KR101388551B1 - 화폐의 정사 판단 방법 - Google Patents

화폐의 정사 판단 방법 Download PDF

Info

Publication number
KR101388551B1
KR101388551B1 KR1020120157386A KR20120157386A KR101388551B1 KR 101388551 B1 KR101388551 B1 KR 101388551B1 KR 1020120157386 A KR1020120157386 A KR 1020120157386A KR 20120157386 A KR20120157386 A KR 20120157386A KR 101388551 B1 KR101388551 B1 KR 101388551B1
Authority
KR
South Korea
Prior art keywords
image
money
currency
characteristic value
banknote
Prior art date
Application number
KR1020120157386A
Other languages
English (en)
Inventor
윤성수
정대식
조달호
박강령
박영호
권승용
찬딩걍
투엔팜단
Original Assignee
동국대학교 산학협력단
기산전자 주식회사
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 동국대학교 산학협력단, 기산전자 주식회사 filed Critical 동국대학교 산학협력단
Priority to KR1020120157386A priority Critical patent/KR101388551B1/ko
Application granted granted Critical
Publication of KR101388551B1 publication Critical patent/KR101388551B1/ko

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
    • G07D13/00—Handling of coins or of valuable papers, characterised by a combination of mechanisms not covered by a single one of groups G07D1/00 - G07D11/00
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Inspection Of Paper Currency And Valuable Securities (AREA)

Abstract

본 발명은 화폐의 정사 판단 방법에 관한 것으로, 화폐 표면에 대한 가시광선 반사이미지, 적외선 반사이미지 및 적외선 투과이미지 중 적어도 하나 이상을 포함하는 화폐 이미지를 획득하는 단계, 화폐 이미지로부터 특성값을 산출하는 단계 및 특성값에 기초하여 상기 화폐의 오염 정도를 판단하는 단계를 포함하며, 본 발명에 따르면, 화폐 표면에 대한 가시광선 이미지 및 적외선 이미지로부터 특성값을 산출하고, 복수의 특성값을 통계적으로 결합함으로써 화폐의 오염 정도를 보다 정확하고 효율적으로 판단할 수 있다.

Description

화폐의 정사 판단 방법{METHOD FOR DETERMINATING FITNESS AND UNFITNESS OF BANKNOTE}
본 발명은 화폐의 정사 판단 방법에 관한 것으로서, 보다 상세하게는 화폐 표면에 대한 화폐 이미지로부터 특성값을 추출하고, 이러한 특성값을 통계적으로 결합하여 화폐의 오염 정도를 판단할 수 있도록 한 화폐의 정사 판단 방법에 관한 것이다.
일반적으로 은행과 같은 금융기관에는 사무자동화의 일환으로 지폐계수기, 현금지급기, 지폐교환기 등의 자동화기기들이 설치되어 사무업무의 효율과 업무 처리의 정확성을 제고시키고 있다.
이러한 자동화기기의 정확한 동작을 위해서는 손상되거나 오염되지 않은 깨끗한 화폐가 공급될 필요가 있고, 고객들도 깨끗한 지폐를 공급받기를 원하는 실정이다.
따라서, 자동으로 화폐의 정사를 판단할 수 있는 지폐분류정사기가 개발되어 사용되고 있으나, 판단의 정확도가 그리 높지 않아 화폐의 오염 정도를 체계적인 기준에 의해 판단할 수 있는 기술의 개발이 요청되는 실정이다.
관련 선행기술로는 대한민국 공개특허공보 제2010-0099607호(2010.09.13 공개, 발명의 명칭 : 지폐 계수기 및 지폐 정사기의 위폐 감별장치 및 이를 이용한 위폐 감별방법)가 있다.
본 발명은 전술한 필요성에 따라 창안된 것으로서, 화폐 표면에 대한 화폐 이미지로부터 산출되는 복수의 특성값을 통계적으로 결합하여 화폐의 오염 정도를 보다 정확하게 판단할 수 있도록 하는 화폐의 정사 판단 방법을 제공하는데 그 목적이 있다.
본 발명의 일 측면에 따른 화폐의 정사 판단 방법은 화폐 표면에 대한 가시광선 반사이미지, 적외선 반사이미지 및 적외선 투과이미지 중 적어도 하나 이상을 포함하는 화폐 이미지를 획득하는 단계; 상기 화폐 이미지로부터 특성값을 산출하는 단계; 및 상기 특성값에 기초하여 상기 화폐의 오염 정도를 판단하는 단계를 포함하는 것을 특징으로 한다.
본 발명에서 상기 특성값은 상기 가시광선 반사이미지를 구성하는 화소의 평균값, 상기 적외선 반사이미지를 구성하는 화소의 평균값 및 상기 적외선 투과이미지를 구성하는 화소의 평균값 중 적어도 하나 이상을 포함하는 것을 특징으로 한다.
본 발명에서 상기 특성값은 상기 적외선 투과이미지의 손상된 영역에 해당하는 화소의 개수를 더 포함하는 것을 특징으로 한다.
본 발명에서 상기 손상된 영역에 해당하는 화소의 개수는, 상기 적외선 투과이미지에서 지폐영역 이외의 배경영역을 검은 색으로 채운 후 상기 지폐영역 내에 존재하는 검은 화소의 개수를 카운트하여 산출되는 것을 특징으로 한다.
본 발명에서 상기 지폐영역의 가장자리 영역에 존재하는 검은 화소는 상기 검은 화소의 개수로 카운트되지 않는 것을 특징으로 한다.
본 발명에서 상기 화폐의 오염 정도를 판단하는 단계는, 상기 화폐 이미지로부터 산출된 복수의 특성값을 통계적으로 결합하여 최종특성값을 산출하는 단계; 및 상기 최종특성값을 기준데이터와 비교하여 상기 화폐의 오염 정도를 판단하는 단계를 포함하는 것을 특징으로 한다.
본 발명은 상기 최종특성값을 산출하는 단계 이전에, 상기 복수의 특성값을 정규화하는 단계를 더 포함하는 것을 특징으로 한다.
본 발명에서 상기 최종특성값은 상기 복수의 특성값의 합, 가중치 합, 곱, 가중치 곱 중 어느 하나로 산출되는 것을 특징으로 한다.
본 발명에서 상기 최종특성값은 상기 복수의 특성값에 서포트 벡터 머신(Support Vector Machine) 알고리즘을 적용하여 산출되는 것을 특징으로 한다.
본 발명에서 상기 기준데이터는 상기 화폐의 오염 정도를 적어도 2개 이상의 레벨로 구분할 수 있도록 설정되는 것을 특징으로 한다.
본 발명에 따르면, 화폐 표면에 대한 가시광선 이미지 및 적외선 이미지로부터 특성값을 산출하고, 복수의 특성값을 통계적으로 결합함으로써 화폐의 오염 정도를 보다 정확하고 효율적으로 판단할 수 있다.
도 1은 본 발명의 일 실시예에 따른 화폐의 정사 판단 방법을 수행하기 위한 화폐의 정사 판단 장치의 구성을 도시한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 화폐의 정사 판단 방법에서 적외선 투과이미지로부터 손상된 영역에 해당하는 화소의 개수를 산출하는 과정을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 화폐의 정사 판단 방법의 동작 흐름을 도시한 순서도이다.
도 4는 본 발명의 일 실시예에 따른 화페의 정사 판단 방법에서 오수락율(FAR)과 오거부율(FRR)을 설명하기 위한 그래프이다.
이하에서는 본 발명에 따른 화폐의 정사 판단 방법을 첨부된 도면들을 참조하여 상세하게 설명한다. 이러한 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로, 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명의 일 실시예에 따른 화폐의 정사 판단 방법을 수행하기 위한 화폐의 정사 판단 장치의 구성을 도시한 블록도이고, 도 2는 본 발명의 일 실시예에 따른 화폐의 정사 판단 방법에서 적외선 투과이미지로부터 손상된 영역에 해당하는 화소의 개수를 산출하는 과정을 설명하기 위한 도면이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 화폐의 정사 판단 방법을 수행하기 위한 화폐의 정사 판단 장치는 투입감지부(10), 화폐 이미지 획득부(20), 정사판단부(30), 메모리부(40) 및 출력부(50)를 포함한다.
투입감지부(10)는 투입부(미도시)에 투입되는 화폐를 감지하여 감지신호를 생성하고, 이를 정사판단부(30)에 전달한다.
화폐 이미지 획득부(20)는 투입된 화폐 표면에 대한 화폐 이미지를 획득하여 정사판단부(30)에 전달하며, 정사판단부(30)에 의해 그 동작이 제어된다.
화폐 이미지 획득부(20)는 화폐 표면에 대한 가시광선 반사이미지(VR-R)를 획득하는 가시광선 이미지 획득부(21) 및 화폐 표면에 대한 적외선 반사이미지(IR-R) 및 적외선 투과이미지(IR-T)를 획득하는 적외선 이미지 획득부(22)를 포함한다.
정사판단부(30)는 투입감지부(10)로부터 감지신호가 입력되어 화폐가 투입된 것으로 판단되면, 화폐 이미지 획득부(20)를 구동하여 화폐 표면에 대한 화폐 이미지를 입력받는다.
정사판단부(30)는 획득된 화폐 이미지를 화폐의 앞면에 대한 이미지와 화폐의 뒷면에 대한 이미지로 구분한 후, 화폐 이미지로부터 특성값을 산출하여 화폐의 오염 정도를 판단한다.
일반적으로 화폐의 앞면에는 인물의 초상화가 인쇄되고, 화폐의 뒷면에는 건물이 인쇄되어, 화폐의 뒷면에 대한 화폐 이미지의 화소들의 화소값의 평균값(이하 "화소의 평균값"이라 함)이 화폐의 앞면 대한 화폐 이미지에 비해 낮게 나오는 경향이 있기 때문에, 먼저 화폐의 앞면에 대한 이미지와 뒷면에 대한 이미지를 구분한다.
이때, 정사판단부(30)는 화폐 이미지를 구성하는 각 화소의 휘도 분포에 기초하여 화폐의 앞면에 대한 이미지와 뒷면에 대한 이미지를 구분할 수도 있고, 화폐 이미지에 선형판별분석(LDA; Linear Discriminant Analysis)을 적용하여 화폐의 앞면에 대한 이미지와 뒷면에 대한 이미지를 구분할 수도 있다.
화폐 이미지로부터 특성값을 산출하는 과정에 대해 좀 더 구체적으로 설명하면, 정사판단부(30)는 가시광선 반사이미지(VR-R)를 구성하는 화소의 평균값, 적외선 반사이미지(IR-R)를 구성하는 화소의 평균값 및 적외선 투과이미지(IR-T)를 구성하는 화소의 평균값 중 적어도 하나 이상을 특성값으로 산출한다.
또한, 정사판단부(30)는 적외선 투과이미지(IR-T) 상에서 손상된 영역에 해당하는 화소의 개수를 특성값으로 산출할 수 있다.
일반적으로 화폐의 일부가 찢어지거나 손상된 경우, 손상된 영역은 적외선 투과이미지(IR-T) 상에서 흰색(화소 그레이값 '255')으로 나타난다.
본 실시예에서는 적외선 투과이미지(IR-T)의 지폐영역 이외의 배경영역을 검은 색(화소 그레이값 '0')으로 채우고, 지폐영역 내에서의 검은 화소(black pixel)의 개수를 카운트하여 특성값을 산출하는 것을 특징으로 한다.
도 2를 참조하여 좀 더 구체적으로 설명하면, 정사판단부(30)는 적외선 투과이미지(IR-T)를 세로 방향으로 확장하고(도 2의 (a) 참조), 지폐영역 이외의 배경영역을 검은 색으로 채운다(도 2의 (b) 참조). 이후, 지폐영역 내에 존재하는 검은 화소의 개수를 카운트하여 특성값을 산출한다(도 2의 (c) 참조).
이때, 정사판단부(30)는 지폐영역의 가장자리에 존재하는 검은 화소를 카운트하지 않을 수 있다. 이는 지폐영역 추출시 지폐가 완전히 똑바르게 놓이지 않는 등의 이유로 화폐가 손상된 경우가 아님에도 손상된 것으로 잘못 카운트 되는 것을 방지하기 위함이다.
정사판단부(30)는 이와 같이 산출되는 4개의 특성값 중 적어도 2개 이상의 특성값을 통계적으로 결합하여 최종특성값을 산출하고, 최종특성값을 메모리부(40)에 저장된 기준데이터와 비교하여 화폐의 오염 정도를 판단한다.
이때, 정사판단부(30)는 2개 이상의 특성값의 합(sum), 가중치 합(weighted sum), 곱(product) 및 가중치 곱(weighted product) 중 어느 하나를 최종특성값으로 산출할 수 있다.
또한, 정사판단부(30)는 2개 이상의 특성값에 서포트 벡터 머신(SVM; Support Vector Machine) 알고리즘을 적용하여 최종특성값을 산출할 수도 있다.
서포트 벡터 머신(SVM) 알고리즘은 주어진 자료에 대해서 그 자료들을 분리하는 초평면(hyperplane) 중에서 자료들과 가장 거리가 먼 초평면을 찾는 방법으로 비선형 분류에 적용되는 알고리즘을 나타낸다.
이와 같이, 2개 이상의 특성값을 결합함에 있어서, 정사판단부(30)는 각각의 특성값이 동일한 범위의 값을 가지도록 정규화(normalization)를 수행할 수 있다.
특히, 적외선 투과이미지(IR-T) 상에서 손상된 영역에 해당하는 화소의 개수를 화소의 평균값과 결합하는 경우, 두 특성값의 기본적인 범위가 다를 수 있으므로, 동일한 범위의 값을 가지도록 정규화를 수행하는 것이 바람직하다.
메모리부(40)에는 화폐의 오염 정도를 판단하는데 있어서 비교 대상이 되는 기준데이터가 저장된다. 또한, 메모리부(40)에는 필요에 따라 화폐의 오염 정도를 판단한 결과가 저장될 수도 있다.
출력부(50)는 정사판단부(30)에 의한 판단 결과를 출력한다.
출력부(50)는 디스플레이 패널(미도시)를 구비하여 화폐의 오염 정도에 대응되는 단계를 표시하거나, 램프(미도시)를 구비하여 화폐의 사용 가능 여부를 표시하여 출력할 수 있다.
도 3은 본 발명의 일 실시예에 따른 화폐의 정사 판단 방법의 동작 흐름을 도시한 순서도이다.
도 3에 도시된 바와 같이, 먼저 정사판단부(30)는 투입감지부(10)로부터 감지신호가 입력되어 화폐가 투입되는지 확인한다(S100).
만약, 화폐가 투입된 것으로 판단되는 경우, 정사판단부(30)는 화폐 이미지 획득부(20)를 구동하여 화폐 표면에 대한 화폐 이미지를 획득한다(S110).
이때, 화폐 이미지는 화폐 표면에 대한 가시광선 반사이미지(VR-R), 적외선 반사이미지(IR-R) 및 적외선 투과이미지(IR-T) 중 적어도 하나 이상을 포함할 수 있다.
이후, 정사판단부(30)는 화폐 이미지를 화폐의 앞면에 대한 이미지와 뒷면에 대한 이미지로 구분하고(S120), 화폐 이미지로부터 특성값을 추출한다(S130).
여기서, 특성값은 가시광선 반사이미지(VR-R)를 구성하는 화소의 평균값, 적외선 반사이미지(IR-R)를 구성하는 화소의 평균값, 적외선 투과이미지(IR-T)를 구성하는 화소의 평균값 및 적외선 투과이미지(IR-T) 상에서 손상된 영역에 해당하는 화소의 개수 중 적어도 하나 이상을 포함한다.
이처럼 특성값을 추출한 후, 정사판단부(30)는 산출된 특성값이 '0'에서 '1'사이의 값을 가지도록 특성값의 정규화(normalization)를 수행한다(S140).
특히, 정사판단부(30)는 적외선 투과이미지(IR-T) 상에서 손상된 영역에 해당하는 화소의 개수를 특성값으로 선택한 경우, 화소의 개수가 '0'에서 1'사이의 값을 가지도록 정규화를 수행하는 것이 바람직하다.
그러고 나서, 정사판단부(30)는 산출된 특성값 중 적어도 2개 이상의 특성값을 통계적으로 결합하여 최종특성값을 산출한다(S150).
이때, 정사판단부(30)는 2개 이상의 특성값의 합(sum), 가중치 합(weighted sum), 곱(product) 및 가중치 곱(weighted product) 중 어느 하나를 최종특성값으로 산출할 수 있다.
또한, 정사판단부(30)는 2개 이상의 특성값에 서포트 벡터 머신(SVM) 알고리즘을 적용하여 최종특성값을 산출할 수도 있다.
이후, 정사판단부(30)는 최종특성값을 메모리부(40)에 저장된 기준데이터와 비교하여 화폐의 오염 정도를 판단한다(S160).
예를 들어, 정사판단부(30)는 산출된 최종특성값이 기준데이터 이상인 경우, 해당 화폐를 사용 가능(fitness)한 것으로 판단하고, 최종특성값이 기준데이터 미만인 경우, 해당 화폐를 사용 불가(unfitness)한 것으로 판단할 수 있다.
여기서, 기준데이터는 화폐의 오염 정도를 구분하기 위한 기준값을 의미한다. 기준데이터는 화폐의 오염 정도를 적어도 2개 이상의 레벨로 구분할 수 있도록 설정될 수 있고, 시스템 설계자의 의도 및 최종특성값의 산출방법 등에 따라 다양하게 설정될 수 있다.
즉, 본 발명에 따른 화폐의 정사 판단 방법은 화폐의 오염 정도를 사용 가능(fitness) 또는 사용 불가(unfitness)와 같이 이진 분류하는 것에 한정되지 않고, 화폐의 오염 정도를 다양한 기준에 따라 복수의 단계로 분류하는 것을 포함한다.
마지막으로, 정사판단부(30)는 화폐의 오염 정도를 판단한 결과를 출력부(50)에 표시하여 출력할 수 있다(S170).
도 4는 본 발명의 일 실시예에 따른 화페의 정사 판단 방법에서 오수락율(FAR)과 오거부율(FRR)을 설명하기 위한 그래프이고, 본 발명에 따른 화폐의 정사 판단 방법에 대한 실험 예가 아래의 표 1 내지 표 5에 도시되어 있다.
오수락율(FAR; False Acceptance Rate)과 오거부율(FRR; False Rejection Rate) 은 인식 시스템의 정합 정확성을 비교하는데 사용되는 기준에 해당한다. 오수락율(FAR)은 사용 불가한 화폐가 사용 가능한 화페로 잘못 수락된 확률을 나타내고, 도 4에서 a에 해당한다. 반면, 오거부율(FRR)은 사용 가능한 화폐가 사용 불가한 화폐로 잘못 거부된 확률을 나타내며, 도 4에서 b에 해당한다.
또한, 동일오류율(EER; Equal Error Rate)은 오수락율(FAR)과 오거부율(FRR)이 일치하는 시점의 오인식률을 나타내는 것으로, 성능수치를 반영하는 값에 해당한다.
표 1에는 적외선 투과이미지(IR-T)를 구성하는 화소의 평균값과 적외선 투과이미지(IR-T)의 손상된 영역에 해당하는 화소의 개수의 합(sum)을 최종특성값으로 산출한 경우의 오수락율(FAR), 오거부율(FRR) 및 동일오류율(EER)이 도시되어 있다.
앞면
 FAR(%) FRR(%) EER(%)
36.232 7.258 21.745
뒷면
 FAR(%) FRR(%) EER(%)
32.524 17.500 25.012
표 2에는 적외선 투과이미지(IR-T)를 구성하는 화소의 평균값과 적외선 투과이미지(IR-T)의 손상된 영역에 해당하는 화소의 개수의 가중치 합(weighted sum)을 최종특성값으로 산출한 경우의 오수락율(FAR), 오거부율(FRR) 및 동일오류율(EER)이 도시되어 있다. 여기서, W1과 W2는 가중치를 나타낸다.


앞면


 W1 W2 FAR(%) FRR(%) EER(%)
1.1 0.1 21.014 20.968 20.991
1.2 0.1 21.014 20.968 20.991
2.2 0.2 21.014 20.968 20.991
2.3 0.2 21.014 20.968 20.991
2.4 0.2 21.014 20.968 20.991


뒷면

 W1 W2 FAR(%) FRR(%) EER(%)
1.9 0.5 23.544 21.667 22.605
2.3 0.6 23.544 21.667 22.605
2.7 0.7 23.544 21.667 22.605
3.1 0.8 23.544 21.667 22.605
표 3에는 적외선 투과이미지(IR-T)를 구성하는 화소의 평균값과 적외선 투과이미지(IR-T)의 손상된 영역에 해당하는 화소의 개수의 곱(product)을 최종특성값으로 산출한 경우의 오수락율(FAR), 오거부율(FRR) 및 동일오류율(EER)이 도시되어 있다.
앞면
 FAR(%) FRR(%) EER(%)
22.222 21.774 21.998
뒷면
 FAR(%) FRR(%) EER(%)
23.786 24.167 23.977
표 4에는 적외선 투과이미지(IR-T)를 구성하는 화소의 평균값과 적외선 투과이미지(IR-T)의 손상된 영역에 해당하는 화소의 개수의 가중치 곱(weighted product)을 최종특성값으로 산출한 경우의 오수락율(FAR), 오거부율(FRR) 및 동일오류율(EER)이 도시되어 있다. 여기서, W1과 W2는 가중치를 나타낸다.


앞면


 W1 W2 FAR(%) FRR(%) EER(%)
1.3 1.5 24.155 16.139 20.142
1.4 1.5 25.121 14.516 19.818
1.5 1.5 25.121 13.710 19.415
1.6 1.5 26.812 13.710 20.261
1.7 1.5 28.019 13.710 20.865


뒷면

 W1 W2 FAR(%) FRR(%) EER(%)
1.1 0.4 24.515 20.833 22.674
1.2 0.4 25.971 20.000 22.985
1.3 0.4 26.699 20.000 23.350
1.4 0.4 27.184 19.167 23.176
마지막으로, 표 5에는 적외선 투과이미지(IR-T)를 구성하는 화소의 평균값과 적외선 투과이미지(IR-T)의 손상된 영역에 해당하는 화소의 개수에 서포트 벡터 머신(SVM; Support Vector Machine)을 적용하여 최종값을 산출한 경우의 오수락율(FAR), 오거부율(FRR) 및 동일오류율(EER)이 도시되어 있다.
앞면
 FAR(%) FRR(%) EER(%)
2.899 51.513 27.256
뒷면
 FAR(%) FRR(%) EER(%)
2.427 42.500 22.464
이와 같이, 본 발명에 따른 화폐의 정사 판단 방법에 의하면, 화폐 표면에 대한 가시광선 이미지 및 적외선 이미지로부터 특성값을 산출하고, 복수의 특성값을 통계적으로 결합함으로써 화폐의 오염 정도를 보다 정확하고 효율적으로 판단할 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 기술적 보호범위는 아래의 특허청구범위에 의해서 정하여져야 할 것이다.
10 : 투입감지부 20 : 화폐 이미지 획득부
21 : 가시광선 이미지 획득부 22 : 적외선 이미지 획득부
30 : 정사판단부 40 : 메모리부
50 : 출력부

Claims (11)

  1. 화폐 표면에 대한 가시광선 반사이미지, 적외선 반사이미지 및 적외선 투과이미지를 포함하는 화폐 이미지를 획득하는 단계;
    상기 화폐 이미지를 화폐의 앞면에 대한 이미지와 뒷면에 대한 이미지로 구분하는 단계;
    상기 구분된 화폐 이미지로부터 특성값을 산출하는 단계; 및
    상기 특성값에 기초하여 상기 화폐의 손상 정도를 판단하는 단계를 포함하되, 상기 특성값은 상기 적외선 투과이미지에서 지폐영역 이외의 배경영역을 검은 색으로 채운 후, 상기 지폐영역 내에 존재하는 검은 화소의 개수를 카운트하여 산출되는, 상기 적외선 투과 이미지의 손상된 영역에 해당하는 화소의 개수를 포함하는 것을 특징으로 하는 화폐의 정사 판단 방법.
  2. 제 1항에 있어서, 상기 특성값은 상기 가시광선 반사이미지를 구성하는 화소의 평균값, 상기 적외선 반사이미지를 구성하는 화소의 평균값 및 상기 적외선 투과이미지를 구성하는 화소의 평균값 중 적어도 하나 이상을 더 포함하는 것을 특징으로 하는 화폐의 정사 판단 방법.
  3. 삭제
  4. 삭제
  5. 제 1항에 있어서, 상기 지폐영역의 가장자리 영역에 존재하는 검은 화소는 상기 검은 화소의 개수로 카운트되지 않는 것을 특징으로 하는 화폐의 정사 판단 방법.
  6. 화폐 표면에 대한 가시광선 반사이미지, 적외선 반사이미지 및 적외선 투과이미지를 포함하는 화폐 이미지를 획득하는 단계;
    상기 화폐 이미지를 화폐의 앞면에 대한 이미지와 뒷면에 대한 이미지로 구분하는 단계;
    상기 구분된 화폐 이미지로부터 특성값을 산출하는 단계; 및
    상기 특성값에 기초하여 상기 화폐의 오염 정도를 판단하는 단계를 포함하되, 상기 화폐의 오염 정도를 판단하는 단계는, 상기 화폐 이미지로부터 산출된 복수의 특성값에 대해 동일오류율(Equal Error Rate, EER)이 최소화되도록 가중치를 적용하여 최종특성값을 산출하는 단계 및 상기 최종특성값을 기준데이터와 비교하여 상기 화폐의 오염 정도를 판단하는 단계를 포함하는 것을 특징으로 하는 화폐의 정사 판단 방법.
  7. 제 6항에 있어서, 상기 최종특성값을 산출하는 단계 이전에
    상기 복수의 특성값을 정규화하는 단계를 더 포함하는 것을 특징으로 하는 화폐의 정사 판단 방법.
  8. 제 6항에 있어서, 상기 최종특성값은 상기 복수의 특성값의 합, 가중치 합, 곱, 가중치 곱 중 어느 하나로 산출되는 것을 특징으로 하는 화폐의 정사 판단 방법.
  9. 제 6항에 있어서, 상기 최종특성값은 상기 복수의 특성값에 서포트 벡터 머신(Support Vector Machine) 알고리즘을 적용하여 산출되는 것을 특징으로 하는 화폐의 정사 판단 방법.
  10. 제 6항에 있어서, 상기 기준데이터는 상기 화폐의 오염 정도를 적어도 2개 이상의 레벨로 구분할 수 있도록 설정되는 것을 특징으로 하는 화폐의 정사 판단 방법.
  11. 제 1항 또는 제 6항에 있어서, 상기 화폐 이미지를 화폐의 앞면에 대한 이미지와 뒷면에 대한 이미지로 구분하는 단계는, 상기 화폐 이미지를 구성하는 각 화소의 휘도 분포에 기초하거나 또는 선형판별분석(Linear Discriminant Analysis, LDA)을 적용하여 화폐의 앞면에 대한 이미지와 뒷면에 대한 이미지로 구분하는 것을 특징으로 하는 화폐의 정사 판단 방법.
KR1020120157386A 2012-12-28 2012-12-28 화폐의 정사 판단 방법 KR101388551B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120157386A KR101388551B1 (ko) 2012-12-28 2012-12-28 화폐의 정사 판단 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120157386A KR101388551B1 (ko) 2012-12-28 2012-12-28 화폐의 정사 판단 방법

Publications (1)

Publication Number Publication Date
KR101388551B1 true KR101388551B1 (ko) 2014-04-24

Family

ID=50658546

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120157386A KR101388551B1 (ko) 2012-12-28 2012-12-28 화폐의 정사 판단 방법

Country Status (1)

Country Link
KR (1) KR101388551B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101680333B1 (ko) 2015-03-17 2016-11-29 동국대학교 산학협력단 지폐 정사 판단 장치 및 방법
KR20190007290A (ko) * 2017-07-12 2019-01-22 동국대학교 산학협력단 회선 신경망 기반 다국가 권종 분류 장치 및 방법
CN111562273A (zh) * 2020-06-05 2020-08-21 大连工业大学 基于高光谱的鱼水射流除鳞轻微损伤可视化方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10340363A (ja) * 1997-06-05 1998-12-22 Glory Ltd 紙葉類の損傷判別方法及び装置
JP2002373357A (ja) * 2001-06-15 2002-12-26 Oki Electric Ind Co Ltd 媒体の汚損度判定装置
JP2009251800A (ja) * 2008-04-03 2009-10-29 Glory Ltd 紙葉類の汚れ検出装置及び汚れ検出方法
JP2010039765A (ja) * 2008-08-05 2010-02-18 Toshiba Corp 汚損判定装置、紙葉類処理装置、および、汚損判定方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10340363A (ja) * 1997-06-05 1998-12-22 Glory Ltd 紙葉類の損傷判別方法及び装置
JP2002373357A (ja) * 2001-06-15 2002-12-26 Oki Electric Ind Co Ltd 媒体の汚損度判定装置
JP2009251800A (ja) * 2008-04-03 2009-10-29 Glory Ltd 紙葉類の汚れ検出装置及び汚れ検出方法
JP2010039765A (ja) * 2008-08-05 2010-02-18 Toshiba Corp 汚損判定装置、紙葉類処理装置、および、汚損判定方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101680333B1 (ko) 2015-03-17 2016-11-29 동국대학교 산학협력단 지폐 정사 판단 장치 및 방법
KR20190007290A (ko) * 2017-07-12 2019-01-22 동국대학교 산학협력단 회선 신경망 기반 다국가 권종 분류 장치 및 방법
KR101965751B1 (ko) 2017-07-12 2019-04-04 동국대학교 산학협력단 회선 신경망 기반 다국가 권종 분류 장치 및 방법
CN111562273A (zh) * 2020-06-05 2020-08-21 大连工业大学 基于高光谱的鱼水射流除鳞轻微损伤可视化方法

Similar Documents

Publication Publication Date Title
JP6878575B2 (ja) 紙幣管理方法、システム、プログラム及び記録媒体
EP2645339B1 (en) Stain detection
US11157731B2 (en) Systems and methods for assessing standards for mobile image quality
US8682056B2 (en) Media identification
US8634632B2 (en) Paper sheet management system, paper sheet recognition apparatus, paper sheet management apparatus, paper sheet management method and paper sheet management program
US20120150745A1 (en) Document imaging and processing system
JP4113393B2 (ja) 硬貨判別方法および装置
CN106952393B (zh) 纸币识别方法和装置、电子设备和存储介质
EP2557545A1 (en) Method for processing bank notes (variants)
JP2009129390A (ja) 媒体鑑別装置
JPWO2004081887A1 (ja) 紙葉類識別方法及び紙葉類識別装置
CN107134047B (zh) 白水印检测方法及装置
CN107103683A (zh) 纸币识别方法和装置、电子设备和存储介质
KR101388551B1 (ko) 화폐의 정사 판단 방법
CN111462392A (zh) 基于多光谱图像相似性算法进行纸币鉴别的方法和装置
US9336638B2 (en) Media item validation
US9047723B2 (en) Defect categorization
CN106934914B (zh) 纸币防伪检测的方法及装置
KR101460779B1 (ko) 지폐처리장치 및 그 제어방법
KR101385358B1 (ko) 매체 인식장치 및 방법, 그리고 이의 자동화기기
CN110969757A (zh) 一种多国钞票类型快速识别技术
KR101385388B1 (ko) 매체인식장치 및 그를 이용한 매체권종판별방법
US20190057568A1 (en) Method and system for detecting staining
KR101537809B1 (ko) 지폐의 정사 판단 방법
KR101428054B1 (ko) 매체이미지 검출장치 및 방법, 그리고 그를 이용한매체취급시스템

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170412

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180418

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190402

Year of fee payment: 6