JP7390492B2 - 記番号認識パラメータ決定装置、記番号認識パラメータ決定プログラム及び紙葉類取扱システム - Google Patents

Description

本発明は、記番号認識パラメータ決定装置、記番号認識パラメータ決定プログラム及び紙葉類取扱システムに関する。

紙幣、金券などの紙葉類を取り扱う紙葉類取扱装置は、受け付けた紙葉類に記載された記番号を認識する機能を備える。認識された記番号は、例えば、特定の番号であるか否かの判定、紙葉類のトラッキングに使用される。

なお、従来技術として、効果的に紙幣の真偽を判定することができる紙幣識別装置がある。この紙幣識別装置は、搬送路を搬送される紙幣から画像を取得し、取得した画像について記番号領域を特定し、記番号領域内の第１番目の文字が予め決められた規則に適合するか否かにより紙幣の真偽を判定する。

また、従来技術として、媒体の識別情報部分の画像データを保存する際のデータ量を低減する媒体認識装置がある。この媒体認識装置は、媒体を撮像してイメージ画像を取得し、取得したイメージ画像から媒体の媒体識別情報を認識し、認識した媒体識別情報について、認識結果の信頼度を算出する。そして、この媒体認識装置は、イメージ画像から媒体識別情報を構成する文字の文字領域画像を取得し、取得した文字領域画像について、算出した信頼度に基づいた解像度の画像に変換する変換処理を行う。

また、従来技術として、汚れや印刷ずれがあっても、文字認識性能を落とさない紙葉類識別装置がある。この紙葉類識別装置は、紙葉類に付された識別情報を撮像し、撮像した画像に含まれる識別情報の領域全体を切り出し、切り出した領域全体の中で、さらに個々の識別情報の桁の領域を切り出し、切り出した領域の識別情報を認識する。そして、この紙葉類識別装置は、切り出した領域の最大サイズ、または、認識した識別情報の最大サイズ、のどちらか一方または両方の最大サイズがあらかじめ定められている最大サイズの範囲か否かを判断する。そして、この紙葉類識別装置は、範囲外と判定した場合に、再度最大サイズの桁と推定される領域を切り出して認識する。

特開２０１６－１１８９２５号公報 特開２０１６－２０６８３９号公報 特開２０１６－０３１５７４号公報

紙葉類に記載された記番号を認識する記番号認識プログラムは、認識性能の向上と処理時間の短縮のため、認識対象ごとに個別に作成される。例えば、記番号認識プログラムは、国ごとに個別に作成される。このため、記番号認識プログラムの開発に必要な工数が大きくなるという問題がある。

本発明は、１つの側面では、記番号認識プログラムの開発に必要な工数を削減することを目的とする。

１つの態様では、記番号認識パラメータ決定装置は、生成部と特定部と評価値計算部とを有する。前記生成部は、紙葉類取扱装置において紙葉類の画像から記番号を形成する文字が存在する文字存在領域を特定するときに用いられるプログラムのパラメータセットを生成する。前記特定部は、前記生成部により生成されたパラメータセットを用いて前記紙葉類の画像から前記文字存在領域を特定する。前記評価指標計算部は、前記特定部により特定された文字存在領域に基づいて前記パラメータセットの評価指標を計算する。
とを有する。

本発明は、１つの側面では、記番号認識プログラムの開発に必要な工数を削減することができる。

図１は、実施例の紙幣取扱装置の構成例を示す図である。 図２は、実施例の搬送路接続形態の一例を示す図である。 図３は、実施例の搬送路接続形態の一例を示す図である。 図４は、実施例の紙幣検査装置の構成例を示す図である。 図５は、実施例の記番号認識部の処理例の説明に供するフローチャートである。 図６は、実施例の記番号認識部の動作例の説明に供する図である。 図７は、実施例の記番号認識部の動作例の説明に供する図である。 図８は、実施例の記番号認識部の動作例の説明に供する図である。 図９は、実施例の記番号認識部の動作例の説明に供する図である。 図１０は、実施例の記番号認識部の動作例の説明に供する図である。 図１１は、実施例の記番号認識部の動作例の説明に供する図である。 図１２は、実施例の記番号認識部の動作例の説明に供する図である。 図１３は、実施例の記番号認識部の動作例の説明に供する図である。 図１４は、実施例の記番号認識部の動作例の説明に供する図である。 図１５は、実施例の記番号認識部の動作例の説明に供する図である。 図１６は、実施例の記番号認識部の動作例の説明に供する図である。 図１７は、実施例の記番号認識部の動作例の説明に供する図である。 図１８は、実施例の紙幣取扱システムの構成例を示す図である。 図１９は、パラメータ決定装置により値が決定されるパラメータのセットの例を示す図である。 図２０は、パラメータ決定装置の構成例を示す図である。 図２１は、個体の例を示す図である。 図２２は、適応度の説明に供する図である。 図２３は、ｄ及びｗの説明に供する図である。 図２４は、Ｎ、Ｄ及びＷの例を示す図である。 図２５は、ｆ_numのグラフと、ｆ_dis及びｆ_{str_w}で用いられる平均値μ、分散σ²の正規分布のグラフとを示す図である。 図２６は、ＧＡによるパラメータセットの最適化例を示す図である。 図２７は、パラメータ決定装置の処理例の説明に供するフローチャートである。 図２８は、実施例のパラメータ決定プログラムを実行するコンピュータのハードウェア構成を示す図である。

以下に、本願の開示する記番号認識パラメータ決定装置、記番号認識パラメータ決定プログラム及び紙葉類取扱システムの実施例を図面に基づいて詳細に説明する。なお、この実施例は開示の技術を限定するものではない。

＜紙幣取扱装置の構成＞
図１は、実施例の紙幣取扱装置の構成例を示す図である。図１は、側面断面図である。図１において、紙幣取扱装置１は、入出金口１１と、切替爪１２と、ソレノイド１３と、紙幣検査装置１４と、一時保留部１５と、スタッカ１６－１，１６－２，１６－３と、制御部１７と、搬送路Ｐ１，Ｐ２，Ｐ３とを有する。

また、紙幣取扱装置１内には、搬送路Ｐ１が二つの搬送路Ｐ２，Ｐ３に分岐する搬送路分岐点ＰＪが存在する。紙幣取扱装置１内において、搬送路Ｐ１と、搬送路Ｐ２，Ｐ３の何れか一方とが搬送路分岐点ＰＪを介して接続されることにより、搬送路接続形態が、搬送路Ｐ１と搬送路Ｐ２とが接続された形態（以下では「接続形態Ｃ１」と呼ぶことがある）と、搬送路Ｐ１と搬送路Ｐ３とが接続された形態（以下では「接続形態Ｃ２」と呼ぶことがある）との間で切り替えられる。搬送路接続形態が接続形態Ｃ１にあるときは、搬送路Ｐ１と搬送路Ｐ２とが一続きの搬送路を形成し、搬送路接続形態が接続形態Ｃ２にあるときは、搬送路Ｐ１と搬送路Ｐ３とが一続きの搬送路を形成する。

切替爪１２の中心軸ＣＡはソレノイド１３と接続されており、切替爪１２はソレノイド１３により中心軸ＣＡを中心にして回転可能である。切替爪１２及びソレノイド１３は搬送路分岐点ＰＪ付近に配置され、ソレノイド１３により切替爪１２が回転させられることにより、搬送路接続形態が接続形態Ｃ１と接続形態Ｃ２との間で切り替えられる。搬送路接続形態の切替は、制御部１７での制御の下で行われる。

図２及び図３は、実施例の搬送路接続形態の一例を示す図である。図２には、搬送路接続形態が接続形態Ｃ１にある場合を示し、図３には、搬送路接続形態が接続形態Ｃ２にある場合を示す。

図２に示すように、ソレノイド１３に電流Ｉ１が流れると、切替爪１２は中心軸ＣＡを中心にして左回りに（反時計回り）に回転し、切替爪１２の左端が搬送路分岐点ＰＪに接触することにより、搬送路接続形態が接続形態Ｃ１となる。

搬送路接続形態が接続形態Ｃ１にあるときは、入出金口１１に投入された紙幣ＢＬは、搬送路Ｐ２を通り、切替爪１２の左側局面に沿って反対方向に折り返し、搬送路Ｐ１を通って紙幣検査装置１４へと搬送され、紙幣検査装置１４によって検査される。検査後の紙幣ＢＬは、搬送路Ｐ１をさらに先へ進み、一時保留部１５に一旦格納される。

紙幣検査装置１４によって金種の判別または記番号の認識ができずに検査結果が「ＮＧ」となった場合は、搬送路接続形態は接続形態Ｃ１のままで維持され、一時保留部１５に一旦格納されていた紙幣ＢＬは、一時保留部１５から排出され、搬送路Ｐ１を通り、搬送路分岐点ＰＪで切替爪１２の左側局面に沿って反対方向に折り返し、搬送路Ｐ２を通って入出金口１１へ返却される。

紙幣検査装置１４によって金種の判別及び記番号の認識ができて検査結果が「ＯＫ」となった場合は、図３に示すように、電流Ｉ１と逆方向の電流Ｉ２がソレノイド１３に流れて切替爪１２が中心軸ＣＡを中心にして右回りに（時計回り）に回転し、切替爪１２の左端が搬送路分岐点ＰＪから離れることにより、搬送路接続形態が接続形態Ｃ２となる。

搬送路接続形態が接続形態Ｃ２にあるときは、一時保留部１５に一旦格納されていた紙幣ＢＬは、一時保留部１５から排出され、搬送路Ｐ１を通り、搬送路分岐点ＰＪを通過して搬送路Ｐ３に入って搬送路Ｐ３を進み、判別された金種に応じてスタッカ１６－１，１６－２，１６－３の何れかに収納される。例えば、スタッカ１６－１には一万円札が収納され、スタッカ１６－２には五千円札が収納され、スタッカ１６－３には千円札が収納される。

＜紙幣検査装置の構成＞
図４は、実施例の紙幣検査装置の構成例を示す図である。図４において、紙幣検査装置１４は、紙幣撮影部２１と、金種判別部２２と、記番号認識部２４と、記憶部２３とを有する。

紙幣撮影部２１は、紙幣検査装置１４へ搬送された紙幣ＢＬを撮影し、撮影した紙幣ＢＬの画像（以下では「紙幣画像」と呼ぶことがある）ＢＬＰを記番号認識部２４へ出力する。

金種判別部２２は、紙幣検査装置１４へ搬送された紙幣ＢＬの金種を判別し、判別した金種を示す情報（以下では「金種情報」と呼ぶことがある）を記番号認識部２４へ出力する。金種判別部２２は、例えば、紙幣ＢＬの縦横の長さや紙幣の券面の模様等に基づいて金種を判別する。

記憶部２３は、ＣＮＮ（Convolutional Neural Network）を用いて生成された学習モデルを記憶する。

記番号認識部２４は、金種判別部２２から入力された金種情報、及び、記憶部２３に記憶されている学習モデルを用いて、紙幣撮影部２１から入力された紙幣画像ＢＬＰに基づいて、紙幣ＢＬの記番号を認識し、認識結果を出力する。

＜記番号認識部の処理・動作＞
図５は、実施例の記番号認識部２４の処理例の説明に供するフローチャートであり、図６～１８は、実施例の記番号認識部２４の動作例の説明に供する図である。なお、図５に示す処理を開始する前に、記番号認識部２４は、図６に示すように、紙幣画像ＢＬＰにおいて記番号が存在する領域（以下では「記番号存在領域」と呼ぶことがある）の画像（以下では「記番号存在領域画像」と呼ぶことがある）ＳＮＰ１または記番号存在領域画像ＳＮＰ２を紙幣画像ＢＬＰから抽出しているものとする。

記番号は、数字やアルファベットが横方向に並ぶことにより表されるため、記番号存在領域は横長の矩形の領域になる。また、例えば、日本銀行券では、紙幣ＢＬを横長になる向きにして見た場合において、記番号は、紙幣ＢＬの右下の箇所に印刷される。そこで、紙幣ＢＬが日本銀行券である場合には、記番号認識部２４は、図６に示すように、紙幣画像ＢＬＰの右下の箇所から、横長の矩形の形状を有する記番号存在領域画像ＳＮＰ１を抽出する。例えば、紙幣画像ＢＬＰの左上のコーナーを原点０（ゼロ）として横軸にＸ、縦軸にＹをとった場合、記番号存在領域の左上のコーナーは座標（ｘ１，ｙ１）で表され、記番号存在領域の右下のコーナーは座標（ｘ２，ｙ２）で表される。このため、紙幣ＢＬが日本銀行券である場合には、記番号認識部２４は、座標（ｘ１，ｙ１）と座標（ｘ２，ｙ２）とから特定される矩形領域の画像を記番号存在領域画像ＳＮＰ１として紙幣画像ＢＬＰから抽出する。

また、特定の外国の紙幣では、図６に示すように、紙幣ＢＬを横長になる向きにして見た場合において、記番号が、紙幣ＢＬの右辺に沿って横方向に印刷される場合がある。そこで、紙幣ＢＬが特定の外国の紙幣である場合には、記番号認識部２４は、図６に示すように、紙幣画像ＢＬＰの右横の箇所から、縦長の矩形の形状を有する記番号存在領域画像ＳＮＰ２を抽出する。

以下では、記番号存在領域画像ＳＮＰ１，ＳＮＰ２を「記番号存在領域画像ＳＮＰ」と総称することがある。

ここで、図７に示すように、紙幣ＢＬの記番号が６つの文字ｌ１～ｌ６で形成される場合、記番号存在領域ＳＲには、縦横の長さをＬ１，Ｌ２とする規定サイズの領域（以下では「規定サイズ領域」と呼ぶことがある）ＲＲ１～ＲＲ６の中にそれぞれ文字ｌ１～ｌ６が配置される。規定サイズ領域ＲＲ１～ＲＲ６の大きさはすべて同一であり、規定サイズ領域ＲＲ１～ＲＲ６の各々は等間隔Ｌ３で位置する。

図５に示すように、ステップＳ２０１では、記番号認識部２４は、画像幾何補正を行う。すなわち、記番号認識部２４は、記番号存在領域画像が、図６の記番号存在領域画像ＳＮＰ２のように縦長の矩形の形状を有する画像である場合に、記番号存在領域画像を９０°回転させることにより記番号存在領域画像の向きを補正する。この補正により、縦長の矩形の形状を有する記番号存在領域画像ＳＮＰ２は、記番号存在領域画像ＳＮＰ１のように、横長の矩形の形状を有する記番号存在領域画像に補正される。

次いで、ステップＳ２０２では、記番号認識部２４は、記番号存在領域画像ＳＮＰに対して二値化処理を行う。

例えば、図８に示すように、記番号存在領域画像ＳＮＰが画素（ｘ，ｙ）＝画素（１，１）～画素（６，９）の５４画素で形成され、各画素が図８に示す値の階調値を有すると仮定した場合、記番号認識部２４は、例えば、以下の二値化処理例１または二値化処理例２のようにして二値化処理を行う。二値化処理の種類については、二値化種類ＢＴＹＰＥにより指定される。

二値化の処理例１では、記番号認識部２４は、固定の二値化閾値ＴＨ１を用いて記番号存在領域画像ＳＮＰを二値化する。よって例えば、二値化閾値ＴＨ１が「２１０」であった場合、記番号認識部２４は図９に示すように、図８において２１０以上の階調値を有する画素の階調値を「２５５」に変更し、図８において２１０未満の階調値を有する画素の階調値を「０」に変更することにより記番号存在領域画像ＳＮＰを二値化する。

また、記番号認識部２４は、金種判別部２２から出力される金種情報により示される金種に応じた値の二値化閾値ＴＨ１を設定しても良い。

二値化の処理例２では、記番号認識部２４は、まず、図１０に示すように、記番号存在領域画像ＳＮＰに含まれる複数の画素において第一部分ＰＴ１と第二部分ＰＴ２とを設定する。次いで、記番号認識部２４は、画素（１，１）～画素（６，９）の５４画素において、列ごとに第一部分ＰＴ１の階調値の平均値を算出し、算出した平均値を平均値の算出対象となった列の二値化閾値ＴＨ２に設定する。よって例えば、第１列～第４列の二値化閾値ＴＨ２は（２２０＋２１０＋２００）／３＝２１０と算出され、第５列及び第６列の二値化閾値ＴＨ２は（１４０＋１３０＋１２０）／３＝１３０と算出される。このように、記番号認識部２４は、画素（１，１）～画素（６，９）の５４画素において列毎に第一部分ＰＴ１を用いて列毎の二値化閾値ＴＨ２を算出する。よって、図１１に示すように、記番号認識部２４は、第１列～第４列については、二値化閾値ＴＨ２が「２１０」であるため、図１０において２１０以上の階調値を有する画素の階調値を「２５５」に変更し、図１０において２１０未満の階調値を有する画素の階調値を「０」に変更することにより記番号存在領域画像ＳＮＰを二値化する。また、図１１に示すように、記番号認識部２４は、第５列及び第６列については、二値化閾値ＴＨ２が「１３０」であるため、図１０において１３０以上の階調値を有する画素の階調値を「２５５」に変更し、図１０において１３０未満の階調値を有する画素の階調値を「０」に変更することにより記番号存在領域画像ＳＮＰを二値化する。

図５に戻り、次いでステップＳ２０３及びステップＳ２０４では、記番号認識部２４は、紙幣ＢＬの記番号を形成する文字の画像（以下では「文字画像」と呼ぶことがある）が存在する領域（以下では「文字存在領域」と呼ぶことがある）ＣＲの候補（以下では「文字存在領域候補」と呼ぶことがある）を記番号存在領域画像ＳＮＰにおいて検出する。記番号認識部２４は、例えば、二値化画像において背景と隣接する図形画素を追跡する一般的な手法である「境界追跡法」を用いて、文字存在領域候補を検出する。

具体的には、ステップＳ２０３では、記番号認識部２４は、膨張（dilate）処理を行う。すなわち、記番号認識部２４は、二値化後の記番号存在領域画像ＳＮＰに対して、図１２に示す画像の輪郭線（以下では「画像輪郭線」と呼ぶことがある）ＣＯを規定ピクセル外側に輪郭に合わせて広げる。ここで、規定ピクセルは、膨張量ＤＰＸＬにより指定される。そして、記番号認識部２４は、境界追跡法を適用することにより、二値化後の記番号存在領域画像ＳＮＰに含まれる画像輪郭線ＣＯを検出する。次いで、記番号認識部２４は、画像輪郭線ＣＯを形成する複数の画素（ｘ，ｙ）において、Ｘ座標の最小値ｘｍｉｎ、Ｙ座標の最小値ｙｍｉｎ、Ｘ座標の最大値ｘｍａｘ、及び、Ｙ座標の最大値ｙｍａｘを検出する。次いで、記番号認識部２４は、記番号存在領域画像ＳＮＰにおいて、最小値ｘｍｉｎ及び最小値ｙｍｉｎを有する座標Ｃ１１＝（ｘｍｉｎ，ｙｍｉｎ）と、最大値ｘｍａｘ及び最大値ｙｍａｘを有する座標Ｃ１２＝（ｘｍａｘ，ｙｍａｘ）とを特定する。次いで、記番号認識部２４は、記番号存在領域画像ＳＮＰにおいて、座標Ｃ１１から所定の距離（例えば、－Ｘ方向に３画素及び－Ｙ方向に３画素の距離）にある座標Ｃ２１と、座標Ｃ１２から所定の距離（例えば、＋Ｘ方向に３画素及び＋Ｙ方向に３画素の距離）にある座標Ｃ２２とを特定する。

そして、ステップＳ２０４では、記番号認識部２４は、文字候補位置検出を行う。すなわち、左上のコーナーを座標Ｃ２１、右下のコーナーを座標Ｃ２２とする矩形領域を文字存在領域ＣＲの候補として検出する。記番号認識部２４は、膨張処理と文字候補位置検出を複数回行うことで、記番号存在領域画像ＳＮＰにおいて、複数の文字存在領域候補を検出する。

次いでステップＳ２０５～ステップＳ２０９では、記番号認識部２４は、複数の文字存在領域候補から文字存在領域を絞り込む処理を行う。

具体的には、ステップＳ２０５では、記番号認識部２４は、黒白比率の候補排除を行う。すなわち、図１３に示すように、記番号認識部２４は、複数の文字存在領域候補の中から、文字存在領域ＣＲにおいて黒色画素（つまり、二値化により「０」の階調値を有することになった画素）の白色画素（つまり、二値化により「２５５」の階調値を有することになった画素）に対する割合が黒白割合閾値ＴＨＲ以上である候補を除外することにより、記番号存在領域画像ＳＮＰにおける文字存在領域を特定する。例えば、黒白割合閾値ＴＨＲは２０％に設定される。

また、ステップＳ２０６では、記番号認識部２４は、外縁付近の候補排除を行う。すなわち、図１４に示すように、記番号認識部２４は、複数の文字存在領域候補の中から、記番号存在領域画像ＳＮＰの外縁から所定距離Ｄ以内にある候補を除外することにより、記番号存在領域画像ＳＮＰにおける文字存在領域を特定する。上下左右のどの外縁から所定距離Ｄ以内にある候補を除外するかは外縁指定ＵＤＬＲにより指定される。例えば、図１４に示す一例では、文字存在領域の複数の候補ＣＲ１１～ＣＲ１７のうち、候補ＣＲ１１は記番号存在領域画像ＳＮＰの左辺から所定距離Ｄ以内にあり、候補ＣＲ１３は記番号存在領域画像ＳＮＰの上辺から所定距離Ｄ以内にあり、候補ＣＲ１６は記番号存在領域画像ＳＮＰの下辺から所定距離Ｄ以内にあり、候補ＣＲ１７は記番号存在領域画像ＳＮＰの右辺から所定距離Ｄ以内にある。このため、図１４に示す例では、文字存在領域の複数の候補ＣＲ１１～ＣＲ１７の中からＵＤＬＲにより左が指定されると候補ＣＲ１１が除外され、ＵＤＬＲにより上が指定されるとＣＲ１３が除外され、ＵＤＬＲにより下が指定されるとＣＲ１６が除外され、ＵＤＬＲにより右が指定されるとＣＲ１７が除外される。

また、ステップＳ２０７では、記番号認識部２４は、距離の近い文字存在領域候補ＣＲを統合する処理を行う。

また、ステップＳ２０８では、記番号認識部２４は、Ｘ方向にソートし、隣合う候補の距離で大きいものを排除する処理を行い、Ｙ方向にソートし、隣合う候補の距離で大きいものを排除する処理を行う。すなわち、図１５に示すように、記番号認識部２４は、複数の文字存在領域候補ＣＲ２１，ＣＲ２２，ＣＲ２３の各々において、左上のコーナーのＸ座標ＰＸ２１，ＰＸ２２，ＰＸ２３を取得し、Ｘ座標ＰＸ２１，ＰＸ２２，ＰＸ２３を昇順にソートする。次いで、記番号認識部２４は、ソート順に従って、候補ＣＲ２１に対する候補ＣＲ２２の距離としてＸ座標ＰＸ２１に対するＸ座標ＰＸ２２の距離ＸＤ１を算出し、候補ＣＲ２２に対する候補ＣＲ２３の距離としてＸ座標ＰＸ２２に対するＸ座標ＰＸ２３の距離ＸＤ２を算出する。そして、記番号認識部２４は、算出した距離がＸ距離閾値ＴＨＸ以上である候補を除外することにより、記番号存在領域画像ＳＮＰにおける文字存在領域を特定する。例えば、図１５において、距離ＸＤ１がＸ距離閾値ＴＨＸ未満であり、距離ＸＤ２がＸ距離閾値ＴＨＸ以上である場合、文字存在領域の複数の候補ＣＲ２１，ＣＲ２２，ＣＲ２３の中から候補ＣＲ２３が除外され、記番号存在領域画像ＳＮＰにおける文字存在領域として文字存在領域ＣＲ２１，ＣＲ２２が特定される。

同様に、図１６に示すように、記番号認識部２４は、複数の文字存在領域候補ＣＲ２１，ＣＲ２２，ＣＲ２３の各々において、左上のコーナーのＹ座標ＰＹ３１，ＰＹ３２，ＰＹ３３を取得し、Ｙ座標ＰＹ３１，ＰＹ３２，ＰＹ３３を昇順にソートする。次いで、記番号認識部２４は、ソート順に従って、候補ＣＲ３１に対する候補ＣＲ３２の距離としてＹ座標ＰＹ３１に対するＹ座標ＰＹ３２の距離ＹＤ１を算出し、候補ＣＲ３２に対する候補ＣＲ３３の距離としてＹ座標ＰＹ３２に対するＹ座標ＰＹ３３の距離ＹＤ２を算出する。そして、記番号認識部２４は、算出した距離がＹ距離閾値ＴＨＹ以上である候補を除外することにより、記番号存在領域画像ＳＮＰにおける文字存在領域を特定する。例えば、図１６において、距離ＹＤ１がＹ距離閾値ＴＨＹ未満であり、距離ＹＤ２がＹ距離閾値ＴＨＹ以上である場合、文字存在領域の複数の候補ＣＲ３１，ＣＲ３２，ＣＲ３３の中から候補ＣＲ３３が除外され、記番号存在領域画像ＳＮＰにおける文字存在領域として文字存在領域ＣＲ３１，ＣＲ３２が特定される。

また、ステップＳ２０９では、記番号認識部２４は、候補再切り出し処理を行う。すなわち、図１７に示すように、記番号認識部２４は、特定した文字存在領域の数が、紙幣ＢＬの記番号を形成する文字の数Ｎより少ない場合に、紙幣ＢＬの記番号を形成する文字の数Ｎに基づいて、新たな文字存在領域を追加することにより、記番号存在領域画像ＳＮＰにおける文字存在領域を特定する。例えば、図７に示すように紙幣ＢＬの記番号が６つの文字で形成されるのに対し、特定した文字存在領域が図１７に示すように文字存在領域ＣＲ５１～ＣＲ５５の５つである場合、文字存在領域の数は、紙幣ＢＬの記番号を形成する文字の数より少ない。また、図１７に示す例では、文字存在領域の数（５つ）と紙幣ＢＬの記番号を形成する文字の数（６つ）との差は１つである。そこで、図１７に示す例では、記番号認識部２４は、文字存在領域ＣＲ５１～ＣＲ５５にさらに、新たな１つの文字存在領域ＣＲ５６を追加することにより、記番号存在領域画像ＳＮＰにおける文字存在領域を特定する。例えば、記番号認識部２４は、文字存在領域ＣＲ５１～ＣＲ５５において最も右に存在するＣＲ５５から間隔Ｌ３（図７）の位置に文字存在領域ＣＲ５６を追加する。

図５に戻り、次いでステップＳ２１０では、記番号認識部２４は、文字認識処理を行う。すなわち、記番号認識部２４は、各文字存在領域の画像（以下では「文字存在領域画像」と呼ぶことがある）を紙幣画像ＢＬＰから抽出し、抽出した各文字存在領域画像に含まれる文字を記憶部２３が記憶する学習モデルに基づいて認識する。なお、記番号認識部２４は、学習モデルの代わりに辞書データとのユークリッド距離に基づいて文字認識を行っても良い。

＜紙幣検査装置のハードウェア構成＞
紙幣検査装置１４は、次のようなハードウェア構成により実現することができる。紙幣撮影部２１は、例えばカメラにより実現される。金種判別部２２は、例えば光センサや磁気センサ等の各種センサにより実現される。記番号認識部２４は、例えばプロセッサにより実現される。記憶部２３は、例えばメモリによって実現される。プロセッサの一例として、ＣＰＵ（Central Processing Unit）等が挙げられる。メモリの一例として、ＳＤＲＡＭ（Synchronous Dynamic Random Access Memory）等のＲＡＭ（Random Access Memory）、フラッシュメモリ等が挙げられる。

また、記番号認識部２４は、記番号認識プログラムをプロセッサに実行させることによって実現される。例えば、記番号認識プログラムは、紙幣取扱装置１が有するメモリに記憶され、紙幣取扱装置１が有するプロセッサによってメモリから読み出されて実行される。

＜紙幣取扱システムの構成＞
図１８は、実施例の紙幣取扱システムの構成例を示す図である。図１８に示すように、実施例の紙幣取扱システム１０は、紙幣取扱装置１と、ファームウェア開発装置３と、配信装置４とを有する。紙幣取扱装置１と配信装置４はネットワーク５により接続される。なお、図１８では、説明の便宜上１台の紙幣取扱装置１を示すが、ネットワーク５には複数の紙幣取扱装置１が接続されて良い。ファームウェア開発装置３と配信装置４はネットワーク６により接続される。なお、ファームウェア開発装置３と配信装置４はネットワーク５により接続されても良い。

ファームウェア開発装置３は、紙幣取扱装置１を制御する制御プログラムの開発に使用される。制御プログラムには、記番号認識プログラムが含まれる。配信装置４は、ファームウェア開発装置３により開発された制御プログラムのロードモジュールを紙幣取扱装置１に配信する。

ファームウェア開発装置３は、パラメータ決定装置３０を有する。記番号認識プログラムはパラメータ化され、パラメータ決定装置３０は、記番号認識プログラムのパラメータの値を決定する。パラメータ決定装置３０は、遺伝的アルゴリズム（ＧＡ：Genetic Algorithm）を用いてパラメータを最適化する。ファームウェア開発装置３は、パラメータ決定装置３０により決定されたパラメータ値と、制御プログラムのオブジェクトモジュールからロードモジュールを生成する。

なお、図１８では、ファームウェア開発装置３がパラメータ決定装置３０を有する場合を示したが、ファームウェア開発装置３とパラメータ決定装置３０は、別の装置でも良い。

＜パラメータ＞
図１９は、パラメータ決定装置３０により値が決定されるパラメータの例を示す図である。図１９に示すように、パラメータには、二値化閾値ＴＨ１、二値化種類ＢＴＹＰＥ、膨張量ＤＰＸＬ、黒白割合閾値ＴＨＲ、記番号存在領域画像端の候補削除用の外縁指定ＵＤＬＲ、Ｘ距離閾値ＴＨＸ、Ｙ距離閾値ＴＨＹが含まれる。

＜パラメータ決定装置の構成＞
図２０は、パラメータ決定装置３０の構成例を示す図である。図２０に示すように、パラメータ決定装置３０は、生成部３１と、特定部３２と、評価指標計算部３３とを有する。

生成部３１は、ＧＡに基づいてパラメータ値を生成する。生成部３１は、ＲＣＧＡ（Real-Coded ＧＡ）を用いる。生成部３１は、パラメータ値のセットを１つの個体とする。生成部３１は、１つの世代で、例えば、３０個の個体を生成する。１つの世代で生成される個数は設定により変更可能である。

図２１は、個体の例を示す図である。図２１では、パラメータの個数は８個である。ＸＡ０～ＸＥ０は、パラメータＸ０の値であり、ＸＡ１～ＸＥ１は、パラメータＸ１の値であり、・・・、ＸＡ７～ＸＥ７は、パラメータＸ７の値である。

特定部３２は、生成部３１により生成された個体を用いて文字存在領域を特定する。特定部３２は、個体ごとに文字存在領域を特定する。特定部３２は、シミュレーションにより文字存在領域を特定する。

評価指標計算部３３は、特定部３２により特定された文字存在領域について適応度を計算することで個体を評価する。図２２は、適応度の説明に供する図である。図２２に示すように、評価指標計算部３３は、パラメータセット（個体）ごとに、特定部３２による特定結果を評価関数を用いて評価して適応度を計算する。ここで、パラメータセットは、パラメータの値のセットである。例えば、評価指標計算部３３は、パラメータセットＡを用いた文字存在領域の特定結果Ａを評価関数を用いて評価し、適応度ｆ_Aを計算する。

評価関数は、文字数に関する評価関数ｆ_num、文字間隔に関する評価関数ｆ_dis及び文字列幅に関する評価関数ｆ_{str_w}に基づく関数である。ｆ_num、ｆ_dis及びｆ_{str_w}は、例えば、以下に示す関数である。

ここで、ｎは特定された文字数、ｄ_i（ｉ＝１～ｎ－１）は特定された文字間隔、ｗは特定された文字列幅である。図２３は、ｄ及びｗの説明に供する図である。図２３に示すように、ｄ_iは隣接する文字存在領域の中心の間の距離であり、ｗは左端の文字存在領域の中心と右端の文字存在領域の中心との距離である。ｄ_i及びｗの単位はピクセルである。

Ｎ、Ｄ及びＷは、それぞれ正解として設定される文字数、文字間隔及び文字列幅である。Ｄ及びＷの単位はピクセルである。図２４は、Ｎ、Ｄ及びＷの例を示す図である。図２４に示すように、例えば、Ｎ＝７、Ｄ＝２１、Ｗ＝１２８である。

σ²は、正規分布の分散である。図２５に、ｆ_numのグラフと、ｆ_dis及びｆ_{str_w}で用いられる平均値μ、分散σ²の正規分布のグラフとを示す。

適応度ｆ_totalは、例えば、ｆ_total＝ｗ_num×ｆ_num＋ｗ_dis×ｆ_dis＋ｗ_{str_w}×ｆ_{str_w}である。ここで、ｗ_num、ｗ_dis及びｗ_{str_w}は重みである。

生成部３１は、適応度ｆ_totalに基づいて親を選択し、交叉、突然変異を用いて子の個体群を生成する。パラメータ決定装置３０は、生成部３１、特定部３２及び評価指標計算部３３の処理を、所定の終了条件が満たされるまで繰り返す。所定の終了条件は、例えば、世代数が所定の数（例えば３０）になると満たされる。

図２６は、ＧＡによるパラメータセットの最適化例を示す図である。図２６において、矩形の枠が文字存在領域の特定結果を示す。図２６（ａ）は初期世代のパラメータセットを用いた特定結果を示し、図２６（ｂ）は最終世代のパラメータセットを用いた特定結果を示す。図２６に示すように、ＧＡによりパラメータセットが最適化され、文字存在領域が正確に特定される。

＜パラメータ決定装置の処理フロー＞
図２７は、パラメータ決定装置３０の処理例の説明に供するフローチャートである。図２７に示すように、パラメータ決定装置３０は、ステップＳ３０１では、初期個体群を生成し、ステップＳ３０２では、初期世代の各個体の適応度を算出する。次いで、パラメータ決定装置３０は、ステップＳ３０３では、適応度に基づいて親を選択する。パラメータ決定装置３０は、例えば、２個の親を選択する。次いで、ステップＳ３０４では、パラメータ決定装置３０は、選択した親を用いて子個体群を生成する。パラメータ決定装置３０は、交叉、突然変異を行うことで、子個体群を生成する。

次いで、パラメータ決定装置３０は、ステップＳ３０５では、子個体群の適応度を算出し、ステップＳ３０６では、終了条件を満たすか否かを判定する。そして、終了条件を満たさない場合には、パラメータ決定装置３０は、ステップＳ３０７では、生存個体を選択し、ステップＳ３０８では、選択した生存個体に基づいて現世代の個体の入れ替えを行い、ステップＳ３０３に戻る。一方、終了条件を満たす場合には、パラメータ決定装置３０は、処理を終了する。

以上のように、実施例では、記番号認識プログラムがパラメータ化される。そして、生成部３１が、記番号認識プログラムのパラメータセットを生成し、特定部３２が、生成部３１により生成されたパラメータセットを用いてシミュレーションにより文字存在領域を特定する。そして、評価指標計算部３３が、特定部３２により特定された文字存在領域に基づいてパラメータセットの適応度ｆ_totalを計算する。そして、生成部３１は、適応度ｆ_totalに基づいて親を選択し、交叉、突然変異を用いて子の個体群を生成する。パラメータ決定装置３０は、生成部３１、特定部３２及び評価指標計算部３３の処理を、所定の終了条件が満たされるまで繰り返すことでパラメータセットを最適化する。したがって、パラメータ決定装置３０は、最適なパラメータセットを決定するための試行錯誤をなくすことができ、記番号認識プログラムの開発に必要な工数を削減することができる。

また、実施例では、評価指標計算部３３は、文字数、文字間隔及び文字列幅に基づいて適応度ｆ_totalを計算するので、パラメータセットを適切に評価することができる。

また、実施例では、パラメータセットは、二値化閾値ＴＨ１、二値化種類ＢＴＹＰＥ、膨張量ＤＰＸＬ、黒白割合閾値ＴＨＲ、記番号存在領域画像端の候補削除用の外縁指定ＵＤＬＲ、Ｘ距離閾値ＴＨＸ、Ｙ距離閾値ＴＨＹを含む。したがって、パラメータ決定装置３０は、記番号認識プログラムを最適化することができる。

なお、実施例では、パラメータ決定装置３０について説明したが、パラメータ決定装置３０が有する構成をソフトウェアによって実現することで、同様の機能を有するパラメータ決定プログラムを得ることができる。そこで、パラメータ決定プログラムを実行するコンピュータについて説明する。

図２８は、実施例のパラメータ決定プログラムを実行するコンピュータのハードウェア構成を示す図である。図２８に示すように、コンピュータ６０は、メモリ６１と、ＣＰＵ６２と、ＬＡＮ（Local Area Network）インタフェース６３と、ＨＤＤ（Hard Disk Drive）６４とを有する。また、コンピュータ６０は、入力装置６５と、表示装置６６と、ＯＤＤ（Optical Disk Drive）６７とを有する。

メモリ６１は、プログラムやプログラムの実行途中結果等を記憶するＲＡＭである。ＣＰＵ６２は、メモリ６１からプログラムを読み出して実行する中央処理装置である。ＣＰＵ６２は、メモリコントローラを有するチップセットを含む。

ＬＡＮインタフェース６３は、コンピュータ６０をＬＡＮ経由で他のコンピュータに接続するためのインタフェースである。ＨＤＤ６４は、プログラムやデータを格納するディスク装置であり、入力装置６５は、マウスやキーボード等である。表示装置６６は、液晶表示装置であり、ＯＤＤ６７は、ＤＶＤの読み書きを行う装置である。

そして、コンピュータ６０において実行されるパラメータ決定プログラムは、コンピュータ６０により読み出し可能な記録媒体の一例であるＤＶＤに記憶され、ＯＤＤ６７によってＤＶＤから読み出されてコンピュータ６０にインストールされる。あるいは、パラメータ決定プログラムは、ＬＡＮインタフェース６３を介して接続された他のコンピュータシステムのデータベース等に記憶され、これらのデータベースから読み出されてコンピュータ６０にインストールされる。そして、インストールされたパラメータ決定プログラムは、ＨＤＤ６４に記憶され、メモリ６１に読み出されてＣＰＵ６２によって実行される。

なお、実施例では、紙幣取扱装置１について説明したが、本発明は、記番号と同様な文字列を有する紙葉類を取り扱う他の紙葉類取扱装置にも同様に適用することができる。また、実施例では、ＧＡを用いてパラメータセットを最適化したが、パラメータ決定装置は、他の最適化手法を用いてパラメータセットを最適化しても良い。

１ 紙幣取扱装置
３ ファームウェア開発装置
１０ 紙幣取扱システム
１７ 制御部
２１ 紙幣撮影部
２２ 金種判別部
２３ 記憶部
２４ 記番号認識部
３０ パラメータ決定装置
３１ 生成部
３２ 特定部
３３ 評価指標計算部

Claims (6)

1. 紙葉類取扱装置において紙葉類の画像から記番号を形成する文字が存在する文字存在領域を特定するときに用いられるプログラムのパラメータセットを生成する生成部と、
   前記生成部により生成されたパラメータセットを用いて前記紙葉類の画像から前記文字存在領域を特定する特定部と、
   前記特定部により特定された文字存在領域と、正解の値とに基づいて前記パラメータセットの評価指標を計算する評価指標計算部と、
   を有し、
   前記生成部、前記特定部及び前記評価指標計算部の処理を所定の条件が満たされるまで繰り返すことで前記パラメータセットを最適化する、
   記番号認識パラメータ決定装置。
2. 前記評価指標計算部は、前記文字存在領域の数、各文字存在領域に含まれる文字の間の距離、及び、前記記番号が含まれる記番号領域に含まれる文字列の幅を評価指標として前記評価指標を計算する、
   請求項１に記載の記番号認識パラメータ決定装置。
3. 前記生成部は、前記パラメータセットを１つの個体とする遺伝的アルゴリズムに基づいて前記パラメータセットを生成する、
   請求項１に記載の記番号認識パラメータ決定装置。
4. 前記パラメータセットは、前記記番号が含まれる記番号領域画像を二値化するときに用いられる二値化種類を示す値及び二値化閾値、二値化された文字存在領域についての膨張処理における膨張量を示す値、二値化された文字存在領域について黒画素が所定割合以上である文字存在領域を除外するときに用いられる黒白割合閾値、二値化された記番号領域画像の外縁から第一所定距離以内にある前記文字存在領域を除外するときに用いられる外縁指定及び隣接する文字存在領域から距離が所定距離以上である文字存在領域を除外するときに用いられる距離閾値を含む、
   請求項１に記載の記番号認識パラメータ決定装置。
5. コンピュータに、
   紙葉類取扱装置において紙葉類の画像から記番号を形成する文字が存在する文字存在領域を特定するときに用いられるプログラムのパラメータセットを生成し、
   生成したパラメータセットを用いて前記紙葉類の画像から前記文字存在領域を特定し、
   特定した文字存在領域と、正解の値とに基づいて前記パラメータセットの評価指標を計算し、
   前記パラメータセットの生成、前記文字存在領域の特定、及び、前記評価指標の計算を所定の条件が満たされるまで繰り返すことで前記パラメータセットを最適化する
   処理を実行させる記番号認識パラメータ決定プログラム。
6. 紙葉類の画像から記番号を形成する文字が存在する文字存在領域をプログラムを実行することにより特定する紙葉類取扱装置と、
   前記プログラムのパラメータセットを決定する記番号認識パラメータ決定装置とを有し、
   前記記番号認識パラメータ決定装置は、
   前記パラメータセットを生成する生成部と、
   前記生成部により生成されたパラメータセットを用いて前記紙葉類の画像から前記文字存在領域を特定する特定部と、
   前記特定部により特定された文字存在領域と、正解の値とに基づいて前記パラメータセットの評価指標を計算する評価指標計算部と、
   を有し、
   前記生成部、前記特定部及び前記評価指標計算部の処理を所定の条件が満たされるまで繰り返すことで前記パラメータセットを最適化する、
   紙葉類取扱システム。

Images