TWI549099B

TWI549099B - 紙鈔序號辨識方法

Info

Publication number: TWI549099B
Application number: TW103132846A
Authority: TW
Inventors: 廖士鋐; 傅楸善; 盧毅
Original assignee: 佳世達科技股份有限公司
Priority date: 2014-09-23
Filing date: 2014-09-23
Publication date: 2016-09-11
Also published as: TW201612856A

Description

紙鈔序號辨識方法

本發明關於一種紙鈔序號辨識方法，尤指一種可有效提昇紙鈔上之序號的辨識準確度之紙鈔序號辨識方法。

點鈔機(Bill counter)是一種自動清點鈔票數目之電子裝置，由於現金流通規模龐大，銀行出納櫃檯現金處理工作繁重，點鈔機已成為不可缺少的設備。一般而言，點鈔機大都具有計數以及辨識偽鈔的功能。此外，由於紙鈔上的序號係由特殊的規則編碼而成，可作為追蹤鈔票流向的應用，有些點鈔機還會具有序號辨識功能。然而，鈔票在經過長時間的流通後，序號上常會存在污損，而使得點鈔機難以辨識。此外，點鈔機在掃描序號的過程中，序號中的數字或字母有可能因角度關係而扭曲變形，而使得點鈔機難以辨識。因此，如何有效辨識紙鈔上之序號便成為一個重要的研究課題。

本發明的目的之一在於提供一種紙鈔序號辨識方法，以解決上述問題。

根據一實施例，本發明之紙鈔序號辨識方法用以辨識一紙鈔上之一序號，其中序號由N個字元組成，且N為大於1之正整數。紙鈔序號辨識方法包含下列步驟：(a)自紙鈔擷取包含序號之一局部影像；(b)對局部影像執行一二值化演算法，以得到一二值化影像；(c)對二值化影像執行一連通物件標記演算法，以得到M個物件影像，其中M為大於1之正整數；(d)判斷M個物件影像中的P個物件影像符合一預定尺寸範圍且位於一主列上，且判斷(M-P)個物件影像不符合一預定尺寸範圍及/或不位於主列上，其中P為小於或等於M之正整數；(e)將(M-P)個物件影像濾除；(f)當P等於N時，對N個物件影像進行識別；以及(g)當P小於N時，進一步執行下列步驟：(g1)當P個物件影像中的任二物件影像間之距離大於一第一門檻值時，將任二物件影像間位於主列但因小於預定尺寸範圍而被濾除掉之物件影像還原；(g2)將P個物件影像前方及/或後方中位於主列但因小於或大於預定尺寸範圍而被濾除掉之物件影像還原；(g3)當P個物件影像中的任二物件影像間之距離大於第一門檻值時，將任二物件影像間位於主列但因大於預定尺寸範圍而被濾除掉之物件影像還原且將還原後的物件影像分割成二物件影像；以及(g4)經由步驟(g1)至步驟(g3)，將P個物件影像回復為N個物件影像，且對N個物件影像進行識別。

於此實施例中，紙鈔序號辨識方法可另包含下列步驟：(h)根據複數個樣版影像以一線性分類演算法對該N個物件影像進行識別，且賦予每一個物件影像複數個候選標籤；(i)當候選標籤中的第一個候選標籤之信賴區間與第二個候選標籤之信賴區間的差值大於一第二門檻值時，將第一個候選標籤視為物件影像對應的一物件標籤；(j)當候選標籤中的第一個候選標籤之信賴區間與第二個候選標籤之信賴區間的差值小於第二門檻值時，以一切線距離演算法計算物件影像與樣版影像之切線距離，以選取第一個候選標籤與第二個候選標籤的其中之一作為物件影像對應的該物件標籤；以及(k)產生N個物件影像所組成之一目前識別序號。

於此實施例中，紙鈔序號辨識方法可另包含下列步驟：(l)針對紙鈔上另一序號執行步驟(a)至步驟(k)，以得到一參考識別序號；(m)判斷目前識別序號與參考識別序號是否相符；以及(n)當目前識別序號與參考識別序號相符時，輸出目前識別序號。

於此實施例中，紙鈔序號辨識方法可另包含下列步驟：(o)當目前識別序號與參考識別序號不符時，判斷目前識別序號與一校驗總和值是否相符，且判斷參考識別序號與校驗總和值是否相符，其中校驗總和值根據紙鈔之一序號編碼規則計算得到；(p)當目前識別序號與校驗總和值相符，且參考識別序號與校驗總和值不符時，輸出目前識別序號；以及(q)當參考識別序號與校驗總和值相符，且目前識別序號與校驗總和值不符時，輸出參考識別序號。

於此實施例中，紙鈔序號辨識方法可另包含下列步驟：(r)當目前識別序號與校驗總和值相符，且參考識別序號亦與校驗總和值相符時，比較目前識別序號與參考識別序號之間相異物件標籤所對應之候選標籤之信賴區間，並將目前識別序號與參考識別序號其中相異物件標籤中具有較多較高信賴區間或信賴區間之總和較高者加以輸出。

根據另一實施例，本發明之紙鈔序號辨識方法用以辨識一紙鈔上之一序號，其中序號由N個字元組成，且N為大於1之正整數。紙鈔序號辨識方法包含下列步驟：(a)自紙鈔擷取包含序號之一局部影像；(b)自局部影像得到N個物件影像；(c)根據複數個樣版影像以一線性分類演算法對N個物件影像進行識別，且賦予每一個物件影像複數個候選標籤；(d)當候選標籤中的第一個候選標籤之信賴區間與第二個候選標籤之信賴區間的差值大於一門檻值時，將第一個候選標籤視為物件影像對應的一物件標籤；(e)當候選標籤中的第一個候選標籤之信賴區間與第二個候選標籤之信賴區間的差值小於門檻值時，以一切線距離演算法計算物件影像與樣版影像之切線距離，以選取第一個候選標籤與第二個候選標籤的其中之一作為物件影像對應的該物件標籤；以及(f)產生N個物件影像所組成之一目前識別序號。

綜上所述，本發明可先針對紙鈔上之一序號，以二值化演算法、連通物件標記演算法、線性分類演算法與切線距離演算法產生目前識別序號，再以紙鈔上之另一序號(若有的話)及/或對應此紙鈔之序號之校驗總和值(checksum)對目前識別序號進行檢驗。藉此，即可有效提昇紙鈔上之序號的辨識準確度。

關於本發明之優點與精神可以藉由以下的發明詳述及所附圖式得到進一步的瞭解。

C0-C14、C81、C82‧‧‧物件影像

I1‧‧‧局部影像

I2‧‧‧二值化影像

SN‧‧‧序號

MR‧‧‧主列

S10-S54‧‧‧步驟

第1A圖至第1C圖為根據本發明一實施例之紙鈔序號辨識方法的流程圖。

第2圖為包含序號之局部影像與二值化影像的示意圖。

第3圖為對第2圖中的二值化影像執行連通物件標記演算法後的示意圖。

第4圖為將第3圖中的部分物件影像濾除後的示意圖。

第5圖為將第4圖中的部分物件影像還原後的示意圖。

請參閱第1A圖至第5圖，第1A圖至第1C圖為根據本發明一實施例之紙鈔序號辨識方法的流程圖，第2圖為包含序號SN之局部影像I1與二值化影像I2的示意圖，第3圖為對第2圖中的二值化影像I2執行連通物件標記演算法後的示意圖，第4圖為將第3圖中的部分物件影像C1、C2、C8、C13、C14濾除後的示意圖，第5圖為將第4圖中的部分物件影像C1、C2、C8還原後的示意圖。

本發明之紙鈔序號辨識方法適用於點鈔機或其它有提供紙鈔序號辨識功能之電子裝置。本發明之紙鈔序號辨識方法用以辨識一紙鈔上之一序號，其中序號由N個字元組成，且N為大於1之正整數。一般而言，紙鈔上之序號的字元可包含數字與字母，視各國紙鈔之序號編碼規則而定。

當使用者將一紙鈔(未顯示)放入點鈔機或其它有提供紙鈔序號辨識功能之電子裝置時，本發明之紙鈔序號辨識方法即會執行步驟S10，自紙鈔擷取包含序號SN之一局部影像I1，如第2圖所示。需說明的是，由於各國紙鈔上之序號皆位於固定位置，因此，點鈔機可根據放入的紙鈔國別自紙鈔擷取包含序號SN之局部影像I1。接著，執行步驟S12，經由影像前處理程序加強局部影像I1之對比，以使局部影像I1之前景(亦即，序號SN所包含之字元)與背景產生較為明顯的對比。此外，第2圖中的序號SN係以歐元紙鈔上之序號為例繪示，因此，序號SN由包含一個字母與十一個數字之十二個字元組成(亦即，N=12)。然而，本發明之紙鈔序號辨識方法可用以辨識各國紙鈔上之序號，不以歐元紙鈔上之序號為限。

接著，執行步驟S14，對局部影像I1執行一二值化演算法(binarization algorithm)，以得到一二值化影像I2，如第2圖所示。二值化是影像分割的一種方法。在二值化影象的時候把大於某個臨界灰階值的圖元灰階值設為灰階極大值，把小於這個臨界灰階值的圖元灰階值設為灰階極小值，即可實現影像的二值化。需說明的是，二值化演算法係為習知技藝之人所熟知，在此不再贅述。

接著，執行步驟S16，對二值化影像I2執行一連通物件標記演算法(connected component labeling algorithm)，以得到M個物件影像C1-C14，其中M為大於1之正整數。連通物件標記演算法的目的是將影像中屬於同一物件之相連像素找出，以便獲得物件面積、高度和寬度等資訊，並藉此標記出影像中各個獨立之物件。需說明的是，連通物件標記演算法係為習知技藝之人所熟知，在此不再贅述。如第3圖所示，在對二值化影像I2執行連通物件標記演算法後，可得到十四個物件影像C1-C14(亦即，M=14)，其中字母“P”在經二值化演算法後分成兩半，因此，字母“P”在經連通物件標記演算法後會被標記為兩個物件影像C1、C2；數字“8”與“9”在經二值化演算法後連在一起，因此，數字“8”與“9”在經連通物件標記演算法後會先被標記為單一物件影像C8；序號SN上方在經二值化演算法後存在兩個雜訊，因此，兩個雜訊在經連通物件標記演算法後會被標記為兩個物件影像C13、C14。

接著，執行步驟S18，判斷M個物件影像C1-C14中的P個物件影像C3-C7、C9-C12符合一預定尺寸範圍且位於一主列MR上，且判斷(M-P)個物件影像C1、C2、C8、C13、C14不符合一預定尺寸範圍及/或不位於主列MR上，其中P為小於或等於M之正整數。由於各國紙鈔上之序號中的每一個字元皆具有預定尺寸範圍，亦即，每一個字元的像素都會落在預定尺寸範圍內。換言之，若步驟S16中得到的物件影像大小不符合預定尺寸範圍，此物件影像便有可能不是序號SN中的字元，反之，若步驟S16中得到的物件影像大小符合預定尺寸範圍，此物件影像便有可能是序號SN中的字元。此外，由於紙鈔在經過長時間的流通後，序號上常會存在污損，在經二值化演算法與連通物件標記演算法後，便有可能將第3圖所示的雜訊標記為物件影像C13、C14。然而，由於屬於序號SN的字元接會位在同一列上，因此，本發明可將較多數目的物件影像C1-C12所在的列視為主列MR，若步驟S16中得到的物件影像不位於主列MR上，此物件影像便有可能不是序號SN中的字元，反之，若步驟S16中得到的物件影像位於主列MR上，此物件影像便有可能是序號SN中的字元。以第3圖為例，有九個物件影像C3-C7、C9-C12符合預定尺寸範圍且位於主列MR上(亦即，P=9)，有五個物件影像C1、C2、C8、C13、C14不符合預定尺寸範圍及/或不位於主列MR上(亦即，M=14，且P=9，則M-P=14-9=5)，其中有三個物件影像C1、C2、C8雖位於主列MR上但不符合預定尺寸範圍(物件影像C1、C2太小，且物件影像C8太大)，且有兩個物件影像C13、C14不位於主列MR上。

接著，執行步驟S20，將(M-P)個物件影像濾除，亦即，將五個物件影像C1、C2、C8、C13、C14濾除，如第4圖所示。

接著，執行步驟S22，判斷P等於或小於N。當P等於N時，表示目前找到位於主列MR上的物件影像數目等於序號SN之字元數目，因此，可直接執行步驟S24，對N個物件影像進行識別。然而，於此實施例中，N=12，且P=9，亦即，P係小於N，當P小於N時，表示位於主列MR上之部分物件影像因小於或大於預定尺寸範圍而被濾除掉(亦即，第3圖中的物件影像C1、C2、C8)，使得目前找到位於主列MR上的物件影像數目與序號SN之字元數目不符。此時，本發明會進一步執行步驟S26、S28、S30，其中步驟S26：當P個物件影像中的任二物件影像間之距離大於一第一門檻值時，將任二物件影像間位於主列但因小於預定尺寸範圍而被濾除掉之物件影像還原；步驟S28：將P個物件影像前方及/或後方中位於主列但因小於或大於預定尺寸範圍而被濾除掉之物件影像還原；以及步驟S30：當P個物件影像中的任二物件影像間之距離大於第一門檻值時，將任二物件影像間位於主列但因大於預定尺寸範圍而被濾除掉之物件影像還原且將還原後的物件影像分割成二物件影像。需說明的是，由於各國紙鈔上之序號中的每兩個字元間皆相距預定距離，因此，可將上述之第一門檻值設定為每兩個字元間的預定距離。因此，當二物件影像間之距離大於第一門檻值時，表示此二物件影像間存在對應序號之字元的物件影像被濾除掉，此時，便需執行步驟S26，將任二物件影像間位於主列但因小於預定尺寸範圍而被濾除掉之物件影像還原，或執行步驟S30，將任二物件影像間位於主列但因大於預定尺寸範圍而被濾除掉之物件影像還原且將還原後的物件影像分割成二物件影像。此外，由於各國紙鈔上之序號的總長度為已知，當任二物件影像間之距離符合第一門檻值，而目前找到位於主列MR上的物件影像數目與序號SN之字元數目不符時，表示P個物件影像前方及/或後方存在對應序號之字元的物件影像被濾除掉，此時，便需執行步驟S28，將P個物件影像前方及/或後方中位於主列但因小於或大於預定尺寸範圍而被濾除掉之物件影像還原。

如第3圖與第4圖所示，二物件影像C7、C9間之距離大於第一門檻值，表示此二物件影像C7、C9間存在對應序號SN之字元的物件影像C8被濾除掉，由於物件影像C8位於主列MR但因大於預定尺寸範圍而於步驟S20中被濾除掉，因此，本發明會針對物件影像C8執行步驟S30，將物件影像C8還原且根據預定尺寸範圍將還原後的物件影像C8分割成二物件影像C81、C82，如第5圖所示。此外，第4圖中之第一個物件影像C3至最後一個物件影像C12之總長度與第2圖中之序號SN之總長度不符，表示九個物件影像C3-C7、C9-C12前方及/或後方存在對應序號SN之字元的物件影像C1、C2被濾除掉，因此，本發明會針對物件影像C1、C2執行步驟S28，將物件影像C1、C2還原，由於物件影像C1、C2皆小於預定尺寸範圍，因此，本發明會將還原後的物件影像C1、C2視為單一的物件影像C0。

接著，執行步驟S32，經由步驟S26至步驟S30，即可將P個物件影像C3-C7、C9-C12回復為N個物件影像C0、C3-C7、C81、C82、C9-C12，且對N個物件影像C0、C3-C7、C81、C82、C9-C12進行識別。

在步驟S24、S32後，執行步驟S34，根據複數個樣版影像以一線性分類演算法(linear classifier algorithm)對N個物件影像C0、C3-C7、C81、C82、C9-C12進行識別，且賦予每一個物件影像C0、C3-C7、C81、C82、C9-C12複數個候選標籤。在機器學習領域中，分類的目標是指將具有相似特徵的對象聚集，而線性分類演算法則透過分析特徵的統計分佈然後透過線性分界面來做出分類決定，以達到上述目的，對象的特徵通常被描述為特徵值，而在向量中則描述為特徵向量。需說明的是，線性分類演算法係為習知技藝之人所熟知，在此不再贅述。

接著，執行步驟S36與S38，其中步驟S36：當候選標籤中的第一個候選標籤之信賴區間與第二個候選標籤之信賴區間的差值大於一第二門檻值時，將第一個候選標籤視為物件影像對應的一物件標籤；以及步驟S38：當候選標籤中的第一個候選標籤之信賴區間與第二個候選標籤之信賴區間的差值小於第二門檻值時，以一切線距離演算法(tangent distance algorithm)計算物件影像與樣版影像之切線距離，以選取第一個候選標籤與第二個候選標籤的其中之一作為物件影像對應的物件標籤。切線距離係為Simard等人提出的一個經由轉換後所得到的距離，切線距離演算法主要的概念是經由不同的七種轉換，像是x-translation、y-translation、rotation、scaling、parallel hyperbolic transformation、diagonal hyperbolic transformation、thickening，由這些切線向量去找出兩個圖像中最短的距離。需說明的是，切線距離演算法係為習知技藝之人所熟知，在此不再贅述。

於此實施例中，可預先建立關於十個數字以及二十六個英文字母的樣版影像集合，之後，再於步驟S34中根據預先建立的十個數字以及二十六個英文字母的樣版影像集合訓練出的分類模型以線性分類演算法分別對物件影像C0、C3-C7、C81、C82、C9-C12進行識別，且賦予每一個物件影像C0、C3-C7、C81、C82、C9-C12複數個候選標籤。以物件影像C0為例，假設賦予物件影像C0之第一個候選標籤為“P”，其信賴區間為3.0，第二個候選標籤為“B”，其信賴區間為1.0，第三個候選標籤為“D”，其信賴區間為-2.0，...，等，且第二門檻值設定為1。由於第一個候選標籤“P”之信賴區間與第二個候選標籤“B”之信賴區間的差值2.0大於第二門檻值1，因此，可將第一個候選標籤“P”視為物件影像C0對應的物件標籤。以物件影像C3為例，假設賦予物件影像C3之第一個候選標籤為“1”，其信賴區間為4.0，第二個候選標籤為“7”，其信賴區間為3.5，第三個候選標籤為“9”，其信賴區間為-0.5，...，等，且第二門檻值設定為1。由於第一個候選標籤“1”之信賴區間與第二個候選標籤“7”之信賴區間的差值0.5小於第二門檻值1，因此，需進一步以切線距離演算法計算物件影像C3與樣版影像(亦即，候選標籤“1”與“7”)之切線距離，以選取第一個候選標籤“1”與第二個候選標籤“7”的其中之一作為物件影像C3對應的物件標籤。於此實施例中，假設物件影像C3與對應候選標籤，“1”之樣版影像之間的切線距離小於物件影像C3與對應候選標籤“7”之樣版影像之間的切線距離，故選取第一個候選標籤“1”作為物件影像C3對應的物件標籤。

在對每一個物件影像C0、C3-C7、C81、C82、C9-C12執行步驟S36與S38後，即可產生N個物件影像C0、C3-C7、C81、C82、C9-C12所組成之一目前識別序號(步驟S40)。此時，可直接輸出此目前識別序號，作為辨識出之紙鈔上之序號SN，或是進一步以下列方式對此目前識別序號進行檢驗。

若紙鈔上存在另一序號，則本發明可執行步驟S42，針對紙鈔上另一序號執行步驟S10至步驟S40，以得到對應另一序號之一參考識別序號。舉例而言，美金或新台幣上皆存在兩相同序號，因此，本發明可預設先針對其中一序號執行步驟S10至步驟S40，以得到對應此序號之目前識別序號，再針對另一序號執行步驟S10至步驟S40，以得到對應另一序號之參考識別序號。

接著，執行步驟S44，判斷目前識別序號與參考識別序號是否相符。

當目前識別序號與參考識別序號相符時，表示目前識別序號即為成功辨識出的紙鈔上之序號SN，執行步驟S46，輸出目前識別序號，作為辨識出之紙鈔上之序號SN。

當目前識別序號與參考識別序號不符時，表示目前識別序號與參考識別序號的至少其中之一可能辨識錯誤，可進一步執行步驟S48，判斷目前識別序號與一校驗總和值(checksum)是否相符，且判斷參考識別序號與校驗總和值是否相符，其中校驗總和值根據紙鈔之一序號編碼規則計算得到。一般而言，各國紙鈔上之序號皆是根據特定的序號編碼規則而產生，只要是合法的紙鈔序號，皆可根據序號編碼規則計算出校驗總和值。因此，本發明可利用校驗總和值來檢驗目前識別序號與參考識別序號是否正確。

當目前識別序號與校驗總和值相符，且參考識別序號與校驗總和值不符時，表示目前識別序號辨識正確，且參考識別序號辨識錯誤，因此，可執行步驟S50，輸出目前識別序號，作為辨識出之紙鈔上之序號SN。

當參考識別序號與校驗總和值相符，且目前識別序號與校驗總和值不符時，表示目前識別序號辨識錯誤，且參考識別序號辨識正確，因此，可執行步驟S52，輸出參考識別序號，作為辨識出之紙鈔上之序號SN。

當目前識別序號與校驗總和值相符，且參考識別序號亦與校驗總和值相符時，由於尚無法判斷目前識別序號與參考識別序號何者正確，可執行步驟S54，比較目前識別序號與參考識別序號之間相異物件標籤所對應之候選標籤之信賴區間，並將目前識別序號與參考識別序號其中相異物件標籤中具有較多較高信賴區間或信賴區間之總和較高者加以輸出。

舉例而言，假設目前識別序號為“P18700892146”，且參考識別序號為“B18100892146”，目前識別序號與參考識別序號之間相異物件標籤即為“P”、“7”與“B”、“1”。此時，步驟S54即是比較目前識別序號中的“P”、“7”與參考識別序號中的“B”、“1”於步驟S34中所產生的對應之候選標籤之信賴區間，例如，目前識別序號中的之候選標籤“P”之信賴區間為3.0，且候選標籤“7”之信賴區間為2.0；參考識別序號中的之候選標籤“B”之信賴區間為1.0，且候選標籤“1”之信賴區間為0.5，由於目前識別序號其中相異物件標籤“P”、“7”之信賴區間3.0與2.0分別比參考識別序號其中相異物件標籤“B”、“1”之信賴區間1.0與0.5來得高，且目前識別序號其中相異物件標籤“P”、“7”之信賴區間總和5.0也比參考識別序號其中相異物件標籤“B”、“1”之信賴區間總和1.5來得高，因此，步驟S54會輸出目前識別序號，作為辨識出之紙鈔上之序號SN。

需說明的是，本發明並不限定需同時以紙鈔上之另一序號及對應此紙鈔之序號之校驗總和值對目前識別序號進行檢驗。換言之，本發明亦可僅以紙鈔上之另一序號對目前識別序號進行檢驗，或僅以對應此紙鈔之序號之校驗總和值對目前識別序號進行檢驗。

在以步驟S10至步驟S40產生目前識別序號後，若不以紙鈔上之另一序號對目前識別序號進行檢驗，而直接以對應此紙鈔之序號之校驗總和值對目前識別序號進行檢驗，本發明可直接判斷目前識別序號與校驗總和值是否相符。當目前識別序號與校驗總和值相符時，即可輸出目前識別序號，作為辨識出之紙鈔上之序號SN。反之，當目前識別序號與校驗總和值不符時，可以於步驟S34中所產生的候選標籤的至少其中之一替換目前識別序號中對應的物件標籤。於上述之實施例中，係先將第一個候選標籤“P”視為物件影像C0對應的物件標籤，當目前識別序號與校驗總和值不符時，可以第二個候選標籤“B”替換目前識別序號中對應的物件標籤，再判斷目前識別序號與校驗總和值是否相符。最後，重複上述步驟，直到目前識別序號與校驗總和值相符時，即可輸出目前識別序號，作為辨識出之紙鈔上之序號SN。

需說明的是，第1A圖至第1C圖所示之紙鈔序號辨識方法之控制邏輯可以軟體設計來實現。此軟體可於點鈔機或其它有提供紙鈔序號辨識功能之電子裝置中執行。當然，控制邏輯中的各個部分或功能皆可透過軟體、硬體或軟硬體的組合來實現。此外，第1A圖至第1C圖所示之紙鈔序號辨識方法之控制邏輯可以儲存於電腦可讀取儲存媒體中的資料而具體化，其中電腦可讀取儲存媒體所儲存之代表指令的資料係可被電子裝置執行以產生控制命令，進而執行對應的功能。

綜上所述，本發明可先針對紙鈔上之一序號，以二值化演算法、連通物件標記演算法、線性分類演算法與切線距離演算法產生目前識別序號，再以紙鈔上之另一序號(若有的話)及/或對應此紙鈔之序號之校驗總和值對目前識別序號進行檢驗。藉此，即可有效提昇紙鈔上之序號的辨識準確度。

以上所述僅為本發明之較佳實施例，凡依本發明申請專利範圍所做之均等變化與修飾，皆應屬本發明之涵蓋範圍。

S10-S20‧‧‧步驟

Claims

一種紙鈔序號辨識方法，用以辨識一紙鈔上之一序號，該序號由N個字元組成，N為大於1之正整數，該紙鈔序號辨識方法包含下列步驟：(a)自該紙鈔擷取包含該序號之一局部影像；(b)對該局部影像執行一二值化演算法，以得到一二值化影像；(c)對該二值化影像執行一連通物件標記演算法，以得到M個物件影像，其中M為大於1之正整數；(d)判斷該M個物件影像中的P個物件影像符合一預定尺寸範圍且位於一主列上，且判斷(M-P)個物件影像不符合一預定尺寸範圍及/或不位於該主列上，其中P為小於或等於M之正整數；(e)將該(M-P)個物件影像濾除；(f)當P等於N時，執行步驟(h)至步驟(k)，以對該N個物件影像進行識別；(g)當P小於N時，進一步執行下列步驟：(g1)當該P個物件影像中的任二物件影像間之距離大於一第一門檻值時，將該任二物件影像間位於該主列但因小於該預定尺寸範圍而被濾除掉之該物件影像還原；(g2)將該P個物件影像前方及/或後方中位於該主列但因小於或大於該預定尺寸範圍而被濾除掉之該物件影像還原；(g3)當該P個物件影像中的任二物件影像間之距離大於該第一門檻值時，將該任二物件影像間位於該主列但因大於該預定尺寸範圍而被濾除掉之該物件影像還原且將還原後的該物件影像分割成二物件影像；以及(g4)經由步驟(g1)至步驟(g3)，將該P個物件影像回復為N個物件影像，且執行步驟(h)至步驟(k)，以對該N個物件影像進行識別；(h)根據複數個樣版影像以一線性分類演算法對該N個物件影像進行識別，且賦予每一該物件影像複數個候選標籤；(i)當該等候選標籤中的第一個候選標籤之信賴區間與第二個候選標籤之信賴區間的差值大於一第二門檻值時，將該第一個候選標籤視為該物件影像對應的一物件標籤；(j)當該等候選標籤中的第一個候選標籤之信賴區間與第二個候選標籤之信賴區間的差值小於該第二門檻值時，以一切線距離演算法計算該物件影像與該等樣版影像之切線距離，以選取該第一個候選標籤與該第二個候選標籤的其中之一作為該物件影像對應的該物件標籤；以及(k)產生該N個物件影像所組成之一目前識別序號。
如請求項1所述之紙鈔序號辨識方法，另包含下列步驟：(l)針對該紙鈔上另一序號執行步驟(a)至步驟(k)，以得到一參考識別序號；(m)判斷該目前識別序號與該參考識別序號是否相符；以及(n)當該目前識別序號與該參考識別序號相符時，輸出該目前識別序號。
如請求項2所述之紙鈔序號辨識方法，另包含下列步驟：(o)當該目前識別序號與該參考識別序號不符時，判斷該目前識別序號與一校驗總和值是否相符，且判斷該參考識別序號與該校驗總和值是否相符，其中該校驗總和值根據該紙鈔之一序號編碼規則計算得到；(p)當該目前識別序號與該校驗總和值相符，且該參考識別序號與該校驗總和值不符時，輸出該目前識別序號；以及(q)當該參考識別序號與該校驗總和值相符，且該目前識別序號與該校驗總和值不符時，輸出該參考識別序號。
如請求項3所述之紙鈔序號辨識方法，另包含下列步驟：(r)當該目前識別序號與該校驗總和值相符，且該參考識別序號亦與該校驗總和值相符時，比較該目前識別序號與該參考識別序號之間相異物件標籤所對應之該候選標籤之信賴區間，並將該目前識別序號與該參考識別序號其中相異物件標籤中具有較多較高信賴區間或信賴區間之總和較高者加以輸出。
如請求項1所述之紙鈔序號辨識方法，另包含下列步驟：(s)判斷該目前識別序號與一校驗總和值是否相符，其中該校驗總和值根據該紙鈔之一序號編碼規則計算得到；以及(t)當該目前識別序號與該校驗總和值相符時，輸出該目前識別序號。
如請求項5所述之紙鈔序號辨識方法，另包含下列步驟：(u)當該目前識別序號與該校驗總和值不符時，以該等候選標籤的至少其中之一替換該目前識別序號中對應的該物件標籤；以及(v)重複步驟(s)至步驟(u)。
一種紙鈔序號辨識方法，用以辨識一紙鈔上之一序號，該序號由N個字元組成，N為大於1之正整數，該紙鈔序號辨識方法包含下列步驟：(a)自該紙鈔擷取包含該序號之一局部影像；(b)自該局部影像得到N個物件影像；(c)根據複數個樣版影像以一線性分類演算法對該N個物件影像進行識別，且賦予每一該物件影像複數個候選標籤；(d)當該等候選標籤中的第一個候選標籤之信賴區間與第二個候選標籤之信賴區間的差值大於一門檻值時，將該第一個候選標籤視為該物件影像對應的一物件標籤；(e)當該等候選標籤中的第一個候選標籤之信賴區間與第二個候選標籤之信賴區間的差值小於該門檻值時，以一切線距離演算法計算該物件影像與該等樣版影像之切線距離，以選取該第一個候選標籤與該第二個候選標籤的其中之一作為該物件影像對應的該物件標籤；以及(f)產生該N個物件影像所組成之一目前識別序號。
如請求項7所述之紙鈔序號辨識方法，另包含下列步驟：(g)針對該紙鈔上另一序號執行步驟(a)至步驟(f)，以得到一參考識別序號；(h)判斷該目前識別序號與該參考識別序號是否相符；以及(i)當該目前識別序號與該參考識別序號相符時，輸出該目前識別序號。
如請求項8所述之紙鈔序號辨識方法，另包含下列步驟：(j)當該目前識別序號與該參考識別序號不符時，判斷該目前識別序號與一校驗總和值是否相符，且判斷該參考識別序號與該校驗總和值是否相符，其中該校驗總和值根據該紙鈔之一序號編碼規則計算得到；(k)當該目前識別序號與該校驗總和值相符，且該參考識別序號與該校驗總和值不符時，輸出該目前識別序號；以及(l)當該參考識別序號與該校驗總和值相符，且該目前識別序號與該校驗總和值不符時，輸出該參考識別序號。
如請求項9所述之紙鈔序號辨識方法，另包含下列步驟：(m)當該目前識別序號與該校驗總和值相符，且該參考識別序號亦與該校驗總和值相符時，比較該目前識別序號與該參考識別序號之間相異物件標籤所對應之該候選標籤之信賴區間，並將該目前識別序號與該參考識別序號其中相異物件標籤中具有較多較高信賴區間或信賴區間之總和較高者加以輸出。
如請求項7所述之紙鈔序號辨識方法，另包含下列步驟：(n)判斷該目前識別序號與一校驗總和值是否相符，其中該校驗總和值根據該紙鈔之一序號編碼規則計算得到；以及 (o)當該目前識別序號與該校驗總和值相符時，輸出該目前識別序號。
如請求項11所述之紙鈔序號辨識方法，另包含下列步驟：(p)當該目前識別序號與該校驗總和值不符時，以該等候選標籤的至少其中之一替換該目前識別序號中對應的該物件標籤；以及(q)重複步驟(n)至步驟(p)。