KR102123910B1 - 머신 러닝을 이용한 지폐 일련번호 인식 장치 및 방법 - Google Patents

머신 러닝을 이용한 지폐 일련번호 인식 장치 및 방법 Download PDF

Info

Publication number
KR102123910B1
KR102123910B1 KR1020180042953A KR20180042953A KR102123910B1 KR 102123910 B1 KR102123910 B1 KR 102123910B1 KR 1020180042953 A KR1020180042953 A KR 1020180042953A KR 20180042953 A KR20180042953 A KR 20180042953A KR 102123910 B1 KR102123910 B1 KR 102123910B1
Authority
KR
South Korea
Prior art keywords
image
serial number
processing unit
character
bill
Prior art date
Application number
KR1020180042953A
Other languages
English (en)
Other versions
KR20190119469A (ko
Inventor
김용호
조윤호
Original Assignee
주식회사 푸른기술
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 주식회사 푸른기술 filed Critical 주식회사 푸른기술
Priority to KR1020180042953A priority Critical patent/KR102123910B1/ko
Publication of KR20190119469A publication Critical patent/KR20190119469A/ko
Application granted granted Critical
Publication of KR102123910B1 publication Critical patent/KR102123910B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/12—Detection or correction of errors, e.g. by rescanning the pattern
    • G06K9/00402—
    • G06K9/3258—
    • G06K9/4604—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/18—Extraction of features or characteristics of the image
    • G06V30/1801—Detecting partial patterns, e.g. edges or contours, or configurations, e.g. loops, corners, strokes or intersections
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/32—Digital ink
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/003—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency using security elements
    • G06K2209/01—
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D2207/00—Paper-money testing devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Security & Cryptography (AREA)
  • Image Analysis (AREA)
  • Character Discrimination (AREA)

Abstract

본 발명은 머신러닝을 이용하여 지폐의 일련번호를 정확하게 인식 할 수 있도록 한 지폐 일련번호 인식 장치 및 인식방법에 관한 것이다.
본 발명에 따른 지폐 일련번호 인식장치는 도형, 글자 및 숫자 중 어느 하나 이상의 문자 조합으로 구성되는 일련번호를 가지는 지폐 이미지를 획득하는 이미지 획득부; 상기 지폐 이미지로부터 상기 일련번호 이미지를 추출하고, 상기 일련번호 이미지를 상기 일련번호를 구성하는 문자 단위로 분할한 복수의 문자 이미지를 생성하는 이미지 처리부; 복수의 상기 문자 이미지를 입력받아 복수의 상기 문자 이미지에 대한 인식과정을 진행하고, 인식 과정 중 상기 문자를 미리 학습된 데이터를 이용하여 어느 문자로 인식될 가능성이 있는지를 복수의 확률값으로 산출하는 신경망 함수 처리부; 및 상기 확률값에 따라 인식 과정이 진행된 문자를 인식 또는 미인식 여부를 판별하고, 인식으로 판정된 문자를 조합하여 인식된 일련번호를 생성하는 결과처리부;를 포함하여 구성되는 것을 특징으로 한다.

Description

머신 러닝을 이용한 지폐 일련번호 인식 장치 및 방법{Serial number rcognition Apparatus and method for paper money using machine learning}
본 발명은 지폐 일련번호 인식 장치 및 방법에 관한 것으로 특히, 머신러닝을 이용하여 지폐의 일련번호를 정확하게 인식 할 수 있도록 한 머신 러닝을 이용한 지폐 일련번호 인식 장치 및 인식방법에 관한 것이다.
은행과 같이 돈을 다량으로 거래하는 곳에서는 지폐나 동전의 수를 세기 위한 계수기를 이용한다. 일반적으로 계수기는 지폐와 동전의 계수 방법이 상이하여 별도의 장치로 이용된다.
이 중 지폐 계수기는 과거에는 지폐의 수량 확인을 위한 용도로만 이용됐으나, 최근에는 계수와 함께 지폐의 인식을 위한 용도로의 사용이 증가하고 있다. 이러한 지폐 계수기는 인식 기능을 이용하여 다량의 지폐의 이미지를 획득하거나, 권종확인 또는 위폐 확인이 가능하게 개발 및 이용되고 있다. 이러한 기능을 가지는 지폐 계수기는 계수과정에서 지폐의 일련번호를 인식 및 조회하여 권종을 확인하거나, 위폐를 확인하게 된다.
이를 위해, 계수기는 지폐의 한쪽 가장자리에 위치하는 일련번호를 스캔 또는 촬영하고, 스캔 또는 촬영된 이미지를 이미지 처리하여 인식하는 방법이 주로 이용되고 있다.
그러나 이미지를 이용하는 종래의 방법은 지폐의 문양, 오염, 소손으로 인해 오인식 또는 미인식이 빈번하게 발생하는 문제점이 있다.
한국 공개 특허공보 제 10-2016-0126663호(공개일 2016.11.02.)
따라서, 본 발명의 목적은 머신러닝을 이용하여 지폐의 일련번호를 정확하게 인식 할 수 있도록 한 머신 러닝을 이용한 지폐 일련번호 인식 장치 및 인식방법을 제공하는 것이다.
상기 목적을 달성하기 위하여 본 발명에 따른 머신 러닝을 이용한 지폐 일련번호 인식장치는 도형, 글자 및 숫자 중 어느 하나 이상의 문자 조합으로 구성되는 일련번호를 가지는 지폐 이미지를 획득하는 이미지 획득부; 상기 지폐 이미지로부터 상기 일련번호 이미지를 추출하고, 상기 일련번호 이미지를 상기 일련번호를 구성하는 문자 단위로 분할한 복수의 문자 이미지를 생성하는 이미지 처리부; 복수의 상기 문자 이미지를 입력받아 복수의 상기 문자 이미지에 대한 인식과정을 진행하고, 인식 과정 중 상기 문자를 미리 학습된 데이터를 이용하여 어느 문자로 인식될 가능성이 있는지를 복수의 확률값으로 산출하는 신경망 함수 처리부; 및 상기 확률값에 따라 인식 과정이 진행된 문자를 인식 또는 미인식 여부를 판별하고, 인식으로 판정된 문자를 조합하여 인식된 일련번호를 생성하는 결과처리부;를 포함하여 구성되는 것을 특징으로 한다.
또한, 본 발명에 따른 머신 러닝을 이용한 지폐 일련번호 인식 방법은 이미지 획득부가 도형, 글자 및 숫자 중 어느 하나 이상의 문자 조합으로 구성되는 일련번호를 가지는 지폐 이미지를 획득하는 지폐이미지 획득 단계; 이미지 처리부가 상기 지폐 이미지로부터 상기 일련번호 이미지를 추출하고, 상기 일련번호 이미지를 상기 문자 단위로 분할한 복수의 문자 이미지를 생성하는 이미지 처리 단계; 신경망 함수 처리부가 복수의 상기 문자 이미지를 입력받아 복수의 상기 문자 이미지에 대한 인식 과정을 진행하고, 인식 과정 중 상기 문자를 미리 학습된 데이터를 이용하여 어느 문자로 인식될 가능성이 있는지를 복수의 확률값으로 산출하는 신경망 처리 단계; 결과처리부가 상기 확률값에 따라 인식 과정이 진행된 문자에 대한 인식 또는 미인식 여부를 판별하는 판별단계; 및 상기 결과처리부가 상기 판별 결과에 따라 인식으로 판정된 문자를 조합하여 인식된 일련번호를 생성하는 일련번호 처리단계;를 포함하여 구성되는 것을 특징으로 한다.
본 발명에 따른 머신 러닝을 이용한 지폐 일련번호 인식 장치 및 인식 방법은 머신러닝을 이용하여 지폐의 일련번호를 빠르고 정확하게 인식하도록 하여, 지폐에 대한 일련의 처리과정이 효율적으로 수행되도록 하는 것이 가능하다.
도 1은 본 발명에 따른 머신 러닝을 이용한 지폐 일련번호 인식 장치의 구성을 도시한 구성 예시도.
도 2는 이미지 처리부에 의해 지폐 이미지에서 지폐의 꼭지점을 찾는 과정을 설명하기 위한 예시도.
도 3 및 도 4는 이미지 처리부에 의한 이미지 처리 과정을 설명하기 위한 예시도.
도 4는 본 발명에 따른 지폐 일련번호 인식방법을 설명하기 위한 순서도.
이하, 본 발명의 실시예를 첨부한 도면을 참조하여 당해 분야의 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 설명하기로 한다. 첨부된 도면들에서 구성에 표기된 도면번호는 다른 도면에서도 동일한 구성을 표기할 때에 가능한 한 동일한 도면번호를 사용하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어서 관련된 공지의 기능 또는 공지의 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고 도면에 제시된 어떤 특징들은 설명의 용이함을 위해 확대 뙤는 축소 또는 단순화된 것이고, 도면 및 그 구성요소들이 반드시 적절한 비율로 도시되어 있지는 않다. 그러나 당업자라면 이러한 상세 사항들을 쉽게 이해할 것이다.
도 1은 본 발명에 따른 머신 러닝을 이용한 지폐 일련번호 인식 장치의 구성을 도시한 구성 예시도이다.
도 1을 참조하면, 본 발명에 따른 머신 러닝을 이용한 지폐 일련번호 인식 장치는 이미지 획득부(10), 권종처리부(20), 이미지처리부(30), 신경망 함수 처리부(40) 및 결과처리부(50)를 포함하여 구성된다.
이미지 획득부(10)는 도형, 글자 및 숫자 중 어느 하나 이상의 문자 조합으로 구성되는 일련번호를 가지는 지폐 이미지를 획득하여 권종 처리부(20)와 이미지 처리부(30)에 전달한다. 이 이미지 획득부(10)는 계수기와 같은 장치에 구성되어 계수중인 지폐가 다른 지폐와 이격되는 짧은 순간에 이미지를 촬영하여 지폐 이미지를 생성할 수 있다. 또는 별도의 외부 장치를 통해 전달된 지폐이미지를 권종 처리부(20)와 이미지 처리부(30)에 전달하는 입력부의 역할을 할 수 있는 것으로, 제시된 바에 의해서만 본 발명을 한정하는 것은 아니다. 특히 이미지 획득부(10)에 의해 획득되는 이미지는 가시광에 의해 촬영된 이미지 또는 적외선에 의해 촬영된 이미지 중 어느 하나일 수도 있으나, 정확한 판별을 위해 두가지 이미지를 함께획득하여 전달할 수 있다. 하기에서는 이를 구분하지 않고 설명하되 두 가지를 구분할 필요가 있을 때에만 구분하여 설명을 진행하기로 한다.
권종처리부(20)는 지폐 이미지를 이용하여 지폐의 권종정보를 확인한다. 이를 위해 권종처리부(20)는 이미지 획득부(10)로부터 전달되는 지폐이미지의 해상도를 낮추어 미리 저장된 데이터와 비교하거나, 미리 정해진 처리과정을 수행하여 지폐의 종류, 금액과 같은 정보를 확인한다. 아울러, 권종처리부(20)의 권종정보가 확인되면 미리 저장된 권종별 일련번호 위치정보와 일련번호를 구성하는 문자의 조합정보를 이미지 처리부(30)에 전달하게 된다. 문자의 조합 정보는 확인된 권종에서 일련번호를 표현하기 위해 사용되는 글자, 숫자, 기호의 종류, 조합방법, 기재방법과 같은 정보를 포함할 수 있다.
이러한 권종처리부(20)는 지폐이미지의 기울어짐과 같은 이미지 상태를 확인하고 이미지 처리부(30)가 이를 조절하여 처리하도록 하기 위한 정보를 제공할 수 있다. 특히, 지폐이미지의 해상도를 상대적으로 해상도로 낮추어 처리함으로써 대량의 지폐에 대해 권종확인 및 이미지 상태 확인을 빠르게 수행할 수 있으며, 이러한 과정에서 장치의 부하부담을 감소시키게 된다.
이미지 처리부(30)는 지폐 이미지로부터 일련번호 이미지를 추출하고, 일련번호 이미지를 일련번호를 구성하는 문자 단위로 분할한 복수의 문자 이미지를 생성한다. 이를 위해 이미지 처리부(30)는 권종처리부(20)로부터 전달되는 권종정보를 통해 지폐 이미지의 일련번호 위치를 확인하게 된다. 또한, 이미지 처리부(30)는 권종정보를 통해 확인한 일련번호 위치를 지폐이미지로부터 찾기 위해 지폐 이미지에 나타난 지폐의 꼭지점을 찾게 된다.
그리고 꼭지점이 확인되면 이미지 처리부(30)는 꼭지점을 기준점으로 이용하여 권종정보에 의해 확인되는 일련번호 위치를 찾게 되고, 해당 위치의 이미지를 추출하여 일련번호 이미지를 추출하게 된다.
이와 같이 일련번호 이미지를 추출하면, 이미지 처리부(30)는 신경망 함수 처리부(40)에 전달하기 위해 일련번호 이미지의 각 문자를 구분하여 문자 이미지를 생성하게 된다. 즉, 일련번호를 구성하는 문자를 나누어 문자 이미지로 생성하게 되며, 이때 미리 지정된 크기로 문자 이미지 크기를 맞추어 생성하게 된다.
신경망 함수 처리부(40)는 복수의 문자 이미지를 입력받아 복수의 상기 문자 이미지에 대한 인식과정을 진행하고, 인식 과정 중 상기 문자를 미리 학습된 데이터를 이용하여 어느 문자로 인식될 가능성이 있는지를 복수의 확률값으로 산출한다.
구체적으로 신경망 함수 처리부(40)는 컨볼루션 인공 신경망9conbolutional Neural Network)에 의해 구성될 수 있다. 신경망 함수 처리부(40)는 문자 인식의 기준이 될 숫자, 글자, 기호와 이들의 역상 이미지와 같은 경우를 조합하여 이에 대한 문자 데이터를 생성하는 과정에서 학습에 의한 준비가 이루어질 수 있다. 그리고 이때 역전파 알고리즘에 의한 학습, 볼츠만 머신 학습법, 아닐링 학습법 등을 이용하여 학습된 인자에 의해 함수가 구성된다.
신경망 함수 처리부(40)는 문자 이미지를 입력받아 인식과정을 수행한다. 이때 신경망 합수 처리부(40)는 문자 이미지로 입력된 문자 각각에 대한 확률값을 복수로 산출한다. 좀 더 구체적으로 신경망 함수 처리부(40)는 학습된 데이터에 의해 문자 이미지가 어떤 문자로 인식될 수 있는지에 대해 각각의 확률을 산출하게 된다. 즉, 복수의 확률값 중 가장 큰 확률값을 갖는 글자일 가능성이 높다는 의미로 해석될 수 있다. 신경망 함수 처리부(40)는 각 문자에 대해 복수의 확률값을 산출하여 결과처리부(50)에 전달하게 된다.
결과처리부(50)는 확률값에 따라 인식 과정이 진행된 문자를 인식 또는 미인식 여부를 판별하고, 인식으로 판정된 문자를 조합하여 인식된 일련번호를 생성한다. 즉, 결과처리부(50)는 각 문자에 대한 확률값을 확인하여 문자별 최댓값(확률값이 가장 큰 값), 차댓값(확률값이 두번째로 큰 값)을 확인한다. 그리고, 결과처리부는 미리 저장된 제1기준값과 최댓값을 비교하고, 제2기준값과 차댓값을 비교하게 된다. 이때, 결과처리부(50)는 제1기준값보다 최댓값이 크고, 제2기준값보다 차댓값이 작은 경우 최댓값에 해당되는 문자를 문자이미지에 대한 인식결과로 선택하게 된다. 즉, 결과처리부(50)는 다른 글자일 확률이 낮고, 특정 글자일 확률이 높은 경우에 해당 문자가 문자이미지에 기재된 문자인 것으로 간주하게 된다.
한편, 일련번호 이미지는 하나의 지폐에서 둘 이상의 추출될 수 있다. 이와 같이 복수의 일련번호 이미지는 지폐의 오염, 훼손과 같은 경우가 발생될 수 있기 때문에 정확한 일련번호를 추출하기 위해 서로 다른 위치에서 추출한 이미지를 이용하여 문자를 판별할 수 있다.
이와 같이 복수의 일련번호 이미지가 추출되는 경우 신경망 함수 처리부(40)는 각각의 일련번호 이미지에 대한 문자 이미지를 입력받아 이에 대한 확률값을 출력하게 된다. 결과처리부(50)는 이때 각각의 일련번호 이미지의 문자별로 최댓값과 차댓값의 차이를 산출하게 된다. 그리고, 결과처리부(50)는 서로 다른 일련번호 이미지의 동일한 위치 문자에 대한 차이값을 비교하여 차이값이 큰 쪽 일련번호의 문자를 인식된 문자로 선택하게 된다.
이러한 방법을 일련번호를 구성하는 각 문자에 대해 수행하여, 차이값이 가장 큰 일련번호의 최댓값에 기재된 문자를 선택하거나, 기준값과 비교된 최댓값의 문자를 선택하게 된다. 그리고 문자 선택이 종료되면 결과처리부(50)는 이를 조합하여 인식된 일련번호를 조합하고, 조합된 일련번호를 외부 장치나 시스템에 전달하게 된다.
도 2는 이미지 처리부에 의해 지폐 이미지에서 지폐의 꼭지점을 찾는 과정을 설명하기 위한 예시도이다.
도 2를 참조하면, 이미지 처리부는 지폐이미지로부터 지폐의 영역을 확정하기 위해 지폐의 꼭지점을 탐색하는 과정을 수행한다.
이를 위해 이미지 처리부(30)는 지폐 이미지에서 사각형의 위, 아래, 왼쪽, 오른쪽의 경계를 탐색한다. 이때 이미지 처리부(30)는 이미지의 모서리에 해당되는 점으로부터 안쪽방향으로 대각선 지그재그 방향으로 스캔하게 된다. 그리고, 이 대각선 스캔에서 지폐를 표현하기 위해 사용되는 픽셀을 찾고, 가장 가까운 픽셀을 1차 모서리로 선정한다.
이와 같은 방식으로 4곳의 모서리를 찾을 수 있으나, 이 경우 지폐가 훼손 된 경우 잘못된 기준점을 찾을 수 있기 때문에 별도의 추가 탐색을 진행하게 된다.
구체적으로 도 2에서와 같이 이미지 처리부(30)는 탐색된 꼭지점 중 2개의 곡지점(P1, P2)를 잇는 가상의 선(L1)을 선정한다. 그리고 가상의 선(L1) 상에 가상의 점(Px)을 하나 이상 설정한다. 이 가상의 점(Px)는 하나 이상 설정되며, 사용자 미리 지정한 위치 즉, 가상의 선(L1) 길이를 비율로 나누어 나뉘는 점에 설정될 수 있다.
이미지 처리부(30)는 설정된 가상의 점을 지폐의 경계로 예측되는 지점으로 이동시키고, 인근의 꼭지점(P1)과 이동된 가상의 점(Px')을 연결하는 연결선(Lx1)을 산출한다. 이와 같은 방식으로 복수의 연결선(Lx2)를 산출하여 연결선의 교차점을 꼭지점으로 확정하게 된다.
도 3은 이미지 처리부에 의한 이미지 처리 과정을 설명하기 위한 예시도이다. 도 3의 (a)는 이미지의 처리전 일련번호의 이미지이고, 도 3의 (b)는 이미지 처리 후의 일련번호 이미지를 도시한 예시도이다.
도 3을 참조하면, 전술한 바와 같이 이미지 처리부(30)는 일련번호의 위치를 확인하여 (a)와 같은 일련번호 이미지를 추출한다. 이러한 일련번호 이미지는 이미지 처리부(30)가 문자별로 구분하여 문자 이미지로 생성한 후 이를 신경망 함수 처리부(40)에 전달하게 된다.
추출된 일련번호 이미지는 (a)와 같이 지폐의 색과 배경 패턴이 존재하게 된다. 이러한 (a)의 이미지를 이용하여 문자 이미지를 생성하는 경우 배경과 글자를 구분하는 처리 과정이 복잡해 지게 된다.
때문에 이미지 처리부(30)는 일련번호 이미지의 명암비(contrast)를 조절하여 배경과 글자의 구분이 명확해지도록 이미지 처리 과정을 수행한다. 구체적으로 주로 배경이 문자에 비해 흐리게 흐린 농도로 촬영되기 때문에 명암비를 조절하면 상대적으로 짙은 농도의 글자는 형태를 확인할 수 있는 형태로 유지되고, 배경은 흐려져 단색과 같아 보이게 된다.
이러한 방식으로 명압비를 조절하면 (b)와 같은 이미지를 얻을 수 있게 된다. 이를 통해 배경과 글자의 구분을 할 수 있으며, 이러한 이미지 처리를 이미지 처리부(30)가 수행하여 일련번호 이미지를 추출하게 된다.
그리고, 이와 같이 처리된 일련번호 이미지에서 인접한 각 픽셀 즉, 문자를 표현하는 픽셀을 하나의 영역으로 분리하고, 면적, 비율, 세로 길이, 가로길이와 같은 기하정보와 픽셀값의 평균, 최대, 최소값과 같은 픽셀정보를 이용해 문자 영역을 구분하게 된다. 그리고 이미지처리부(30)는 구분된 이미지를 각각의 조각 이미지인 문자 이미지로 생성하며, 생성된 문자 이미지를 신경망 함수 처리부에 전달하게 된다.
아울러, 이러한 배경과 글자의 명확한 구분을 위해 일련번호 이미지를 추출하는 지폐 이미지는 가시광에 의해 촬영된 영상 외에 적외선을 이용하여 지폐를 촬영한 영상일 수 있다.
도 4는 본 발명에 따른 머신 러닝을 이용한 지폐 일련번호 인식방법을 설명하기 위한 순서도이다.
도 4를 참조하면, 본 발명에 따른 머신 러닝을 이용한 지폐 일련번호 인식방법은 지폐이미지 획득 단계(S10), 권종정보 확인 단계(S20), 꼭지점 탐색 단계(S30), 일련번호 이미지 추출 단계(S40), 문자 이미지 생성 단계(S50), 확률값 산출 단계(S60), 판별 단계(S70) 및 일련번호 처리 단계(S80)을 포함하여 구성된다.
지폐이미지 획득 단계(S10)는 이미지 획득부(10)가 도형, 글자 및 숫자 중 어느 하나 이상의 문자 조합으로 구성되는 일련번호를 가지는 지폐 이미지를 획득하여 권종 처리부(20)와 이미지 처리부(30)에 전달하는 단계이다. 이 지폐이미지 획득 단계(S10)에서 이미지 획득부(10)는 가시광에 의해 촬영된 지폐이미지와 함께 적외선에 의해 촬영된 지폐이미지를 획득하여 전달할 수 있다.
권종정보 확인 단계(S20)는 권종처리부(20)가 지폐 이미지를 이용하여 지폐의 권종 정보를 확인하는 단계이다. 이를 위해 권종처리부(20)는 지폐이미지의 해상도를 미리 지정된 해상도로 낮추어 이미지의 용량을 줄인 뒤, 이를 미리 준비된 데이터와 비교하거나, 정해진 처리과정을 수행하여 비교하게 된다. 그리고 권종정보 확인 단계(S20)에서 권종처리부(20)는 확인된 권종정보에 따라 미리 저장된 일련번호 위치정보와 조합정보를 이미지 처리부(30)에 전달하게 된다.
꼭지점 탐색 단계(S30)는 이미지 처리부(30)가 지폐 이미지에서 지폐의 꼭지점을 탐색하여 확인하는 단계이다. 이 꼭지점 탐색 단계(S30)에서 이미지 처리부(30)는 지폐이미지의 가장자리로부터 탐색하여 지폐의 픽셀을 찾아 꼭지점으로 지정하게 된다. 그리고, 이미지 처리부(30)는 가상선(L1)과 가상점(Px)에 의해 꼭지점을 탐색하여 확정하게 된다.
일련번호 이미지 추출 단계(S40)는 탐색된 꼭지점을 기준으로 일련번호의 위치정보와 조합정보를 적용하여 일련번호의 위치를 추측하고, 추측된 영역을 미리 지정된 영역으로 절취하여 일련번호 이미지를 추출한다. 이때, 영역은 조합정보에 의해 확인되는 일련번호의 길이와 글자의 크기를 통해 산출하거나, 권종 별로 미리 지정되어 저장될 수 있다.
문자 이미지 생성 단계(S50)는 이미지 처리부(30)가 일련번호 이미지를 문자 단위로 분할하여 문자 이미지를 생성하는 단계이다. 이 문자 이미지 생성 단계(S50)에서 이미지 처리부(30)는 문자의 구분이 용이하도록 일련번호 이미지의 명암비를 조절한다. 그리고, 이미지 처리부930)는 기하정보와 픽셀정보를 통해 문자를 형성하는 픽셀의 연결 또는 제거를 통해 문자를 구분하고, 구분 결과에 따라 문자 이미지를 생성하게 된다. 이때 생성되는 문자이미지의 크기는 동일한 가로 세로 폭을 가지는 일정한 크기의 이미지로 생성된다.
확률값 산출 단계(S60)는 신경망 함수 처리부(40)가 문자 이미지를 입력받아 문자 각각에 대한 복수의 확률값을 산출하는 단계이다. 이 확률값 산출 단계(S60)에서 신경망 함수 처리부(40)는 문자 이미지에 기재된 문자가 인식될 수 있는 문자의 종류와 종류별 확률값을 산출하게 된다. 특히, 이 확률값은 문자이미지 별로 산출되어 결과 처리부에 전달된다.
판별 단계(S70)는 결과처리부(50)가 산출된 확률값을 이용하여 문자의 인식 및 미인식 여부를 판별하고, 인식의 경우 확률값에 의해 나타난 문자 종류 중 어느 하나를 선택하는 단계이다.
이를 위해 판별 단계(S70)에서 결과처리부(50)는 문자 이미지별로 산출된 확률값의 최댓값과 차댓값을 미리 정해진 제1기준값 및 제2기준값과 비교한다. 이때 결과처리부(50)는 제1기준값보다 최댓값이 크고, 제2기준값이 차댓값보다 큰 문자 즉, 다른 문자일 가능성이 적은 문자를 문자이미지의 문자로 결정하게 된다. 또는 일련번호 이미지가 복수로 존재하는 경우 복수의 일련번호 이미지 각각의 동일한 위치의 문자에 대해 최댓값과 차댓값의 차이를 비교하여 차이가 가장 큰 문자를 해당 위치의 문자로 선택하게 된다. 반면, 이러한 기준을 충족하지 못하는 경우 결과처리부(50)는 해당 문자가 미인식 된것으로 판단하고, 미인식 문자로 결정하게 된다. 이와 같은 방법은 결과처리부(50)는 각 문자에 대한 확률값의 확인을 통해 일련번호를 구성하는 각 문자들을 산출하게 된다.
일련번호 처리 단계(S80)에서 결과처리부(50)는 판별단계(S70)결정된 문자와 미인식 문자를 정리하고, 판별된 문자를 조합하여 인식된 일련번호를 생성하게 된다.
이상에서 본 발명의 기술적 사상을 예시하기 위해 구체적인 예로 도시하고 설명하였으나, 본 발명은 상기와 같이 구체적인 실시 예와 동일한 구성 및 작용에만 국한되지 않고, 여려가지 변형이 본 발명의 범위를 벗어나지 않는 한도 내에서 실시될 수 있다. 따라서, 그와 같은 변형도 본 발명의 범위에 속하는 것으로 간주해야 하며, 본 발명의 범위는 후술하는 특허청구범위에 의해 결정되어야 한다.
10 : 이미지 획득부
20 ; 권종 처리부
30 : 이미지 처리부
40 : 신경망 함수 처리부
50 : 결과 처리부

Claims (14)

  1. 도형, 글자 및 숫자 중 어느 하나 이상의 문자 조합으로 구성되는 일련번호를 가지는 지폐 이미지를 획득하는 이미지 획득부;
    상기 지폐 이미지로부터 일련번호 이미지를 추출하고, 상기 일련번호 이미지를 상기 일련번호를 구성하는 문자 단위로 분할한 복수의 문자 이미지를 생성하는 이미지 처리부;
    복수의 상기 문자 이미지를 입력받아 복수의 상기 문자 이미지에 대한 인식과정을 진행하고, 인식 과정 중 상기 문자를 미리 학습된 데이터를 이용하여 어느 문자로 인식될 가능성이 있는지를 복수의 확률값으로 산출하는 신경망 함수 처리부; 및
    상기 확률값에 따라 인식 과정이 진행된 문자를 인식 또는 미인식 여부를 판별하고, 인식으로 판정된 문자를 조합하여 인식된 일련번호를 생성하는 결과처리부;를 포함하고,
    상기 일련번호 이미지는 동일한 지폐의 서로 다른 곳에서 추출되어 복수개 마련되며, 상기 신경망 함수 처리부는 복수의 상기 일련번호 이미지 각각의 상기 문자들에 대한 상기 확률값을 산출하는 것을 특징으로 하는 머신 러닝을 이용한 지폐 일련번호 인식 장치.
  2. 제 1 항에 있어서,
    상기 결과처리부는
    복수의 상기 확률값 중 최댓값이 미리 지정된 제1기준값 보다 크고, 복수의 상기 확률값 중 차댓값이 미리 지정된 제2기준값 보다 작은 경우 상기 문자의 인식이 성공한 것으로 판단하고,
    상기 최댓값을 가지는 문자를 인식문자로 결정하는 것을 특징으로 하는 머신 러닝을 이용한 지폐 일련번호 인식 장치.
  3. 삭제
  4. 제 2 항에 있어서,
    상기 결과처리부는
    복수의 상기 일련번호 이미지의 상기 문자들에 대한 확률값을 자리별로 비교하여 상기 최댓값과 상기 차댓값의 차이가 큰 상기 문자를 인식문자로 결정하는 것을 특징으로 하는 머신 러닝을 이용한 지폐 일련번호 인식 장치.
  5. 제 1 항에 있어서,
    상기 지폐 이미지를 이용하여 상기 지폐의 권종정보를 확인하는 권종처리부를 더 포함하여 구성되고,
    상기 권종 처리부는 상기 지폐 이미지의 해상도를 낮추어 상기 권종정보 확인 처리에 이용하는 것을 특징으로 하는 머신 러닝을 이용한 지폐 일련번호 인식 장치.
  6. 제 5 항에 있어서,
    상기 이미지 처리부는
    상기 지폐 이미지로부터 상기 지폐의 꼭지점을 탐색하고,
    상기 꼭지점과 상기 권종정보에 의해 확인되는 일련번호 위치정보를 이용하여 상기 일련번호 이미지를추출하는 것을 특징으로 하는 머신 러닝을 이용한 지폐 일련번호 인식 장치.
  7. 제 6 항에 있어서,
    상기 이미지 처리부는
    상기 지폐 이미지에 의해 탐색된 상기 꼭지점을 서로 있는 가상선과
    상기 가상선 상의 미리 지정된 위치에 가상점을 설정하고,
    상기 가상점을 지폐의 이미지로 이동시켜 상기 꼭지점과 상기 가상점을 잇는 연결선을 생성하여 꼭지점을 확정하는 것을 특징으로 하는 머신 러닝을 이용한 지폐 일련번호 인식 장치.
  8. 이미지 획득부가 도형, 글자 및 숫자 중 어느 하나 이상의 문자 조합으로 구성되는 일련번호를 가지는 지폐 이미지를 획득하는 지폐이미지 획득 단계;
    이미지 처리부가 상기 지폐 이미지로부터 일련번호 이미지를 추출하고, 상기 일련번호 이미지를 상기 일련번호를 구성하는 상기 문자 단위로 분할한 복수의 문자 이미지를 생성하는 이미지 처리 단계;
    신경망 함수 처리부가 복수의 상기 문자 이미지를 입력받아 복수의 상기 문자 이미지에 대한 인식 과정을 진행하고, 인식 과정 중 상기 문자를 미리 학습된 데이터를 이용하여 어느 문자로 인식될 가능성이 있는지를 복수의 확률값으로 산출하는 신경망 처리 단계;
    결과처리부가 상기 확률값에 따라 인식 과정이 진행된 문자에 대한 인식 또는 미인식 여부를 판별하는 판별단계; 및
    상기 결과처리부가 상기 판별 결과에 따라 인식으로 판정된 문자를 조합하여 인식된 일련번호를 생성하는 일련번호 처리단계;를 포함하고,
    상기 일련번호 이미지는 동일한 지폐의 서로 다른 곳에서 추출되어 복수개 마련되고,
    상기 신경망 처리 단계는 상기 신경망 함수 처리부가 복수의 상기 일련번호 이미지 각각의 상기 문자들에 대한 상기 확률값을 산출하는 것을 특징으로 하는 머신 러닝을 이용한 지폐 일련번호 인식 방법.
  9. 제 8 항에 있어서,
    상기 판별단계는
    상기 결과처리부가 복수의 상기 확률값 중 최댓값이 미리 지정된 제1기준값 보다 크고, 복수의 상기 확률값 중 차댓값이 미리 지정된 제2기준값 보다 작은 경우 상기 문자의 인식이 성공한 것으로 판단하고,
    상기 최댓값을 가지는 문자를 인식문자로 결정하는 것을 특징으로 하는 머신 러닝을 이용한 지폐 일련번호 인식 방법.
  10. 삭제
  11. 제 9 항에 있어서,
    상기 판별단계는
    상기 결과처리부가
    복수의 상기 일련번호 이미지의 상기 문자들에 대한 확률값을 자리별로 비교하여 상기 최댓값과 상기 차댓값의 차이가 큰 상기 문자를 인식문자로 결정하는 것을 특징으로 하는 머신 러닝을 이용한 지폐 일련번호 인식 방법.
  12. 제 8 항에 있어서,
    권종처리부가 상기 지폐 이미지를 이용하여 상기 지폐의 권종정보를 확인하는 권종정보 확인 단계;를 더 포함하여 구성되고,
    상기 권종정보 확인 단계는 상기 권종처리부가 상기 지폐 이미지의 해상도를 낮추어 상기 권종정보 확인 처리에 이용하는 것을 특징으로 하는 머신 러닝을 이용한 지폐 일련번호 인식 방법.
  13. 제 12 항에 있어서,
    상기 이미지 처리 단계는
    상기 이미지 처리부가 상기 지폐 이미지로부터 상기 지폐의 꼭지점을 탐색하는 탐색단계;를 포함하여 구성되고,
    상기 이미지 처리부가 상기 꼭지점과 상기 권종정보에 의해 확인되는 일련번호의 위치정보를 이용하여 상기 일련번호 이미지를 추출하는 것을 특징으로 하는 머신 러닝을 이용한 지폐 일련번호 인식 방법.
  14. 제 13 항에 있어서,
    상기 꼭지점 탐색단계는
    상기 이미지 처리부가
    상기 지폐 이미지에 의해 탐색된 상기 꼭지점을 서로 있는 가상선과
    상기 가상선 상의 미리 지정된 위치에 가상점을 설정하고,
    상기 가상점을 지폐의 이미지로 이동시켜 상기 꼭지점과 상기 가상점을 잇는 선을 생성하여 꼭지점을 확정하는 것을 특징으로 하는 머신 러닝을 이용한 지폐 일련번호 인식 방법.
KR1020180042953A 2018-04-12 2018-04-12 머신 러닝을 이용한 지폐 일련번호 인식 장치 및 방법 KR102123910B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180042953A KR102123910B1 (ko) 2018-04-12 2018-04-12 머신 러닝을 이용한 지폐 일련번호 인식 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180042953A KR102123910B1 (ko) 2018-04-12 2018-04-12 머신 러닝을 이용한 지폐 일련번호 인식 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20190119469A KR20190119469A (ko) 2019-10-22
KR102123910B1 true KR102123910B1 (ko) 2020-06-18

Family

ID=68420205

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180042953A KR102123910B1 (ko) 2018-04-12 2018-04-12 머신 러닝을 이용한 지폐 일련번호 인식 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102123910B1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112948446A (zh) * 2019-11-26 2021-06-11 北京京东振世信息技术有限公司 一种匹配产品单据的方法和装置
CN111753913B (zh) * 2020-06-28 2023-08-01 中国银行股份有限公司 假币分类的方法及装置、电子设备及计算机可读存储介质
KR102544835B1 (ko) * 2020-08-05 2023-06-16 주식회사 카카오뱅크 신분증 검수 정보를 이용한 경량화된 신경망 학습 방법 및 서버
JP2023020027A (ja) * 2021-07-30 2023-02-09 株式会社Ｓｃｒｅｅｎホールディングス 画像処理方法および分類モデルの構築方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100714769B1 (ko) 2002-10-22 2007-05-04 노키아 코포레이션 서면 텍스트로부터의 조정가능 신경망 기반 언어 식별
KR100718728B1 (ko) 2005-07-21 2007-05-16 주식회사 씨텍 지폐 권종 인식 방법 및 장치
KR100893613B1 (ko) * 2007-12-06 2009-04-20 주식회사 씨텍 지폐 및 바코드가 표시된 유가증권의 인식계수방법과 그장치

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100719608B1 (ko) * 2005-07-21 2007-05-17 주식회사 씨텍 지폐 일련번호 인식 방법 및 장치
KR101824099B1 (ko) 2015-04-24 2018-02-01 대한민국 지폐 위조 방지 시스템 및 위조지폐 경보 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100714769B1 (ko) 2002-10-22 2007-05-04 노키아 코포레이션 서면 텍스트로부터의 조정가능 신경망 기반 언어 식별
KR100718728B1 (ko) 2005-07-21 2007-05-16 주식회사 씨텍 지폐 권종 인식 방법 및 장치
KR100893613B1 (ko) * 2007-12-06 2009-04-20 주식회사 씨텍 지폐 및 바코드가 표시된 유가증권의 인식계수방법과 그장치

Also Published As

Publication number Publication date
KR20190119469A (ko) 2019-10-22

Similar Documents

Publication Publication Date Title
KR102123910B1 (ko) 머신 러닝을 이용한 지폐 일련번호 인식 장치 및 방법
US8737716B2 (en) Mobile communication device and method for identifying a counterfeit bill
KR101883425B1 (ko) 휴대 단말기를 이용하는 위폐 감별법
JP4932177B2 (ja) 硬貨分類装置および硬貨分類方法
JP5591578B2 (ja) 文字列認識装置および文字列認識方法
US7729536B2 (en) Boundary extracting method, program, and device using the same
JP6900164B2 (ja) 情報処理装置、情報処理方法及びプログラム
JP5372183B2 (ja) 硬貨分類装置および硬貨分類方法
JP2004213095A (ja) ビデオテキスト処理装置
WO2013076358A1 (en) Text detection using multi-layer connected components with histograms
CN106558143B (zh) 一种100元人民币拼接纸币的识别方法及装置
CN105184225B (zh) 一种多国纸币图像识别方法和装置
CN105654609A (zh) 纸币处理方法及系统
CN106204616B (zh) 一种伊朗纸币币值的识别方法及装置
CN108510639B (zh) 一种纸币鉴伪方法、装置、验钞机和存储介质
KR102094234B1 (ko) 지폐 일련번호 인식 장치 및 방법
CN106845469A (zh) 一种纸币识别方法及装置
Sawant et al. Currency recognition using image processing and minimum distance classifier technique
CN113379713A (zh) 证件图像的检测方法及其装置
CN108460775A (zh) 一种纸币真伪识别方法及装置
US20030210818A1 (en) Knowledge-based hierarchical method for detecting regions of interest
KR102394894B1 (ko) 딥러닝 기반 화폐 인식 장치 및 방법
KR100888674B1 (ko) 주파수영역을 이용한 지폐의 유사도 측정방법
CN109472279B (zh) 基于图像处理的物品识别方法和装置
CN108074321B (zh) 一种纸币的图像边界提取方法及装置

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