JPH113449A

JPH113449A - 紙葉類識別方法及び装置

Info

Publication number: JPH113449A
Application number: JP10106248A
Authority: JP
Inventors: Eiji Itako; 英治潮来
Original assignee: Nippon Conlux Co Ltd
Current assignee: Nippon Conlux Co Ltd
Priority date: 1997-04-16
Filing date: 1998-04-16
Publication date: 1999-01-06
Anticipated expiration: 2018-04-16
Also published as: JP4138935B2

Abstract

(57)【要約】【課題】紙幣識別精度の向上。異金種のパターン特徴
が似ていても、正確に判定できるようにする。【解決手段】複数の所定位置についての検出データを
その中の最小値に対する相対値データにそれぞれ変換
し、印刷模様のパターンを抽出する。この相対値データ
を相対値標準平均を用いて正規化することにより補正サ
ンプルデータを得る。各位置毎に、補正サンプルデータ
の標準平均に対する差が標準偏差の何倍であるかを示す
離隔値（すなわち標準化変量）を求めることにより、更
に正規化を行なう。正規化された各位置毎の離隔値が、
所定の判定基準値の範囲内であるか否かを評価すること
により、紙幣の識別を行なう。更に、各位置毎の離隔値
を合計し、これに基づき紙幣識別を行うもよい。近似金
種テーブルを用意し、近似した金種についての識別精度
を向上させる。良く出回る所定の偽券について判定基準
データを予め用意し、該偽券を効率的に排除できるよう
にするも可。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、自動販売機や両替
機およびゲーム装置等に利用される紙幣識別装置に関す
るものであり、紙幣、小切手、金券、証券等、所定の印
刷模様を表面に具備する紙葉の真偽を識別するための方
法及び装置に関する。

【０００２】

【従来の技術】紙幣の搬送に同期して該紙幣各部の色や
濃度または紙幣に含まれる磁性粉等をセンサで検出して
サンプリングデータを取得し、このサンプリングデータ
を基準パターンと比較することによって紙幣の種別およ
びその真偽を判定する紙幣識別装置は、例えば、特公昭
６３−２６９１８号，特公昭６４−５３５４号等におい
て提案されている。これら従来の紙幣識別装置では、各
位置でサンプリングされたデータの全てが基準パターン
のデータに対して許容範囲に収まっている場合にのみ、
その基準パターンに対応した紙幣種別の真券信号を出力
するようになっており、種別および真偽判定の信頼性は
各位置毎のサンプリングデータの値と基準パターンのデ
ータとの間の偏差にのみ依存している。従って、このよ
うな従来方式により偽紙幣を確実に排除するためには、
判定基準となる許容範囲を相当に狭く設定する必要があ
るが、許容範囲を余り狭く設定すると、流通紙幣に付着
した全体的な汚れによって検出データの値が均一にシフ
トしたような場合であっても真正紙幣が偽紙幣として判
定される恐れがある。一方、米ドル紙幣等にあっては、
異なる金種間においても模様パターンが近似しているよ
うなものにおいては、許容範囲が重複してしまうことが
あり、正確な識別が困難であった。

【０００３】紙幣の汚れや経年変化による検出データの
変動および周囲温度の変化等に伴う検出データ値のドリ
フト等に対処するため、各位置でサンプリングされた検
出データの平均により検出データに補正を加えて基準パ
ターンと比較するようにした紙幣識別装置が特公昭５８
−９９９０号として提案されているが、紙幣の一部に汚
れが付着する等して部分的な変化が生じたような場合に
は、真正紙幣が偽紙幣としてリジェクトされてしまうと
いう問題が残る。また、紙幣種別毎の基準データと度数
分布との関係を記憶しておき、ファジイ理論に基づいて
判定動作を行わせようとした紙幣識別装置が特開平２−
１４８３８３号として提案されているが、このものは、
検出データ自体に変動が生じた場合であっても比較対象
となる度数分布データとの間で整合性を保持するための
補正作業は一切行われないので、紙幣やセンサ類の経年
変化や汚れ等に対処することはできない。

【０００４】紙幣の種別およびその真偽を適確に判定す
るためには多数のセンサ，多数のサンプリングデータを
用いて判定操作を行うことになるので、光学式センサと
磁気式センサを併用するのが一般的であるが、そうする
と、光学式センサと磁気式センサとで別途の判定回路を
設けねばならず、構成が複雑化する。

【０００５】更に、本発明に関連する従来技術として
は、特開平３−２９２５８９号公報や、特開平４−１０
２１８７号公報に記載された発明がある。特開平３−２
９２５８９号公報においては、センサ検出データを正規
化するために、該センサ検出データの平均値を求め、所
定の標準平均値に対するセンサ検出データ平均値の比を
補正係数として求め、この比をセンサ検出データに掛け
ることにより正規化を行なうようにしている。しかし、
極めて単純な正規化処理でしかないため、個別のセンサ
の汚れや、個別のセンサの特性誤差あるいは組立て誤
差、及び検査対象たる個別紙幣の汚れ等を要因として、
センサ検出データは固有の誤差をもっているため、この
固有の誤差要因を確実に除去して正規化することはでき
なかった。特開平４−１０２１８７号公報においては、
紙幣を複数のブロックに分割し、検査対象紙幣の各ブロ
ック毎の検出データ平均値と或る金種についての各ブロ
ック毎の標準平均値データとの差を夫々演算し、この差
を合計する。このようにして各金種につきかかる差の合
計値を求め、その値が最小のものを、当該検査対象紙幣
の金種と判定するようにしている。しかし、この方法で
は、検出データの絶対値の平均値から差を求めるように
しているので、検査対象紙幣の汚れ等のバラツキの影響
により、識別精度が劣る、という欠点がある。

【０００６】

【発明が解決しようとする課題】本発明の目的は、前記
従来技術の欠点を解消し、紙幣の経年変化や部分的な汚
れ等による検出データの変動によって判定誤差が生じる
ことが少なく、また、特徴検出用のセンサの固体誤差や
経年変化等による識別誤差の影響を排除した、精度の良
い、紙葉の真偽を識別する方法及び装置を提供すること
にある。更に、特徴検出センサで検出したサンプルデー
タに対して、その印刷模様を抽出した正確なデータ補正
を行い、正規化処理を適正に行うえるようにすることを
目的とする。更に、標本データの統計的な集計によっ
て、紙葉の個別のバラツキを考慮した正確な真偽判定を
行うことを目的とする。更に、複数の金種（紙葉の種
類）において、その模様パターンが近似しているもので
あっても、できるだけ正確に識別できるようにすること
を目的とする。更に、磁気式センサを併用せずに、光学
式センサのみでも、精度の高い識別を行うことができる
ようにすることを目的とする。

【０００７】

【課題を解決するための手段】本発明に係る紙葉類識別
方法は、識別対象である紙葉の特徴をセンサにより検出
し、該紙葉の複数の所定位置についての検出データを得
る第１のステップと、前記各位置の検出データを所定値
に対する相対値データに変換する第２のステップと、前
記相対値データを所定の正規化パラメータを用いて正規
化し、これにより各位置の補正サンプルデータを得る第
３のステップと、予め用意された各位置毎の標準平均と
標準偏差とを使用して、前記各位置毎の補正サンプルデ
ータを統計的に評価し、これにより前記紙葉を識別する
第４のステップとを具備する。

【０００８】前記第２のステップにおいて、センサの検
出データを相対値データに変換することにより、紙葉の
表面の印刷模様のパターンを抽出したデータ（後述の実
施例における変化パターンデータＤｐ（Ｉ）に相当する
データ）を得ることができる。前記第３のステップにお
いて、この相対値データを正規化することにより、補正
サンプルデータ（実施例におけるＣＤＡＴＡ（Ｉ）に相
当するデータ）が得られる。このような相対値データを
正規化することによって、使用するセンサの個体誤差
や、識別対象紙葉の個体差（紙葉全体または一部におけ
るしわや汚れなど有無による差）を考慮した、適切なデ
ータ正規化処理が可能となる。前記第４のステップにお
いては、予め用意された各位置毎の標準平均（後述の実
施例における走査位置標準平均ＨＭＸＡＤＲ（Ｉ）に相
当するパラメータ）と標準偏差（実施例における走査位
置標準偏差ＨＭＳＡＤＲ（Ｉ）に相当するパラメータ）
とを使用して、前記各位置毎の補正サンプルデータを統
計的に評価する。このような統計的手法による評価は、
識別精度を向上させるので、有益である。特に、米ドル
紙幣のように、異なる金種間において印刷模様パターン
が比較的似ているような紙幣の識別に際して、効果を発
揮する。

【０００９】好ましい実施例においては、前記第２のス
テップは、前記所定値として前記各位置の検出データの
中の最小値または最大値を選択するステップを含み、前
記各位置の検出データを該選択された最小値または最大
値に対する相対値データに変換するようにしてよい。ま
た、前記第３のステップは、各位置の前記相対値データ
の平均値を算出するステップと、前記相対値データの平
均値に関する所定の相対標準平均を前記所定の正規化パ
ラメータとして使用し、この相対標準平均に対する前記
算出された平均値の比を、補正係数として、算出するス
テップと、各位置の前記相対値データを前記補正係数に
よって補正する演算を行ない、各位置の前記補正サンプ
ルデータを算出するステップとを含んでいてよい。この
ように、検出データの中の最小値または最大値に対する
相対値データに該検出データを変換し、この相対値デー
タの平均値の所定の相対標準平均に対する比を補正係数
として、該相対値データを補正する演算処理すなわちデ
ータ正規化処理を行なうことは、精度のよい正規化をも
たらすものである。例えば、紙葉表面の一部の汚れを無
視できるようになる。

【００１０】また、前記第４のステップは、各位置毎
に、前記補正サンプルデータと前記標準平均との差を前
記標準偏差で除す演算を行なうことにより、該補正サン
プルデータを正規化された離隔値に変換するステップ
と、各位置毎の前記正規化された離隔値を、所定の判定
基準により評価するステップとを含んでいてよい。これ
により、評価対象紙幣の各位置毎のサンプルデータが、
標準平均と標準偏差に応じた離隔値という形で、正規化
もしくは標準化されることとなり、判定処理を容易にす
ると共に、識別精度を向上させることができる。

【００１１】なお、この出願において、「離隔値」とい
う用語は、説明の便宜上使用する用語にすぎず、必ずし
も統計学上学術的に確立されている用語といえるもので
はない。すなわち、この出願において使用している「離
隔値」の語の意義は、或るサンプルデータが、標準平均
から標準偏差の何倍だけ隔たっているか、ということを
具体的な数値で示すものである。このような意義は、統
計学上一般に使用される「標準化変量」という用語に相
当するものである。従って、この出願において使用して
いる「離隔値」の用語を、「標準化変量」という用語に
置き換えてもよい。かくして、センサ出力に基づく補正
サンプルデータの離隔値（すなわち実施例における走査
位置離隔値ＳＰＤ（Ｉ））は、紙葉における所定の各位
置毎の標準平均（実施例における走査位置標準平均ＨＭ
ＸＡＤＲ（Ｉ））からの該サンプルデータの隔たり具合
を、正規化または標準化して表現するものである。よっ
て、この離隔値の値の大小は、標準平均に対する近似度
を正規化して示しているものであり、例えば離隔値が小
さいほど標準平均により近いことを意味する。従って、
この離隔値を、所定の判定基準値（後述する実施例にお
ける走査位置判定倍率ＰＭＳＴに相当）と比較すること
により、識別対象紙葉について適切な評価を下すことが
できる。すなわち、この判定基準値は真券として許容し
うる離隔値の上限値を示し、離隔値が判定基準値より大
であれば、識別対象紙葉は偽券と識別して受入れを拒絶
する。ここで、離隔値は正規化された値であるから、１
つのセンサに対応する全ての走査位置の離隔値に対し
て、共通の１つの判定基準値を使用することができる。
従って、判定基準データの準備とその記憶構成を簡素化
することができる。なお、真券として受入れ、偽券とし
て拒絶するための最終基準は、適宜定めてよい。例え
ば、１つのセンサに対応する全ての走査位置の離隔値が
所定の判定基準を満たしている場合に、真券と判定し、
それ以外の場合は偽券と判定するようにしてもよいし、
あるいは、それに限らない。なお、判定基準値は１つの
数値であるから、これを調整可能とすることは容易に行
なえるものであり、そうすれば、識別感度の調整を行な
うことができる。よって、この発明では、紙葉識別の際
の感度調整を極めて容易に行なうことができる。

【００１２】識別のためのパラメータとして、総合離隔
値の概念を導入することは、極めて有利である。前記各
位置毎の正規化された離隔値を合計することにより総合
離隔値（実施例におけるＴＯＤ）を算出することができ
る。予め用意された統計的基準データを使用して、前記
総合離隔値を統計的に評価することにより紙葉の真偽を
識別することができる。この統計的基準データの一例
は、多数のサンプル紙葉から得た総合離隔値に基づき、
総合離隔値標準平均（実施例におけるＲＴＸＸＸ）と総
合離隔値標準偏差（実施例におけるＲＴＳＩＧ）とを求
め、そこにおける標準化変量の限界値をシミュレーショ
ンによって求め、これに基づき総合離隔値判定基準値
（実施例における総合離隔値判定倍率ＴＭＳＴ）を作成
することにより得られる。このように、１つの値に集約
された総合離隔値を導入し、識別に利用することは、識
別精度を一層向上させる上で有利である。例えば、１つ
の識別対象紙葉について、複数の種類（金種）に該当す
るとの一次的評価が得られたような場合、総合離隔値に
より最も高い評価が示されている種類（金種）を選択す
ることができるので、該当種類（金種）の絞り込みに有
利に利用できる。

【００１３】例えば、米ドル紙幣のように、異なる金種
間において印刷模様パターンが比較的似ているような紙
幣の識別に際しては、識別のための判定基準を厳しくす
れば異金種間の識別を確実に行なうことができるが、そ
の一方で、真券でありながら経年劣化や汚れ等のため
に、厳しい判定基準に合格しないものが出で来るので、
真券を拒絶してしまう識別エラーが多く発生する。ま
た、従来は磁気センサを使用して印刷インク中の磁気成
分の違いによって金種を識別するようにもしているが、
そうすると、光学式センサのみならず磁気センサも必要
になるため、製造コストがかかってしまう。

【００１４】そこで、本発明では、金種の識別のための
判定基準をそれほど厳しくしないものとする、もしくは
磁気センサを使用せずに光学式センサのみを使用する、
等任意の設計に従い、１つの識別対象紙葉が複数の異な
る種類に重複して該当するとの識別結果が１次的評価で
出ることを許容する構成として、１次的評価においてそ
のような重複識別結果が出た場合、所定の２次的評価を
行なうことにより、識別精度を上げるようにしたことを
特徴としている。この場合に、センサからの検出データ
によって示される特徴が互いに近似している複数の紙葉
種類を示す情報を記憶したテーブルを予め用意してお
き、このテーブルを参照して処理を行なうようにする
と、効率的である。また、２次的評価のモードとして
は、識別対象紙葉が複数の紙葉種類に重複して該当する
と判定された場合、最も評価度の高い値を持つ１つの種
類を選択するモードであってもよい。２次的評価の別の
モードとしては、識別対象紙葉が複数の紙葉種類に重複
して該当すると判定された場合、該識別対象紙葉を不良
と判定して拒絶するようなモードであってもよい。その
場合、どのモードを使用するかを、所定の近似する各紙
葉種類の組合せ毎に、設定しておくようにしてもよい。

【００１５】更に、実際問題として、所定の高額紙幣に
ついては、巧妙に作成された偽券が出回る事例が多いの
で、本発明においては、そのような巧妙に作成された偽
券を適切に排除するための新規な対策をも提案する。す
なわち、判定基準データとして、真券用の判定基準デー
タのみならず、そのような巧妙に作成された所定の偽券
についての判定基準データをも予め用意しておき、メモ
リ等に記憶しておく。そして、識別対象紙葉が真券用の
判定基準データによる判定条件を充足したとしても、該
所定の偽券用の判定基準データによる判定条件をも充足
している場合は、該識別対象紙葉を不良と判定するよう
にしたことを特徴とするものである。これにより、巧妙
に作成された偽券を適切に排除することができる。

【００１６】本発明は紙葉類識別方法として構成し実施
することができるのみならず、紙葉類識別装置として構
成し実施することもできるし、本発明をコンピュータを
用いて実施する場合においては該コンピュータによって
実行されるプログラムを記憶した記録媒体の形態で本発
明を構成し実施することもできる。

【００１７】

【発明の実施の形態】以下、添付図面を参照してこの発
明の実施の形態を詳細に説明しよう。〔装置の全体的説明〕図１は本発明に係る紙幣識別方法
を適用する紙幣識別装置における紙幣搬送機構及びセン
サ部を示す概略平面図である。図２は該紙幣識別装置の
制御部の概略を示すブロック図である。

【００１８】図１において、紙幣搬送路を形成するプレ
ート１の両側には、駆動側タイミングプーリ２および従
動側タイミングプーリ３に巻回されたタイミングベルト
４によって構成される２組のベルト搬送機構が設けられ
ており、両側の駆動側タイミングプーリ２を回転駆動す
るモータＭの作動により挿入紙幣が搬送されるようにな
っている。パルスコーダＰＣはモータＭの所定回転毎に
回転検出信号を出力するものである。所定の配置で複数
対（例えば５対）の紙幣検知用光学式センサＰ０〜Ｐ４
が設けられている。各センサＰ０〜Ｐ４は、プレート１
上に形成された紙幣搬送路を挟んで上下に配置された一
対の発光素子および受光素子（光電変換器）によって構
成される透過型の光学センサであって、挿入紙幣を透過
する光の量に応じて電気信号を出力するようになってい
る。なお、紙幣の挿入方向は図１の左から右に向かう方
向（矢印Ｘ方向）である。

【００１９】図２に示されるように、センサＰ０〜Ｐ４
の受光素子からの出力信号は、前置増幅器１０〜１４を
介してＡ／Ｄ変換器２０〜２４に与えられ、ディジタル
データに変換される。各Ａ／Ｄ変換器２０〜２４の出力
は入出力回路３０を介してＣＰＵ３１に接続される。Ｒ
ＯＭおよび不揮発性ＲＡＭ並びにワーキング用ＲＡＭ等
を含んで構成されるメモリ３２には、紙幣識別装置のシ
ーケンス動作や紙幣の判定等に関する制御プログラム、
および、紙幣の判定等に必要とされる各種の基準データ
（設定データ）が記憶される。また、紙幣の判定等に必
要とされる各種の基準データの作成段階においては、基
準データ作成用のプログラムもメモリ３２に搭載され
る。ＣＰＵ（中央処理装置）３１は、メモリ３２に記憶
したプログラムを実行して、事前の基準データ作成のた
めのデータ集計処理及びその後の投入紙幣判定処理その
他の各種処理を行う。データ入力装置３３は、キーボー
ド等を含んで構成されており、必要なデータやコマンド
を手動入力するために利用される。ベルト搬送機構の駆
動源となるモータＭはモータ駆動回路２５および入出力
回路３０を介してＣＰＵ３１によって駆動制御され、ま
た、パルスコーダＰＣからの回転検出信号が入出力回路
３０を介してＣＰＵ３１に入力される。なお、３４は入
出力インターフェイスであり、該紙幣識別装置を装着し
た自動販売機やゲーム装置等との間で信号の入出力を行
う。

【００２０】なお、通常の実施形態では、基準データ作
成用プログラムは、ユーザーに供給される紙幣識別装置
には搭載されず、ユーザーに供給する紙幣識別装置を製
作することがオーソライズされた製造者側の装置におい
て搭載される。製造者側の装置において、基準データ作
成用プログラムに基づいて、後述のような処理手順で、
紙幣の判定等に必要とされる多数のデータ集計処理がな
される。この事前のデータ集計処理は、複数の紙幣識別
装置を用いて、様々な条件下及び環境下で行われ、最終
的に中央のコンピュータシステム（図示せず）によって
取りまとめられ、その取りまとめ結果に基づき各種の基
準データが作成される。そして、この基準データを記憶
したテーブルがファクトリー・セットで、ＲＯＭ又は不
揮発性ＲＡＭに記憶され、そのような基準データをメモ
リ３２内のテーブルに記憶済の紙幣識別装置がユーザー
に対して供給される。勿論、これに限らず、基準データ
作成用プログラムを用いて、ユーザー自らが基準データ
を作成することができるようにしてもよい。

【００２１】紙幣の入口寄りに設けられたセンサＰ０，
Ｐ１は、紙幣の挿入検知用に利用される。すなわち、挿
入された紙幣の先端がセンサＰ０，Ｐ１の発光素子と受
光素子との間に入ると、該センサＰ０，Ｐ１の受光素子
による検出光量が減少することをもって該紙幣の挿入を
検知し、モータＭを正転して挿入紙幣の取り込みを開始
する。モータＭが回転すると、モータＭの所定回転毎に
パルスコーダＰＣから出力される回転検出信号に同期し
て挿入紙幣上の所定位置の光透過率を各センサＰ０〜Ｐ
４で検出する。各センサＰ０〜Ｐ４は、紙幣搬送方向
（矢印Ｘ）に直角な方向に関してそれぞれずれて配置さ
れており、それぞれ異なる位置で紙幣の透過光量パター
ン（印刷模様及びすかし模様等）を検出する。

【００２２】図３（ａ）は紙幣５の平面略図を示し、か
つ、該紙幣上における各センサＰ０〜Ｐ４による走査ラ
インを一点鎖線で示す。図３（ｂ）は、１つのセンサ
（例えばセンサＰ３）の検出信号レベルの一例を示す。
縦軸は、ディジタル変換された検出信号レベルの絶対値
を示す。横軸は、走査位置（時間）を示す。すなわち、
パルスコーダＰＣからの回転検出信号に基づき走査位置
が特定され、各走査位置に対応するセンサＰ３の出力信
号のディジタル値を例示したものが図３（ｂ）である。
以下の説明においては、走査位置を順序数Ｉで示す。Ｉ
は、Ｉ＝１，２，３，…“所定の最大値”（これをＩma
xで示す）と変化する。図３の例では、センサＰ３の走
査ラインにおいて、符号５ａを付した箇所が最も印刷が
濃く、最小透過レベルＭＩＮを示す。また、符号５ｂは
透し模様の箇所であり、この部分では透過レベルは相対
的に高い。最小透過レベルＭＩＮの絶対値は、紙幣５の
全体的な汚れやセンサの固体誤差あるいは経年変化等、
種々の要因に依存して、変動する。図３（ｂ）の斜線を
付した部分は、模様の変化パターンを反映している部分
である。このように、各センサＰ０〜Ｐ４毎にその走査
ラインに沿う模様（印刷模様及びすかし模様等）の透過
光量パターンが固有のパターンを示す。

【００２３】〔基準データの作成の概略〕次に、紙幣判
定に必要とされる各種の基準データの作成手順について
説明する。図４は、紙幣判定に必要とされる各種の基準
データを作成するための処理手順を大まかに示すフロー
図である。ステップＳ１：多数のサンプル紙幣についてのセンサデ
ータの収集最初のステップＳ１では、複数の紙幣識別装置を使用し
て、多数の紙幣についての様々な環境下、条件下での、
センサデータ（各センサＰ０〜Ｐ４による検出データ）
を収集し、多数のサンプルデータファイルを作成する。
すなわち、ここでは、複数の各紙幣識別装置における各
センサＰ０〜Ｐ４の組立誤差や固体誤差を考慮したサン
プルデータ収集が行えるようにするために、複数の紙幣
識別装置を使用して、かつ、異なる温度条件等の環境下
で、多数のサンプル紙幣を該紙幣識別装置に挿入し、こ
れに応じて各センサＰ０〜Ｐ４で検出した検出データを
サンプルデータファイルとしてハードディスク等に保存
する。サンプル紙幣としては、例えば、同じ金種ではあ
るが製造工場の異なる紙幣、新しい・未使用紙幣、汚れ
た・流通済紙幣など、様々な条件を満たす真券紙幣を、
各金種毎に多数用意する。そして、各紙幣識別装置と中
央のホストコンピュータシステムとをシリアル通信回線
等で接続し、各紙幣識別装置で検出したセンサデータを
ホストコンピュータシステムに送信してサンプルデータ
ファイルとしてハードディスク等に保存する。その場
合、紙幣の金種、挿入方向、センサＰ０〜Ｐ４の区別等
の付加情報も勿論記録しておく。

【００２４】ステップＳ２：センサデータ集計処理次のステップＳ２では、ホストコンピュータシステム
が、センサデータ集計処理用の所定のプログラム（図５
Ａ，図５Ｂ）を実行することにより、上記収集した多数
のサンプルデータファイルについて、所定の集計処理を
行う。この集計処理は、各金種毎に（例えば１ドル紙
幣、５ドル紙幣、１０ドル紙幣の３金種）、かつ、１金
種につき複数の異なる挿入方向毎に（すなわち、表の一
方向、表の逆方向、裏の一方向、裏の逆方向、の４方
向）、かつ５個の各センサＰ０〜Ｐ４毎に、（すなわ
ち、金種、挿入方向、センサという３つの項目の組合せ
に対応して、）それぞれ行われる。このステップＳ２で
は、図５Ａ，図５Ｂに示す「センサデータ集計処理」プ
ログラムに従って、１つの組合せに関する集計処理が行
われる。１つの組合せに関する集計処理とは、１金種に
ついての１挿入方向に関する１つのセンサの検出データ
についての集計処理である。例えば、「１ドル紙幣」を
「表にして一方向に挿入」したときの「或るセンサ（例
えばＰ３）」の検出データについての集計処理が、１つ
の組合せに関する集計処理である。この１つの組合せに
関する集計処理が、多数枚（例えば７０００枚位）のサ
ンプルデータファイルを基にして行われる。換言すれ
ば、１つの組合せに関する集計処理のために、所定の多
数枚（例えば７０００枚）分のサンプルデータファイル
を、前記ステップＳ１で収集しておくものとする。

【００２５】従って、このステップＳ２では、実際は、
上記の３金種、４挿入方向、５センサという条件では、
合計６０個の組合せに関する集計処理がそれぞれ行われ
ることになる。しかし、各組合せに関する集計処理の手
順は、図５Ａ，図５Ｂに示されたような同じ処理手順か
らなるため、以下では、説明の簡単化のために、１つの
組合せについての集計処理のみについて図５Ａ，図５Ｂ
を参照して詳しく説明することにする。

【００２６】ステップＳ３：基準データテーブルの作成次のステップＳ３では、前のステップＳ２で求めた集計
結果に基づき、各組合せ毎（金種、挿入方向及びセンサ
別）に、紙幣判定に必要とされる各種の基準データを作
成し、それらをテーブル化してＲＯＭ等に記憶する。基
準データの詳しい内容については、追って説明する。

【００２７】〔センサデータ集計処理の概略説明〕この
「センサデータ集計処理」では、図５Ａ，図５Ｂに示す
メインルーチン、及び図６〜図９Ｂに示すサブルーチン
を使用する。図示の都合上、メインルーチンは、図５Ａ
と図５Ｂに分けられているが、「１」の記号が付された
接続部を介して接続される。また、図９Ａ，図９Ｂは連
続するサブルーチンであり、「２」「３」「４」の記号
が付された接続部を介してそれぞれ接続される。この
「センサデータ集計処理」の主な役割は、（１）「絶対標準平均」の算出（２）「パターン標準平均」の算出（３）「走査位置標準平均」の算出（４）「走査位置標準偏差」の算出である。好ましくは、「センサデータ集計処理」の更な
る役割は、（５）「総合離隔値標準平均」の算出（６）「総合離隔値標準偏差」の算出である。

【００２８】なお、以下の説明で、「１サンプル」と
は、１枚の紙幣についての１走査ラインに関するサンプ
ルデータファイル（１センサの検出データ）のことであ
る。従って、１サンプルデータファイルは、１つのセン
サから得られる各走査位置番号Ｉ（ただし、Ｉ＝１，
２，３，…Ｉmax）についての検出データからなってい
る。Ｉmaxは、例えば「３２」程度の数である。各サン
プルを区別するためのサンプル番号をＮで示す。Ｎは、
Ｎ＝１，２，３，…「所定の最大値」（これをｎmaxで
示す)の値をとる順序数である。ｎmaxは、例えば「７０
００」程度の大きな数である。１つのセンサデータを、
ＮＤＡＴＡ（Ｎ，Ｉ）で示す。つまり、ＮＤＡＴＡ
（Ｎ，Ｉ）は、サンプル番号Ｎのサンプルデータファイ
ルにおける走査位置番号Ｉの検出データ（センサデー
タ）の絶対値を示す。

【００２９】（１）「絶対標準平均」（ＡＢＳＸ）と
は、下記「数１」の式で示される「１サンプルデータフ
ァイルの絶対値の平均値」Ｄav（Ｎ）を、すべてのＮに
ついて求め、これを下記「数２」の式で示されるように
平均化することによって求められる１つの値である。こ
のＡＢＳＸの一例が例示的に図３（ｂ）において示され
ている。

【００３０】

【数１】

【数２】

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

【００３２】

【数３】

【数４】

【数５】

【００３３】（３）「走査位置標準平均」（ＨＭＸＡＤ
Ｒ（Ｉ））とは、上記「数４」の式で示される「１サン
プルの変化パターンデータの平均値」Ｄpav（Ｎ）と上
記「数５」の式で示される「パターン標準平均」ＰＭＸ
との比からなる「パターン補正係数」ＡＪＳ（Ｎ）を、
下記「数６」に示されるように、すべてのＮについてそ
れぞれ求め、上記「数３」の式で示される「１サンプル
の変化パターンデータ」Ｄp（Ｎ，Ｉ）に上記「パター
ン補正係数」ＡＪＳ（Ｎ）をそれぞれ掛け、その積に上
記「絶対標準平均」ＡＢＳＸと「パターン標準平均」Ｐ
ＭＸとの差を加算してなる「補正サンプルデータファイ
ル」ＣＤＡＴＡ（Ｎ，Ｉ）を、下記「数７」に示される
ように、すべてのＮ及びＩについてそれぞれ求め、そし
て、各走査位置Ｉ毎の上記「補正サンプルデータファイ
ル」ＣＤＡＴＡ（Ｎ，Ｉ）の平均値を、下記「数８」の
式で示されるように、それぞれ求めることにより得られ
る値である。

【００３４】「数７」の式によって示される「補正サン
プルデータファイル」ＣＤＡＴＡ（Ｎ，Ｉ）は、相対値
からなる補正サンプルデータを正規化したものである。
なお、「数７」の式において、「絶対標準平均」ＡＢＳ
Ｘと「パターン標準平均」ＰＭＸとの差を加算する部分
を省略し、Ｄｐ（Ｎ，Ｉ）にＡＪＳ（Ｎ）を掛ける項の
みとしてもよい。

【００３５】

【数６】

【数７】

【数８】

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

【数９】

【００３７】（５）「総合離隔値標準平均」（ＲＴＸＸ
Ｘ）とは、上記「数７」で示される「補正サンプルデー
タファイル」ＣＤＡＴＡ（Ｎ，Ｉ）と、上記「数８」で
示される走査位置標準平均ＨＭＸＡＤＲ（Ｉ）と、上記
「数９」で示される走査位置標準偏差ＨＭＳＡＤＲ
（Ｉ）とから、下記の「数１０」により、各サンプルＮ
毎の「総合離隔値」ＴＯＤ（Ｎ）を求め、下記の「数１
１」によってその算術平均を求めることにより得られる
ものである。

【００３８】

【数１０】

【数１１】

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

【数１２】

【００４０】〔センサデータ集計処理の詳細説明〕次
に、図５Ａ〜図９Ｂによって、「センサデータ集計処
理」の具体例を説明する。図５Ａにおいて、最初のステ
ップＳ１０では、すべてのデータ配列の初期化処理（レ
ジスタ類の初期化）を行う。次のステップＳ１１では、
図６に示す「絶対標準平均とパターン標準平均算出」の
サブルーチンを行う。図６のサブルーチンでは、上記の
「絶対標準平均」ＡＢＳＸと「パターン標準平均」ＰＭ
Ｘを算出する。まず、サンプル番号Ｎを記憶するレジス
タの内容を最初の値「１」にセットする（ステップＳ３
０）。次のステップＳ３１では、図８に示す「最小値検
出（ＭＩＮ検出）」のサブルーチンを行う。

【００４１】図８において、まず、ステップＳ５０で
は、最小値ＭＩＮをストアするレジスタの内容を、最大
値「９９９」に初期設定する。次に、走査位置番号Ｉを
最初の値「１」にセットする（ステップＳ５１）。次の
ステップＳ５２では、ＮとＩによって特定される１サン
プルデータファイル（Ｎ）内の１走査位置（Ｉ）のセン
サデータの絶対値ＮＤＡＴＡ（Ｎ，Ｉ）が最小値レジス
タＭＩＮのストア値よりも小さいかを判断する。ＹＥＳ
であれば、ステップＳ５３に行き、この値ＮＤＡＴＡ
（Ｎ，Ｉ）をレジスタＭＩＮにストアする（ＭＩＮを更
新する）。次に、Ｉを１増加し（ステップＳ５４）、Ｉ
が最大値Ｉmaxより大になったかを判断し（ステップＳ
５５）、ＮＯであればステップＳ５２に戻り、処理を繰
返す。こうして、すべてのＩについて、その値ＮＤＡＴ
Ａ（Ｎ，Ｉ）の大小をチェックし、最後にレジスタＭＩ
Ｎにストアされている値が真の最小値ＭＩＮを示してい
ることになる。こうして、サンプル番号Ｎについての１
サンプルデータファイル内のセンサデータの最小値ＭＩ
Ｎが検出される。

【００４２】図６に戻ると、ステップＳ３２では、計算
途中のデータを一時記憶するためのレジスタＡＲＥＧと
ＢＲＥＧの内容をそれぞれ「０」にクリアする。レジス
タＡＲＥＧは「絶対標準平均」ＡＢＳＸの計算に使用さ
れ、レジスタＢＲＥＧは「パターン標準平均」ＰＭＸの
計算に使用される。ステップＳ３３では、走査位置番号
Ｉを最初の値「１」にセットする。ステップＳ３４で
は、ＮとＩによって特定される１サンプルデータファイ
ル（Ｎ）内の１走査位置（Ｉ）のセンサデータの絶対値
ＮＤＡＴＡ（Ｎ，Ｉ）を、レジスタＡＲＥＧの現在値に
累算する。また、この値ＮＤＡＴＡ（Ｎ，Ｉ）と上記の
ように検出した最小値ＭＩＮとの差を求め、これをレジ
スタＢＲＥＧの現在値に累算する。

【００４３】次に、Ｉを１増加し（ステップＳ３５）、
Ｉが最大値Ｉmaxより大になったかを判断し（ステップ
Ｓ３６）、ＮＯであればステップＳ３４に戻り、処理を
繰返す。こうして、すべてのＩについて、ステップＳ３
４での累算処理を行い、ステップＳ３６がＹＥＳとなっ
たときは、レジスタＡＲＥＧには、そのサンプルデータ
ファイル（Ｎ）についての全てのＩについてのＮＤＡＴ
Ａ（Ｎ，Ｉ）の合計値がストアされ、レジスタＢＲＥＧ
には、そのサンプルデータファイル（Ｎ）についての全
てのＩについての「ＮＤＡＴＡ（Ｎ，Ｉ）−ＭＩＮ」の
合計値がストアされている。

【００４４】ステップＳ３７では、各レジスタＡＲＥ
Ｇ，ＢＲＥＧにストアされている上記合計値をＩmaxで
割算して、平均値を求める。すなわち、「ＡＲＥＧ／Ｉ
max」は、前記「数１」で求める「サンプル平均値Ｄav
（Ｎ）」に相当する。また、「ＢＲＥＧ／Ｉmax」は、
前記「数４」で求める「変化パターン平均値Ｄpav
（Ｎ）」に相当する。そして、求めた各平均値を、それ
ぞれレジスタＡＢＳＸ，ＰＭＸの現在値に累算して、該
レジスタＡＢＳＸ，ＰＭＸの内容を更新する。なお、レ
ジスタＡＢＳＸ，ＰＭＸの内容は、初期化処理によって
最初は「０」にクリアされている。

【００４５】次に、Ｎを１増加し（ステップＳ３８）、
Ｎが最大値ｎmaxより大になったかを判断し（ステップ
Ｓ３９）、ＮＯであればステップＳ３１に戻り、処理を
繰返す。こうして、すべてのＮについて、ステップＳ３
１〜Ｓ３７の処理を行い、ステップＳ３９がＹＥＳとな
ったときは、レジスタＡＢＳＸには、すべてのＮについ
ての「サンプル平均値Ｄav（Ｎ）」の合計値（数２の式
の左辺の分子）がストアされ、レジスタＰＭＸには、す
べてのＮについての「変化パターン平均値Ｄpav
（Ｎ）」の合計値（数５の式の左辺の分子）がストアさ
れている。次のステップＳ４０では、各レジスタＡＢＳ
Ｘ，ＰＭＸの内容を全サンプル数ｎmaxで割算して平均
値を求め、その結果を各レジスタＡＢＳＸ，ＰＭＸにそ
れぞれストアする。こうして、最終的に、レジスタＡＢ
ＳＸには前記数２で示される「絶対標準平均ＡＢＳＸ」
がストアされ、レジスタＰＭＸには前記数５で示される
「パターン標準平均ＰＭＸ」がストアされる。

【００４６】図６のサブルーチンを終了すると、図５Ａ
のステップＳ１２に戻る。ステップＳ１２では、サンプ
ル番号Ｎを記憶するレジスタの内容を最初の値「１」に
セットする。次のステップＳ１３では、図７に示す「変
化パターン平均算出」のサブルーチンを行う。図７にお
いて、まず、ステップＳ４１では、図８に示す「最小値
検出（ＭＩＮ検出）」のサブルーチンを行い、サンプル
番号Ｎについての１サンプルデータファイル中の最小値
ＭＩＮを検出する。次に、レジスタＡＲＥＧを「０」に
クリアし（ステップＳ４２）、Ｉを「１」にセットする
（ステップＳ４３）。次のステップＳ４４では、ＮとＩ
によって特定される１サンプルデータファイル（Ｎ）内
の１走査位置（Ｉ）のセンサデータの絶対値ＮＤＡＴＡ
（Ｎ，Ｉ）と上記のように検出した最小値ＭＩＮとの差
を求め、これをレジスタＡＲＥＧの現在値に累算する。
この差は、前記数３の「変化パターンデータＤp（Ｎ，
Ｉ）」に相当する。

【００４７】次に、Ｉを１増加し（ステップＳ４５）、
Ｉが最大値Ｉmaxより大になったかを判断し（ステップ
Ｓ４６）、ＮＯであればステップＳ４４に戻り、処理を
繰返す。こうして、すべてのＩについて、ステップＳ４
４での累算処理を行い、ステップＳ４６がＹＥＳとなっ
たときは、レジスタＡＲＥＧには、そのサンプルデータ
ファイル（Ｎ）についての全てのＩについての「ＮＤＡ
ＴＡ（Ｎ，Ｉ）−ＭＩＮ」の合計値がストアされてい
る。この合計値は、前記数４の左辺の分子に相当する。
次のステップＳ４７では、レジスタＡＲＥＧにストアさ
れている上記合計値をＩmaxで割算して、平均値を求
め、これによってレジスタＡＲＥＧの値を更新する。す
なわち、「ＡＲＥＧ／Ｉmax」は、前記「数４」で求め
る「変化パターン平均値Ｄpav（Ｎ）」に相当する。

【００４８】図７のサブルーチンを終了すると、図５Ａ
のステップＳ１４に戻る。ステップＳ１４では、「パタ
ーン標準平均ＰＭＸ」を、レジスタＡＲＥＧの「変化パ
ターン平均値Ｄpav（Ｎ）」で割算し、前記数６に示さ
れた「パターン補正係数ＡＪＳ（Ｎ）」を求め、これを
レジスタＡＪＳにストアする。次に、Ｉを「１」にセッ
トする（ステップＳ１５）。次のステップＳ１６では、
ＮとＩによって特定される１サンプルデータファイル
（Ｎ）内の１走査位置（Ｉ）のセンサデータの絶対値Ｎ
ＤＡＴＡ（Ｎ，Ｉ）と、該データファイルにおける最小
値ＭＩＮと、各レジスタＡＢＳＸ，ＰＭＸ，ＡＪＳにス
トアした値とを使用して、｛ＮＤＡＴＡ（Ｎ，Ｉ）−ＭＩＮ｝＊ＡＪＳ＋ＡＢＳＸ
−ＰＭＸという演算を行い、その結果をレジスタＡＲＥＧにスト
アする。この演算は、１つのＩについての前記「数７」
の演算に相当している。すなわち、「数７」の「補正サ
ンプルデータＣＤＡＴＡ（Ｎ，Ｉ）」が特定のＮとＩに
関して求められる。

【００４９】次のステップＳ１７では、レジスタＡＲＥ
Ｇにストアした上記「補正サンプルデータＣＤＡＴＡ
（Ｎ，Ｉ）」を、Ｉに対応するレジスタＴＯＴＡＬ
（Ｉ）の内容に累算する。また、レジスタＡＲＥＧにス
トアした上記「補正サンプルデータＣＤＡＴＡ（Ｎ，
Ｉ）」を二乗し、この結果をＩに対応するレジスタＴＯ
ＬＳＩＧ（Ｉ）の内容に累算する。これらのレジスタＴ
ＯＴＡＬ（Ｉ），ＴＯＬＳＩＧ（Ｉ）は、各Ｉ毎にそれ
ぞれ設けられており、初期化処理によって最初は「０」
にクリアされている。

【００５０】次に、Ｉを１増加し（ステップＳ１８）、
Ｉが最大値Ｉmaxより大になったかを判断し（ステップ
Ｓ１９）、ＮＯであればステップＳ１６に戻って、演算
処理を繰返す。こうして、すべてのＩについて、ステッ
プＳ１６，Ｓ１７での演算処理を行うと、ステップＳ１
９がＹＥＳとなり、次のステップＳ２０でＮを１増加す
る。次に、Ｎが最大値ｎmaxより大になったかを判断し
（ステップＳ２１）、ＮＯであればステップＳ１３に戻
り、処理を繰返す。こうして、すべてのＮとＩについ
て、ステップＳ１３〜Ｓ１７の演算処理を行うと、ステ
ップＳ２１がＹＥＳとなり、図５ＢのステップＳ２３に
行く。このとき、各Ｉ毎のレジスタＴＯＴＡＬ（Ｉ）の
内容は、該ＩについてのＣＤＡＴＡ（Ｎ，Ｉ）をすべて
のＮについた合計した値（前記「数８」の左辺の分子）
に相当している。また、各Ｉ毎のレジスタＴＯＬＳＩＧ
（Ｉ）の内容は、該ＩについてのＣＤＡＴＡ（Ｎ，Ｉ）
の二乗をすべてのＮについた合計した値に相当してい
る。

【００５１】図５Ｂにおいては、Ｉを「１」にセットし
（ステップＳ２３）、それから所定の演算を行い（ステ
ップＳ２４）、それから、Ｉを１増加し（ステップＳ２
５）、Ｉが最大値Ｉmaxより大になったかを判断し（ス
テップＳ２６）、ＮＯであればステップＳ２４に戻っ
て、所定の演算処理を繰返す。ステップＳ２４で行う第
１の演算ＨＭＸＡＤＲ（Ｉ）＝ＴＯＴＡＬ（Ｉ）／ｎmax は、各Ｉ毎に、レジスタＴＯＴＡＬ（Ｉ）の内容をサン
プル合計数ｎmaxで割算し、前記「数８」で示された
「走査位置標準平均ＨＭＸＡＤＲ（Ｉ）」を求めること
に相当している。ステップＳ２４で行う第２の演算ＴＥＭＰ＝ＴＯＴＡＬ（Ｉ）＊ＴＯＴＡＬ（Ｉ）は、各Ｉ毎に、レジスタＴＯＴＡＬ（Ｉ）の内容を二乗
し、これをテンポラリレジスタＴＥＭＰに一時記憶する
ことである。

【００５２】ステップＳ２４で行う最後の演算は、前記
「数９」の「走査位置標準偏差ＨＭＳＡＤＲ（Ｉ）」を
求める演算である。すなわち、レジスタＴＯＬＳＩＧ
（Ｉ）にストアされた「ＣＤＡＴＡ（Ｎ，Ｉ）の二乗の
合計値」からレジスタＴＥＭＰにストアされた「ＣＤＡ
ＴＡ（Ｎ，Ｉ）の合計値の二乗」を「ｎmax」で割った
数を引き算し、この結果を「ｎmax−１」で割り、その
結果の平方根を求めることから成っている。以上のよう
にして、すべてのＩに関して、「走査位置標準平均ＨＭ
ＸＡＤＲ（Ｉ）」と「走査位置標準偏差ＨＭＳＡＤＲ
（Ｉ）」が求められると、ステップＳ２６はＹＥＳとな
り、ステップＳ２７に行く。ステップＳ２７では、図９
Ａ及び図９Ｂに示す「総合離隔値集計」のサブルーチン
を行う。

【００５３】図９Ａにおいて、まず、計算用のレジスタ
ＴＴＯＬとＴＳＩＧをそれぞれ「０」にクリアし（ステ
ップＳ６０）、Ｎを「１」にセットする（ステップＳ６
１）。次に、ステップＳ６２では、図７に示す「変化パ
ターン平均算出」のサブルーチンを行い、前記「数４」
に示された「変化パターン平均値Ｄpav（Ｎ）」をレジ
スタＡＲＥＧにストアする。次のステップＳ６３では、
図５ＡのステップＳ１４と同様に、「パターン標準平均
ＰＭＸ」を、レジスタＡＲＥＧの「変化パターン平均値
Ｄpav（Ｎ）」で割算し、前記数６に示された「パター
ン補正係数ＡＪＳ（Ｎ）」を求め、これをレジスタＡＪ
Ｓにストアする。次に、レジスタＣＲＥＧを「０」にク
リアし（ステップＳ６４）、Ｉを「１」にセットする
（ステップＳ６５）。

【００５４】次のステップＳ６６では、図５Ａのステッ
プＳ１６と同様の処理を行う。すなわち、前記「数７」
に示す「補正サンプルデータＣＤＡＴＡ（Ｎ，Ｉ）」を
特定のＮとＩに関して求め、レジスタＡＲＥＧにストア
する。ステップＳ６７では、レジスタＡＲＥＧにストア
した「補正サンプルデータＣＤＡＴＡ（Ｎ，Ｉ）」が、
「走査位置標準平均ＨＭＸＡＤＲ（Ｉ）」より大きいか
否かを判断し、ＹＥＳであれば、ステップＳ６８で「Ａ
ＲＥＧ−ＨＭＸＡＤＲ（Ｉ）」を演算してその結果をレ
ジスタＢＲＥＧにストアし、ＮＯであれば、ステップＳ
６９で「ＨＭＸＡＤＲ（Ｉ）−ＡＲＥＧ」を演算してそ
の結果をレジスタＢＲＥＧにストアする。こうして、前
記「数１０」に示す差分値「ＣＤＡＴＡ（Ｎ，Ｉ）−Ｈ
ＭＸＡＤＲ（Ｉ）」の絶対値が求められ、レジスタＢＲ
ＥＧにストアされる。

【００５５】ステップＳ７０では、レジスタＢＲＥＧの
値を「走査位置標準偏差ＨＭＳＡＤＲ（Ｉ）」で割算し
て、その結果をレジスタＢＲＥＧにストアする。こうし
て、走査位置Ｉに関する「補正サンプルデータＣＤＡＴ
Ａ（Ｎ，Ｉ）」が、「走査位置標準平均ＨＭＸＡＤＲ
（Ｉ）」から「走査位置標準偏差ＨＭＳＡＤＲ（Ｉ）」
の何倍だけ隔たっているか、ということが正規化もしく
は標準化された具体的な数値で示されることになり、こ
の数値がレジスタＢＲＥＧに一時ストアされる。この数
値は、統計学上では「標準化変量」とも言われるもので
あるが、本明細書では、便宜上、「離隔値」と言うこと
にする。従って、各走査位置Ｉに関する「補正サンプル
データＣＤＡＴＡ（Ｎ，Ｉ）」の離隔値は、以下、便宜
上、「走査位置離隔値ＳＰＤ（Ｎ，Ｉ）」という。

【００５６】明らかなように、この「走査位置離隔値」
は、下記の「数１３」の式で表わされるものである。

【数１３】

【００５７】次のステップＳ７１（図９Ｂ）では、レジ
スタＢＲＥＧの値をレジスタＣＲＥＧの内容に累算す
る。それから、Ｉを１増加し（ステップＳ７２）、Ｉが
最大値Ｉmaxより大になったかを判断し（ステップＳ７
３）、ＮＯであればステップＳ６６（図９Ａ）に戻っ
て、演算処理を繰返す。こうして、すべてのＩについ
て、ステップＳ６６〜Ｓ７０での演算処理を行うと、ス
テップＳ７３がＹＥＳとなる。このとき、レジスタＣＲ
ＥＧの内容は、或る特定のサンプルＮについての前記
「数１０」に示す「総合離隔値ＴＯＤ（Ｎ）」を示して
いる。すなわち、この「総合離隔値ＴＯＤ（Ｎ）」は、
上記「数１３」で示される「走査位置離隔値」の算術的
合計値である。

【００５８】ステップＳ７４では、合計用レジスタＴＴ
ＯＬの内容（最初は０）に対して上記レジスタＣＲＥＧ
の内容を累算する。また、レジスタＣＲＥＧにストアし
た上記「総合離隔値ＴＯＤ（Ｎ）」を二乗し、この結果
をレジスタＴＳＩＧの内容（最初は０）に累算する。次
に、Ｎを１増加し（ステップＳ７５）、Ｎが最大値ｎma
xより大になったかを判断し（ステップＳ７６）、ＮＯ
であればステップＳ６２（図９Ａ）に戻って、演算処理
を繰返す。こうして、すべてのＩとＮについて、ステッ
プＳ６２〜Ｓ７４での演算処理を終了すると、ステップ
Ｓ７６がＹＥＳとなり、ステップＳ７７に行く。

【００５９】ステップＳ７７で行う第１の演算ＲＴＸＸＸ＝ＴＴＯＬ／ｎmax は、レジスタＴＴＯＬの内容をサンプル合計数ｎmaxで
割算し、前記「数１１」で示された「総合離隔値標準平
均ＲＴＸＸＸ」を求めることに相当している。ステップ
Ｓ７７で行う第２の演算は、前記「数１２」の「総合離
隔値標準偏差ＲＴＳＩＧ」を求める演算である。すなわ
ち、レジスタＴＳＩＧにストアされた「総合離隔値ＴＯ
Ｄ（Ｎ）の二乗の合計値」から、レジスタＴＴＯＬにス
トアされた「総合離隔値ＴＯＤ（Ｎ）の合計値」の二乗
を「ｎmax」で割った数、を引き算し、この結果を「ｎm
ax−１」で割り、その結果の平方根を求めることから成
っている。以上のようにして、「総合離隔値標準平均Ｒ
ＴＸＸＸ」と「総合離隔値標準偏差ＲＴＳＩＧ」が求め
られると、図９Ａ及び図９Ｂに示す「総合離隔値集計」
のサブルーチンが終了する。

【００６０】〔基準データテーブルの概略説明〕以上の
「センサデータ集計処理」によって、（１）「絶対標準平均ＡＢＳＸ」（２）「パターン標準平均ＰＭＸ」（３）「走査位置標準平均ＨＭＸＡＤＲ（Ｉ）」（４）「走査位置標準偏差ＨＭＳＡＤＲ（Ｉ）」（５）「総合離隔値標準平均ＲＴＸＸＸ」（６）「総合離隔値標準偏差ＲＴＳＩＧ」が、或る１つの金種とその１つの挿入方向と１つのセン
サ（Ｐ０〜Ｐ４のうち１つ）の組合せに対応して求めら
れる。これを紙幣識別用の基準データの１組として、金
種、挿入方向及びセンサの情報をインデックスとして、
テーブルに記憶する（図４のステップＳ３）。

【００６１】かくして、上述の「センサデータ集計処
理」によって、すべての金種とすべての挿入方向とすべ
てのセンサＰ０〜Ｐ４の組合せに対応して、上記（１）
〜（６）の６種の基準データをそれぞれ算出し、これら
を上記テーブルに記憶する。各インデックスの表示法と
して、金種をＫＩＮ、挿入方向をＩＮＳ、センサをＳＥ
Ｎ、で示すとすると、すべての金種とすべての挿入方向
とすべてのセンサＰ０〜Ｐ４の組合せに対応する上記
（１）〜（６）の６種の基準データは、下記のように表
現できる。絶対標準平均：ＡＢＳＸ（ＫＩＮ，ＩＮＳ，ＳＥＮ）パターン標準平均：ＰＭＸ（ＫＩＮ，ＩＮＳ，ＳＥＮ）走査位置標準平均：ＨＭＸＡＤＲ（ＫＩＮ，ＩＮＳ，ＳＥＮ，Ｉ）走査位置標準偏差：ＨＭＳＡＤＲ（ＫＩＮ，ＩＮＳ，ＳＥＮ，Ｉ）総合離隔値標準平均：ＲＴＸＸＸ（ＫＩＮ，ＩＮＳ，ＳＥＮ）総合離隔値標準偏差：ＲＴＳＩＧ（ＫＩＮ，ＩＮＳ，ＳＥＮ）

【００６２】なお、変形例として、「総合離隔値標準平
均ＲＴＸＸＸ」と、「総合離隔値標準偏差ＲＴＳＩ
Ｇ」は、各センサ毎の「総合離隔値標準平均ＲＴＸＸ
Ｘ（ＫＩＮ，ＩＮＳ，ＳＥＮ）」、「総合離隔値標準偏
差ＲＴＳＩＧ（ＫＩＮ，ＩＮＳ，ＳＥＮ）」を、それ
ぞれ全センサについて合計して、下記のように、ＫＩＮ
とＩＮＳのみをインデックスとするものとしてもよい。総合離隔値標準平均：ＲＴＸＸＸ（ＫＩＮ，ＩＮＳ）総合離隔値標準偏差：ＲＴＳＩＧ（ＫＩＮ，ＩＮＳ）

【００６３】図４のステップＳ３の処理では、さらなる
紙幣識別用の基準データとして、次のような各種の判定
パラメータを決定し、そのテーブルを作成する。（７）走査位置判定基準（ＰＭＳＴ）これは、各走査位置Ｉ毎の離隔値（すなわち上記数１３
で示した「走査位置離隔値（ＳＰＤ（Ｎ，Ｉ）」）の限
界判定値を設定するものであり、数１３から判るように
走査位置標準偏差ＨＭＳＡＤＲ（Ｉ）に対する或る倍率
ｎ（ｎは任意の数であり、小数を含む）を示す。この走
査位置判定基準（ＰＭＳＴ）の決定は、所定の１金種に
関して多数の真券紙幣を挿入して、それに対応して得ら
れる各「走査位置離隔値（ＳＰＤ（Ｎ，Ｉ）」が、様々
に設定された限界判定値ｎに照らして真券として受け入
れられるかどうかをシミュレートする（真券受入れ度の
シミュレーションを行う）ことにより、経験的に決定す
る。例えば、各走査位置離隔値についての限界判定値
を、走査位置標準偏差ＨＭＳＡＤＲ（Ｉ）の４．０倍か
ら６．０倍までの範囲で０．２倍単位の倍率ｎで各種設
定し、真券受入れ度のシミュレーションを行うことによ
り、希望する受入れ率を達成する最適な倍率ｎを示す１
つの値を決定し、これを走査位置判定基準（ＰＭＳＴ）
とすることができる。この走査位置判定基準（ＰＭＳ
Ｔ）は、複数の各金種及び挿入方向毎にそれぞれ決定
し、下記のようにＫＩＮとＩＮＳをインデックスとする
テーブル形式で記憶する。走査位置判定基準：ＰＭＳＴ（ＫＩＮ，ＩＮＳ）

【００６４】（８）近似金種テーブル（ＫＩＮＪＩ）これは、パターンの近似している金種があるかどうかを
示すテーブルである。多数の紙幣を使用したシミュレー
ションによって、パターンの近似している金種があるか
どうかを検出し、あれば、そのデータをテーブルに記憶
する。この近似金種の有無は、各金種及び挿入方向毎に
決定し、下記のようにＫＩＮとＩＮＳをインデックスと
するテーブル形式で記憶する。近似金種テーブル：ＫＩＮＪＩ（ＫＩＮ，ＩＮＳ）この近似金種テーブルに記憶するデータ内容は、近似し
ている金種を示すコードとその挿入方向を示すコードと
からなる。例えば、或る金種の紙幣の或る挿入方向につ
いての検出パターンが、別の金種の紙幣の或る挿入方向
についての検出パターンと近似している場合に、そのこ
とを示すために、上記のように金種コード挿入方向コー
ドがテーブルのインデックス指定位置に記憶される。近
似金種がなければ、「０」のコードが記憶される。この
ような近似金種テーブルは、必須ではないが、あれば、
近似金種が挿入された場合の識別感度調整等に便利であ
り、識別精度を上げるのに役立つ。

【００６５】（９）総合離隔値判定基準（ＴＭＳＴ）これは、総合離隔値ＴＯＤ（Ｎ）の限界判定値を設定す
るものであり、総合離隔値標準偏差ＲＴＳＩＧをｍ倍
（ｍは任意の数であり、小数を含む）した値（つまり
積）に対して総合離隔値標準平均ＲＴＸＸＸを加算した
値を示す。この総合離隔値判定基準（ＴＭＳＴ）の決定
にあたっても、所定の１金種に関して多数の真券紙幣を
挿入して、様々な倍数（即ち乗数）ｍでの真券受入れ度
のシミュレーションを行うことにより、経験的に決定す
る。例えば、各総合離隔値についての限界判定値を、総
合離隔値標準偏差ＲＴＳＩＧに対する倍数（即ち乗数）
ｍの値を３．０倍から５．０倍までの範囲で０．２倍単
位で各種設定すると共に、それぞれの積に対して総合離
隔値標準平均ＲＴＸＸＸを加算することにより求め、こ
うして真券受入れ度をシミュレーションを行うことによ
り、希望する受入れ率を達成するのに最適な、総合離隔
値標準偏差ＲＴＳＩＧに対する倍数（即ち乗数）ｍの１
つの値を決定することができる。ここで、総合離隔値判
定基準（ＴＭＳＴ）は、総合離隔値ＴＯＤ（Ｎ）との直
接的な比較処理を可能とするために、上記決定した倍数
（即ち乗数）ｍを総合離隔値標準偏差ＲＴＳＩＧに掛け
た積に対して、総合離隔値標準平均ＲＴＸＸＸを加算し
た値、の形で形成する。このようにして、総合離隔値判
定基準（ＴＭＳＴ）を、複数の各金種及び挿入方向毎に
それぞれ決定し、下記のようにＫＩＮとＩＮＳをインデ
ックスとするテーブル形式で記憶する。総合離隔値判定基準：ＴＭＳＴ（ＫＩＮ，ＩＮＳ）

【００６６】（１０）近似金種処理フラグ（ＦＫＩＮ
Ｊ）これは、紙幣識別結果として２金種について真券との判
定が出されたときに、どのように処理するかを設定する
フラグである。最適の処理が行えるようにするために、
各金種及び挿入方向毎にこのフラグを設定し、下記のよ
うにＫＩＮとＩＮＳをインデックスとするテーブル形式
で記憶する。近似金種処理フラグ：ＦＫＩＮＪ（ＫＩＮ，ＩＮＳ）このフラグのデータ内容は、例えば、返却処理をすべき
ときは「０」、総合離隔値の小さい方の金種を真券とし
て決定するときは「１」である。

【００６７】なお、本発明に従って構成した紙幣識別装
置を使用するユーザの側で、判定用の基準データを必要
に応じて変更できるようにするために、上記の各種基準
データのうち或るものに関しては、書き換え可能なＲＯ
Ｍに記憶するようにしておくとよい。例えば、「走査位
置判定基準」テーブルＰＭＳＴ（ＫＩＮ，ＩＮＳ）及び
「総合離隔値判定基準」テーブルＴＭＳＴ（ＫＩＮ，Ｉ
ＮＳ）のように、識別感度の調整に関与する基準データ
のテーブルや、「近似金種処理フラグ」テーブルＦＫＩ
ＮＪ（ＫＩＮ，ＩＮＳ）などは、書き換え可能なＲＯＭ
に記憶し、必要に応じて書き換えできるようにするとよ
い。勿論、これらの書き換え可能な基準データは、テー
ブル形式で記憶することに限らず、データ設定スイッチ
等によって設定するようにしてもよい。

【００６８】〔紙幣識別処理の詳細説明〕次に、本発明
に従う紙幣識別処理の具体例について図１０以降のフロ
ー図を参照して説明する。図１０は、紙幣識別処理のメ
インルーチンを示す。このメインルーチンは、識別対象
たる１枚の紙幣が紙幣識別装置に挿入され、各センサＰ
０〜Ｐ４によって検出したデータファイルが所定のバッ
ファレジスタＢＵＦ（ＳＥＮ，Ｉ）内にストアされる
と、開始される。バッファレジスタＢＵＦ（ＳＥＮ，
Ｉ）のインデックスＳＥＮはセンサＰ０〜Ｐ４を示し、
Ｉは各走査位置Ｉを示す。以下では、説明の簡単化のた
めに、１つのセンサ（Ｐ０〜Ｐ４）の検出データに基づ
く識別処理について説明する。従って、以下では、検出
データを記憶するバッファレジスタＢＵＦは、ＳＥＮの
表示を除外して、ＢＵＦ（Ｉ）で示す。また、判定のた
めに使用する各種の基準データテーブルも、各センサに
対応するものを使用するが、以下の説明では、センサ区
別用のインデックス表示「ＳＥＮ」の表示を除外して示
す。例えば、「パターン標準平均」ＰＭＸは、インデッ
クス表示付きでは、本来、ＰＭＸ（ＫＩＮ，ＩＮＳ，Ｓ
ＥＮ）と表すのが正しいが、説明の簡略化のために、Ｐ
ＭＸ（ＫＩＮ）で示す。他も同様である。

【００６９】図１０において、最初のステップＳ８０で
は、図１１に示す「パターン変化データ変換」サブルー
チンを行う。（１）変化パターンデータと変化パターン平均値の算出図１１の「パターン変化データ変換」サブルーチンで
は、ステップＳ９０〜Ｓ９５の処理によって、バッファ
レジスタＢＵＦ（Ｉ）（ただし、Ｉ＝１，２，３…Ｉma
x）内のセンサデータファイルにおける最小値ＭＩＮを
検出する。この処理は、図８のステップＳ５０〜Ｓ５５
の処理と同様の手順からなる。すなわち、まず、レジス
タＭＩＮの内容を最大値「９９９」に初期設定し（ステ
ップＳ９０）、走査位置番号Ｉを最初の値「１」にセッ
トする（ステップＳ９１）。次のステップＳ９２では、
Ｉによって特定されるバッファレジスタＢＵＦ（Ｉ）に
ストアされている１走査位置のセンサデータの絶対値が
最小値レジスタＭＩＮのストア値よりも小さいかを判断
する。ＹＥＳであれば、ステップＳ９３に行き、このレ
ジスタＢＵＦ（Ｉ）の内容をレジスタＭＩＮにストアす
る（ＭＩＮを更新する）。次に、Ｉを１増加し（ステッ
プＳ９４）、Ｉが最大値Ｉmaxより大になったかを判断
し（ステップＳ９５）、ＮＯであればステップＳ９２に
戻り、処理を繰返す。こうして、すべてのＩについて、
バッファレジスタＢＵＦ（Ｉ）にストアされている値の
大小をチェックし、最後にレジスタＭＩＮにストアされ
ている値が真の最小値ＭＩＮを示していることになる。

【００７０】次のステップＳ９６からＳ１０１までの処
理は、図７のステップＳ４２からＳ４７までの処理と同
様の手順からなり、挿入された紙幣の「変化パターンデ
ータ」（前記数３のＤｐ（Ｉ）に相当する）を算出して
レジスタＢＵＦ（Ｉ）にストアすると共に、「変化パタ
ーン平均値」（前記数４のＤpavに相当する）を算出
し、これをレジスタＸＸＸにストアする。すなわち、レ
ジスタＸＸＸの内容を「０」にクリアし（ステップＳ９
６）、Ｉを「１」にセットする（ステップＳ９７）。次
に、Ｉによって特定されるバッファレジスタＢＵＦ
（Ｉ）にストアされている１走査位置（Ｉ）のセンサデ
ータの絶対値と上記のように検出した最小値ＭＩＮとの
差を求め、これによってバッファレジスタＢＵＦ（Ｉ）
の内容を更新する（ステップＳ９８）。この差は、前記
数３の「変化パターンデータＤp（Ｉ）」に相当する。
そして、更新されたバッファレジスタＢＵＦ（Ｉ）の内
容をレジスタＸＸＸの現在値に累算する（ステップＳ９
８）。

【００７１】次に、Ｉを１増加し（ステップＳ９９）、
Ｉが最大値Ｉmaxより大になったかを判断し（ステップ
Ｓ１００）、ＮＯであればステップＳ９８に戻り、処理
を繰返す。こうして、すべてのＩについて、ステップＳ
９８での演算処理を行い、ステップＳ１００がＹＥＳと
なったときは、レジスタＸＸＸには、挿入された紙幣の
センサデータファイルについての全てのＩについての
「変化パターンデータＤp（Ｉ）」の合計値がストアさ
れている。次のステップＳ１０１では、レジスタＸＸＸ
にストアされている上記合計値をＩmaxで割算して、平
均値を求め、これによってレジスタＸＸＸの値を更新す
る。すなわち、「ＸＸＸ／Ｉmax」は、前記「数４」で
示された「変化パターン平均値Ｄpav」に相当する。以
上によって、バッファレジスタＢＵＦ（Ｉ）には、挿入
紙幣についての、前記数３の「変化パターンデータＤp
（Ｉ）」に相当する「変化パターンデータファイル」が
保存され、レジスタＸＸＸには、その「変化パターン平
均値Ｄpav」が保存される。

【００７２】（２）パターン補正係数の算出図１０に戻り、ステップＳ８０のサブルーチンが終了す
ると、レジスタＫＩＮの内容を最初の値「１」にセット
し（ステップＳ８１）、なお、レジスタＫＩＮの値は、
演算処理すべき金種と挿入方向を示すものとする。例え
ば、３金種、４挿入方向の場合、レジスタＫＩＮの値
は、１から１２まで変化するものとする。レジスタＫＩ
Ｎの値の最大値をＫmaxで示す。次に、図１２に示す
「離隔値判定」のサブルーチンを行う（ステップＳ８
２）。この「離隔値判定」のサブルーチンにおいては、
挿入された紙幣についての各走査位置単位での離隔値の
判定処理と、総合離隔値の判定処理を行う。

【００７３】図１２において、まず、総合離隔値集計レ
ジスタＲＩＳＡＮの内容を「０」にクリアする（ステッ
プＳ１１０）。次のステップＳ１１１では、前記数６と
同様の演算を行い、挿入された紙幣についての「パター
ン補正係数」ＡＪＳを算出する。すなわち、レジスタＫ
ＩＮが指定する金種及び挿入方向についての「パターン
標準平均ＰＭＸ」（これを便宜上、ＰＭＸ（ＫＩＮ）で
図示するが、実際は、ＰＭＸ（ＫＩＮ，ＩＮＳ，ＳＥ
Ｎ）で表されるべきものである）を基準データテーブル
から引き出し、これをレジスタＸＸＸの「変化パターン
平均値（Ｄpav）」で割算し、その商を、挿入された紙
幣についての「パターン補正係数」ＡＪＳとして、レジ
スタＡＪＳにストアする。

【００７４】（３）走査位置離隔値と総合離隔値の算出次に、Ｉを「１」にセットし（ステップＳ１１２）、次
のステップＳ１１３では、図５ＡのステップＳ１６と同
様の処理を行う。すなわち、前記「数７」に示す「補正
サンプルデータＣＤＡＴＡ（Ｎ，Ｉ）」に相当する、挿
入紙幣についての補正センサデータを特定のＩに関して
求め、レジスタＢＲＥＧにストアする。すなわち、レジ
スタＫＩＮが指定する金種及び挿入方向についての「絶
対標準平均ＡＢＳＸ」（これを便宜上、ＡＢＳＸ（ＫＩ
Ｎ）で図示するが、実際は、ＡＢＳＸ（ＫＩＮ，ＩＮ
Ｓ，ＳＥＮ）で表されるべきものである）を基準データ
テーブルから引き出し、かつ、上記と同様に「パターン
標準平均ＰＭＸ（ＫＩＮ）」を基準データテーブルから
引き出し、これらと、上記レジスタＡＪＳにストアした
挿入された紙幣についての「パターン補正係数」ＡＪＳ
とを使用して、バッファレジスタＢＵＦ（Ｉ）にストア
されている挿入紙幣についての「変化パターンデータ」
（数３のＤp（Ｉ）に相当）に対して、ＢＵＦ（Ｉ）＊ＡＪＳ＋ＡＢＳＸ（ＫＩＮ）−ＰＭＸ
（ＫＩＮ）という演算を行い、その結果をレジスタＢＲＥＧにスト
アする。この演算は、１つのＩについての前記「数７」
の演算に相当している。前述と同様に、＋ＡＢＳＸ（Ｋ
ＩＮ）−ＰＭＸ（ＫＩＮ）の部分を省略し、ＢＵＦ
（Ｉ）＊ＡＪＳの項のみとしてもよい。

【００７５】次に、ステップＳ１１４では、レジスタＫ
ＩＮが指定する金種及び挿入方向についての「走査位置
標準平均ＨＭＸＡＤＲ（Ｉ）」（これを便宜上、ＨＭＸ
ＡＤＲ（ＫＩＮ，Ｉ）で図示するが、実際は、ＨＭＸＡ
ＤＲ（ＫＩＮ，ＩＮＳ，ＳＥＮ，Ｉ）で表されるべきも
のである）を基準データテーブルから引き出し、レジス
タＢＲＥＧにストアした値が、この「走査位置標準平均
ＨＭＸＡＤＲ（ＫＩＮ，Ｉ）」より大きいか否かを判断
し、ＹＥＳであれば、ステップＳ１１５で「ＢＲＥＧ−
ＨＭＸＡＤＲ（ＫＩＮ，Ｉ）」を演算してその結果をレ
ジスタＢＲＥＧにストアし、ＮＯであれば、ステップＳ
１１６で「ＨＭＸＡＤＲ（ＫＩＮ，Ｉ）−ＢＲＥＧ」を
演算してその結果をレジスタＢＲＥＧにストアする。こ
うして、ＢＲＥＧとＨＭＸＡＤＲ（ＫＩＮ，Ｉ）の差の
絶対値が求められ、レジスタＢＲＥＧにストアされる。

【００７６】ステップＳ１１７では、レジスタＫＩＮが
指定する金種及び挿入方向についての「走査位置標準偏
差ＨＭＳＡＤＲ（Ｉ）」（これを便宜上、ＨＭＳＡＤＲ
（ＫＩＮ，Ｉ）で図示するが、実際は、ＨＭＳＡＤＲ
（ＫＩＮ，ＩＮＳ，ＳＥＮ，Ｉ）で表されるべきもので
ある）を基準データテーブルから引き出し、レジスタＢ
ＲＥＧの値を「走査位置標準偏差ＨＭＳＡＤＲ（ＫＩ
Ｎ，Ｉ）」で割算して、その結果をレジスタＢＲＥＧに
ストアする。これにより、挿入紙幣についての当該走査
位置Ｉのセンサデータの走査位置標準平均ＨＭＸＡＤＲ
（ＫＩＮ，Ｉ）からの走査位置離隔値ＳＰＤ（Ｉ）が求
められ、レジスタＢＲＥＧにストアされる。次のステッ
プＳ１１８では、レジスタＢＲＥＧにストアされた走査
位置離隔値ＳＰＤ（Ｉ）を総合離隔値集計レジスタＲＩ
ＳＡＮの内容に累算する。これにより、挿入紙幣につい
ての総合離隔値ＴＯＤを得るための累算が行われる。す
なわち、すべてのＩについてステップＳ１１８でのＲＩ
ＳＡＮの累算が終わったとき、総合離隔値ＴＯＤがレジ
スタＲＩＳＡＮ内に算出される。

【００７７】ステップＳ１１９では、レジスタＫＩＮが
指定する金種及び挿入方向についての「総合離隔値判定
基準ＴＭＳＴ」（これを便宜上、ＴＭＳＴ（ＫＩＮ）で
図示するが、実際は、ＴＭＳＴ（ＫＩＮ，ＩＮＳ）で表
されるべきものである）を基準データテーブルから引き
出し、ＲＩＳＡＮ ≦ ＴＭＳＴ（ＫＩＮ）であるか否かを判断する。ＹＥＳであれば、許容範囲内
であり、ステップＳ１２０に進む。ＮＯであれば、許容
範囲外であり、ステップＳ１２４に進む。従って、この
ステップＳ１１９では、挿入された紙幣の総合離隔値
が、総合離隔値判定基準値つまり総合離隔値判定基準Ｔ
ＭＳＴ（ＫＩＮ）に照らして、適正範囲内であるか否か
が評価される。すべてのＩについてステップＳ１１９で
の判定結果がＹＥＳであれば、挿入紙幣についての総合
離隔値ＴＯＤが、総合離隔値判定基準値つまり総合離隔
値判定基準ＴＭＳＴ（ＫＩＮ）に照らして適正範囲内で
ある、ということになる。

【００７８】ステップＳ１２０では、レジスタＫＩＮが
指定する金種及び挿入方向についての「走査位置判定基
準ＰＭＳＴ」（これを便宜上、ＰＭＳＴ（ＫＩＮ）で図
示するが、実際は、ＰＭＳＴ（ＫＩＮ，ＩＮＳ）で表さ
れるべきものである）を基準データテーブルから引き出
し、ＢＲＥＧ ≦ ＰＭＳＴ（ＫＩＮ）であるか否かを判断する。ＹＥＳであれば、許容範囲内
であり、ステップＳ１２１に進む。ＮＯであれば、許容
範囲外であり、ステップＳ１２４に進む。従って、この
ステップＳ１２０では、挿入された紙幣の走査位置離隔
値が、走査位置離隔値判定基準値つまり走査位置判定基
準ＰＭＳＴ（ＫＩＮ）に照らして、適正範囲内であるか
否かが評価される。

【００７９】ステップＳ１２１では、Ｉを１増加する。
次のステップＳ１２２では、Ｉが最大値Ｉmaxより大に
なったかを判断し、ＮＯであればステップＳ１１３に戻
って、演算処理を繰返す。こうして、すべてのＩについ
て、ステップＳ１１３〜Ｓ１２０での演算処理を行い、
かつ、と総合離隔値の判定結果がＹＥＳであれば、ステ
ップＳ１２２がＹＥＳとなり、次のステップＳ１２３で
判定フラグＰＡＳＦＬＧを「０」にセットする。一方、
ステップＳ１１９又はＳ１２０で一度でもＮＯと判断さ
れると、ステップＳ１２４に行き、判定フラグＰＡＳＦ
ＬＧを「１」にセットする。判定フラグＰＡＳＦＬＧの
「０」は、現在判定中の金種ＫＩＮに関して、挿入紙幣
が真券であると判定されたことを示す。判定フラグＰＡ
ＳＦＬＧの「１」は、現在判定中の金種ＫＩＮに関し
て、挿入紙幣が真券であると判定されなかったことを示
す。

【００８０】なお、上記では、ステップＳ１１９及びＳ
１２０において、総合離隔値判定及び走査位置離隔値判
定の両方を行っているが、どちらか一方のみとしてもよ
い。また、図では、ステップＳ１２０の結果が１回（１
走査位置）でもＮＯであれば、ステップＳ１２４で判定
フラグＰＡＳＦＬＧが「１」にセットされるようになっ
ているが、これに限らず、ステップＳ１２０の結果がＮ
Ｏとなった回数をカウントし、所定回数以上ＮＯとなっ
た場合にステップＳ１２４で判定フラグＰＡＳＦＬＧを
「１」にセットするようにしてもよい。

【００８１】なお、最終的な真偽判定は、全センサＰ０
〜Ｐ４の検出データが真券と判定している場合に真券と
判定するものとする。図１２では、図示の都合上、１つ
のセンサ（Ｐ０〜Ｐ４）についての演算処理フローを示
し、他のセンサについての演算処理フローの図示を省略
してある。詳しくは、例えば、ステップＳ１１３からＳ
１２２までの処理を全Ｐ０〜Ｐ４の検出データについて
行い、最終的に、総合離隔値集計レジスタＲＩＳＡＮに
は、全センサＰ０〜Ｐ４についての総合離隔値を集計
し、レジスタＢＲＥＧには全センサＰ０〜Ｐ４について
の走査位置離隔値の合計を集計するものとし、ステップ
Ｓ１１９及びＳ１２０では全センサＰ０〜Ｐ４について
の合計値をストアしている各レジスタＲＩＳＡＮ，ＢＲ
ＥＧの内容と、所定の基準データＴＭＳＴ（ＫＩＮ），
ＰＭＳＴ（ＫＩＮ）とを比較するものとする。

【００８２】（４）近似金種テーブルの参照図１０に戻り、ステップＳ８３では、前ステップＳ８２
での判定処理の結果得られた判定フラグＰＡＳＦＬＧの
値が０以外か否かを調べる。ＹＥＳであれば、真券とは
判定されなかったので、他の金種及び挿入方向について
の判定を行う必要がある。そこで、レジスタＫＩＮの値
を１増加し（ステップＳ８７）、次にＫＩＮの値が所定
の最大値Ｋmaxよりも大であるか否かを調べる。ＮＯで
あれば、ステップＳ８２に戻り、増加したＫＩＮについ
て、前述と同様の判定処理を行う。すべての金種及び挿
入方向について、真券でないと判定された場合は、ステ
ップＳ８９に行き、挿入紙幣が偽券であるとの結論を出
し、返却等の必要な処理を行う。

【００８３】一方、ステップＳ８２のサブルーチンの判
定処理によって、或る金種について真券であるとの結論
が出されると、判定フラグＰＡＳＦＬＧの値が０にセッ
トされるから、ステップＳ８３がＮＯと判断され、ステ
ップＳ８４に行き、図１３に示す「近似金種テーブル判
定」のサブルーチンを実行する。この「近似金種テーブ
ル判定」の処理は、近似金種テーブルＫＩＮＪ（ＫＩ
Ｎ，ＩＮＳ）の内容を参照して、真券との結論が出る可
能性のある他の金種についてもその真偽を判定し、挿入
紙幣の真の金種を１つに絞り込む処理を行う。なお、真
の金種を１つに絞り込めなかった場合は、偽券として返
却する。

【００８４】図１３において、最初のステップＳ１３０
では、次のような各処理を行う。レジスタＫＩＮの値
（前記ステップＳ８２の処理によって最初に真券と判定
された金種を示している）を、レジスタＢＫＩＮ（０）
にリザーブする。総合離隔値集計レジスタＲＩＳＡＮに
ストアされている、最初に真券と判定された金種につい
ての挿入紙幣の総合離隔値を、レジスタＲＩＳＴＯＬ
（０）にリザーブする。真券判定カウンタＢＩＬＣＮＴ
の内容を「１」にセットする。近似金種テーブル読出用
のポインタＫＩＮＣＮＴの内容を「０」にセットする。

【００８５】次のステップＳ１３１では、前記近似金種
テーブルＫＩＮＪＩから、レジスタＢＫＩＮ（０）の値
とポインタＫＩＮＣＮＴの値とをアドレスとして、近似
金種コードの読出を行い、この読出データをレジスタＫ
ＩＮにストアする。ステップＳ１３２では、読み出した
近似金種コードＫＩＮが「０」でない（近似する金種が
他にある）か否かをチェックする。ステップＳ１３２が
ＮＯ（つまりＫＩＮ＝０）の場合は、前記ステップＳ８
２の処理によって最初に真券と判定された金種に関し
て、他に近似する金種がないことを示す。この場合は、
ステップＳ１３７に分岐する。ステップＳ１３２がＹＥ
Ｓ（つまりＫＩＮ≠０）の場合は、前記ステップＳ８２
の処理によって最初に真券と判定された金種に関して、
近似する金種が他にあることを示す。この場合は、ステ
ップＳ１３３に進む。

【００８６】前記ステップＳ８２の処理によって最初に
真券と判定された金種に関して、他に近似する金種が有
る場合について説明すると、ステップＳ１３３で前記図
１２の「離隔値判定」サブルーチンを行う。このとき、
レジスタＫＩＮの値は、近似金種テーブルＫＩＮＪＩか
ら参照した「近似する金種のコード」を示しているの
で、その「近似する金種」についての各種基準データを
使用して図１２の「離隔値判定」サブルーチンを実行
し、該「近似する金種」に関しても、挿入紙幣が真券と
判定されるか否かが判定される。ステップＳ１３４で
は、判定フラグＰＡＳＦＬＧが「０」であるか否かを判
断する。該「近似する金種」に関しても、挿入紙幣が真
券と判定された場合は、判定フラグＰＡＳＦＬＧが
「０」にセットされており、次のステップＳ１３５で次
のような処理を行う。

【００８７】ＢＫＩＮ（ＢＩＬＣＮＴ）＝ＫＩＮ：レジスタＫＩＮの値（当該「近似する金種」を示してい
る）を、真券判定カウンタＢＩＬＣＮＴの値によって指
示されたレジスタＢＫＩＮ（ＢＩＬＣＮＴ）にセットす
る。ＲＩＳＴＯＬ（ＢＩＬＣＮＴ）＝ＲＩＳＡＮ：総合離隔値集計レジスタＲＩＳＡＮにストアされている
総合離隔値を、真券判定カウンタＢＩＬＣＮＴの値によ
って指示されたレジスタＲＩＳＴＯＬ（ＢＩＬＣＮＴ）
にセットする。ＢＩＬＣＮＴ＝ＢＩＬＣＮＴ＋１：真券判定カウンタＢＩＬＣＮＴの値を１増加する。

【００８８】その後、ステップＳ１３６に行き、近似金
種テーブル読出用のポインタＫＩＮＣＮＴの内容を１増
加する（ＫＩＮＣＮＴ＝ＫＩＮＣＮＴ＋１）。該「近似
する金種」に関しても、挿入紙幣が真券と判定されなか
った場合は、判定フラグＰＡＳＦＬＧが「１」にセット
されており、ステップＳ１３４はＮＯで、ステップＳ１
３５をジャンプしてステップＳ１３６に行く。ステップ
Ｓ１３６の後、ステップＳ１３１に戻る。ステップＳ１
３１では近似金種テーブルＫＩＮＪＩの次のアドレスか
ら記憶データを読み出す。近似金種テーブルＫＩＮＪＩ
に更なる「近似する金種」のコードが記憶されている場
合は、ステップＳ１３２はＹＥＳであり、前記ステップ
Ｓ１３３〜Ｓ１３６の処理を繰り返す。もう「近似する
金種」のコードが記憶されていない場合は、「０」が読
み出される。

【００８９】ステップＳ１３２がＮＯの場合、ステップ
Ｓ１３７に行き、真券判定カウンタＢＩＬＣＮＴの値が
「１」以外であるか否かをチェックする。「近似する金
種」のコードが近似金種テーブルにまったく記憶されて
いなかった場合、あるいは、「近似する金種」があった
としてもその金種については真券と判定されなかった場
合は、真券判定カウンタＢＩＬＣＮＴの値はステップＳ
１３０で「１」にセットされたままであるから、ステッ
プＳ１３７はＮＯであり、ステップＳ１４５に行く。ス
テップＳ１４５では、レジスタＢＫＩＮ（０）にリザー
ブされていた値（最初に真券と判定された金種を示して
いる）を、レジスタＫＩＮにセットし直す。

【００９０】「近似する金種」のコードが近似金種テー
ブルに記憶されていた場合であって、該「近似する金
種」についても真券と判定された場合は、真券判定カウ
ンタＢＩＬＣＮＴの値はステップＳ１３５で増加される
から、ステップＳ１３７はＹＥＳであり、ステップＳ１
３８に行く。ステップＳ１３８では、前記「近似金種処
理フラグＦＫＩＮＪ」の内容を参照し、このフラグが２
以上の金種について真券判定が得られたときは返却する
ことを指示しているならば、「重複判定返却」ＹＥＳと
判断し、ステップＳ１４６に行く。ステップＳ１４６で
は、レジスタＫＩＮの値を「０」にクリアする。この場
合、図１０のステップＳ８５におけるＫＩＮが「０」以
外であるか否かの判断がＮＯとなり、ステップＳ８９の
偽券処理を行う。

【００９１】一方、前記「近似金種処理フラグＦＫＩＮ
Ｊ」が２以上の金種について真券判定が得られたとき
は、最適の１つの金種を真券として選択すべきことを指
示しているならば、ステップＳ１３８はＮＯであり、ス
テップＳ１３９に行く。ステップＳ１３９では、レジス
タＭＩＮの値を最大値「９９９」に設定する。ステップ
Ｓ１４０では、ポインタＫＩＮＣＮＴの値を「０」にセ
ットする。ステップＳ１４１では、ポインタＫＩＮＣＮ
Ｔによって指示されたレジスタＲＩＳＴＯＬ（ＫＩＮＣ
ＮＴ）にストアされている「総合離隔値」が、レジスタ
ＭＩＮの値より小さいか否かを判断する。ＹＥＳであれ
ば、レジスタＲＩＳＴＯＬ（ＫＩＮＣＮＴ）にストアさ
れている「総合離隔値」をレジスタＭＩＮにストアし、
かつ、ポインタＫＩＮＣＮＴによって指示されたレジス
タＢＫＩＮ（ＫＩＮＣＮＴ）にストアされている「金種
コード」をレジスタＫＩＮにセットする（ステップＳ１
４２）。なお、レジスタＲＩＳＴＯＬ（０）には、ステ
ップＳ１３２の処理により、最初に真券と判定された金
種についての挿入紙幣の総合離隔値がストアされてい
る。レジスタＲＩＳＴＯＬ（１）には、ステップＳ１３
５の処理により、次に真券と判定された金種についての
挿入紙幣の総合離隔値がストアされている。また、レジ
スタＢＫＩＮ（０）には、ステップＳ１３２の処理によ
り、最初に真券と判定された金種のコードがストアされ
ている。レジスタＢＫＩＮ（１）には、ステップＳ１３
５の処理により、次に真券と判定された金種のコードが
ストアされている。

【００９２】ステップＳ１４２の後、ステップＳ１４３
に行く。また、ステップＳ１４１がＮＯであれば、ステ
ップＳ１４２をジャンプして、ステップＳ１４３に行
く。ステップＳ１４３では、ポインタＫＩＮＣＮＴの値
を１増加する。ステップＳ１４４では、ポインタＫＩＮ
ＣＮＴの値が、真券判定カウンタＢＩＬＣＮＴの値から
１を引いた値と同じか又はそれより大きいかをチェック
する。ＮＯであれば、ステップＳ１４１に戻り、処理を
繰り返す。ＹＥＳであれば、このサブルーチンを終了す
る。ステップＳ１４４がＹＥＳのとき、真券判定が得ら
れた２以上の金種のうち「総合離隔値」が最小の金種を
示す金種コードがレジスタＫＩＮにストアされている。
こうして、真券判定が得られた２以上の金種のうち「総
合離隔値」が最小の金種が、最適の真券として判定され
る。

【００９３】図１０に戻ると、ステップＳ８５において
は、レジスタＫＩＮの値が「０」以外であるか否かを判
断し、ＹＥＳであれば、ステップＳ８６に行き、該レジ
スタＫＩＮにストアされている「金種コード」が示す１
つの金種が、挿入された紙幣の真券金種であるとして、
挿入金の計数等の所定の真券処理を行う。

【００９４】本発明は、以上説明した各種処理の方法を
範囲に含むに限らず、その各種処理を実行するように構
成された装置をも範囲に含み、更に、その各種処理をコ
ンピュータが実行するためのプログラムを記憶した記憶
媒体についてもその範囲に含む。また、本発明の範囲
は、上述の各種処理をすべて備えている方法、又は装
置、又は記憶媒体に限定されるものではなく、有益なそ
の一部の処理のみを備えている方法、又は装置、又は記
憶媒体であってもよい。また、本発明の実施にあたって
は、判定用の基準データの作成から、これに基づく紙幣
識別判定処理に至るまでの全過程を実施してもよいし、
あるいは、判定用の基準データの作成の過程のみを実施
してもよいし、あるいは、予め作成された判定用の基準
データに基づく紙幣識別判定処理の過程のみを実施して
もよい。

【００９５】また、本発明によれば、光学式検出データ
のみに基づくだけでも、精度のよい紙幣識別判定を行う
ことができるが、必要に応じて、磁気式検出データ等を
使用してもよい。また、光学式センサの形式は、透過光
検出タイプに限らず、紙幣からの反射光を検出するタイ
プを使用してもよい。なお、判定用の基準データとして
は、真券用の基準データに限らず、有り得る偽券用の基
準データを用意し、挿入紙幣がその偽券用の基準データ
の条件に該当する場合は、偽券と判定するようにしても
よい。また、本発明は、通常の紙幣に限らず、証券、各
種の金券、小切手等の所定の印刷模様又は透し模様等を
具備する紙葉類一般についての真偽識別に適用できる。

【００９６】

【発明の効果】以上の通り、本発明によれば、精度のよ
い、紙幣（紙葉）の真偽識別を行うことができる。すな
わち、本発明によれば、印刷模様を抽出したパターン平
均値を利用して、補正係数を生成し、各走査位置データ
の標準平均に正規化した統計的基準データを算出し、こ
れに基づき紙幣（紙葉）の真偽識別を行うようにしてい
るので、紙幣（紙葉）の汚れ度合いや識別装置の固体性
能のバラツキ等の誤差要因を排除して、安定した紙幣
（紙葉）の真偽識別・判定を行うことができる。特に、
米国のドル紙幣のように、異なる金種間で比較的近似し
たパターンを示す紙幣の真偽判定は、従来は非常に困難
であったが、本発明によれば、その問題を解決すること
ができる。特に、複数金種で重複して真券判定が出され
たときは、本発明に従う「近似金種テーブル」を用いた
判定処理は極めて有効である。また、統計的な基準デー
タ作成処理によって、紙幣受入れ率の向上と偽券排除精
度の向上という、併存しにくい要求に、応えることがで
きる。

【図面の簡単な説明】

【図１】本発明の実施に使用する紙幣識別装置の機構
例を示す平面図。

【図２】本発明の実施に使用する紙幣識別装置のハー
ド構成例を示すブロック図。

【図３】（ａ）は紙幣の表面模様の一例を示す平面
図、（ｂ）は１つのセンサから得られる検出データの一
例を示すグラフ。

【図４】本発明の一実施例に従う「基準データ作成処
理」の手順を例示するフロー図。

【図５Ａ】本発明の一実施例に従う「センサデータ集
計処理」のメインルーチンの一部を例示するフロー図。

【図５Ｂ】本発明の一実施例に従う「センサデータ集
計処理」のメインルーチンの残りの部分を例示するフロ
ー図。

【図６】上記メインルーチンで行われる「絶対標準と
パターン標準平均算出」サブルーチンを例示するフロー
図。

【図７】上記メインルーチンで行われる「変化パター
ン平均算出」サブルーチンを例示するフロー図。

【図８】上記メインルーチンで行われる「最小値（Ｍ
ＩＮ）検出」サブルーチンを例示するフロー図。

【図９Ａ】上記メインルーチンで行われる「総合離隔
値集計」サブルーチンの一部を例示するフロー図。

【図９Ｂ】上記メインルーチンで行われる「総合離隔
値集計」サブルーチンの残りの部分を例示するフロー
図。

【図１０】本発明の一実施例に従う「紙幣識別処理」
のメインルーチンのを例示するフロー図。

【図１１】上記「紙幣識別処理」で行われる「パター
ン変化データ変換」サブルーチンを例示するフロー図。

【図１２】上記「紙幣識別処理」で行われる「離隔値
判定」サブルーチンを例示するフロー図。

【図１３】上記「紙幣識別処理」で行われる「近似金
種テーブル判定」サブルーチンを例示するフロー図。

【符号の説明】

Ｐ０〜Ｐ４光学式センサＭ紙幣搬送用モータＰＣパルスコーダ４紙幣搬送用ベルト３０入出力回路３１ＣＰＵ３２メモリ３３データ入力装置 _

Claims

【特許請求の範囲】

【請求項１】識別対象である紙葉の特徴をセンサによ
り検出し、該紙葉の複数の所定位置についての検出デー
タを得る第１のステップと、前記各位置の検出データを所定値に対する相対値データ
に変換する第２のステップと、前記相対値データを所定の正規化パラメータを用いて正
規化し、これにより各位置の補正サンプルデータを得る
第３のステップと、予め用意された各位置毎の標準平均と標準偏差とを使用
して、前記各位置毎の補正サンプルデータを統計的に評
価し、これにより前記紙葉を識別する第４のステップと
を具備する紙葉類識別方法。
【請求項２】前記第４のステップは、各位置毎に、前記補正サンプルデータと前記標準平均と
の差を前記標準偏差で除す演算を行なうことにより、該
補正サンプルデータを正規化された離隔値に変換するス
テップと、各位置毎の前記正規化された離隔値を、所定の判定基準
により評価するステップとを含む請求項１に記載の方
法。
【請求項３】前記所定の判定基準は１つの限界離隔値
からなり、前記評価するステップでは、各位置の前記正
規化された離隔値が該限界離隔値による限界条件を満足
するか否かを判定する請求項２に記載の方法。
【請求項４】前記第４のステップで得た前記各位置毎
の正規化された離隔値を合計して総合離隔値を算出する
第５のステップと、予め用意された統計的基準データを使用して、前記総合
離隔値を統計的に評価し、これにより前記紙葉を更に識
別する第６のステップとを更に具備する請求項２に記載
の方法。
【請求項５】前記第４のステップで得た前記各位置毎
の正規化された離隔値を合計して総合離隔値を算出する
第５のステップと、前記第４及び第５のステップの処理を、複数の異なる紙
葉種類に関する前記標準平均及び標準偏差を使用して夫
々実行し、前記識別対象紙葉が複数の異なる紙葉種類に
関して真券であるとの重複した識別結果が得られたなら
ば、前記総合離隔値が最も小さな種類に関して真券であ
ると判定する第６のステップとを更に具備する請求項２
に記載の方法。
【請求項６】前記第４のステップの処理を、所定の紙
葉種類に関する真券の標準平均及び標準偏差を使用して
実行すると共に、該所定の紙葉種類に関する偽券の標準
平均及び標準偏差を使用して実行し、前記識別対象紙葉
が真券及び偽券の両方の条件を満たすとの重複した識別
結果が得られたならば、前記識別対象紙葉を偽券である
と判定する第５のステップとを更に具備する請求項２に
記載の方法。
【請求項７】前記第４のステップは、各位置毎に、前記補正サンプルデータと前記標準平均と
の差を前記標準偏差で除す演算を行なうことにより、該
補正サンプルデータを正規化された離隔値に変換するス
テップと、前記各位置毎の正規化された離隔値を合計して総合離隔
値を算出するステップと、予め用意された統計的基準データを使用して、前記総合
離隔値を統計的に評価し、これにより前記紙葉を識別す
るステップとを含む請求項１に記載の方法。
【請求項８】前記統計的基準データは１つの限界値か
らなり、前記総合離隔値を統計的に評価するステップで
は、前記総合離隔値が該限界値による限界条件を満足す
るか否かを判定する請求項７に記載の方法。
【請求項９】前記限界値は、所定の総合離隔値標準平
均と総合離隔値標準偏差とに基づき設定されるものであ
る請求項８に記載の方法。
【請求項１０】識別対象である紙葉の特徴をセンサに
より検出し、該紙葉の複数の所定位置についての検出デ
ータを得る第１のステップと、前記各位置の検出データを所定値に対する相対値データ
に変換する第２のステップと、前記相対値データを所定の正規化パラメータを用いて正
規化し、これにより各位置の補正サンプルデータを得る
第３のステップと、前記各位置毎の補正サンプルデータを所定の基準データ
によって評価し、これにより前記紙葉を識別する第４の
ステップとを具備する紙葉類識別方法。
【請求項１１】前記第２のステップは、前記所定値と
して前記各位置の検出データの中の最小値または最大値
を選択するステップを含み、前記各位置の検出データを
該選択された最小値または最大値に対する相対値データ
に変換するようにした請求項１乃至１０のいずれかに記
載の方法。
【請求項１２】前記第３のステップは、各位置の前記相対値データの平均値を算出するステップ
と、前記相対値データの平均値に関する所定の相対標準平均
を前記所定の正規化パラメータとして使用し、この相対
標準平均に対する前記算出された平均値の比を、補正係
数として、算出するステップと、各位置の前記相対値データを前記補正係数によって補正
する演算を行ない、各位置の前記補正サンプルデータを
算出するステップとを含む請求項１乃至１１のいずれか
に記載の方法。
【請求項１３】前記所定の正規化パラメータとして、
更に、前記各位置の検出データの平均値に関する所定の
絶対標準平均を予め用意し、前記補正サンプルデータを
算出するステップは、各位置の前記相対値データに前記
補正係数を掛け、その積に対して前記絶対標準平均と前
記相対標準平均との差を加算することにより、各位置の
前記補正サンプルデータを算出するものである請求項１
２に記載の方法。
【請求項１４】識別対象である紙葉の特徴をセンサに
より検出し、該紙葉の複数の所定位置についての検出サ
ンプルデータを得る第１のステップと、予め用意された各位置毎の標準平均と標準偏差とを使用
して、各位置毎に、前記検出サンプルデータと前記標準
平均との差を前記標準偏差で除す演算を行なうことによ
り、該検出サンプルデータを正規化された離隔値に変換
する第２のステップと、各位置毎の前記正規化された離隔値を評価することによ
り前記紙葉を識別する第３のステップとを具備する紙葉
類識別方法。
【請求項１５】前記第３のステップは、各位置毎の前
記正規化された離隔値が所定の限界離隔値による限界条
件を満足するか否かを判定する請求項１４に記載の方
法。
【請求項１６】前記第３のステップは、前記第２のス
テップで得た前記各位置毎の正規化された離隔値を合計
して総合離隔値を算出するステップと、この総合離隔値
が所定の限界値による限界条件を満足するか否かを判定
するステップとを含む請求項１４に記載の方法。
【請求項１７】識別対象である紙葉の特徴を検出し、
該紙葉の複数の所定位置についての検出データを出力す
るセンサと、正規化のための各種パラメータを記憶したメモリと、前記各位置の検出データをその中の最小値又は最大値に
対する相対値データに変換する第１演算部と、各位置の前記相対値データの平均値を算出する第２演算
部と、前記相対値データの平均値に関する所定の相対標準平均
のパラメータを前記メモリから読み出し、この相対標準
平均を前記第２演算部で算出された平均値によって除し
て補正係数を算出する第３演算部と、前記第１演算部で求めた各位置の前記相対値データを前
記補正係数によって補正する演算を行ない、各位置毎の
補正サンプルデータを算出する第４演算部と、各位置毎の標準平均及び標準偏差のパラメータを前記メ
モリから読み出し、各位置毎に、前記第４演算部で算出
した補正サンプルデータと前記標準平均との差を前記標
準偏差で除す演算を行なうことにより、該補正サンプル
データを正規化された離隔値に変換する第５演算部と、各位置毎の前記正規化された離隔値と所定の限界基準値
とを比較し、この比較結果によって前記識別対象紙葉を
評価する評価部とを具備する紙葉類識別装置。
【請求項１８】識別対象である紙葉の特徴を検出し、
該紙葉の複数の所定位置についての検出データを出力す
るセンサと、正規化のための各種パラメータを記憶したメモリと、各位置毎の標準平均及び標準偏差のパラメータを前記メ
モリから読み出し、各位置毎に、前記検出データと前記
標準平均との差を前記標準偏差で除す演算を行なうこと
により、該検出データを正規化された離隔値に変換する
演算部と、各位置毎の前記正規化された離隔値と所定の限界基準値
とを比較し、この比較結果によって前記識別対象紙葉を
評価する評価部とを具備する紙葉類識別装置。
【請求項１９】前記評価部で使用する前記所定の限界
基準値は、調整可能な値であり、これにより、識別感度
を調整することができる請求項１７または１８に記載の
紙葉類識別装置。
【請求項２０】前記各位置毎の正規化された離隔値を
合計して総合離隔値を算出する第６演算部と、前記第６演算部で算出された総合離隔値を用いて前記識
別対象紙葉を更に評価する第２評価部とを更に具備する
請求項１７乃至１９のいずれかに記載の紙葉類識別装
置。
【請求項２１】前記センサは光学式センサからなり、
複数の前記センサが設けられ、前記紙葉における各異な
る複数の所定位置についての検出データが各センサから
出力され、前記メモリは、各センサに対応して前記各種
パラメータを記憶しており、前記各演算部及び評価部で
は、各センサ毎に前記識別対象紙葉の評価を行ない、各
センサについての評価結果の組合せから前記識別対象紙
葉の真偽を識別するようにした請求項１７乃至２０のい
ずれかに記載の紙葉類識別装置。
【請求項２２】前記メモリでは複数の異なる紙葉種類
について前記各種パラメータを夫々記憶しており、前記
演算部では各紙葉種類毎の前記パラメータを使用して前
記演算を行ない、前記評価部では各紙葉種類毎の前記限
界基準値を使用して前記識別対象紙葉の評価を行なうよ
うにした請求項１７乃至２１のいずれかに記載の紙葉類
識別装置。
【請求項２３】特徴の近似している複数の紙葉種類に
ついての情報を予め記憶したテーブルと、前記評価部で前記識別対象紙葉が或る１つの紙葉種類に
該当すると評価されたとき、前記テーブルを参照して該
紙葉種類に近似する他の紙葉種類を検索し、前記識別対
象紙葉が該検索された他の紙葉種類にも該当するか否か
の評価を前記演算部及び評価部において行なう手段とを
更に具備する請求項２２に記載の紙葉類識別装置。
【請求項２４】識別対象である紙葉の特徴を検出し、
該紙葉の複数の所定位置についての検出データを出力す
るセンサと、正規化のための各種パラメータを記憶したメモリと、各位置毎の標準平均及び標準偏差のパラメータを前記メ
モリから読み出し、各位置毎に、前記検出データと前記
標準平均との差を前記標準偏差で除す演算を行なうこと
により、該検出データを正規化された離隔値に変換する
第１演算部と、前記第１演算部で算出された前記各位置毎の正規化され
た離隔値を合計して総合離隔値を算出する第２演算部
と、前記第２演算部で算出された総合離隔値と所定の限界基
準値とを比較し、この比較結果によって前記識別対象紙
葉を評価する評価部とを具備する紙葉類識別装置。
【請求項２５】コンピュータによって実行されるプロ
グラムの命令群を収容している機械読み取り可能な記録
媒体であって、前記プログラムは、識別対象である紙葉の特徴をセンサにより検出し、該紙
葉の複数の所定位置についての検出データを得る第１の
ステップと、前記各位置の検出データを所定値に対する相対値データ
に変換する第２のステップと、前記相対値データを所定の正規化パラメータを用いて正
規化し、これにより各位置の補正サンプルデータを得る
第３のステップと、予め用意された各位置毎の標準平均と標準偏差とを使用
して、前記各位置毎の補正サンプルデータを統計的に評
価し、これにより前記紙葉を識別する第４のステップと
を具備する。
【請求項２６】コンピュータによって実行されるプロ
グラムの命令群を収容している機械読み取り可能な記録
媒体であって、前記プログラムは、識別対象である紙葉の特徴をセンサにより検出し、該紙
葉の複数の所定位置についての検出データを得る第１の
ステップと、前記各位置の検出データを所定値に対する相対値データ
に変換する第２のステップと、前記相対値データを所定の正規化パラメータを用いて正
規化し、これにより各位置の補正サンプルデータを得る
第３のステップと、前記各位置毎の補正サンプルデータを所定の基準データ
によって評価し、これにより前記紙葉を識別する第４の
ステップとを具備する。
【請求項２７】コンピュータによって実行されるプロ
グラムの命令群を収容している機械読み取り可能な記録
媒体であって、前記プログラムは、識別対象である紙葉の特徴をセンサにより検出し、該紙
葉の複数の所定位置についての検出データを得る第１の
ステップと、予め用意された各位置毎の標準平均と標準偏差とを使用
して、各位置毎に、前記検出データと前記標準平均との
差を前記標準偏差で除す演算を行なうことにより、該検
出データを正規化された離隔値に変換する第２のステッ
プと、各位置毎の前記正規化された離隔値を評価することによ
り前記紙葉を識別する第３のステップとを具備する。
【請求項２８】コンピュータによって実行されるプロ
グラムの命令群を収容している機械読み取り可能な記録
媒体であって、前記コンピュータには、識別対象である
紙葉の特徴を検出し、該紙葉の複数の所定位置について
の検出データを出力するセンサと、正規化のための各種
パラメータを記憶したメモリとが接続されており、前記
プログラムは、前記センサから出力された前記各位置の検出データをそ
の中の最小値又は最大値に対する相対値データに変換す
る第１演算ステップと、各位置の前記相対値データの平均値を算出する第２演算
ステップと、前記相対値データの平均値に関する所定の相対標準平均
のパラメータを前記メモリから読み出し、この相対標準
平均を前記第２演算ステップで算出された平均値によっ
て除して補正係数を算出する第３演算ステップと、前記第１演算ステップで求めた各位置の前記相対値デー
タを前記補正係数によって補正する演算を行ない、各位
置毎の補正サンプルデータを算出する第４演算ステップ
と、各位置毎の標準平均及び標準偏差のパラメータを前記メ
モリから読み出し、各位置毎に、前記第４演算部で算出
した補正サンプルデータと前記標準平均との差を前記標
準偏差で除す演算を行なうことにより、該補正サンプル
データを正規化された離隔値に変換する第５演算ステッ
プと、各位置毎の前記正規化された離隔値と所定の限界基準値
とを比較し、この比較結果によって前記識別対象紙葉を
評価するステップとを具備する。
【請求項２９】同一種類の紙葉について様々な条件下
で特徴検出を行い、該紙葉における複数の所定位置毎
に、多数の特徴検出データを収集するステップと、収集した上記特徴検出データを基にして、各位置毎の該
特徴検出データの位置標準平均及び位置標準偏差を作成
するステップと、各位置毎に、前記位置標準平均と位置標準偏差とによっ
て定義される前記特徴検出データの標準化変量の限界値
をシミュレーションによって求め、これを判定限界値と
して定義するステップと、識別対象たる紙葉の特徴検出を行ない、各位置毎の対象
検出データを得るステップと、各位置毎に、前記対象検出データの前記位置標準平均に
対する差を前記位置標準偏差によって除すことにより、
該対象検出データを標準化するステップと、各位置毎に、前記標準化された対象検出データを前記判
定基準値によって評価するステップとを具備する紙葉類
識別方法。
【請求項３０】前記位置標準平均及び位置標準偏差を
作成するステップでは、１つの紙葉サンプルの前記複数
の所定位置における前記特徴検出データの最小値又は最
大値に対する相対値の形で、前記特徴検出データを表現
し、この相対値からなる特徴検出データに基づき前記位
置標準平均及び位置標準偏差を作成し、前記対象検出データを標準化するステップでは、前記各
位置の対象検出データのうちの最小値又は最大値に対す
る相対値の形で該対象検出データを表現し、該相対値か
らなる対象検出データを標準化するようにした請求項２
９に記載の紙葉類識別方法。
【請求項３１】前記位置標準平均及び位置標準偏差を
作成するステップは、１つの紙葉サンプルの前記複数の所定位置における前記
特徴検出データの最小値又は最大値に対する相対値の形
に前記特徴検出データを変換するステップと、各紙葉サンプル毎に、前記相対値からなる特徴検出デー
タの算術平均を求めるステップと、この各紙葉サンプル毎の算術平均から相対値標準平均を
求めるステップと、前記相対値標準平均に対する各紙葉サンプル毎の算術平
均の比を算出し、各紙葉サンプル毎の補正係数を得るス
テップと、各紙葉サンプル毎に、前記相対値からなる特徴検出デー
タを前記補正係数によって補正するステップと、補正された特徴検出データに基づき、各位置毎の前記位
置標準平均及び位置標準偏差を算出するステップとを含
む請求項２９に記載の紙葉類識別方法。
【請求項３２】前記対象検出データを標準化するステ
ップは、各位置の前記対象検出データの最小値又は最大値に対す
る相対値の形に該対象検出データを変換するステップ
と、前記相対値からなる対象検出データの算術平均を求める
ステップと、前記相対値標準平均に対する前記相対値からなる対象検
出データの算術平均の比を算出し、補正係数を得るステ
ップと、各位置毎の前記相対値からなる対象検出データを前記補
正係数によって補正し、これにより補正された対象検出
データを得るステップと、各位置毎に、前記補正された対象検出データの前記位置
標準平均に対する差を前記位置標準偏差によって除すこ
とにより、該対象検出データを標準化するステップとを
含む請求項３１に記載の紙葉類識別方法。
【請求項３３】同一種類の紙葉について様々な条件下
で特徴検出を行い、該紙葉における複数の所定位置毎
に、多数の特徴検出データを収集するステップと、収集した上記特徴検出データを基にして、各位置毎の該
特徴検出データの位置標準平均及び位置標準偏差を作成
するステップと、各紙葉サンプルの前記各位置毎に、前記特徴検出データ
の前記位置標準平均に対する差を前記位置標準偏差によ
って除すことにより位置離隔値を求めるステップと、前記位置離隔値を各紙葉サンプル毎に合計することによ
り、各紙葉サンプル毎の総合離隔値を得るステップと、前記各紙葉サンプル毎の総合離隔値に基づき、総合離隔
値の標準平均及び標準偏差を算出するステップと、前記総合離隔値の標準平均と標準偏差とに基づき前記各
総合離隔値の判定限界値をシミュレーションによって求
めるステップと、識別対象たる紙葉の特徴検出を行ない、各位置毎の対象
検出データを得るステップと、各位置毎に前記対象検出データの前記位置標準平均に対
する差を前記位置標準偏差によって除すことにより該対
象検出データを標準化し、標準化された対象検出データ
を合計することにより前記識別対象紙葉の総合離隔値を
求めるステップと、前記総合離隔値を前記判定基準値によって評価するステ
ップとを具備する紙葉類識別方法。
【請求項３４】識別対象である紙葉の特徴を検出し、
検出データを出力するセンサと、前記センサからの前記検出データによって示される特徴
が互いに近似している複数の紙葉種類を示す情報を記憶
したテーブルと、複数の紙葉種類のうちの所与の１種類について、前記セ
ンサからの検出データに基づき前記識別対象紙葉が該紙
葉種類に該当するか否かを評価する評価部と、前記評価部で前記識別対象紙葉が前記所与の種類に該当
する評価されたとき、前記テーブルを参照して該所与の
種類に近似する他の種類が存在しているか否かを調べ、
存在している場合、前記識別対象紙葉が該他の種類にも
該当するか否かの評価を前記評価部において行なわせる
制御部と、前記識別対象紙葉が前記他の種類にも該当すると評価さ
れたならば、該識別対象紙葉がいずれの種類に該当する
か、またはどの種類にも該当しない、との決定を行なう
決定部とを具備する紙葉類識別装置。
【請求項３５】前記テーブルは、近似する各紙葉種類
の組合せ毎に、識別対象紙葉が複数の紙葉種類に重複し
て該当すると評価された場合の対処モード情報を記憶し
ており、前記決定部は、前記対処モード情報に応じて、最も評価
の高い１つの種類に該当すると決定するモード、または
どの種類にも該当しないと決定するモード、のいずれか
のモードに従って決定を行なう請求項３４に記載の紙葉
類識別装置。
【請求項３６】識別対象である紙葉の特徴を検出し、
検出データを出力するセンサと、真券についての判定基準条件と巧妙に作成された所定の
偽券についての判定基準条件とを設定する判定基準条件
設定部と、前記各判定基準条件を参照して、前記センサからの検出
データに基づき前記識別対象紙葉を評価する評価部と、前記評価部により前記識別対象紙葉が真券についての判
定基準条件と前記所定の偽券についての判定基準条件の
両方を充足していると評価された場合、該識別対象紙葉
を偽券として拒絶する制御部とを具備する紙葉類識別装
置。
【請求項３７】識別対象である紙葉の特徴を検出し、
検出データを出力するセンサと、真券についての判定基準条件と巧妙に作成された所定の
偽券についての判定基準条件とを設定する判定基準条件
設定部と、前記各判定基準条件を参照して、前記センサからの検出
データに基づき前記識別対象紙葉を評価する評価部と、前記評価部により前記識別対象紙葉が真券についての判
定基準条件と前記所定の偽券についての判定基準条件の
両方を充足していると評価された場合、その評価度に従
って該識別対象紙葉を真券として受け入れるかまたは偽
券として拒絶する制御部とを具備する紙葉類識別装置。
【請求項３８】識別対象である紙葉の特徴を検出し、
検出対象サンプルデータを出力するステップと、紙葉種類に対応して予め用意された標準平均と標準偏差
とを使用し、前記検出対象サンプルデータの前記標準平
均に対する差を前記標準偏差の比で表わし、これにより
該検出対象サンプルデータを正規化された値に変換する
ステップと、或る紙葉種類に関して、前記検出対象サンプルデータの
正規化された値と所定の判定基準値とを比較することに
より、前記識別対象紙葉が該紙葉種類に該当するか否か
を判定するステップとを具備する紙葉類識別方法。
【請求項３９】前記識別対象紙葉が複数の紙葉種類に
重複して該当すると判定された場合、該当する各種類に
対応する前記検出対象サンプルデータの正規化された値
のうち、最も評価度の高い値を持つ１つの種類を選択す
るステップを更に具備する請求項３８に記載の紙葉類識
別方法。
【請求項４０】前記識別対象紙葉が複数の紙葉種類に
重複して該当すると判定された場合、該識別対象紙葉を
不良と判定するステップを更に具備する請求項３８に記
載の紙葉類識別方法。
【請求項４１】識別対象である紙葉の特徴を検出し、
特徴検出データを出力するステップと、前記特徴検出データに基づき前記識別対象紙葉が複数の
所定の紙葉種類のうちいずれに該当するかを判定する１
次的評価ステップと、前記１次的評価ステップで前記識別対象紙葉が２以上の
紙葉種類に重複して該当するとの判定結果が得られた場
合、該当する紙葉種類の１つを前記識別対象紙葉の種類
として選択する第１モードと前記識別対象紙葉を不良と
判定する第２モードのいずれか１つのモードの従い処理
する２次的評価ステップとを具備する紙葉類識別方法。
【請求項４２】識別対象である紙葉の特徴を検出し、
特徴検出データを出力するステップと、所定の紙葉種類に関して、その真券についての判定条件
を設定するデータと巧妙に作成された所定の偽券につい
ての判定条件を設定するデータとを予め用意するステッ
プと、前記特徴検出データが前記真券及び所定偽券についての
前記各判定条件を充足するか否かを判定するステップ
と、前記判定するステップにより前記特徴検出データが前記
真券についての判定条件を充足すると判定された場合で
あっても前記所定偽券についての判定条件も充足すると
判定された場合は、前記識別対象紙葉を不良と判定する
ステップとを具備する紙葉類識別方法。