KR20070011866A - 지폐 권종 인식 방법 및 장치 - Google Patents

Abstract

본 발명은 지폐 계수기나 위폐 감별기에서 지폐의 권종을 인식하는 방법 및 장치에 관한 것이다.

본 발명에 따른 권종 인식 방법은, (a)도형과 문자를 포함한 지폐 이미지를 입력받아 권종의 특징을 나타내는 부분의 이미지를 추출하는 단계; (b)상기 특징 이미지를 소정의 픽셀 크기를 갖는 영역으로 할당하고 해당 영역내 각각의 정량화된 픽셀들의 값을 수치화하고 일련의 숫자열로 배열하여 입력 데이터를 생성하는 단계; (c)상기 입력 데이터와 지폐의 각 권종별로 구분된 복수의 기본 데이터 사이의 일치 정도를 제공하기 위해 상기 기본 데이터들에 대한 학습을 이미 마친 신경망(Neural Network)에 상기 입력 데이터를 입력하고 상기 기본 데이터에 의한 각 권종별 경우의 수에 따른 각각의 확률 값으로 결과를 출력하는 단계; 및 (d)상기 신경망에서 출력된 각각의 권종별 경우에 따른 확률 값들을 내림 차순으로 정렬하고 가장 높은 확률 값을 갖는 제 1순위 기본 데이터에 따른 경우를 선택하고 그에 상응하는 권종을 인식 데이터로 출력하는 단계;를 포함한다.

지폐, 권종, 신경망, 인식

Description

지폐 권종 인식 방법 및 장치{Method and apparatus for recognizing denomination of paper money}

본 명세서에 첨부되는 다음의 도면들은 본 발명의 바람직한 실시예를 예시하는 것이며, 후술하는 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석되어서는 아니된다.

도 1은 본 발명의 일 실시예에 따른 권종 인식 방법이 수행되는 과정을 도시하는 순서도이다.

도 2는 도 1에서 특징 이미지를 추출하는 과정을 화면과 함께 설명하기 위해 도시한 예시도이다.

도 3은 도 1에서 신경망 함수의 출력과 오류 판단의 관계를 도시하는 개념도이다.

도 4는 본 발명의 일 실시예에 따른 권종 인식 장치의 구성을 도시하는 개략적 구성도이다.

도 5는 본 발명의 다른 실시예에 따른 권종 인식 지폐 계수기의 구성을 도시하는 개략적 구성도이다.

<도면의 주요 참조부호에 대한 설명>

10...투입구 30...배출구

40...디스플레이부 50...스캔부

100...권종 인식 장치 110...전처리부

120...신경망 함수 처리부 130...오류 검출부

140...저장부 200...입력부

300...출력부

본 발명은 지폐의 권종 판별 방법 및 장치에 관한 것으로서, 보다 상세하게는 지폐 계수기나 위폐 판별기에서 지폐의 이미지를 이용하여 특징 이미지를 데이터화하고 계산 처리하여 권종을 인식하는 방법 및 장치에 관한 것이다.

지폐 계수기는 은행권 등에서 지폐의 수를 세기 위한 것으로서, 통상의 지폐 계수기는 단순히 지폐를 계수하기 위한 기능만을 구비하였으나, 최근에는 지폐의 진위와 권종을 판별하는 기능을 구비한 지폐 계수기가 제안되고 있다.

이러한, 종래의 권종 판별 기능을 구비한 지폐 계수기의 권종 인식 방법에는, 지폐의 크기나 색 등의 단편적인 특징만을 감지하여 권종을 인식하는 방법을 사용하였다. 또한, 보다 정밀한 권종 인식 방법으로는 지폐의 이미지를 스캔하여 기본 지폐 이미지와 비교 처리하여 두 이미지 사이의 유사도를 판별하는 방법을 사용하였다.

그러나, 종래의 권종 인식 방법은 크기나 색으로 권종을 인식하므로 보다 다양한 권종이나 유사한 권종의 판별에는 정확도가 떨어지는 문제점이 있으며, 지폐의 이미지를 그대로 비교하여 유사도를 판별하는 방법은 판별 시간이 오래 걸리고 훼손된 지폐나 스캔할 때의 지폐 이미지 상태에 따라 판별의 어려움이 발생하는 문제가 있다.

본 발명은 상기와 같은 문제점을 해결하기 위해 창안된 것으로서, 지폐의 권종을 인식할 때 수학적인 처리과정을 이용하여 판별 알고리즘을 구성해서 보다 빠르고 정밀하도록 권종 판별 처리 과정이 개선된 권종 인식 방법 및 장치를 제공하는 데 있다.

본 발명의 다른 목적은 지폐의 권종 판별시 권종 인식의 유효성을 판단할 수 있도록 방법을 개선한 권종 인식 방법 및 장치를 제공하는 데 있다.

상기와 같은 목적을 달성하기 위해 본 발명에 따른 지폐 권종 인식 방법은, (a)도형과 문자를 포함한 지폐 이미지를 입력받아 권종의 특징을 나타내는 부분의 이미지를 추출하는 단계; (b)상기 특징 이미지를 소정의 픽셀 크기를 갖는 영역으로 할당하고 해당 영역내 각각의 정량화된 픽셀들의 값을 수치화하고 일련의 숫자열로 배열하여 입력 데이터를 생성하는 단계; (c)상기 입력 데이터와 지폐의 각 권종별로 구분된 복수의 기본 데이터 사이의 일치 정도를 제공하기 위해 상기 기본 데이터들에 대한 학습을 이미 마친 신경망(Neural Network)에 상기 입력 데이터를 입력하고 상기 기본 데이터에 의한 각 권종별 경우의 수에 따른 각각의 확률 값으로 결과를 출력하는 단계; 및 (d)상기 신경망에서 출력된 각각의 권종별 경우에 따른 확률 값들을 내림 차순으로 정렬하고 가장 높은 확률 값을 갖는 제 1순위 기본 데이터에 따른 경우를 선택하고 그에 상응하는 권종을 인식 데이터로 출력하는 단계;를 포함한다.

바람직하게, 상기 단계 (d)에서 권종 인식의 유효성을 판단하기 위해 각각의 확률 값들 중에서 제 1순위 확률 값과 제 2순위 확률 값을 이용하여 오류 여부를 판단하고 오류 검출 데이터로 출력하는 단계를 더 포함한다.

상기 오류 여부 판단은 제 1순위 확률 값이 소정의 기준 값보다 적을 경우와, 제 1순위 확률 값이 소정의 기준 값보다 크더라도 제 2순위 확률 값과 비교하여 소정의 오차범위 내에 있을 경우는 오류로 인식하는 것이 바람직하다.

상기 복수의 기본 데이터는 해당 권종별로 앞면과 뒷면 그리고 정방향과 역방향의 조합으로 얻어지는 경우를 포함하는 것이 바람직하다.

나아가, 상기 할당된 영역의 이미지는 소정 범위의 블럭으로 나누어 해당 블럭의 픽셀 값을 평균하고 각 블럭의 평균값들을 이용하여 입력 데이터를 생성하는 것이 바람직하다.

부가적으로, 상기 이미지 추출 단계는 지폐 이미지 취득 단계, 상기 취득된 이미지의 외곽선을 추출하는 단계, 상기 이미지의 중심점을 기준으로 소정의 위치에 영역을 특징 이미지로 추출하는 단계로 이루어질 수 있다.

본 발명의 다른 측면에 따르면, 도형과 문자를 포함한 지폐 이미지를 입력받 아 권종의 특징을 나타내는 부분의 이미지를 추출하여 소정의 픽셀 크기를 갖는 영역으로 할당하고 해당 영역내 각각의 정량화된 픽셀들의 값을 수치화하고 일련의 숫자열로 배열하여 입력 데이터를 생성하는 전처리부; 상기 입력 데이터와 지폐의 각 권종별로 구분된 복수의 기본 데이터 사이의 일치 정도를 제공하기 위해 상기 기본 데이터들에 대한 학습을 이미 마친 신경망(Neural Network)에 상기 입력 데이터를 입력하고, 상기 기본 데이터에 의한 각 권종별 경우의 수에 따른 각각의 확률 값으로 결과를 출력하여, 각각의 권종별 경우에 따른 확률 값들을 내림 차순으로 정렬하고 가장 높은 확률 값을 갖는 제 1순위 기본 데이터에 따른 경우를 선택하고 그에 상응하는 권종을 인식 데이터로 출력하는 함수 처리부; 및 상기 입력 데이터를 저장하는 저장부;를 포함하는 권종 인식 장치가 제공된다.

권종 인식의 유효성을 판단하기 위해 상기 함수 처리부에서 출력된 각각의 확률 값들 중에서 제 1순위 확률 값과 제 2순위 확률 값을 이용하여 오류 여부를 판단하고 오류 검출 데이터를 출력하는 기능을 수행하는 오류 검출부를 더 포함하는 것이 바람직하다

본 발명의 또 다른 측면에 따르면, 지폐를 투입하는 투입구와, 투입된 지폐의 수를 세는 계수부와, 장치 밖으로 지폐가 배출 되는 배출구와, 계수된 지폐의 정보를 표시하는 디스플레이부로 이루어진 지폐 계수기에 있어서, 상기 투입구를 통하여 투입된 지폐의 이미지를 스캔하는 스캔부와, 상기 스캔부를 통해 지폐 이미지를 입력받아 권종의 특징을 나타내는 부분의 이미지를 추출하여 소정의 픽셀 크기를 갖는 영역으로 할당하고 해당 영역내 각각의 정량화된 픽셀들의 값을 수치화 하고 일련의 숫자열로 배열하여 입력 데이터를 생성하는 전처리부; 상기 입력 데이터와 지폐의 각 권종별로 구분된 복수의 기본 데이터 사이의 일치 정도를 제공하기 위해 상기 기본 데이터들에 대한 학습을 이미 마친 신경망(Neural Network)에 상기 입력 데이터를 입력하고, 상기 기본 데이터에 의한 각 권종별 경우의 수에 따른 각각의 확률 값으로 결과를 출력하여, 각각의 권종별 경우에 따른 확률 값들을 내림 차순으로 정렬하고 가장 높은 확률 값을 갖는 제 1순위 기본 데이터에 따른 경우를 선택하고 그에 상응하는 권종을 인식 데이터로 출력하는 함수 처리부; 및 상기 입력 데이터를 저장하는 저장부;를 포함하는 권종 인식 지폐 계수기가 제공된다.

본 발명의 또 다른 측면에 따르면, 지폐의 수를 세는 지폐 계수기나 위폐를 판별하는 위폐 판별기에서 지폐 권종을 인식하는 장치에 탑재되어 판독되는 기록매체에 있어서, 도형과 문자를 포함한 지폐 이미지를 입력받아 권종의 특징을 나타내는 부분의 이미지를 추출하는 절차와, 상기 특징 이미지를 소정의 픽셀 크기를 갖는 영역으로 할당하고 해당 영역내 각각의 정량화된 픽셀들의 값을 수치화하고 일련의 숫자열로 배열하여 입력 데이터를 생성하는 절차와, 상기 입력 데이터와 지폐의 각 권종별로 구분된 복수의 기본 데이터 사이의 일치 정도를 제공하기 위해 상기 기본 데이터들에 대한 학습을 이미 마친 신경망(Neural Network)에 상기 입력 데이터를 입력하고 상기 기본 데이터에 의한 각 권종별 경우의 수에 따른 각각의 확률 값으로 결과를 출력하는 절차 및 상기 신경망에서 출력된 각각의 권종별 경우에 따른 확률 값들을 내림 차순으로 정렬하고 가장 높은 확률 값을 갖는 제 1순위 기본 데이터에 따른 경우를 선택하고 그에 상응하는 권종을 인식 데이터로 출력하 는 절차를 실행할 수 있는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체가 제공된다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.

도 1은 본 발명의 일 실시예에 따른 권종 인식 방법이 수행되는 과정을 도시하는 순서도이다.

도 1을 참조하면, 본 발명의 일 실시예에 따른 지폐류의 권종 인식 방법은 지폐 이미지 입력 단계(S10)로 시작된다.

지폐 이미지 입력 단계(S10)에서는 도형, 문자, 색상, 무늬, 영상 등을 포함한 지폐를 영상 이미지 센서를 이용해 스캔(Scan)하여 생성된 지폐 이미지로 입력받는다. 여기서, 지폐는 은행권에 한정하지 않고 수표, 복권, 증권, 상품권 등이 해당 될 수 있다. 또한, 지폐를 스캔할 때 아날로그-디지털 컨버터(A/D Converter)에서 디지털 이미지로 변환하여 입력받을 수도 있다.

특징 이미지 추출 단계(S20)에서는 S10단계에서 취득된 이미지에서 지폐의 권종을 구분하는 특징 부분의 영역을 추출하는 과정이 수행된다. 도 2에서 특징 이미지 추출 단계(S20)의 진행 과정을 취득된 이미지를 예로 상세히 도시하였다. 도 2를 참조하면, 우선 S10단계에서 입력받은 지폐 이미지를 취득한다(단계 S21). 이때 지폐의 이미지뿐 아니라 지폐 이외의 부분 까지도 취득하게 된다. 이런 불필요한 부분의 이미지를 제거하기 위해 지폐의 외곽선을 추출하게 된다(단계 S22). 외곽선으로 둘러싸인 영역만을 사용할 수도 있고, 불필요한 처리를 더욱 줄이기 위해 지폐의 권종별 특징이 되는 부분만을 추출하여 사용할 수도 있다. 권종별 특징이 되는 부분의 위치를 파악하기 위하여 기준점으로 이용할 지폐 중심점을 계산한다(단계 S23). 이 중심점을 기준으로 방향과 거리를 계산하여 위치좌표를 계산하고 해당 위치의 영역을 추출한다(단계 S24). 이때, 특징이 되는 영역의 이미지는 한 부분이 될 수도 있고 그 이상의 복수의 영역을 사용할 수도 있다.

이렇게 추출된 특징 이미지를 후술할 함수에 대입시키기 위해 입력 데이터를 생성하는 단계(S30)를 진행한다. 상기 특징 이미지 영역 내의 모든 픽셀 값을 입력 데이터로 생성할 수도 있고, 상기 특징 이미지를 가공하여 입력 데이터를 생성할 수도 있다. 상기 특징 이미지 영역 내의 모든 픽셀 값을 입력 데이터로 생성할 때에는, 추출된 특징 이미지를 후술할 함수에 입력할 수 있도록 소정의 규격으로 픽셀 크기를 갖는 범위의 프레임에 할당한다. 할당된 프레임 내부에 포함된 각각의 픽셀들을 정량화하고 수치화하여 개별 픽셀들의 값으로 정의하고 그 픽셀들을 일련의 숫자열로 배열한다. 예로서, 정량화하고 수치화한 픽셀의 값으로는 그레이 스케 일(gray scale)로 표현된 0~255 사이의 값으로 정의한다. 또한, 상기 특징 이미지 영역의 가공은 프레임에 할당된 이미지를 소정 범위의 블럭으로 나누고 해당 블럭별로 각각의 픽셀 값들을 평균하는 가공 방법이 있고, 프레임 내의 이미지를 가로방향 또는 세로방향으로 픽셀 값을 평균하는 가공 방법이 있을 수 있다. 픽셀 값을 평균하여 입력 데이터를 생성하면 데이터의 양을 줄일 수 있고, 픽셀 값을 그대로 사용하여 입력 데이터를 생성하면 보다 정밀한 데이터를 생성할 수 있다. 상기와 같이 특징 이미지에서 일련의 숫자열로 배열된 입력 데이터를 생성하게 된다.

신경망(Neural Network) 함수 적용 단계(S40)에서는 S30단계로 얻어진 입력 데이터를 신경망 함수에 대입하는 과정이 진행된다. 상기 신경망은 문자 인식이나 패턴 인식 또는 인공 지능에 사용되는 공지의 기술로 상세한 설명은 생략하기로 한다. 우선, 지폐 권종 판별의 기준이 될 각 권종별 앞면과 뒷면, 정방향과 역방향의 모든 경우를 조합하여 준비된 이미지를 상기 단계S20 과 단계S30의 과정을 거쳐서 각각의 경우에 해당하는 기본 데이터를 생성한다. 상기 신경망은 상기 기본 데이터들을 학습하여 미리 준비한다. 상기 신경망의 학습에는 역전파(Backpropagation) 알고리즘이나 볼츠만 머신 학습법 또는 시뮬레이티드아닐링 학습법 등을 이용할 수 있다. 이렇게 이미 학습된 신경망 함수에 상기 입력 데이터를 대입하면 모든 경우의 기본 데이터에 따른 각각의 경우에 해당하는 확률 값이 출력된다.

단계 S50은 오류가 없거나 오류 검출기능을 부과하지 않았을 시에 단계 S40에서 출력된 확률 값들 중에 제 1순위 확률 값에 해당하는 경우에 따른 권종을 출력하는 과정이 진행된다.

단계 S60은 단계 S40에서 출력된 확률 값에 의해 권종을 인식할 때의 유효성을 판단하는 과정이 진행된다. 유효성 판단 결과 권종 인식을 신뢰하지 못하는 수준이면 오류신호를 출력하는 과정이 진행된다. 유효성을 판단하여 오류를 검출하는 과정이 도 3에 개략적으로 도시되어 있다. 도 3을 참조하면, 입력 데이터가 신경망 함수에 입력되고 각 권종별 경우에 따른 확률 값들이 출력된다. 이때, 각각의 확률 값들은 내림 차순으로 정렬되어 제 1순위 확률 값과 제 2순위 확률 값이 유효성 판단의 대상이 된다. 우선, 제 1순위 확률 값이 일정 기준의 확률 값 이상이 되지 않을 시에는 권종 인식 오류로 판정한다. 제 1순위 확률 값이 일정 기준의 값 이상일 때에는 다음으로 제 2순위 확률 값과 상기 제 1순위 확률 값을 비교한다. 두 확률 값 사이의 오차가 일정 범위 내에 속하는 경우는 각각의 확률 값에 따른 권종 인식을 신뢰할 수 없어 오류로 판정한다. 제 1순위 확률 값이 일정 기준의 값을 상회하고 제 2순위 확률 값과의 오차도 일정 범위 밖으로 차이가 있다면 권종 인식을 신뢰할 수 있다고 판단한다. 상기 일정 기준 확률 값과 상기 두 확률 값의 오차 범위는 소정의 값으로 미리 정하게 된다. 상기 기준 확률 값과 상기 오차 범위는 권종 인식률과 판단 유효성에 관계된다. 상기 오차 범위를 줄이면 권종 인식 정밀도가 상승하고 범위를 늘이면 오류 검출량이 감소한다. 상기 유효성 판단 결과 오류로 판정되면 오류 검출 데이터를 출력한다.

도 4는 본 발명의 일 실시예에 따른 권종 인식 장치의 구성이 개략적으로 도시되어 있다.

도 4를 참조하면, 본 발명의 일 실시예에 따른 권종 인식 장치(100)는 입력 부(200)에서 지폐 이미지를 입력받아 이미지를 가공하는 전처리부(110)와, 상기 가공된 데이터를 신경망에 적용하는 신경망 함수 처리부(120)와, 권종 판별의 오류를 검출하는 오류 검출부(130)와, 상기 가공된 데이터를 저장하는 저장부(140)를 포함한다.

권종 인식 장치(100)는 입력부(200)에서 지폐 이미지를 입력받아 권종을 판별하여 출력부(300)로 권종 인식 데이터와 오류 검출 신호를 출력한다.

전처리부(110)는 입력부(200)로부터 스캔된 지폐 이미지를 취득하여 지폐 외곽선을 추출하고 지폐의 중심점을 계산하여 중심점을 기준으로 권종별 지폐의 특징이 되는 부분의 이미지를 추출하고 해당 이미지의 각 픽셀 값들을 입력 데이터로 생성하여 저장부(140)에 저장하는 기능을 수행한다.

신경망 함수 처리부(120)는 상기 입력 데이터를 각각의 경우에 따른 권종별 기본 데이터로 이미 학습을 마친 신경망 함수에 대입하여 각각의 권종별 기본 데이터에 해당하는 확률 값으로 출력하고 각각의 확률 값들을 내림 차순으로 정렬한다. 출력부(300)로는 제 1순위 확률 값에 해당하는 기본 데이터의 권종을 출력하게 된다.

오류 검출부(130)는 신경망 함수 처리부(120)로부터 내림 차순으로 정렬된 각각의 경우에 따른 확률 값들을 입력받아 확률 값들의 오차를 계산하여 유효성을 판단하고 오류 검출 신호를 출력부(300)로 출력하는 기능을 수행한다.

본 발명에 따른 권종 인식 장치의 작동 과정을 살펴보면, 전처리부(110)는 입력부(200)로부터 지폐 이미지를 전송받아 디지털 이미지로 변환하고 특정 부분의 이미지를 추출한다. 추출된 특정 이미지의 픽셀 값으로 입력 데이터를 생성하고 저장부(140)에 저장한다. 신경망 함수 처리부(120)에서는 저장부(140)에 저장된 입력 데이터를 읽어들여 신경망 함수에 입력하고 출력된 함수 값들은 내림 차순으로 정렬한 뒤 오류 검출부(130)로 보내져 유효성을 판단한 후, 유효한 경우에는 출력부(300)로 상기 함수 값에 해당하는 권종을 인식 데이터로 전송한다. 또한, 오류 검출부(130)에서 유효성 판단 결과 오류로 판정되면, 출력부(300)로 권종 인식 오류 신호를 전송한다.

도 5는 본 발명의 다른 실시예에 따른 권종 인식 지폐 계수기의 구성을 도시하는 개략적 구성도이다.

도 5를 참조하면, 본 발명의 다른 실시예에 따른 권종 인식 지폐 계수기는, 지폐를 투입하는 투입구(10)와, 지폐를 계수하는 계수부(미도시)와, 계수된 지폐가 배출되는 배출구(30)와, 계수된 지폐의 정보를 표시하는 디스플레이부(40)와, 투입된 지폐의 이미지를 스캔하는 스캔부(50)와, 지폐의 권종을 인식하는 권종 인식부(미도시)를 포함한다.

지폐 투입구(10)는 복수의 지폐들로 구성된 지폐 다발을 수용할 수 있는 형태로 이루어져 있다.

계수부는 상기 지폐 다발의 지폐 개수를 계수한다. 상기 계수부는 후술할 스캔부(50)에서 지폐 이미지를 스캔함과 동시에 지폐의 개수를 카운트한다.

배출구(30)는 상기 계수된 지폐가 낱장으로 배출되어 쌓이는 받침함 형태로 이루어진다.

디스플레이부(40)는 지폐의 권종과 계수된 수치 정보가 표시되는 디스플레이 창이다.

스캔부(50)는 지폐의 이미지를 스캔하는 영상 이미지 센서로 이루어진다.

권종 인식부는 상기 스캔부(50)가 설치된 기판상에 위치하며, 상기 스캔부(50)에서 추출된 이미지를 이용하여 권종을 인식하는 기능을 수행한다. 권종 인식부는 신경망 함수를 이용하여 권종을 인식하는 함수 처리부와, 상기 함수 처리부에 입력하기 위한 상기 스캔부(50)로부터 추출된 이미지를 가공하여 입력 데이터를 생성하는 전처리부와, 상기 입력 데이터를 저장하기 위한 저장부를 포함한다.

본 발명에 따른 권종 인식 지폐 계수기의 작동 과정을 살펴보면, 투입구(10)를 통해 지폐 다발이 삽입되면, 스캔부(50)에서는 지폐의 이미지를 추출한다. 추출된 지폐 이미지는 권종 인식부로 전송되고 스캔부(50)를 지나간 지폐는 계수부로 이동된다. 상기 전송된 지폐 이미지는 상기 권종 인식부에서 권종이 판별되고 해당 지폐의 권종 정보는 디스플레이부(40)로 전송한다. 상기 계수부로 이동된 지폐는 연속으로 카운트됨과 동시에 배출구(30)로 배출되어 다시 다발로 쌓이게 된다. 이때 카운트 되는 정보는 디스플레이부(40)로 전송된다. 이렇게 권종 인식부와 계수부에서 전송된 정보는 디스플레이부(40)에서 사용자가 확인할 수 있는 정보로 변환되어 표시하게 된다.

이상에서 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 이것에 의해 한정되지 않으며 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 본 발명의 기술사상과 아래에 기재될 특허청구범위의 균등범위 내 에서 다양한 수정 및 변형이 가능함은 물론이다.

본 발명에 따르면, 지폐 이미지를 입력받아 가공한 후 권종을 인식하는 방법에 함수를 사용함으로써, 입력과 동시에 출력 값으로 권종을 인식할 수 있도록 하여 보다 빠르게 권종 판별 계산을 수행할 수 있는 효과를 제공한다.

또한, 권종 인식 과정에서 함수의 출력 값들을 비교하여 권종 인식의 유효성을 판정하고 오류를 체크하여 권종 인식의 신뢰성을 높일 수 있는 효과를 제공한다.

Claims (11)

1. (a)도형과 문자를 포함한 지폐 이미지를 입력받아 권종의 특징을 나타내는 부분의 이미지를 추출하는 단계;

   (b)상기 특징 이미지를 소정의 픽셀 크기를 갖는 영역으로 할당하고 해당 영역내 각각의 정량화된 픽셀들의 값을 수치화하고 일련의 숫자열로 배열하여 입력 데이터를 생성하는 단계;

   (c)상기 입력 데이터와 지폐의 각 권종별로 구분된 복수의 기본 데이터 사이의 일치 정도를 제공하기 위해 상기 기본 데이터들에 대한 학습을 이미 마친 신경망(Neural Network)에 상기 입력 데이터를 입력하고 상기 기본 데이터에 의한 각 권종별 경우의 수에 따른 각각의 확률 값으로 결과를 출력하는 단계; 및

   (d)상기 신경망에서 출력된 각각의 권종별 경우에 따른 확률 값들을 내림 차순으로 정렬하고 가장 높은 확률 값을 갖는 제 1순위 기본 데이터에 따른 경우를 선택하고 그에 상응하는 권종을 인식 데이터로 출력하는 단계;

   를 포함하는 지폐 권종 인식 방법.
2. 제 1항에 있어서,

   상기 단계 (d)에서 권종 인식의 유효성을 판단하기 위해 각각의 확률 값들 중에서 제 1순위 확률 값과 제 2순위 확률 값을 이용하여 오류 여부를 판단하고 오류 검출 데이터로 출력하는 단계;를 더 포함하는 것을 특징으로 하는 지폐 권종 인 식 방법.
3. 제 2항에 있어서,

   상기 오류 여부 판단은 제 1순위 확률 값이 소정의 기준 값보다 적을 경우와, 제 1순위 확률 값이 소정의 기준 값보다 크더라도 제 2순위 확률 값과 비교하여 소정의 오차범위 내에 있을 경우는 오류로 인식하는 판단인 것을 특징으로 하는 지폐 권종 인식 방법.
4. 제 1항에 있어서,

   상기 단계(c)에서 복수의 기본 데이터는 해당 권종별로 앞면과 뒷면 그리고 정방향과 역방향의 조합으로 얻어지는 경우를 포함하는 것을 특징으로 하는 지폐 권종 인식 방법.
5. 제 1항에 있어서, 상기 단계(b)에 있어서,

   상기 할당된 영역의 이미지는 소정 범위의 블럭으로 나누어 해당 블럭의 픽셀 값을 평균하고 각 블럭의 평균값들을 이용하여 입력 데이터를 생성하는 것을 특징으로 하는 지폐 권종 인식 방법.
6. 제 1항에 있어서,

   상기 단계(a)는 지폐 이미지 취득 단계, 상기 취득된 이미지의 외곽선을 추 출하는 단계, 상기 이미지의 중심점을 기준으로 소정의 위치에 영역을 특징 이미지로 추출하는 단계로 이루어진 것을 특징으로 하는 지폐 권종 인식 방법.
7. 도형과 문자를 포함한 지폐 이미지를 입력받아 권종의 특징을 나타내는 부분의 이미지를 추출하여 소정의 픽셀 크기를 갖는 영역으로 할당하고 해당 영역내 각각의 정량화된 픽셀들의 값을 수치화하고 일련의 숫자열로 배열하여 입력 데이터를 생성하는 전처리부;

   상기 입력 데이터와 지폐의 각 권종별로 구분된 복수의 기본 데이터 사이의 일치 정도를 제공하기 위해 상기 기본 데이터들에 대한 학습을 이미 마친 신경망(Neural Network)에 상기 입력 데이터를 입력하고, 상기 기본 데이터에 의한 각 권종별 경우의 수에 따른 각각의 확률 값으로 결과를 출력하여, 각각의 권종별 경우에 따른 확률 값들을 내림 차순으로 정렬하고 가장 높은 확률 값을 갖는 제 1순위 기본 데이터에 따른 경우를 선택하고 그에 상응하는 권종을 인식 데이터로 출력하는 함수 처리부; 및

   상기 입력 데이터를 저장하는 저장부;를 포함하는 지폐 권종 인식 장치.
8. 제 7항에 있어서,

   권종 인식의 유효성을 판단하기 위해 상기 함수 처리부에서 출력된 각각의 확률 값들 중에서 제 1순위 확률 값과 제 2순위 확률 값을 이용하여 오류 여부를 판단하고 오류 검출 데이터를 출력하는 기능을 수행하는 오류 검출부를 더 포함하 는 지폐 권종 인식 장치.
9. 제 8항에 있어서,

   상기 오류 검출부의 오류 여부 판단은 제 1순위 확률 값이 소정의 기준 값보다 적을 경우와, 제 1순위 확률 값이 소정의 기준 값보다 크더라도 제 2순위 확률 값과 비교하여 소정의 오차범위 내에 있을 경우는 오류로 인식하는 판단인 것을 특징으로 하는 지폐 권종 인식 장치.
10. 지폐를 투입하는 투입구와, 투입된 지폐의 수를 세는 계수부와, 장치 밖으로 지폐가 배출 되는 배출구와, 계수된 지폐의 정보를 표시하는 디스플레이부로 이루어진 지폐 계수기에 있어서,

    상기 투입구를 통하여 투입된 지폐의 이미지를 스캔하는 스캔부와,

    상기 스캔부를 통해 지폐 이미지를 입력받아 권종의 특징을 나타내는 부분의 이미지를 추출하여 소정의 픽셀 크기를 갖는 영역으로 할당하고 해당 영역내 각각의 정량화된 픽셀들의 값을 수치화하고 일련의 숫자열로 배열하여 입력 데이터를 생성하는 전처리부;

    상기 입력 데이터와 지폐의 각 권종별로 구분된 복수의 기본 데이터 사이의 일치 정도를 제공하기 위해 상기 기본 데이터들에 대한 학습을 이미 마친 신경망(Neural Network)에 상기 입력 데이터를 입력하고, 상기 기본 데이터에 의한 각 권종별 경우의 수에 따른 각각의 확률 값으로 결과를 출력하여, 각각의 권종별 경우 에 따른 확률 값들을 내림 차순으로 정렬하고 가장 높은 확률 값을 갖는 제 1순위 기본 데이터에 따른 경우를 선택하고 그에 상응하는 권종을 인식 데이터로 출력하는 함수 처리부; 및

    상기 입력 데이터를 저장하는 저장부;를 포함하는 권종 인식 지폐 계수기.
11. 지폐의 수를 세는 지폐 계수기나 위폐를 판별하는 위폐 판별기에서 지폐 권종을 인식하는 장치에 탑재되어 판독되는 기록매체에 있어서,

    도형과 문자를 포함한 지폐 이미지를 입력받아 권종의 특징을 나타내는 부분의 이미지를 추출하는 절차와,

    상기 특징 이미지를 소정의 픽셀 크기를 갖는 영역으로 할당하고 해당 영역내 각각의 정량화된 픽셀들의 값을 수치화하고 일련의 숫자열로 배열하여 입력 데이터를 생성하는 절차와,

    상기 입력 데이터와 지폐의 각 권종별로 구분된 복수의 기본 데이터 사이의 일치 정도를 제공하기 위해 상기 기본 데이터들에 대한 학습을 이미 마친 신경망(Neural Network)에 상기 입력 데이터를 입력하고 상기 기본 데이터에 의한 각 권종별 경우의 수에 따른 각각의 확률 값으로 결과를 출력하는 절차 및

    상기 신경망에서 출력된 각각의 권종별 경우에 따른 확률 값들을 내림 차순으로 정렬하고 가장 높은 확률 값을 갖는 제 1순위 기본 데이터에 따른 경우를 선택하고 그에 상응하는 권종을 인식 데이터로 출력하는 절차를 실행할 수 있는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.

Images