９０を所定の角度ずつ回転させ、各回転角度において抽出窓９０内の部分領域２４１を抽出し、得られた複数の部分領域２４１を合成することによって特徴画像２０を生成する場合には、特徴画像２０を生成する際に取り扱う画像の画素数が低減するため、特徴画像２０の生成処理が簡素化される。
なお、回転合成画像７０のどの部分を特徴部分領域７５とするかについては、真正貨幣１００に示される模様の位置等に基づいて決定される。つまり、特徴部分領域７５において貨幣１００の特徴が十分に表れるように、回転合成画像７０の一部が特徴部分領域７５に設定される。
例えば、図２に示されるように、真正貨幣１００の模様が当該貨幣１００の一方主面１００ａのほぼ全面に渡って存在する場合には、本例のように、回転合成画像７０において、中心７１から一辺７２まで達するように特徴部分領域７５が設定されることが望ましい。
また、貨幣１００の模様が当該貨幣１００の一方主面１００ａの周端部だけにしか存在しない場合には、図１７に示されるように、回転合成画像７０の端部だけを特徴部分領域７５としても良い。
また、貨幣１００の模様が当該貨幣１００の一方主面１００ａのほぼ全面に渡って存在する場合には、図１８に示されるように線状の特徴部分領域７５としても良い。図１８に示される特徴部分領域７５においては、列方向では複数の画素が含まれているが、行方向では１つの画素だけしか含まれていない。
＜その他の変形例＞
上記の例では、画像処理システム１は、自動販売機に導入されていたが、他の装置あるいは様々な場所に導入されても良い。
例えば、画像処理システム１は、工場内で製品を組み立てる製造ラインに導入されても良い。より具体的には、画像処理システム１は、例えば、複数の部品を基板に実装する製造ラインに導入されても良い。この場合には、複数の部品が実装された基板が撮像装置２で撮像される。特徴画像生成部３１は、複数の部品が実装された基板が映る撮像画像１１に基づいて、当該基板の特徴を示す特徴画像を生成する。判定部３２は、特徴画像生成部３１で生成された特徴画像に基づいて、撮像画像１１に映る、複数の部品が実装された基板が、複数の部品が正しく実装された基板に相当するか否か、つまり、基板に対して複数の部品が正しく実装されているか否かを判定する。基板上での複数の部品は、貨幣表面の模様と同じように扱うことができることから、上記と同様にして、画像処理システム１は、基板に対して複数の部品が正しく実装されているか否かを判定することができる。これにより、部品の実装間違え及び部品の実装もれ等を検出することができる。
また、画像処理システム１は、工場内でお菓子を製造する製造ラインに導入されても良い。より具体的には、画像処理システム１は、例えば、クッキーあるいはチョコレート等の、表面に模様を有するお菓子を製造する製造ラインに導入されても良い。この場合には、製造されたお菓子が撮像装置２で撮像される。特徴画像生成部３１は、お菓子が映る撮像画像１１に基づいて、当該お菓子の特徴を示す特徴画像を生成する。判定部３２は、特徴画像生成部３１で生成された特徴画像に基づいて、撮像画像１１に映るお菓子が、正しく製造されたお菓子（良品のお菓子）に相当するか否か、つまり、撮像画像１１に映るお菓子が正しく製造されているか否かを判定する。お菓子表面の模様は、貨幣表面の模様と同じように扱うことができることから、上記と同様にして、画像処理システム１は、お菓子が正しく製造されているか否かを判定することができる。これにより、お菓子の模様の崩れ及び欠け等を検出することができる。
また、画像処理システム１は、回転寿司店に導入されても良い。回転寿司店では、寿司等の商品の値段として、当該商品がのせられた皿の模様に応じた値段が設定されていることがある。そして、回転寿司店では、客が手に取った各皿の模様に応じた値段の合計が、飲食代として計算されることがある。このような回転寿司店に導入される画像処理システム１は、画像処理によって、客が手に取った皿の模様を特定する。
具体的には、寿司等をのせた複数の皿が搭載された回転レーンから客が皿を手に取ったとき、当該皿が撮像装置２で撮像される。特徴画像生成部３１は、皿が映る撮像画像１１に基づいて、当該皿の特徴を示す特徴画像を生成する。
ここで、皿の周縁部に模様が付されており、寿司等の商品が皿の中央部（模様が無い部分）にのせられるものとする。特徴画像生成部３１の第１画像生成部４０で生成されたエッジ画像６５のうちの中央部は、商品が映っており、皿の特徴を示すものではないことから、第１画像生成部４０は、エッジ画像６５のうち、中央部以外の部分を、皿を示す第１画像２４とする。特徴画像生成部３１の第２画像生成部５０は、この第１画像２４画像を回転して得られる複数の回転画像を合成した回転合成画像の少なくとも一部を特徴画像とする。
判定部３２は、特徴画像生成部３１で生成された特徴画像に基づいて、撮像画像１１に映る皿が、所定の模様を有する皿に相当するか否かを判定する。つまり、判定部３２は、特徴量に基づいて、撮像画像１１に映る皿の模様が、所定の模様に一致するか否かを判定する。皿表面の模様は、貨幣表面の模様と同じように扱うことができることから、上記と同様にして、画像処理システム１は、撮像画像１１に映る皿が、所定の模様を有する皿に相当するか否かを判定することができる。判定部３４は、回転寿司店で使用される複数種類の皿にそれぞれ付された複数種類の模様のそれぞれについて、当該模様と、撮像画像１１に映る皿の模様と一致するか否かを判定する。これにより、撮像画像１１に映る皿の模様が特定される。したがって、撮像画像１１に映る皿の模様に応じた値段を自動的に特定することができる。よって、客が手に取った各皿の模様に応じた値段の合計、つまり飲食代を自動計算することができる。
また、画像処理システム１は、物流センターに導入されても良い。物流センターでは、ダンボール等の荷物に対して、郵送先等が記載されたシールが貼られることがある。画像処理システム１は、荷物に貼られたシールが正しいシールに相当するか否か、つまり荷物に正しいシールが貼られているか否かを判定する。この場合には、荷物に貼られたシールが撮像装置２で撮像される。特徴画像生成部３１は、シールが映る撮像画像１１に基づいて、当該シールの特徴を示す特徴画像を生成する。判定部３２は、特徴画像生成部３１で生成された特徴画像に基づいて、撮像画像１１に映るシールが正しいシールに相当するか否か、つまり、撮像画像１１に映るシールが正しいものであるか否かを判定する。シール表面の文字等は、貨幣表面の模様と同じように扱うことができることから、上記と同様にして、画像処理システム１は、荷物に正しいシールが貼られているか否かを判定することができる。これにより、シールの貼り間違え等を検出することができる。
以上のように、画像処理システム１は詳細に説明されたが、上記した説明は、全ての局面において例示であって、この発明がそれに限定されるものではない。また、上述した各種変形例は、相互に矛盾しない限り組み合わせて適用可能である。そして、例示されていない無数の変形例が、この発明の範囲から外れることなく想定され得るものと解される。
１ 画像処理システム
３ 判定装置
１１ 撮像画像
２０ 特徴画像
２２ テンプレート特徴画像
２３ 貨幣領域
２４ 第１画像
３１ 特徴画像生成部（特徴画像生成装置）
３２ 判定部
４０ 第１画像生成部
４１ 抽出部
４２ エッジ画像生成部
５０ 第２画像生成部
７０ 回転合成画像
１００ 貨幣
３１１ 制御プログラム

Claims (3)

  1. 処理対象画像に映る対象物が比較対象に相当するか否かを判定する判定装置であって、
    対象物が映る処理対象画像に基づいて、当該対象物の特徴を示す特徴画像を生成する特徴画像生成部と、
    前記特徴画像と、前記比較対象の特徴を示すテンプレート特徴画像とを比較し、その比較結果に基づいて、前記処理対象画像に映る前記対象物が前記比較対象に相当するか否かを判定する判定部と
    を備え、
    前記特徴画像生成部は、
    前記処理対象画像に基づいて、前記対象物を示す第１画像を生成する第１生成部と、
    前記第１画像を回転して得られる複数の第１回転画像を合成した一枚の第１回転合成画像の少なくとも一部を前記特徴画像として生成する第２生成部と
    を有し、
    前記テンプレート特徴画像は、複数の前記比較対象がそれぞれ映る複数の標準画像に基づいてそれぞれ生成された複数の標準特徴画像が合成された一枚の合成画像であって、
    前記複数の標準特徴画像のそれぞれは、当該標準特徴画像の生成で使用される前記標準画像に基づいて生成された、当該標準画像に映る前記比較対象を示す第２画像を回転して得られる複数の第２回転画像を合成した一枚の第２回転合成画像の少なくとも一部である、判定装置。
  2. コンピュータ装置に、処理対象画像に映る対象物が比較対象に相当するか否かを判定させるための制御プログラムであって、
    前記コンピュータ装置に、
    （ａ）対象物が映る処理対象画像に基づいて、当該対象物の特徴を示す特徴画像を生成する工程と、
    （ｂ）前記特徴画像と、前記比較対象の特徴を示すテンプレート特徴画像とを比較し、その比較結果に基づいて、前記処理対象画像に映る前記対象物が前記比較対象に相当するか否かを判定する工程と
    を実行させ、
    前記工程（ａ）において、
    （ａ−１）前記処理対象画像に基づいて、前記対象物を示す第１画像を生成する工程と、
    （ａ−２）前記第１画像を回転して得られる複数の回転画像を合成した一枚の回転合成画像の少なくとも一部を前記特徴画像として生成する工程と
    を実行させ、
    前記テンプレート特徴画像は、複数の前記比較対象がそれぞれ映る複数の標準画像に基づいてそれぞれ生成された複数の標準特徴画像が合成された一枚の合成画像であって、
    前記複数の標準特徴画像のそれぞれは、当該標準特徴画像の生成で使用される前記標準画像に基づいて生成された、当該標準画像に映る前記比較対象を示す第２画像を回転して得られる複数の第２回転画像を合成した一枚の第２回転合成画像の少なくとも一部である、制御プログラム。
  3. 処理対象画像に映る対象物が比較対象に相当するか否かを判定する判定方法であって、
    （ａ）対象物が映る処理対象画像に基づいて、当該対象物の特徴を示す特徴画像を生成する工程と、
    （ｂ）前記特徴画像と、前記比較対象の特徴を示すテンプレート特徴画像とを比較し、その比較結果に基づいて、前記処理対象画像に映る前記対象物が前記比較対象に相当するか否かを判定する工程と
    を備え、
    前記工程（ａ）は、
    （ａ−１）前記処理対象画像に基づいて、前記対象物を示す第１画像を生成する工程と、
    （ａ−２）前記第１画像を回転して得られる複数の回転画像を合成した一枚の回転合成画像の少なくとも一部を前記特徴画像として生成する工程と
    を有し、
    前記テンプレート特徴画像は、複数の前記比較対象がそれぞれ映る複数の標準画像に基づいてそれぞれ生成された複数の標準特徴画像が合成された一枚の合成画像であって、
    前記複数の標準特徴画像のそれぞれは、当該標準特徴画像の生成で使用される前記標準画像に基づいて生成された、当該標準画像に映る前記比較対象を示す第２画像を回転して得られる複数の第２回転画像を合成した一枚の第２回転合成画像の少なくとも一部である、判定方法。
JP2015007444A 2015-01-19 2015-01-19 判定装置、制御プログラム及び判定方法 Active JP6613030B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2015007444A JP6613030B2 (ja) 2015-01-19 2015-01-19 判定装置、制御プログラム及び判定方法
US14/986,978 US9754191B2 (en) 2015-01-19 2016-01-04 Feature image generation apparatus, classification apparatus and non-transitory computer-readable memory, and feature image generation method and classification method
CN201610033098.XA CN105809815B (zh) 2015-01-19 2016-01-19 特征图像生成装置和判定装置以及特征图像生成方法和判定方法
US15/493,760 US9898680B2 (en) 2015-01-19 2017-04-21 Feature image generation apparatus, classification apparatus and non-transitory computer-readable memory, and feature image generation method and classification method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015007444A JP6613030B2 (ja) 2015-01-19 2015-01-19 判定装置、制御プログラム及び判定方法

Publications (2)

Publication Number Publication Date
JP2016133950A JP2016133950A (ja) 2016-07-25
JP6613030B2 true JP6613030B2 (ja) 2019-11-27

Family

ID=56408105

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015007444A Active JP6613030B2 (ja) 2015-01-19 2015-01-19 判定装置、制御プログラム及び判定方法

Country Status (3)

Country Link
US (2) US9754191B2 (ja)
JP (1) JP6613030B2 (ja)
CN (1) CN105809815B (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6613030B2 (ja) * 2015-01-19 2019-11-27 株式会社メガチップス 判定装置、制御プログラム及び判定方法
US10091391B2 (en) * 2015-11-10 2018-10-02 Bidirectional Display, Inc. System and method for constructing document image from snapshots taken by image sensor panel
CN108629887B (zh) * 2017-03-17 2021-02-02 深圳怡化电脑股份有限公司 纸币识别方法和装置
WO2019127075A1 (zh) * 2017-12-27 2019-07-04 中国科学院深圳先进技术研究院 一种识别硬币年份的方法、终端设备及计算机可读存储介质
US10977514B2 (en) * 2018-11-16 2021-04-13 Zebra Technologies Corporation Method and apparatus for verification of an authentication symbol
SG10201901728UA (en) * 2019-02-27 2020-09-29 Singapore Prec Industries Pte Ltd System and method for categorising a coin

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04180183A (ja) * 1990-11-15 1992-06-26 Mitsubishi Electric Corp 画像処理方式
US5220614A (en) * 1991-02-22 1993-06-15 Professional Coin Grading Service, Inc. Automated coin grading system
US5613013A (en) * 1994-05-13 1997-03-18 Reticula Corporation Glass patterns in image alignment and analysis
US6363164B1 (en) * 1996-05-13 2002-03-26 Cummins-Allison Corp. Automated document processing system using full image scanning
JP3305551B2 (ja) * 1995-11-30 2002-07-22 日本電信電話株式会社 特定対称物体判定方法
JP2000048197A (ja) * 1998-07-27 2000-02-18 Sankyo Seiki Mfg Co Ltd 円形パターンの識別方法及び識別装置
US20020150909A1 (en) * 1999-02-09 2002-10-17 Stuelpnagel John R. Automated information processing in randomly ordered arrays
JP2000242787A (ja) * 1999-02-22 2000-09-08 Toyota Motor Corp 物体検出装置
US6807286B1 (en) * 2000-04-13 2004-10-19 Microsoft Corporation Object recognition using binary image quantization and hough kernels
US7359541B2 (en) * 2000-04-28 2008-04-15 Konica Corporation Radiation image processing apparatus
US7162102B2 (en) * 2001-12-19 2007-01-09 Eastman Kodak Company Method and system for compositing images to produce a cropped image
US20030185432A1 (en) * 2002-03-29 2003-10-02 Hong Dezhong Method and system for image registration based on hierarchical object modeling
US7292711B2 (en) * 2002-06-06 2007-11-06 Wintriss Engineering Corporation Flight parameter measurement system
JP4067379B2 (ja) * 2002-10-09 2008-03-26 株式会社リコー 特定マーク検出用辞書作成装置、特定マーク検出装置、特定マーク認識装置並びにプログラムおよび記録媒体
JP2004310243A (ja) * 2003-04-03 2004-11-04 Mega Chips Corp Ｌｏｇ−Ｐｏｌａｒ変換を用いた画像マッチング方法、システムおよびプログラム
JP2006039732A (ja) * 2004-07-23 2006-02-09 Oki Electric Ind Co Ltd 画像判別方法およびそれを用いた媒体処理装置
JP4957922B2 (ja) * 2006-06-07 2012-06-20 日本電気株式会社 画像方向判定装置、画像方向判定方法、および画像方向判定用プログラム
US8184912B2 (en) * 2007-06-06 2012-05-22 Sharp Kabushiki Kaisha Image processing apparatus, image forming apparatus, image processing system, and image processing method
JP5054188B2 (ja) * 2008-03-26 2012-10-24 グローリー株式会社 硬貨中心検出装置および硬貨中心検出方法
US8023121B2 (en) * 2008-04-18 2011-09-20 Coinsecure, Inc. Method for optically collecting numismatic data and associated algorithms for unique identification of coins
TW201001338A (en) * 2008-06-16 2010-01-01 Huper Lab Co Ltd Method of detecting moving objects
JP5381166B2 (ja) * 2009-03-04 2014-01-08 オムロン株式会社 モデル画像取得支援装置、モデル画像取得支援方法およびモデル画像取得支援プログラム
CN101853524A (zh) * 2010-05-13 2010-10-06 北京农业信息技术研究中心 使用图像序列生成玉米果穗全景图的方法
US9129340B1 (en) * 2010-06-08 2015-09-08 United Services Automobile Association (Usaa) Apparatuses, methods and systems for remote deposit capture with enhanced image detection
FR2961621B1 (fr) * 2010-06-22 2014-09-05 Arjowiggins Security Procede d'authentification et/ou d'identification d'un article de securite
JP5317250B2 (ja) 2010-08-31 2013-10-16 国立大学法人 熊本大学 画像処理方法および画像処理装置
CN101986353A (zh) * 2010-11-02 2011-03-16 北京新岸线软件科技有限公司 一种多角度光学特征检测方法及装置
EP2953796A4 (en) * 2013-02-08 2016-11-02 Graphic Security Systems Corp LATENT IMAGES WITH MULTIPLE SHADOW
US20140355849A1 (en) * 2013-06-04 2014-12-04 Medsnap, Llc System and method of using imprint analysis in pill identification
CN103903328A (zh) * 2014-04-08 2014-07-02 上海古鳌电子科技股份有限公司 带判别纸张类发行日期的厚度检测装置及纸币处理装置
JP6243827B2 (ja) * 2014-11-28 2017-12-06 本田技研工業株式会社 画像解析装置、画像特徴情報データベース作成方法並びに意匠類否判定装置及び方法
JP6613030B2 (ja) * 2015-01-19 2019-11-27 株式会社メガチップス 判定装置、制御プログラム及び判定方法

Also Published As

Publication number Publication date
US9754191B2 (en) 2017-09-05
US20170228610A1 (en) 2017-08-10
US20160210529A1 (en) 2016-07-21
CN105809815B (zh) 2019-01-04
JP2016133950A (ja) 2016-07-25
CN105809815A (zh) 2016-07-27
US9898680B2 (en) 2018-02-20

Similar Documents

Publication Publication Date Title
JP6613030B2 (ja) 判定装置、制御プログラム及び判定方法
JP6533061B2 (ja) 判定装置及び制御プログラム並びに判定方法
US8379969B2 (en) Method for matching an object model to a three-dimensional point cloud
CN112041906B (zh) 读取系统、读取方法、程序以及存储介质
US10083371B2 (en) Authenticity determination system, feature point registration apparatus and method of controlling operation of same, and matching determination apparatus and method of controlling operation of same
WO2018016214A1 (ja) 画像処理装置、画像処理方法及びプログラム
JP2010266982A (ja) 画像処理装置および方法、並びにプログラム
JP2020106461A (ja) 画像生成装置及び外観検査装置
JP6438774B2 (ja) 判定装置及び制御プログラム並びに判定方法
US20200084320A1 (en) Print quality diagnosis
JP2007241477A (ja) 画像処理装置
WO2014103617A1 (ja) 位置合せ装置、欠陥検査装置、位置合せ方法、及び制御プログラム
US9628659B2 (en) Method and apparatus for inspecting an object employing machine vision
JP2019200775A (ja) 表面欠陥検査装置及び表面欠陥検査方法
US20200250845A1 (en) Evaluation method and information processing apparatus
JP5452035B2 (ja) 欠陥検査方法および欠陥検査装置
CN109472765B (zh) 一种喷码质量的检测方法及装置
CN115984185A (zh) 纸巾包装缺陷检测方法、装置、系统和存储介质
JP2019220116A (ja) 情報処理装置、判定方法、および対象物判定プログラム
JPWO2016143106A1 (ja) 部品種類自動判別方法及び部品種類自動判別システム並びに画像処理用部品データ作成方法及び画像処理用部品データ作成システム
CN109559294B (zh) 一种吊牌圆孔质量的检测方法及装置
JP2003203218A (ja) 外観検査装置および方法
US9578315B2 (en) Method and system for judging in a 3D imaging environment
US20220327157A1 (en) Image retrieval system, image retrieval method, and storage medium
CN111507947B (zh) 一种基于读取商标或图案去识别包装真伪的鉴别方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20171208

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20181031

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20181113

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20181204

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190402

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190515

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20190806

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190925

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20190927

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20191015

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20191101

R150 Certificate of patent or registration of utility model

Ref document number: 6613030

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250