JPH06318246A

JPH06318246A - 紙葉類認識装置

Info

Publication number: JPH06318246A
Application number: JP5129931A
Authority: JP
Inventors: Naohiro Watanabe; 尚洋渡辺
Original assignee: Oki Electric Industry Co Ltd
Current assignee: Oki Electric Industry Co Ltd
Priority date: 1993-05-06
Filing date: 1993-05-06
Publication date: 1994-11-15

Abstract

(57)【要約】【目的】認識率を向上させつつ、細かい汚れを除去
し、認識の許容範囲を広げる。【構成】斜行補正部３により読み取り画像の傾きを補
正した後、有効領域決定部５によって必要最小限の濃淡
画像データを切り出して処理対象とする。この濃淡画像
データは特徴データ換算部７１で更に等分割してそれぞ
れの副画像の特徴データを得る。これを識別のために予
め用意された登録画像と比較し、不一致の部分のみを表
示する不一致画像を作成する。更に、この不一致画像か
ら鉛筆や細いマジック等による細かい汚れをノイズ除去
部７５により除去する。その後、不一致画像上の不一致
画素数をカウントし、判定部７７により紙葉類の種類や
真偽を判定する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、紙幣、有価証券、債券
等の種類や真偽を認識するために使用される紙葉類認識
装置に関するものである。

【０００２】

【従来の技術】金融機関等において、預貯金や振込処理
等を自動化するために、自動入出金機（ＡＴＭ）や自動
取引装置等が設置されている。この自動入出金機等で
は、顧客によって紙幣が投入されると、紙幣の種類や真
偽の認識が行なわれる。この処理は、紙幣鑑別部によっ
て行なわれるが、ここではまず、紙幣の搬送方向に平行
な１本または複数本のラインに沿って、光学的あるいは
磁気的なパターンを読み取る。光学的パターンは、紙幣
の模様により金種ごとに一定の特徴を持つ。また、磁気
的パターンも同様の特徴を持つ。検出されたパターン
は、アナログ信号であるが、読み取ったライン上の多数
の点において、所定のしきい値と比較され２値化され
る。こうして得られたパルス列を、カウンタ回路により
カウントし、そのカウント値を辞書データと比較する。
検出されたすべてのラインについて、このカウント値が
辞書データの中のいずれかと近似していれば、紙幣の真
偽等を認識できる。

【０００３】

【発明が解決しようとする課題】ところで、上記のよう
な従来方法は、通常、紙幣上の特定のラインに沿った部
分的な領域の特徴を抽出して、その部分的な領域のみに
ついて認識を行なっている。従って、小面積の偽造が、
その検出領域以外に存在するような場合には、真券と認
識してしまう場合もある。これは、例えば、紙幣の部分
的な貼り合わせ等が行なわれた場合に生じる。また、認
識の信頼度を高めるために、紙幣の外形寸法や厚み等を
検出し、種々の角度から紙幣の種類、真偽を認識する方
法もある。しかしながら、このような方法では、たとえ
１つでもパラメータが規格範囲を外れていれば、偽券と
判定される。従って、このような場合、偽券と判定され
る率が増大し、実用面で問題がある。もちろん、このよ
うな問題は、紙幣の鑑定に限らず、証券類、そのほか種
々の紙葉類の鑑定にも同様に相通じるところがある。

【０００４】これらの問題を解決するためには、まず、
紙葉類のできるだけ広範囲な部分を、高い解像度で読み
取って認識の基準とし、小面積の偽造や貼り合わせ等も
検出できるようにすることが好ましい。また、できるだ
け信頼性の高い１つの基準を用いて、種類や真偽の認識
を行なうことが認識率向上のために好ましい。しかし、
ある程度高い解像度で紙幣等を読み取ると、鉛筆や細い
マジック等による汚れも認識されてしまう。また、読み
取るべきデータ量が多いと、データ処理に長時間を要
し、高速で照合を行なうことが困難になる。従って、銀
行等に設けた自動取引装置への採用は現実的でない。更
に、紙葉類の一部を読み取る方法では、紙葉類の搬送に
位置ずれがあれば、検出データに変動を生じ、誤認識が
発生し得る。これを解決するためには、紙葉類の多少の
位置ずれに対しても、何らの影響を受けることのない認
識処理が望まれる。

【０００５】本発明は以上の点に着目してなされたもの
で、認識率を向上させつつ、細かい汚れを除去し、認識
の許容範囲を広げることができるようにした高速且つ信
頼性の高い紙葉類認識装置を提供することを目的とする
ものである。

【０００６】

【課題を解決するための手段】本発明の紙葉類認識装置
は、紙葉類上のデータを読み取るスキャナと、前記紙葉
類のデータの読み取り時、紙葉類の搬送状態からその斜
行角度を検出し、前記スキャナの読み取り信号を斜行補
正してバッファメモリに書き込む斜行補正部と、前記バ
ッファメモリに書き込まれた濃淡画像データを解析し
て、前記バッファメモリ中の前記紙葉類の端部位置と中
心位置を抽出し、前記濃淡画像データの有効領域を決定
する有効領域決定部と、前記バッファメモリの中から前
記有効領域の濃淡画像データを等分割処理して、当該等
分割されたそれぞれの副画像の中の濃淡画像データを読
み出し、前記副画像の特徴データに換算する特徴データ
換算部と、前記特徴データと、予め登録された複数種類
の登録画像を含む辞書データとを比較して、不一致の部
分を像として表示する不一致画像を作成する不一致画像
作成部と、前記不一致画像に生じたノイズを除去するノ
イズ除去部と、当該ノイズ除去部が出力する不一致画像
上の不一致部分を計数して、前記紙葉類の種類及び表
裏、挿入方向、真偽を判別する判別部とを備えたことを
特徴とするものである。

【０００７】

【作用】本発明の紙葉類認識装置においては、斜行補正
部により読み取り画像の傾きを補正した後、有効領域決
定部によって必要最小限の濃淡画像データを切り出して
処理対象とする。この濃淡画像データは特徴データ換算
部で更に等分割してそれぞれの副画像の特徴データを得
る。これを識別のために予め用意された登録画像と比較
し、不一致の部分のみを表示する不一致画像を作成す
る。更に、この不一致画像から鉛筆や細いマジック等に
よる汚れをノイズ除去部により除去する。その後、不一
致画像上の不一致画素数をカウントし、判定部により紙
葉類の種類や真偽を判定する。

【０００８】

【実施例】以下、本発明を図の実施例を用いて詳細に説
明する。図１は、本発明の紙葉類認識装置の一実施例を
示すブロック図である。まず、本発明の認識対象となる
紙葉類１は、例えば紙幣や有価証券、債券等である。こ
のような紙葉類１には、光学的あるいは磁気的なデータ
が記録されている。磁気的なデータは紙葉類１の印刷に
用いられるインクの磁気特性によるものである。本発明
の装置は、このようなデータをスキャナ２を用いて読み
取る構成とされている。なお、以下の実施例では紙葉類
を例えば紙幣とし、これに印刷された光学的な情報を、
スキャナ２を用いて読み取る例を挙げて説明する。この
場合、スキャナ２は、例えばイメージラインセンサ等か
ら構成される。

【０００９】斜行補正部３は、紙葉類１を所定の方向に
搬送しながら、スキャナ２を用いてそのデータを読み取
った場合に、紙葉類１とスキャナ２との相対的な傾きに
よるデータの歪みを除去する部分である。その具体的な
構成は後で説明するが、斜行補正部３はバッファメモリ
４に対し、斜行補正したデータを書き込む。バッファメ
モリ４には上記のようにして紙葉類を読み取った濃淡画
像データが格納される。しかしながら、この場合、紙葉
類１の周辺に配置された背景等のイメージも同時に読み
取られる。従って、これらを除去し必要最小限のデータ
を取り出すために有効領域決定部５が設けられている。
バッファメモリ４に格納された有効な濃淡画像データが
認識部６によって特徴データに換算される。この特徴デ
ータは、紙幣の種類や表裏、方向等によって一定の特徴
を持つ。従って、認識部６では、この特徴データを、予
め用意された辞書データと比較し、その結果により紙葉
類１の種類、真偽、表裏、方向等を認識する。この認識
部６の詳細な構成については後述する。以上が本発明の
装置の概略構成及び動作である。

【００１０】以下、本発明の装置の各部の具体的な構成
および動作を順に説明する。図２に、本発明の装置のス
キャナ２と斜行補正部３の具体的な実施例を示すブロッ
ク図を示した。図２には、紙葉類１の搬送路上に配置し
たイメージラインセンサ２１と、斜行検出用のラインセ
ンサ２２およびＡ／Ｄ変換部２３、斜行角度検出部２
４、斜行補正部３、バッファメモリ４および位置検出部
２５が示されている。イメージラインセンサ２１は、よ
く知られたＣＣＤ等による光学的イメージ読み取り素子
群から構成される。その出力は、Ａ／Ｄ変換部２３によ
りディジタル化され、斜行補正部３に入力する。ライン
センサ２２は、紙葉類１の搬送路上における傾きを検出
し、斜行角度検出部２４は、その出力に基づいて、紙葉
類１が搬送路に対しどの程度傾いているかを演算により
求める構成とされている。

【００１１】図３に、斜行補正部の動作説明図を示す。
図３において、紙葉類１は、紙幣や有価証券、債券等で
あり、ラインセンサ２２は、高速で走行する紙葉類１の
斜行状態を抽出するものである。このラインセンサ２２
は、Ｎ個（約１００画素程度）の読み取り素子を有し、
紙葉類１と背景との境界が読み取り素子の下に来たとき
に読み取り信号を発生する。また、イメージラインセン
サ２１は、紙葉類１に印刷された光学的あるいは磁気的
なパターンを読み取る。読み取り可能長３２は、イメー
ジラインセンサ２１の有効読み取り幅であり、紙葉類１
の高速走行によって発生する位置ずれや斜行等に十分対
応できる幅となっている。

【００１２】いま、紙葉類１が図示のように右上がりの
状態で矢印３１の方向に走行してくると、ラインセンサ
２２の第Ｎ番目の素子が紙葉類１と背景との境界をまず
検出し、次に第Ｎ−１番目の素子が紙葉類１と背景との
境界を検出する。このようにして、Ｎ個のすべての素子
が紙葉類１と背景との境界を検出したあと、ラインセン
サ２２は、紙葉類１と背景との境界を検出した時間ｔと
読み取り画素位置に対応する素子番号ｉとを対応させ
て、検出時間配列ｔ（ｉ）を作成する。

【００１３】図４は、このようにして作成された検出時
間配列ｔ（ｉ）を図式化したものである。図４からも明
らかなように、検出時間配列ｔ（ｉ）は必ずしも一直線
にならず、紙葉類１の汚れや破れあるいは欠損等のため
に、理想とする直線に対して常に幾らかの誤差を伴って
いる。図４における１点（ｉ，ｔ（ｉ））の誤差をε
（ｉ）とすると、検出時間配列ｔ（ｉ）は、ｔ（ｉ）＝ｋｉ＋Ｔ＋ε（ｉ）（１）となる。ここで、Ｔは図４における理想直線４１と検出
時間軸ｔとの交点であり、ｋは理想直線４１の勾配係数
である。

【００１４】検出時間配列ｔ（ｉ）についての誤差ε
（ｉ）の自乗和Ｅ（Ｔ，α）は、Ｅ（Ｔ，α）＝Σ［ｔ（ｉ）−Ｔ−ｋｉ］² （２）である。ここに、Σは、ｉ＝１からｉ＝ｎまでの総和で
ある。このＥ（Ｔ，α）が最小となるようなＴとｋを最
小２乗法により求めることにより、ｋ＝｛（Ｓ_it−Ｓ_iＳ_t）／ｎ｝／｛Ｓ_i ²−（Ｓ_i）²／ｎ｝（３）ただし、Ｓ_i ＝Σｉ、Ｓ_i ²＝Σｉ² 、Ｓ_t ＝Σｔ（ｉ）、Ｓ_it＝Σｉｔ（ｉ）（４）ここに、各Σは、ｉ＝１からｉ＝ｎまでの総和である。
これらのデータを用いれば、 θ＝ｔａｎ^-1ｋ（５）より斜行角度θを求めることができる。

【００１５】イメージラインセンサ２１は、紙葉類１の
反射光あるいは通過光の光学的なアナログパターンを読
み取る。この信号は図２に示すＡ／Ｄ変換部２３によっ
て、ディジタル形式の濃淡画像データに変換される。図
２に示す斜行角度検出部２４は、先に説明した要領で斜
行角度を演算し、斜行補正部３にその制御信号を入力す
る。これによってバッファメモリ４には、斜行補正され
た濃淡画像データが格納される。この場合、読み取られ
た濃淡画像データの主走査アドレスをｉ₀ 、副走査アド
レスをｊ₀ とし、バッファメモリ４に書き込むべき主走
査アドレスをｉ₁ 、副走査アドレスをｊ₁ とすると、そ
の換算は、ｉ₁ ＝ｉ₀cos（−θ）−ｊ₀sin（−θ）ｊ₁ ＝ｉ₀sin（−θ）＋ｊ₀cos（−θ）（６）より行なうことができる。図２に示すバッファメモリ４
にはこのようにして、紙葉類１の読み取りにより得られ
た濃淡画像データが傾斜のない形で格納される。なお、
イメージラインセンサ２１は、紙葉類１が斜行した場合
にもその全体を読み取ることが可能なように、認識対象
となる紙葉類１の対角線以上の読み取り可能長３２を持
つことが好ましい。

【００１６】さて、こうしてバッファメモリ４に読み込
まれた濃淡画像データには、紙葉類の周辺やその背景部
分にあるもののデータも含まれる。これらのデータを含
めてその後の処理を行なおうとすると、処理の高速化を
図れない。そこで、まず図２に示した位置検出部２５
が、バッファメモリ４中の該当する濃淡画像データの位
置を検出する。図５に、位置検出部の動作説明図を示
す。図５に示すように、バッファメモリ４には図のよう
な範囲で濃淡画像データ５１が格納される。そして、濃
淡画像データ５１の中央部分にある白抜き部分５２が認
識対象となる紙葉類の濃淡画像データの領域である。図
２に示した位置検出部２５は、図２に示した斜行補正部
３がバッファメモリ４に対し濃淡画像データを書き込む
際に、図５に示す紙葉類の端部位置のアドレスＩ_s ，Ｉ
_e ，Ｊ_s ，Ｊ_e を検出する。また、更に演算によって、
紙葉類に対応する濃淡画像データの中心位置座標Ｉ_p ，
Ｊ_p を検出する。この方法として位置検出部は、バッフ
ァメモリの主走査方向の全幅Ｉ_w と副走査方向の全幅Ｊ
_w について、それぞれ濃淡画像データに基づく濃度波形
を求める。

【００１７】図５の右側と下側に示したものがこの波形
である。そして、これらの波形に基づいて、しきい値Ｍ
_t を設定する。このしきい値Ｍ_t は、最大濃度と最低濃
度の中間の値に設定する。そして、Ｉ_s ，Ｉ_e ，Ｊ_s ，
Ｊ_e の初期値を、それぞれ下式に示すようにＩ_w ，０，
Ｊ_w ，０に設定する。Ｉ_s ＝Ｉ_w ，Ｉ_e ＝０，Ｊ_s ＝Ｊ_w ，Ｊ_e ＝０（７）そして、斜行補正部３がバッファメモリ４に濃淡画像デ
ータを順に書き込む度に、下式のように更新していく。Ｉ_s ＝ｍｉｎ［Ｉ_s ，｛ｉ｜Ｍ（ｉ，ｊ）＜Ｍ_t ｝］（８ａ）Ｉ_e ＝ｍａｘ［Ｉ_e ，｛ｉ｜Ｍ（ｉ，ｊ）＜Ｍ_t ｝］（８ｂ）Ｊ_s ＝ｍｉｎ［Ｊ_s ，｛ｊ｜Ｍ（ｉ，ｊ）＜Ｍ_t ｝］（８ｃ）Ｊ_e ＝ｍａｘ［Ｊ_e ，｛ｊ｜Ｍ（ｉ，ｊ）＜Ｍ_t ｝］（８ｄ）例えば、式８ａの更新式は、画素（ｉ，ｊ）の出力値Ｍ
（ｉ，ｊ）がしきい値Ｍ_t より小さくなったとき、主走
査座標アドレスｉとＩ_s とを比較して、主走査座標アド
レスｉの方が小さければ、端部位置変数Ｉ_s に主走査座
標アドレスｉの値を割り当てる。以下Ｉ_e の更新式、Ｊ
_s の更新式、Ｊ_e の更新式についても全く同様の対応す
る演算を行なう。

【００１８】上記のような処理によって、斜行補正部３
がバッファメモリ４に対し、全ての濃淡画像データを書
き込み終ったとき、紙葉類の右上および左下の座標がそ
れぞれ（Ｉ_s ，Ｊ_s ），（Ｉ_e ，Ｊ_e ）として検出され
る。更にその後、図２に示す位置検出部２５は紙葉類の
中心位置（Ｉ_c ，Ｊ_c ）を抽出する。（Ｉ_c ，Ｊ_c ）＝［（Ｉ_s ＋Ｉ_e ）／２，（Ｊ_s ＋Ｊ_e ）／２］（９）こうして求められた中心位置座標（Ｉ_c ，Ｊ_c ）は、紙
葉類１の読み取り位置ずれに対応する。従って、この中
心位置座標を基準にしてバッファメモリ４中の有効領域
が決定される。

【００１９】図６に、有効領域決定部の動作説明図を示
す。図１に示す有効領域決定部５は、図５に示した位置
検出部２５の出力結果に基づいて、バッファメモリ４中
の有効領域を決定する。この場合、先ず紙葉類の濃淡画
像データの中心位置座標Ｉ_c ，Ｊ_c を基準とする。そし
て、図６に示す白抜き部分の領域を、実際に読み取った
紙葉類の濃淡画像データが含まれる領域とすると、これ
より例えば一回り広い横幅Ｂ_w 、縦幅Ｂ_h の領域を有効
領域に決定する。この幅は例えば、装置が実際に認識対
象とする紙葉類の最大のものの占める領域に設定され
る。例えば紙幣の認識を行なう場合には、千円券、五千
円券、壱万円券の３種類の紙幣を認識することになる
が、この場合、最大の大きさの壱万円券を認識できる領
域を常に切り出すようにする。これにより、千円券、五
千円券、壱万円券のすべての種類の紙幣について正確な
認識を行なうことができる。

【００２０】ここでバッファメモリ４には、下式に示す
格子状に配列されたＩ_w ×Ｊ_w 個の濃淡画像データＭが
格納されている。Ｍ＝｛（ｉ，ｊ）｜０≦ｉ＜Ｉ_w ，０≦ｊ＜Ｊ_w ｝（１０）これは、先に説明したように、実際に読み取った紙葉類
の中心位置座標から演算して決定した有効領域にある。
この範囲を下式に示す。Ｍ＝｛（ｉ，ｊ）｜（Ｉ_c −△Ｍ_w ）≦ｉ＜（Ｉ_c ＋△Ｍ_w ），（Ｊ_c −△Ｍ_h ）≦ｊ＜（Ｊ_c ＋△Ｍ_h ）｝（１１）ただし、Ｍ_w ＝２△Ｍ_w ＞（Ｉ_e −Ｉ_s ），Ｍ_w ＜＜Ｉ
_w ，△Ｍ_w ：固定値Ｍ_h ＝２△Ｍ_h ＞（Ｊ_e −Ｊ_s ），Ｍ_h ＜＜Ｊ_w ，△Ｍ
_h ：固定値こうして切り出された濃淡画像データは、図１に示す認
識部６へ出力される。

【００２１】図７に、認識部の詳細な構成を示す。図７
に示す回路は、濃淡画像データ中の特徴データを算出す
る特徴データ換算部７１と、この特徴データ換算部７１
より出力された特徴データを予め登録された辞書データ
７３と比較するデータ比較部７２とを備えている。ま
た、データ比較部７２で比較した結果、一致しなかった
部分を検出する不一致画像作成部７４と、その不一致画
像のノイズを除去するノイズ除去部７５と、不一致画素
をカウントする不一致画素数カウント部７６とを備えて
いる。更に、不一致画像作成部７４および不一致画素数
カウント部７６のそれぞれの出力状態により対象とする
紙葉類の種類、表裏、挿入方向、真偽を判別する判定部
７７を備えている。特徴データ換算部７１は、図１のバ
ッファメモリ４から有効領域決定部５を介して先に説明
した有効領域の濃淡画像を入力し、この濃淡画像を分割
処理し、分割処理された副画像の中の特徴データを抽出
する。このため、特徴データ換算部７１は、まず、先に
説明した有効領域をＷ×Ｈ個に等分割する処理を行な
う。

【００２２】図８に、分割処理の動作説明図を示す。図
８は、先に説明した濃淡画像データの有効領域を示す。
まず、主走査方向（ｘ）へＷ等分割処理、副走査方向
（ｙ）へＨ等分割処理する。次に、等分割処理された各
副画像の中の濃淡画像データを読み出し、特徴データに
換算する。換算する特徴データは、例えば輪郭や分散等
の統計量がある。本実施例では、輪郭で説明する。図９
は、特徴データ換算に用いるテンプレートの例である。
まず、図８に示した濃淡画像データの有効領域から、副
走査方向（ｙ）の順に、かつ主走査方向（ｘ）の順に、
順次濃淡画像データを読み出し、図９〜図１２に示すテ
ンプレートを用いて特徴データに換算する。

【００２３】図９〜図１２は、濃淡画像データの水平方
向の輪郭Ｔ₁ （ｘ，ｙ）を求めるテンプレートである。
Ｔ₁ （ｘ，ｙ）は図９のｘ方向の濃淡の変化を示し、Ｔ
₁ （ｘ，ｙ）の値が小さいほどｘ方向の濃淡の変化が小
さい。また、同様に、図１０は、濃淡画像データの右下
斜め方向の輪郭Ｔ₂ （ｘ，ｙ）を求めるテンプレートで
あり、図１１は、濃淡画像データの垂直方向の輪郭Ｔ₃
（ｘ，ｙ）を求めるテンプレートであり、図１２は、濃
淡画像データの左下斜め方向の輪郭Ｔ₄ （ｘ，ｙ）を求
めるテンプレートである。４つのテンプレートからそれ
ぞれの輪郭Ｔ₁ （ｘ，ｙ）、Ｔ₂ （ｘ，ｙ）、Ｔ₃
（ｘ，ｙ）、Ｔ₄ （ｘ，ｙ）を求め、これらの最小値Ｔ
（ｘ，ｙ）を輪郭に関する特徴データとする。即ち、こ
れは、次式にしたがって算出する。Ｔ（ｘ，ｙ）＝ｍｉｎ［Ｔ₁ （ｘ，ｙ），Ｔ₂ （ｘ，ｙ），Ｔ₃ （ｘ，ｙ），Ｔ₄ （ｘ，ｙ）］（１２）

【００２４】次に、図８に示した分割処理にしたがっ
て、各副画像内の特徴データの平均値を求める。即ち、
主走査方向（ｘ）上の副画像番号をｉ、副走査方向
（ｙ）上の副画像番号をｊとして、副画像内の特徴デー
タの平均値Ｘ（ｉ，ｊ）を次式にしたがって算出する。Ｘ（ｉ，ｊ）＝｛ΣΣＴ（ｘ，ｙ）｝／（Ｍ_w Ｍ_h ／ＷＨ）（１３）ここに、内側のΣはｘ＝ｉＭ_w からｘ＝（ｉ＋１）Ｍ_w
までの総和であり、外側のΣはｙ＝ｊＭ_h からｙ＝（ｊ
＋１）Ｍ_h までの総和である。このようにして換算され
た特徴データＸは、下式に示すように格子状に配列され
た主走査幅Ｗ×副走査幅Ｈの画素から構成される。Ｘ＝｛（ｉ，ｊ）｜０≦ｉ＜Ｗ，０≦ｊ＜Ｈ｝（１４）特徴データ換算部７１によって出力された特徴データＸ
は図７に示すデータ比較部７２へ出力される。

【００２５】図１３に、データ比較部の動作概念図を示
す。図１３（ｂ）における登録画像１０１は、予め登録
されており、図１３（ｃ）における特徴データ１０２
は、特徴データ換算部７１によって出力された特徴デー
タＸである。登録画像１０１、特徴データ１０２はとも
に格子状に配列された主走査幅Ｗ×副走査幅Ｈの画素か
ら構成される。これらの図１３（ｂ）、（ｃ）に対し、
図１３（ａ）では、例えば副走査方向上のｊ番目の主走
査方向上の位置を横軸に、その特徴データの出力を縦軸
にして図示した。図１３（ａ）において、最大値出力波
形１０１１は、登録画像１０１の副走査方向上のｊ番目
の主走査方向上のデータの最大値出力波形である。ま
た、最小値出力波形１０１２は、登録画像１０１の副走
査方向上のｊ番目の主走査方向上のデータの最小値出力
波形である。特徴データ波形１０２１は、特徴データ換
算部７１によって出力された特徴データ１０２の副走査
方向上のｊ番目の主走査方向上の特徴データ波形であ
る。

【００２６】登録画像１０１と特徴データ１０２が一致
していれば、特徴データ波形１０２１は、最大値出力波
形１０１１および、最小値出力波形１０１２に挟まれて
いるものである。図１３（ａ）から明らかなように、登
録画像１０１は、特徴データ換算部７１によって出力さ
れた特徴データ１０２に対してわずかな変動等を許容す
るように最小値および最大値を設定してある。また、こ
のような登録画像１０１の最大値及び最小値は同一種の
紙葉類で経験的に求められるものである。本実施例にお
ける、辞書データのカテゴリは例えば、千円札表正立、
千円札表倒立、千円札裏正立、千円札裏倒立、五千円札
表正立、五千円札表倒立、五千円札裏正立、五千円札裏
倒立、壱万円札表正立、壱万円札表倒立、壱万円札裏正
立、壱万円札裏倒立の計１２種で構成する。

【００２７】図１３において、波形１０３は、特徴デー
タ換算部７１によって出力された特徴データ１０２の副
走査方向上のｊ番目の主走査方向上の特徴データ波形
が、登録画像１０１の許容範囲からはみでた部分であ
る。このような場合、登録画像１０１の許容範囲内にあ
る部分と区別するために許容範囲内にある部分が
“０”、それ以外が“１”として２値信号を出力する。
この２値信号を図７に示す不一致画像作成部７４へ出力
する。不一致画像作成部７４は、データ比較部７２より
出力された２値信号に基づき、格子状に配列された主走
査幅Ｗ×副走査幅Ｈの画素から構成する２値画像を作成
する。この２値画像は、特徴画像のうち登録画像と不一
致の画素を黒ビットとして表示する。

【００２８】ノイズ除去部７５は、ここで図１４及び図
１５に示すような、ノイズ除去オペレータを用いて、２
値画像に含まれる孤立点等のノイズを除去する。図１４
及び図１５に示すノイズ除去オペレータは、３×３のテ
ンプレートで構成する。この方法は、一般的に用いられ
る方法であり、この３×３のテンプレートと一致した場
合、中心画素の極性を反転するものである。これは、鉛
筆や細いマジック等による汚れを無視するための処理で
ある。このようなノイズ除去オペレータにより、２値画
像から鉛筆や細いマジック等による汚れを除去すること
ができる。これにより、紙幣の鑑別等の際に小さな汚れ
を除去してリジェクト率を低くすることができる。

【００２９】図７に示す不一致画像作成部７４は、この
ような２値画像を不一致画素数カウント部７６へ出力す
る。不一致画素数カウント部７６は、不一致画像作成部
７４によって出力された２値画像に含まれる極性が
“１”の黒ビットの数をカウントする。図７に示す辞書
データ７３は、１２種類の登録画像が用意されたもので
ある。従って、その１２種の登録画像毎にデータ比較部
７２、不一致画像作成部７４を経て、不一致画素数カウ
ント部７６で、１２種の登録画像に対応した不一致画素
数がそれぞれ出力される。ここで、１２種の不一致画素
数のうち、最も値が小さいものに対応した登録画像の種
類が一致候補となる。

【００３０】図７に示す判定部７７は、不一致画素数カ
ウント部７６で出力した一致候補となる不一致画像の不
一致画素数がある数以下かどうかを検査し、ある数以下
であれば、一致候補となった登録画像の種類を最終的な
認識結果として出力するものである。なお、不一致画素
数がある数以下でない場合は、部分的な偽造あるいは相
当の広い面積にわたってマジックや油等により紙幣が汚
れていると見なし、リジェクトする。この場合、不一致
画像の黒ビットの分布形状によって、貼り合わせ等の偽
造部分を容易に検出することができる。即ち、不一致画
像の黒ビットの分布がある箇所に集中して分布していれ
ば、その部分が偽造されているかあるいは太いマジック
等による著しい汚れがあることを容易に検出することが
できる。

【００３１】尚、上述した装置によれば、濃淡画像の特
徴データから抽出された一定の統計量により認識の判定
を行なうようにしたので、認識を対象とするデータは紙
葉類の紙の質や印刷濃度に影響されないものとなり、常
に安定した認識が可能となる。また、スキャナが読み取
る前に、対象とする紙葉類からその背景との境界を複数
箇所検出し、それぞれの検出位置に対応して紙葉類の搬
送量を抽出するようにしたので、紙葉類の汚れや破れ、
欠損等に影響されず、紙葉類の斜行角度が正確に抽出で
きる。更に、分割処理や特徴抽出を行なう前に、対象と
する濃淡画像からその紙葉類の中心位置を検出し、濃淡
画像からその紙葉類が占める領域を設定するようにした
ので、その後の信号処理量を減少させ、処理の高速化を
図ることができる。

【００３２】また、対象とする濃淡画像を分割処理し、
分割処理された各副画像からそれぞれの特徴データを抽
出するようにしたので、例えば紙葉類を誤って洗濯等し
た場合の紙葉類全体の縮みや印刷位置ずれ等のパターン
の細かな変化が無視でき、信頼性の高い認識が可能とな
る。尚、上述した実施例においては、イメージラインセ
ンサ２１とラインセンサ２２とを別個のセンサにより構
成するようにしたが、本発明はこれに限定されることな
く、１つのセンサを共用することによって構成するよう
にしてもよい。

【００３３】

【発明の効果】

(1) 以上説明した本発明の紙葉類認識装置は、紙葉類の
認識を必要とする全領域の画像を読み取って、その濃淡
画像から特徴データを抽出し、この特徴データから一定
の統計量を抽出し、２値化に用いるしきい値を決定する
ようにしたので、紙葉類の部分的な貼り合わせ等が行な
われた場合にもそのような偽造を確実に検出することが
できる。また、抽出された特徴データの統計量からノイ
ズを除去するようにしたので、鉛筆や細いマジック等に
よる汚れを除去することができ、紙葉類の鑑別等の際に
小さな汚れを除去してリジェクト率を低くすることがで
きる。

【００３４】(2) スキャナが読み取る領域の大きさを、
認識対象とする紙葉類の最大対角線長以上に設定するこ
とにより、対象とする紙葉類の位置ずれや斜行によるず
れに影響されず、必要な全ての画像が抽出できる。 (3) バッファメモリ内の濃淡画像データの有効領域を認
識対象となる紙葉類のうちの最大のものの大きさに合わ
せることにより、認識対象となるすべての紙葉類につい
て正確な認識を行なうことができる。

【図面の簡単な説明】

【図１】本発明の紙葉類認識装置の一実施例のブロック
図である。

【図２】スキャナと斜行補正部の構成を示すブロック図
である。

【図３】斜行補正部の動作説明図である。

【図４】検出時間配列を図式化したグラフである。

【図５】位置検出部の動作説明図である。

【図６】有効領域決定部の動作説明図である。

【図７】認識部の詳細な構成を示すブロック図である。

【図８】分割処理の動作説明図である。

【図９】特徴データ換算に用いるテンプレート（その
１）の説明図である。

【図１０】特徴データ換算に用いるテンプレート（その
２）の説明図である。

【図１１】特徴データ換算に用いるテンプレート（その
３）の説明図である。

【図１２】特徴データ換算に用いるテンプレート（その
４）の説明図である。

【図１３】データ比較部の動作説明図である。

【図１４】ノイズ除去オペレータ（その１）の説明図で
ある。

【図１５】ノイズ除去オペレータ（その２）の説明図で
ある。

【符号の説明】

１紙葉類２スキャナ３斜行補正部４バッファメモリ５有効領域決定部６認識部７１特徴データ換算部７４不一致画像作成部７５ノイズ除去部７７判定部

Claims

【特許請求の範囲】

【請求項１】紙葉類上のデータを読み取るスキャナ
と、前記紙葉類のデータの読み取り時、紙葉類の搬送状態か
らその斜行角度を検出し、前記スキャナの読み取り信号
を斜行補正してバッファメモリに書き込む斜行補正部
と、前記バッファメモリに書き込まれた濃淡画像データを解
析して、前記バッファメモリ中の前記紙葉類の端部位置
と中心位置を抽出し、前記濃淡画像データの有効領域を
決定する有効領域決定部と、前記バッファメモリの中から前記有効領域の濃淡画像デ
ータを等分割処理して、当該等分割されたそれぞれの副
画像の中の濃淡画像データを読み出し、前記副画像の特
徴データに換算する特徴データ換算部と、前記特徴データと、予め登録された複数種類の登録画像
を含む辞書データとを比較して、不一致の部分を像とし
て表示する不一致画像を作成する不一致画像作成部と、前記不一致画像に生じたノイズを除去するノイズ除去部
と、当該ノイズ除去部が出力する不一致画像上の不一致部分
を計数して、前記紙葉類の種類及び表裏、挿入方向、真
偽を判別する判別部とを備えたことを特徴とする紙葉類
認識装置。
【請求項２】スキャナの読み取り可能長は、認識対象
となる紙葉類のうちの最大の対角線を持つ紙葉類の対角
線長以上に設定されていることを特徴とする請求項１記
載の紙葉類認識装置。
【請求項３】バッファメモリに書き込まれた濃淡画像
データの有効領域は、認識対象となる紙葉類のうちの最
大のものの占める領域に設定されることを特徴とする請
求項１記載の紙葉類認識装置。