KR20230157797A - 금융자동화기기의 자기잉크문자 인식 방법 - Google Patents

금융자동화기기의 자기잉크문자 인식 방법 Download PDF

Info

Publication number
KR20230157797A
KR20230157797A KR1020220057443A KR20220057443A KR20230157797A KR 20230157797 A KR20230157797 A KR 20230157797A KR 1020220057443 A KR1020220057443 A KR 1020220057443A KR 20220057443 A KR20220057443 A KR 20220057443A KR 20230157797 A KR20230157797 A KR 20230157797A
Authority
KR
South Korea
Prior art keywords
waveform
magnetic ink
character
check
character recognition
Prior art date
Application number
KR1020220057443A
Other languages
English (en)
Other versions
KR102639183B1 (ko
Inventor
김현수
Original Assignee
효성티앤에스 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 효성티앤에스 주식회사 filed Critical 효성티앤에스 주식회사
Priority to KR1020220057443A priority Critical patent/KR102639183B1/ko
Priority to US17/901,709 priority patent/US20230368554A1/en
Priority to EP23172369.3A priority patent/EP4276780A1/en
Publication of KR20230157797A publication Critical patent/KR20230157797A/ko
Application granted granted Critical
Publication of KR102639183B1 publication Critical patent/KR102639183B1/ko

Links

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D11/00—Devices accepting coins; Devices accepting, dispensing, sorting or counting valuable papers
    • G07D11/20—Controlling or monitoring the operation of devices; Data handling
    • G07D11/22—Means for sensing or detection
    • 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
    • G07D7/004—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 digital security elements, e.g. information coded on a magnetic thread or strip
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/0895—Weakly supervised learning, e.g. semi-supervised or self-supervised learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/10—Payment architectures specially adapted for electronic funds transfer [EFT] systems; specially adapted for home banking systems
    • G06Q20/108—Remote banking, e.g. home banking
    • G06Q20/1085—Remote banking, e.g. home banking involving automatic teller machines [ATMs]
    • 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
    • G06V30/14—Image acquisition
    • 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
    • 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
    • G06V30/18019—Detecting partial patterns, e.g. edges or contours, or configurations, e.g. loops, corners, strokes or intersections by matching or filtering
    • G06V30/18038—Biologically-inspired filters, e.g. difference of Gaussians [DoG], Gabor filters
    • G06V30/18048—Biologically-inspired filters, e.g. difference of Gaussians [DoG], Gabor filters with interaction between the responses of different filters, e.g. cortical complex cells
    • G06V30/18057—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • 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
    • G06V30/22—Character recognition characterised by the type of writing
    • G06V30/224—Character recognition characterised by the type of writing of printed characters having additional code marks or containing code marks
    • G06V30/2253—Recognition of characters printed with magnetic 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
    • G07D7/04—Testing magnetic properties of the materials thereof, e.g. by detection of magnetic imprint
    • 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
    • G07D7/20—Testing patterns thereon
    • G07D7/2016—Testing patterns thereon using feature extraction, e.g. segmentation, edge detection or Hough-transformation
    • 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
    • G07D7/20—Testing patterns thereon
    • G07D7/202—Testing patterns thereon using pattern matching
    • 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
    • G07D7/20—Testing patterns thereon
    • G07D7/202—Testing patterns thereon using pattern matching
    • G07D7/206—Matching template patterns
    • 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
    • G07D7/20—Testing patterns thereon
    • G07D7/2075—Setting acceptance levels or parameters
    • G07D7/2083—Learning
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F19/00—Complete banking systems; Coded card-freed arrangements adapted for dispensing or receiving monies or the like and posting such transactions to existing accounts, e.g. automatic teller machines
    • G07F19/20—Automatic teller machines [ATMs]
    • G07F19/201—Accessories of ATMs

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Accounting & Taxation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Finance (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Chemical & Material Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Computer Security & Cryptography (AREA)
  • Inspection Of Paper Currency And Valuable Securities (AREA)
  • Character Input (AREA)

Abstract

본 발명은 금융자동화기기의 자기잉크문자 인식 방법에 관한 것으로, 보다 상세하게는 지폐와 수표를 함께 취급하는 금융자동화기기에서, 기기에 투입되는 수표에 인쇄된 자기잉크문자를 판독하는 과정에서, 감별부에 구비되는 컨택 이미지 센서(CIS)를 통해 획득된 이미지에 기반한 광학 문자 인식(OCR) 결과와, 지폐의 진위 여부 판별을 위해 구비되는 MR 센서를 통해 획득되는 자기잉크문자의 문자별 파형에 대한 비교 검증을 통해 수표에 인쇄된 자기잉크문자를 정확하게 판독할 수 있도록 구현함으로써, 통상의 금융자동화기기에서 수표에 인쇄된 자기잉크문자의 판독을 위해 감별부에 구비되는 고해상도의 MICR 센서 없이, 수표에 인쇄된 자기잉크문자를 정확하게 인식할 수 있도록 지원하여 감별부의 구조를 간소화하는 동시에, 금융자동화기기의 제조 단가를 효과적으로 절감할 수 있는 금융자동화기기의 자기잉크문자 인식 방법에 관한 것이다.

Description

금융자동화기기의 자기잉크문자 인식 방법{Method of recognizing magnetic ink characters in ATM}
본 발명은 금융자동화기기의 자기잉크문자 인식 방법에 관한 것으로, 보다 상세하게는 지폐와 수표를 함께 취급하는 금융자동화기기에서, 기기에 투입되는 수표에 인쇄된 자기잉크문자를 판독하는 과정에서, 감별부에 구비되는 컨택 이미지 센서(CIS)를 통해 획득된 이미지에 기반한 광학 문자 인식(OCR) 결과와, 지폐의 진위 여부 판별을 위해 구비되는 MR 센서를 통해 획득되는 자기잉크문자의 문자별 파형에 대한 비교 검증을 통해 수표에 인쇄된 자기잉크문자를 정확하게 판독할 수 있도록 구현함으로써, 통상의 금융자동화기기에서 수표에 인쇄된 자기잉크문자의 판독을 위해 감별부에 구비되는 고해상도의 MICR 센서 없이, 수표에 인쇄된 자기잉크문자를 정확하게 인식할 수 있도록 지원하여 감별부의 구조를 간소화하는 동시에, 금융자동화기기의 제조 단가를 효과적으로 절감할 수 있는 금융자동화기기의 자기잉크문자 인식 방법에 관한 것이다.
금융기관은 지점 내/외부 또는 상가 지역 등에 금융자동화기기(Automatic Teller Machine, ATM)를 설치하여 고객이 시간과 장소에 구애받지 않고 다양한 금융 거래를 처리할 수 있도록 지원하고 있는데, 이러한 금융자동화기기는 현금 입ㆍ출금, 송금 및 공과금 납부 등과 같은 금융 서비스를 제공할 뿐만 아니라, 경우에 따라 수표 입ㆍ출금 기능도 함께 제공하고 있다.
이를 위해, 금융자동화기기에는, 금융자동화기기로 입ㆍ출금되는 수표 및 지폐의 권종, 진위 여부, 훼손 여부 등을 감별하기 위한 감별부가 존재하게 되는데, 이러한 감별부에는 지폐의 이미지 획득을 위한 컨택 이미지 센서, 지폐의 이매 이송 여부를 확인하기 위한 두께 감지 센서 및/또는 초음파 센서, 지폐의 진위 판별을 위한 MR 센서 등이 구비되어, 금융자동화기기로 투입된 지폐를 감별하도록 구성된다.
또한 최근에는 앞서 설명한 바와 같이, 지폐와 수표를 동시에 취급하는 금융자동화기기가 도입됨에 따라, 수표의 감별을 위한 다양한 센서 모듈이 탑재되는데, 수표의 감별을 위해서는 상술한 바와 같이 컨택 이미지 센서를 통한 이미지 획득 등의 동작이 정확하게 수행됨과 함께, 수표의 일측에 인쇄된 자기잉크문자(Magnetic Ink Character)를 정확하게 인식하는 것이 매우 중요하다.
그에 따라, 종래에는 한국등록특허 제10-1112445호 등에서와 같이, 수표 표면에 인쇄된 자기잉크를 자화하고, 자화된 자기잉크의 정보를 인식하도록 구성되어 고해상도의 자기센서값(파형)을 도출하는 MICR 센서(Magnetic Ink Character Recognition sensor, 자기잉크문자 인식 센서)를 감별부에 탑재하여, 투입되는 수표에 인쇄된 자기잉크문자를 정확하게 판독하도록 지원하고 있다.
1. 한국등록특허공보 제10-1112445호 "수표 인식 장치 및 방법" (등록일 : 2012. 1. 30.)
본 발명은 앞서 설명한 바와 같이, 지폐와 수표를 함께 취급하는 금융자동화기기에 구비되는 감별부의 구성을 보다 효과적으로 간소화하기 위해 안출된 것으로서, 감별부에 구비되는 컨택 이미지 센서를 통해 획득된 이미지에 기반한 광학 문자 인식 결과와, 지폐의 진위 여부 판별을 위해 구비되는 MR 센서를 통해 획득되는 자기잉크문자의 문자별 파형에 대한 비교 검증을 통해 수표에 인쇄된 자기잉크문자를 정확하게 판독할 수 있도록 구현함으로써, 통상의 금융자동화기기에서 수표에 인쇄된 자기잉크문자의 판독을 위해 감별부에 구비되는 고해상도의 MICR 센서 없이, 수표에 인쇄된 자기잉크문자를 정확하게 인식할 수 있도록 지원하여 감별부의 구조를 간소화하는 동시에, 금융자동화기기의 제조 단가를 효과적으로 절감하는 데 그 목적이 있다.
상기한 목적을 달성하기 위해 본 발명에서는, 지폐와 수표를 함께 취급하는 금융자동화기기에서, 금융자동화기기에 투입된 수표에 인쇄된 자기잉크문자를 인식하는 방법에 있어서, 지폐의 이미지 획득을 위해 금융자동화기기의 감별부에 구비되는 컨택 이미지 센서(Contact Image Sensor)를 통해 획득되는 수표 이미지와, 지폐의 진위여부 판별을 위해 금융자동화기기의 감별부에 구비되는 MR 센서로부터 획득되는 자기잉크문자의 문자별 파형을 기반으로 금융자동화기기의 마이크로 프로세서에 탑재된 파형 판별 알고리즘을 적용하여 자기잉크문자 인식 결과를 도출하도록 구성되되, 상기 컨택 이미지 센서를 통해 수표의 이미지를 획득하고, 획득된 수표 이미지에 대한 광학 문자 인식(Optical Character Recognition) 판독 처리를 수행하여 도출된 OCR 판독 결과와, 상기 문자별 파형을 상기 파형 판별 알고리즘에 적용하여 도출된 파형 판별 결과를 비교 검증함으로써 수표의 일측에 인쇄되는 자기잉크문자를 인식하도록 구성되는 것을 특징으로 하는 금융자동화기기의 자기잉크문자 인식 방법을 제공한다.
본 발명에 따른 자기잉크문자 인식 방법은, 수표에 인쇄된 자기잉크문자를 인식함에 있어서, 통상 지폐의 감별을 위해 감별부에 구비되는 MR 센서와 컨택 이미지 센서를 병용하여, 컨택 이미지 센서를 통해 획득된 수표 이미지에 기반한 광학 문자 인식(OCR) 결과와, MR 센서를 통해 획득되는 자기잉크문자의 문자별 파형에 대한 비교 검증을 수행하여 수표에 인쇄된 자기잉크문자를 판독함으로써, 통상의 금융자동화기기에서 수표에 인쇄된 자기잉크문자의 판독을 위해 감별부에 구비되는 고해상도의 MICR 센서 없이도, 수표에 인쇄된 자기잉크문자를 정확하게 인식하여, 수표 감별 결과의 신뢰도를 유지하는 장점이 있다.
또한, 본 발명에 따른 자기잉크문자 인식 방법이 적용되는 금융자동화기기는, 감별부의 구성에서, 헤드부와 자화부 등을 비롯한 다양한 요소로 이루어지는 MICR 센서 구성을 제외하여, 감별부의 구성을 간소화함에 따라 ATM 제조 단가를 절감하는 효과가 있다.
도 1은 자기잉크문자가 인쇄된 수표의 이미지를 예시적으로 보여주는 도면이다.
도 2는 종래의 MICR 센서를 통해 획득되는 자기잉크문자의 문자별 파형을 예로써 보여주는 도면이다.
도 3은 본 발명의 일실시예에 따라 수표에 인쇄되는 자기잉크문자를 유사 파형별로 그룹핑한 사례를 보여주는 도면이다.
도 4는 본 발명의 일실시예에 따른 자기잉크문자 인식 방법을 설명하기 위한 순서도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다.
그러나, 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 제1, 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다.
본 출원에 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 도면을 참고하여 본 발명의 실시예에 대하여 상세히 설명하지만, 본 발명은 그 요지를 이탈하지 않는 한 이하의 실시예에 한정되지 않는다.
도 1은 자기잉크문자가 인쇄된 수표의 이미지를 예시적으로 보여주는 도면이다.
도 1에 도시된 바와 같이, 금융거래에서 통용되는 수표의 일측에는, 일련의 숫자와 특수문자로 이루어진 자기잉크문자(Magnetic Ink Characters)가 인쇄되어 구비되는데, 이러한 자기잉크문자는 자성을 갖는 잉크로 인쇄되어 금융자동화기기의 감별부에서 자기잉크문자를 인식함으로써, 수표의 고유 정보를 비롯하여 수표의 위ㆍ변조 여부 등과 같은 감별 정보를 함께 검출하도록 구성된다.
여기서, 금융자동화기기의 감별부에는, 앞서 설명한 바와 같이, 금융자동화기기로 입ㆍ출금되는 수표 및 지폐의 권종, 진위 여부, 훼손 여부 등을 감별하기 위해, 지폐의 이미지 획득을 위한 컨택 이미지 센서(Contact Image Sensor, CIS), 지폐의 이물질 부착 여부 또는 지폐의 이매이송 여부를 판별하기 위한 두께 감지 센서 및 지폐의 진위 여부를 판단하기 위한 MR 센서 등이 구비되어, 금융자동화기기로 투입된 지폐를 감별하도록 구성되는데, 이때, 지폐와 수표를 함께 취급하는 금융자동화기기에서는, 감별부에 고해상도의 자기센서값(파형)을 출력하는 MICR 센서(Magnetic Ink Character Recognition sensor, 자기잉크문자 인식 센서)가 추가로 탑재되어 자기잉크문자를 정확하게 인식하고 있다.
여기서, 감별부에 탑재되는 MICR 센서는, 자기잉크를 자화하고 자화된 자기잉크의 정보를 인식하여 고해상도의 자기센서값을 도출하며, 수표에 인쇄된 자기잉크문자의 각 문자별 파형을 고해상도로 출력하여 자기잉크문자를 구성하는 각각의 문자를 정확하게 판독할 수 있다.
그런데, 최근에는, 반도체 미세 공정 기술의 발전으로 컨택 이미지 센서의 해상도가 높아짐에 따라, 지폐의 진위 여부 판별을 위해 금융자동화기기의 감별부에 구비되던 컨택 이미지 센서를 활용하여 수표의 이미지를 획득하고, 이를 기반으로 수표에 인쇄된 자기잉크문자를 광학 문자 인식(OCR, Optical Character Recognition) 방식을 통해 판독함으로써, 별도의 MICR 센서 없이도, 수표에 인쇄된 자기잉크문자를 정확하게 판독할 수 있는 여건이 조성되고 있다.
다만, 컨택 이미지 센서만을 사용하여, 수표에 인쇄된 자기잉크문자를 광학 문자 인식(OCR) 방식으로 판독할 경우, OCR 방식에서는 결국 자기잉크문자를 구성하는 개별 문자의 형상만을 바탕으로 판독이 이루어짐에 따라, 문자열이 단순 복사되거나 또는 자기잉크가 아닌 일반 잉크로 인쇄된 위조 수표나, 혹은 자기잉크문자열을 구성하는 자성문자의 자성이 부분적으로 훼손된 수표 등을 정상 수표로 인식하여 처리하는 오류가 발생할 수 있으며, 그에 따라, 금융자동화기기의 수표 감별 결과에 대한 신뢰도가 저하될 우려가 존재한다.
이에 본 발명에서는, 컨택 이미지 센서를 통해 획득한 수표 이미지를 기반으로 광학 문자 인식 처리를 수행하여 도출된 OCR 판독 결과와, 종래의 금융자동화기기 감별부에서, 투입되는 지폐의 진위 여부 판별을 위해 구비되는 MR 센서를 통해 획득한 자기잉크문자의 문자별 파형을 비교 검증함으로써, 수표에 인쇄된 자기잉크문자를 정확하게 판독하는 방법을 제공하고자 한다.
도 2는 종래의 MICR 센서를 통해 획득되는 자기잉크문자의 문자별 파형을 예로써 보여주는 도면이고, 도 3은 본 발명의 일실시예에 따라 수표에 인쇄되는 자기잉크문자를 유사 파형별로 그룹핑한 사례를 보여주는 도면이다.
자기잉크문자는, 자성 재료를 함유한 특수 잉크(자기 잉크)로 수표의 표면 일측에 인쇄되고, 통상 자기잉크문자의 글꼴로는 국제표준화기구(ISO)의 국제 표준으로 제정된 E13B와 CMC7의 두 가지 양식이 가장 보편적으로 사용되고 있다.
상술한 도 2 및 도 3에서 설명되는 실시예에서는, E13B 글꼴이 적용된 자기잉크문자를 예로써 설명하고 있으나, 본 발명은 반드시 이에 제한되는 것은 아니며 CMC7 글꼴이 적용된 자기잉크문자를 인식함에 있어서도 유사한 방식으로 적용될 수 있음은 물론이다.
자기잉크문자의 글꼴 중 하나인 E13B는, 주로 북미와 한국을 비롯한 아시아 지역에서 주로 사용되는 글꼴로서, 도 2에서 E13B 글꼴의 문자별 파형을 보여주고 있는데, 이러한 E13B 글꼴은 "0"부터 "9"까지 10개의 숫자와 4개의 특수문자로 구성된다.
이때, 도 2에 도시되듯이, MICR 센서를 통해 획득되는 자기잉크문자의 각 문자별 파형은 파형 내 피크(Peak)의 개수, 피크의 위치 및 피크 간 간격 등과 같은 다양한 파형 인자에 따라 유사파형끼리 구분될 수 있는데, 이러한 문자별 파형을 유사파형끼리 분류하여 그룹핑한 결과는 도 3과 같다.
즉, 도 3에 도시된 바와 같이, 같은 그룹으로 분류된 각 문자의 파형을 자세히 살펴보면, 피크의 개수, 위치 및 피크 간 간격 등이 대체로 유사한 경향을 띠는 각 문자들이 서로 다른 5가지 유사파형 그룹으로 분류된 것을 확인할 수 있다.
이와 같이, 문자별 파형을 유사파형 그룹으로 구분하여 분류하는 이유는, 지폐의 진위 여부 판별을 위해 통상의 금융자동화기기 감별부에 구비되는 MR 센서의 상대적으로 낮은 해상도를 보완하기 위한 것으로서, 통상, 지폐의 진위여부 판별을 위해 감별부에 구비되는 MR 센서는, MICR 센서에 비해 해상도가 떨어져 수표에 인쇄되는 자기잉크문자를 판독함에 있어서, 도 2의 MICR 센서를 통해 획득되는 문자별 파형과 같이, 각 문자별로 정확한 파형을 추출하기에는 용이하지 않으나, 각 문자에서 확인되는 문자별 파형의 기본 유형 정도는 유사하게 확인할 수 있으므로, 본 발명에서는, MR 센서를 통해 획득되는 각 문자별 기본 파형을 서로 유사한 유형끼리 분류하여 복수개의 대표적인 유사파형으로 구분하고, 이를 통해 OCR 판독 결과와의 비교 검증에 적용하고 있다.
다시 말해서, 도 3에 도시된 바와 같이, 종래의 고해상도의 MICR 센서를 통해 획득되는 자기잉크문자의 문자별 파형을 통해 피크의 개수, 피크의 위치 및 피크 간 간격 등과 같은 파형 인자에 따른 유사파형을 그룹핑하면, 각각의 파형 그룹은, 해당 파형 그룹에 포함된 문자별 파형 간에 공통적으로 유사하게 나타나는 파형 특징이 존재하며, 이러한 파형 특징을 기반으로 각 문자를 그룹핑하는 방식을 MR 센서를 통해 획득한 문자별 파형에도 마찬가지로 적용하면, MICR 센서에 비해 상대적으로 낮은 해상도의 MR 센서로 취득되는 자기잉크문자의 각 문자별 파형 역시, 각각의 그룹 간에는 뚜렷한 차이가 존재하게 되어, 저해상도의 MR 센서로 자기잉크문자를 인식하여도 해당 문자의 파형이 어느 파형 그룹에 속하는지는 용이하게 판별할 수 있게 된다.
이와 같은 파형별 그룹핑 과정은, 각각의 파형에 나타나는 피크의 개수, 피크의 위치 및 피크 간 간격 등의 파형 인자에 따라, 예로써 도 3에 도시된 E13B 글꼴이 적용된 자기잉크문자와 같이, 5개의 파형 그룹으로 분류할 수 있으며, 본 실시예에서 구체적으로 예시하고 있지는 않으나, 10개의 숫자와 5개의 특수문자로 구성되어 유럽 지역에서 주로 사용되는 CMC7 글꼴이 적용된 자기잉크문자를 파형별로 그룹핑하는 과정에서도 유사한 방식이 적용될 수 있음은 물론이다.
즉, 본 명세서에서 MR 센서를 통해 자기잉크문자를 인식함에 있어서는, 먼저 MR 센서를 통해 자기잉크문자의 문자별 파형을 획득하고, 금융자동화기기의 마이크로 프로세서에서 해당 파형의 파형 인자를 기반으로, 획득된 파형이 어떤 파형 그룹에 속하는 지를 판별하는 과정을 통해 이루어지는데, 이를 위해 마이크로 프로세서에는 파형 판별 알고리즘이 탑재되어, MR 센서를 통해 획득되는 자기잉크문자의 문자별 파형을 통해 해당 파형이 어떤 파형 그룹에 속하는 파형인지를 판별하도록 구성된다.
다시 말해서, 파형 판별 알고리즘은, 금융자동화기기로 투입되어 감별부의 감별과정을 거치는 수표의 자기잉크문자를 MR 센서로 인식하여, 획득되는 각 문자별 파형을 기반으로 각 문자별 파형이 해당되는 파형 그룹을 판별하도록 구성되는데, 이와 같이, 파형 판별 알고리즘을 통해 이루어지는 파형 그룹의 판별 기준은, 다수의 정상수표를 통해 각 문자별로 획득되는 MR 센서의 문자별 파형 데이터에 기반한 반복적인 기계 학습 과정을 통해 설정될 수 있으며, 예로써, 본 실시예에 적용되는 파형 판별 알고리즘은, 나선형 신경망(Convolution Neural Network, CNN)을 이용하여 정상수표를 통해 각 문자별로 획득되는 MR 센서의 문자별 파형 데이터에 대한 반복적인 딥러닝 학습을 통해, 판독된 문자별 파형이 속하는 파형 그룹의 판별 기준을 설정하도록 구성하고 있다.
즉, 본 실시예에서는, 상술한 바와 같은 기계학습을 통해 설정된 판별기준을 적용하여 금융자동화기기의 마이크로 프로세서에 탑재된 파형 판별 알고리즘을 통해 금융자동화기기에 투입된 수표에 인쇄된 자기잉크문자를 인식하는 과정에서, MR 센서를 통해 획득된 자기잉크문자의 문자별 파형을 기반으로 해당 파형이 어떤 파형 그룹에 속하는 지를 판별하고, 그 결과를 수표 이미지의 OCR 판독 결과와 비교검증하여 자기잉크문자를 인식하도록 구성되는데, 이러한 자기잉크문자 인식 과정은 도 4를 통해 보다 상세히 설명하기로 한다.
또한, 본 발명에서는, 금융자동화기기의 마이크로 프로세서에 탑재된 파형 판별 알고리즘을 통해 이루어지는 파형별 그룹 판별 결과에 대한 정확도를 효과적으로 향상시키기 위해, 금융자동화기기의 운영 과정에서 얻어지는 자기잉크문자의 문자별 파형과, 해당 파형이 속하는 파형 그룹 등과 같은 데이터를 금융자동화기기의 데이터베이스에 저장하고, 이를 반복적으로 기계학습하는 자기학습(Self-supervised learning)을 수행하도록 구성하여, 파형 판별 알고리즘이 금융자동화기기의 운영과정에서 인식한 데이터에 의해 파형 판별의 정확도를 꾸준히 향상시킬 수 있도록 구성된다.
도 4는 본 발명의 일실시예에 따른 자기잉크문자 인식 방법을 나타내는 순서도이다.
금융자동화기기로 수표가 투입되면, 수표는 반송로를 따라 감별부로 반송되어 감별 과정을 거치게 되는데, 이러한 감별 과정에서 수표의 자기잉크문자를 인식함에 있어서는, 컨택 이미지 센서를 통한 자기잉크문자 인식 과정과 MR 센서를 통한 인식 과정이 함께 이루어지게 된다.
먼저, 컨택 이미지 센서를 통한 자기잉크문자 인식 과정은, 컨택 이미지 센서를 활용하여 해당 수표의 이미지를 획득(S100)한 후, 획득한 수표 이미지를 기반으로 금융자동화기기의 마이크로 프로세서에서 OCR 방식으로 자기잉크문자의 판독을 수행(S200)하여 수표에 인쇄된 자기잉크문자의 OCR 판독 결과를 도출한다.
한편, MR 센서를 통한 자기잉크문자 인식 과정에서는, 우선 수표에 인쇄된 자기잉크문자를 MR 센서로 인식하여, 자기잉크문자를 구성하는 개별 문자의 문자별 파형을 획득(S110)하고, 금융자동화기기의 마이크로 프로세서에서, 획득된 문자별 파형 정보를 기반으로 파형 판별 알고리즘을 적용하여 획득된 파형이 어떤 파형 그룹에 속하는지를 판별(S210)한다.
이어서, 자기잉크문자의 OCR 판독 결과와 파형 판별 알고리즘을 통해 판별된 각 문자별 파형 그룹의 매칭 여부를 판단(S300)하는 비교 검증과정을 거쳐, 수표에 인쇄된 자기잉크문자를 인식하도록 구성되는데, 이때에는, 컨택 이미지 센서를 통해 획득되는 수표의 이미지를 기반으로 금융자동화기기의 마이크로 프로세서에서 수행된 OCR 문자 판독 결과로 독출된 각 문자가, 파형 판별 알고리즘을 통해 판별된 해당 문자의 파형 그룹에 속하는지를 확인하며 이루어진다.
이때, OCR 문자 판독 결과로 독출된 각 문자가, 파형 판별 알고리즘을 통해 판별된 파형 그룹에 속하는 것으로 확인되면, OCR 판독이 제대로 이루어진 것으로 판단하여 OCR 판독 결과를 인정하고, 해당 수표를 정상 처리(S400)하도록 지원한다.
반면에, MR 센서로 판독된 문자별 파형이 없거나 또는 OCR 문자 판독 결과로 도출된 각 문자가 파형 판별 알고리즘을 통해 판별된 파형 그룹에 속하지 않는 경우, 해당 수표에 인쇄된 자기잉크문자열이 단순 복사되거나 또는 자기잉크가 아닌 일반 잉크로 인쇄된 위조 수표나, 혹은 자기잉크문자열을 구성하는 자성문자의 자성이 부분적으로 훼손된 수표로 판단하여 해당 수표를 부독(不讀) 처리(S410)하며, 금융자동화기기 외부로 반환하거나, 금융자동화기기에 별도로 구비된 지폐 카세트 내 보관하는 등의 후속 처리를 지원한다.
도 3을 참고하여 상술한 자기잉크문자 인식 과정의 구체적 예를 설명하면, 일측에 "82347"라는 자기잉크문자가 인쇄된 수표가 금융자동화기기로 투입되면, 해당 수표의 감별과정에서, 컨택 이미지 센서를 통해 획득된 이미지의 OCR 판독 결과로 "82347"이 도출되고, MR 센서를 통해 자기잉크문자를 인식하여 문자별 파형을 도출한 결과, 자기잉크문자를 구성하는 문자들 중 첫번째 문자가 그룹1에 해당하고, 두번째 문자는 그룹2, 세번째 문자는 그룹3, 네번째 문자는 그룹5, 마지막 문자는 그룹2에 해당한다는 결과가 도출되면, 금융자동화기기는 해당 수표의 OCR 문자 판독이 정상적으로 이루어졌다고 판단하고 OCR 판독 결과를 인정한다.
반면에, MR 센서값이 출력되지 않는 경우, 해당 수표의 자기잉크문자열이 단순 복사되거나 또는 자기잉크가 아닌 일반 잉크로 인쇄된 위조 수표인 것으로 판별하여 해당 수표의 자기잉크문자를 부독 처리한다.
또한, 자기잉크문자를 구성하는 문자들 중, 첫번째 문자 인식 결과가 그룹4에 해당하거나 마지막 문자가 그룹1에 해당한다는 결과가 도출되는 경우와 같이, OCR 판독 결과로 독출된 각 문자가 파형 판별 알고리즘을 통해 판별된 파형 그룹에 속하지 않을 경우에는, 해당 수표의 자기잉크문자 인식에 오류가 발생하였다고 판단하고, 앞서의 경우와 마찬가지로 부독처리 한다.
즉, 본 발명에 따른 자기잉크문자 인식 방법은, 감별부에 구비된 컨택 이미지 센서와 MR 센서를 함께 구동하여 수표의 이미지와 문자별 파형을 각각 획득하고, 수표 이미지에 대한 OCR 문자 판독을 수행하여 도출된 OCR 판독 결과와, 자기잉크문자의 문자별 파형을 파형 판별 알고리즘에 적용하여 판별된 각 문자별 파형 그룹을 매칭하는 비교 검증 과정을 통해, 수표에 인쇄된 자기잉크문자를 인식하도록 구성함으로써, 종래의 금융자동화기기에서 수표에 인쇄된 자기잉크문자의 판독을 위해 구비되던 고해상도의 MICR 센서 없이도, 수표의 자기잉크문자를 정확하게 인식하여 수표 감별 결과의 신뢰도를 유지할 수 있다.
이와 같은 구성을 통해, 본 발명에 따른 금융자동화기기의 자기잉크문자 인식 방법이 적용되는 금융자동화기기는, 지폐와 수표를 함께 취급하는 금융자동화기기에 있어서, 기기에 투입되는 수표에 인쇄된 자기잉크문자를 인식하는 과정에서, 컨택 이미지 센서를 통해 획득된 이미지에 기반한 광학 문자 인식 결과와, 지폐의 진위 여부 판별을 위해 구비되는 MR 센서를 통해 획득되는 자기잉크문자의 문자별 파형에 대한 비교 검증을 통해 수표에 인쇄된 자기잉크문자를 판독하도록 구성함으로써, 종래 금융자동화기기의 감별부에 구비되던 MICR 센서의 구성을 생략하여 감별부의 구조를 간소화하고, 금융자동화기기의 제조 단가를 효과적으로 절감하도록 지원한다.
이상에서 설명한 본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것은 아니며, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러가지 치환, 변형 및 변경이 가능하다는 것은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어 명백하다 할 것이다.

Claims (9)

  1. 지폐와 수표를 함께 취급하는 금융자동화기기에서,
    금융자동화기기에 투입된 수표에 인쇄된 자기잉크문자를 인식하는 방법에 있어서,
    지폐의 이미지 획득을 위해 금융자동화기기의 감별부에 구비되는 컨택 이미지 센서(Contact Image Sensor)를 통해 획득되는 수표 이미지와, 지폐의 진위여부 판별을 위해 금융자동화기기의 감별부에 구비되는 MR 센서로부터 획득되는 자기잉크문자의 문자별 파형을 기반으로 금융자동화기기의 마이크로 프로세서에 탑재된 파형 판별 알고리즘을 적용하여 자기잉크문자 인식 결과를 도출하도록 구성되되,
    상기 컨택 이미지 센서를 통해 수표의 이미지를 획득하고, 획득된 수표 이미지에 대한 광학 문자 인식(Optical Character Recognition) 판독 처리를 수행하여 도출된 OCR 판독 결과와, 상기 문자별 파형을 상기 파형 판별 알고리즘에 적용하여 도출된 파형 판별 결과를 비교 검증함으로써 수표의 일측에 인쇄되는 자기잉크문자를 인식하도록 구성되는 것을 특징으로 하는 금융자동화기기의 자기잉크문자 인식 방법.
  2. 제 1항에 있어서,
    상기 파형 판별 알고리즘은,
    상기 자기잉크문자를 MR 센서로 인식하여, 획득되는 각 문자별 파형을 기반으로, 사전 설정된 파형 그룹의 판별 기준에 따라 각 문자별 파형이 해당되는 파형 그룹을 판별하도록 구성되는 것을 특징으로 하는 금융자동화기기의 자기잉크문자 인식 방법.
  3. 제 2항에 있어서,
    상기 파형 그룹의 판별 기준은,
    자기잉크문자가 제대로 인쇄된 정상수표를 통해 각 문자별로 획득되는 MR 센서의 문자별 파형 데이터에 대해, 나선형 신경망(Convolution Neural Network, CNN)을 이용한 반복적인 딥러닝 학습을 통해 도출되는 것을 특징으로 하는 금융자동화기기의 자기잉크문자 인식 방법.
  4. 제 2항에 있어서,
    상기 OCR 판독 결과와 상기 파형 판별 결과의 비교 검증에 따라,
    상기 OCR 판독 결과로 독출된 각 문자가, 상기 파형 판별 알고리즘의 적용을 통해 판별된 파형 그룹에 속하는 경우,
    상기 광학 문자 인식 처리에 따른 OCR 판독 결과를 인정하고, 상기 수표를 정상처리하는 것을 특징으로 하는 금융자동화기기의 자기잉크문자 인식 방법.
  5. 제 2항에 있어서,
    상기 OCR 판독 결과와 상기 파형 판별 결과의 비교 검증에 따라,
    상기 OCR 판독 결과로 독출된 각 문자가, 상기 파형 판별 알고리즘의 적용을 통해 판별된 파형 그룹에 속하지 않는 경우,
    상기 광학 문자 인식 처리에 따른 OCR 판독 결과를 부독(不讀) 처리하는 것을 특징으로 하는 금융자동화기기의 자기잉크문자 인식 방법.
  6. 지폐와 수표를 함께 취급하는 금융자동화기기에서, 금융자동화기기에 투입된 수표에 인쇄된 자기잉크문자를 인식함에 있어서,
    금융자동화기기의 감별부에 구비되는 컨택 이미지 센서(Contact Image Sensor)로부터 획득되는 수표 이미지에 대한 광학 문자 인식(Optical Character Recognition) 판독 결과와, 상기 감별부에 구비되는 MR 센서로부터 획득되는 자기잉크문자의 문자별 파형을 기반으로 금융자동화기기의 마이크로 프로세서에 탑재된 파형 판별 알고리즘을 적용하여 판별된 파형 판별 결과를 비교 검증하여 수표의 일측에 인쇄된 자기잉크문자를 인식하는 것을 특징으로 하는 금융자동화기기.
  7. 제 6항에 있어서,
    상기 광학 문자 인식 판독 결과와, 상기 파형 판별 알고리즘을 적용하여 판별된 파형 판별 결과의 비교 검증에 따라,
    상기 광학 문자 인식 처리를 통해 도출된 판독 결과와, 상기 파형 판별 알고리즘의 적용을 통해 판별된 파형 판별 결과가 매칭되는 경우,
    상기 광학 문자 인식에 따른 광학 문자 인식 판독 결과를 인정하고, 상기 수표를 정상처리하는 것을 특징으로 하는 금융자동화기기.
  8. 제 6항에 있어서,
    상기 광학 문자 인식 판독 결과와, 상기 파형 판별 알고리즘을 적용하여 판별된 파형 판별 결과의 비교 검증에 따라,
    상기 광학 문자 인식 처리를 통해 도출된 판독 결과와, 상기 파형 판별 알고리즘의 적용을 통해 판별된 파형 판별 결과가 매칭되지 않는 경우,
    상기 광학 문자 인식에 따른 광학 문자 인식 판독 결과를 인정하지 않고 부독(不讀) 처리하여, 해당 수표에 대한 후속처리를 지원하는 것을 특징으로 하는 금융자동화기기.
  9. 제 6항에 있어서,
    상기 파형 판별 알고리즘은,
    금융자동화기기의 운영 과정에서 얻어지는 자기잉크문자의 문자별 파형과, 해당 파형이 속하는 파형 그룹 등과 같은 데이터를 금융자동화기기의 데이터베이스에 저장하고, 이를 반복적으로 기계학습하는 자기학습(Self-supervised learning)을 수행하도록 구성되는 것을 특징으로 하는 금융자동화기기.
KR1020220057443A 2022-05-10 2022-05-10 금융자동화기기의 자기잉크문자 인식 방법 KR102639183B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020220057443A KR102639183B1 (ko) 2022-05-10 2022-05-10 금융자동화기기의 자기잉크문자 인식 방법
US17/901,709 US20230368554A1 (en) 2022-05-10 2022-09-01 Method of recognizing magnetic ink characters in atm
EP23172369.3A EP4276780A1 (en) 2022-05-10 2023-05-09 Method of recognizing magnetic ink characters in atm

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220057443A KR102639183B1 (ko) 2022-05-10 2022-05-10 금융자동화기기의 자기잉크문자 인식 방법

Publications (2)

Publication Number Publication Date
KR20230157797A true KR20230157797A (ko) 2023-11-17
KR102639183B1 KR102639183B1 (ko) 2024-02-22

Family

ID=86331177

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220057443A KR102639183B1 (ko) 2022-05-10 2022-05-10 금융자동화기기의 자기잉크문자 인식 방법

Country Status (3)

Country Link
US (1) US20230368554A1 (ko)
EP (1) EP4276780A1 (ko)
KR (1) KR102639183B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100893613B1 (ko) * 2007-12-06 2009-04-20 주식회사 씨텍 지폐 및 바코드가 표시된 유가증권의 인식계수방법과 그장치
KR101112445B1 (ko) 2008-09-25 2012-02-16 노틸러스효성 주식회사 수표 인식 장치 및 방법
KR101321212B1 (ko) * 2006-12-26 2013-10-29 주식회사 엘지씨엔에스 금융자동화기기 및 입금매체 처리방법
KR101617947B1 (ko) * 2014-06-30 2016-05-03 주식회사 엘지씨엔에스 매체 인식 장치 및 방법, 그리고 금융기기
JP7018129B2 (ja) * 2018-04-19 2022-02-09 グローリー株式会社 紙葉類処理装置及び紙葉類処理方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150332128A1 (en) * 2014-05-18 2015-11-19 Alex Sadovsky Network-implemented methods and systems for authenticating a paper financial instrument
US20170309108A1 (en) * 2015-05-18 2017-10-26 Alex Sadovsky Network-implemented methods and systems for authenticating a check

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101321212B1 (ko) * 2006-12-26 2013-10-29 주식회사 엘지씨엔에스 금융자동화기기 및 입금매체 처리방법
KR100893613B1 (ko) * 2007-12-06 2009-04-20 주식회사 씨텍 지폐 및 바코드가 표시된 유가증권의 인식계수방법과 그장치
KR101112445B1 (ko) 2008-09-25 2012-02-16 노틸러스효성 주식회사 수표 인식 장치 및 방법
KR101617947B1 (ko) * 2014-06-30 2016-05-03 주식회사 엘지씨엔에스 매체 인식 장치 및 방법, 그리고 금융기기
JP7018129B2 (ja) * 2018-04-19 2022-02-09 グローリー株式会社 紙葉類処理装置及び紙葉類処理方法

Also Published As

Publication number Publication date
US20230368554A1 (en) 2023-11-16
KR102639183B1 (ko) 2024-02-22
EP4276780A1 (en) 2023-11-15

Similar Documents

Publication Publication Date Title
US8091784B1 (en) Banking system controlled responsive to data bearing records
US8180137B2 (en) Comparison of optical and magnetic character data for identification of character defect type
US8083136B1 (en) Banking system controlled responsive to data bearing records
JP5213649B2 (ja) 紙葉類処理装置及び紙葉類処理プログラム
CN101354808B (zh) 存款自动存取机和纸币的跟踪方法
US20040247168A1 (en) System and method for automatic selection of templates for image-based fraud detection
US20060219773A1 (en) System and method for correcting data in financial documents
US20050281450A1 (en) System and method for correcting data in financial documents
US20120045112A1 (en) Method for a banknote detector device, and a banknote detector device
US20050286752A1 (en) Optical reading apparatus, character recognition processing apparatus, character reading method and program, magnetic ink character reading apparatus, and POS terminal apparatus
US8517260B1 (en) Banking system controlled responsive to data bearing records
CN101425194A (zh) 一种验证钞票来源的方法、相关装置以及系统
KR101112445B1 (ko) 수표 인식 장치 및 방법
US9582713B2 (en) Apparatus and method for recognizing media and financial device
KR102639183B1 (ko) 금융자동화기기의 자기잉크문자 인식 방법
CA2036274A1 (en) Document processor including method and apparatus for identifying and correcting errors
JP2019061293A (ja) 紙幣処理装置、紙幣取扱い方法
US8023717B1 (en) Method and system for processing backwards documents in a document reader/imager
RU2280284C2 (ru) Способ определения неплатежных банкнот, полученных посредством склеивания частей различных банкнот и фальшивых банкнот
EP0446633A2 (en) Document processor including method and apparatus for identifying and correcting errors
JP2599320B2 (ja) 紙葉類認識装置
JP5174870B2 (ja) 偽造紙幣の追跡プログラム
CN117671849B (zh) 一种采用滑钞结构的立式图像扫描点钞机
JP4961440B2 (ja) 預金自動預け払い機及び紙幣の追跡方法
KR20130077978A (ko) 수표인식장치에 적용되는 컨택이미지센서(ｃｉｓ) 교정 방법

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right