JPH08255248A - 画像識別装置 - Google Patents

Abstract

(57)【要約】 【目的】回転方向に位置の定まらない印章などの識別対
象について、その種類を模様の特徴を用いて正確かつ高
速に識別できる画像識別装置を提供する。 【構成】ラインセンサ１０２、画像入力部１０３は、識
別対象Ｃの画像を画像データとして入力し、開始終了検
出部１０４、座標発生部１０５、中心位置検出部１０６
は、この入力された画像データにより識別対象Ｃの中心
位置の座標データを検出し、角度計算部１０７は、この
検出した中心位置を基準にして上記入力された画像デー
タの各画素に対して角度値を計算する。累積部１０８
は、この求めた角度データに基づいて領域を切換え、対
応する累積部に画像データの画素値を加算していく。特
徴解析部１０９は、累積部１０８の出力から識別対象Ｃ
の回転に不変である特徴量を求め、比較部１１０は、特
徴解析部１０９の出力を標準データ記憶部１１１の出力
と比較し、所望する識別対象か否かを識別する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、たとえば、円形の印章
のように、回転する画像パターンの種類をその模様の特
徴により識別する画像識別装置に関する。

【０００２】

【従来の技術】従来、たとえば、円形の印章のように、
回転方向に位置の定まらない識別対象について、その模
様の特徴を用いて正確な識別を行なうためには、その識
別対象が円形であることから生じる模様パターンの回転
変動の影響を考える必要がある。

【０００３】このような問題を解決する１つの方法とし
て、画像データの放射線状（ループ状）画素パターンの
比較を行うことによって識別する方法が考案されてい
る。たとえば、特開平６−７６０６０号公報では、識別
対象（被識別物）のループ状画素パターン認識を行なう
方法が開示されている。これは、識別対象のループ状画
素パターンデータおよび基準画素パターンデータの一方
を順次ずらせるデータシフト手段と、上記２つのパター
ンデータの一致もしくは不一致を画素ごとに求めて合計
する減算器と、絶対値回路および最小値保持回路からな
る一致度合計手段と、この一致度合計手段の合計値をあ
らかじめ設定された値と比較する比較手段とから構成さ
れている。

【０００４】

【発明が解決しようとする課題】ところが、特開平６−
７６０６０号公報の技術では、識別対象のループ状画素
パターンと基準画素パターンとを、一方のパターンをデ
ータシフトして比較しているため、実質的にループ状パ
ターンデータの個数と同じ回数の標準パターンと比較し
ていることと同義であり、特に、複数の基準画素パター
ンを持つときには高速化は極めて困難である。

【０００５】また、画素パターン同士の減算値を判定に
用いているので、識別対象の例えば磨耗などによる光反
射率の変化や、微少な回転ずれなどにより、画素数が変
化したときに画素パターンの識別結果が安定しないとい
う問題があった。

【０００６】そこで、本発明は、回転方向に位置の定ま
らない識別対象について、その種類を模様の特徴を用い
て正確かつ高速に識別することができる画像識別装置を
提供することを目的とする。

【０００７】

【課題を解決するための手段】第１の発明に係る画像識
別装置は、回転可能な形をした識別対象の画像を画像デ
ータとして入力する画像入力手段と、この画像入力手段
により入力された画像データから前記識別対象の中心位
置データを検出する中心位置検出手段と、前記画像入力
手段により入力された画像データを前記中心位置検出手
段により検出された中心位置データに基づいて所定の角
度範囲に区分し、この角度範囲内の画像データを抽出す
る角度抽出手段と、この角度抽出手段により抽出された
データに基づいて前記識別対象の回転に依存しない特徴
データを抽出する特徴データ抽出手段と、あらかじめ標
準データを記憶する標準データ記憶手段と、前記特徴デ
ータ抽出手段の出力データと前記標準データ記憶手段に
記憶された標準データとを比較するすることにより前記
識別対象の種類を識別する識別手段とを具備している。

【０００８】第２の発明に係る画像識別装置は、回転可
能な形をした識別対象の画像を画像データとして入力す
る画像入力手段と、この画像入力手段により入力された
画像データから前記識別対象の中心位置データを検出す
る中心位置検出手段と、前記画像入力手段により入力さ
れた画像データを前記中心位置検出手段により検出され
た中心位置データに基づいて所定の角度範囲に区分し、
この角度範囲内の画像データを抽出する角度抽出手段
と、この角度抽出手段により抽出された画像データを前
記角度範囲ごとに累積するデータ累積手段と、このデー
タ累積手段により累積されたデータから前記角度範囲に
対する分布を計算し、この計算した分布で形成されたピ
ークの個数を計数するピーク計数手段と、あらかじめピ
ークの個数に関する標準データを記憶する標準データ記
憶手段と、前記ピーク計数手段の出力データと前記標準
データ記憶手段に記憶された標準データとを比較するす
ることにより前記識別対象の種類を識別する識別手段と
を具備している。

【０００９】第３の発明に係る画像識別装置は、回転可
能な形をした識別対象の画像を画像データとして入力す
る画像入力手段と、この画像入力手段により入力された
画像データから前記識別対象の中心位置データを検出す
る中心位置検出手段と、前記画像入力手段により入力さ
れた画像データを前記中心位置検出手段により検出され
た中心位置データに基づいて所定の角度範囲に区分し、
この角度範囲内の画像データを抽出する角度抽出手段
と、この角度抽出手段により抽出された画像データを前
記角度範囲ごとに累積するデータ累積手段と、このデー
タ累積手段により累積されたデータから前記角度範囲に
対する分布を計算し、この計算した分布で形成されたピ
ーク間の距離を求めるピーク間距離分布計算手段と、あ
らかじめピーク間距離の標準データを記憶する標準デー
タ記憶手段と、前記ピーク間距離分布計算手段の出力デ
ータと前記標準データ記憶手段に記憶された標準データ
とを比較するすることにより前記識別対象の種類を識別
する識別手段とを具備している。

【００１０】第４の発明に係る画像識別装置は、回転可
能な形をした識別対象の画像を画像データとして入力す
る画像入力手段と、この画像入力手段により入力された
画像データから前記識別対象の中心位置データを検出す
る中心位置検出手段と、前記画像入力手段により入力さ
れた画像データを前記中心位置検出手段により検出され
た中心位置データに基づいて所定の角度範囲に区分し、
この角度範囲内の画像データを抽出する角度抽出手段
と、この角度抽出手段により抽出された画像データを前
記角度範囲ごとに累積するデータ累積手段と、このデー
タ累積手段により累積されたデータから分散値を計算す
る分散計算手段と、あらかじめ分散値の標準データを記
憶する標準データ記憶手段と、前記分散計算手段の出力
データと前記標準データ記憶手段に記憶された標準デー
タとを比較するすることにより前記識別対象の種類を識
別する識別手段とを具備している。

【００１１】第５の発明に係る画像識別装置は、回転可
能な形をした識別対象の画像を画像データとして入力す
る画像入力手段と、この画像入力手段により入力された
画像データから前記識別対象の中心位置データを検出す
る中心位置検出手段と、前記画像入力手段により入力さ
れた画像データを前記中心位置検出手段により検出され
た中心位置データに基づいて所定の角度範囲に区分し、
この角度範囲内の画像データを抽出する角度抽出手段
と、この角度抽出手段により抽出された画像データを前
記角度範囲ごとに累積するデータ累積手段と、このデー
タ累積手段により累積されたデータを平滑化するデータ
平滑化手段と、このデータ平滑化手段により平滑化され
たデータに基づいて前記識別対象の回転に依存しない特
徴データを抽出する特徴データ抽出手段と、あらかじめ
標準データを記憶する標準データ記憶手段と、前記特徴
データ抽出手段の出力データと前記標準データ記憶手段
に記憶された標準データとを比較するすることにより前
記識別対象の種類を識別する識別手段とを具備してい
る。

【００１２】

【作用】第１の発明によれば、識別対象の中心位置を検
出し、この中心位置から角度値をパラメータとした放射
線状の領域を決定し、その放射線状の領域ごとの投影像
に対して更に特徴を解析することにより、もともとは回
転に依存するデータから回転に不変であるデータを抽出
することができるので、識別対象の回転に依存せず、ま
た、識別対象の磨耗などによる画像のコントラストに影
響されにくい識別を正確かつ高速に行なうことが可能と
なる。

【００１３】第２の発明によれば、放射線状の領域ごと
の投影像に対して更に特徴を解析するときに用いる特徴
として上記投影像のピークの個数を用いることにより、
識別対象の回転に依存せず、また、識別対象の磨耗など
による画像のコントラストに影響されにくい、安定した
識別が可能となる。

【００１４】第３の発明によれば、放射線状の領域ごと
の投影像に対して更に特徴を解析するときに用いる特徴
として上記投影像のピーク間距離の分布を用いることに
より、識別対象の回転に依存せず、また、識別対象の磨
耗などによる画像のコントラストに影響されにくい、よ
り高精度な識別が可能となる。

【００１５】第４の発明によれば、放射線状の領域ごと
の投影像に対して更に特徴を解析するときに用いる特徴
として上記投影像の値の分散を用いることにより、識別
対象の回転に依存せず、また、識別対象の磨耗などによ
る画像のコントラストに影響されにくい、より安定した
識別が可能となる。

【００１６】第５の発明によれば、データ累積手段で累
積されたデータに対して平滑化を行なうことにより、識
別対象の微妙な回転ずれ、識別対象の磨耗、照明などの
撮像条件の変化などによる、累積データの変動のデータ
解析結果への影響を少なくして、より安定した識別が可
能となる。

【００１７】

【実施例】以下、本発明の実施例について図面を参照し
て説明する。まず、第１の実施例について説明する。図
１および図２は、第１の実施例に係る画像識別装置の構
成を示すものである。本画像識別装置は、識別対象Ｃを
図示矢印方向に搬送する搬送部１０１、搬送される識別
対象Ｃの画像を撮像する撮像手段としてのラインセンサ
１０２、ラインセンサ１０２の出力をデジタル化する画
像入力部１０３、開始終了検出部１０４、座標発生部１
０５、中心位置検出部１０６、角度計算部１０７、ｎ個
から構成される累積部１０８、特徴解析部１０９、比較
部１１０、標準データ記憶部１１１、選別部１１２、お
よび、ゲート１１３から構成されている。ここに、識別
対象Ｃは、たとえば、用紙Ｐ上に押印あるいは印刷され
た円形の印章である。

【００１８】このような構成で、識別対象Ｃを搬送部１
０１によって図示矢印方向に搬送し、識別対象Ｃが所望
するものであるかどうかの識別を行ない、その識別結果
に基づきゲート１１３によって選別し、２つの搬送部１
０１ａ，１０１ｂのいずれかに導くようになっている。

【００１９】以下、各部について詳細に説明する。用紙
Ｐ上の識別対象Ｃは、搬送部１０１によって搬送されな
がら、図示しない照明灯から照射された光を反射し、そ
の反射光が識別対象Ｃの搬送方向と直交方向に配設され
たラインセンサ１０２の受光面に結像し、ラインセンサ
１０２によって電気信号に変換されることで、識別対象
Ｃの表面全体の画像が収集される。１ラインごとの画像
は、複数走査している間に、識別対象Ｃが搬送部１０１
によって移動することで、全体の画像として形成され
る。

【００２０】画像入力部１０３は、ラインセンサ１０２
から出力される画像信号を反転増幅した後、Ａ／Ｄ変換
処理を行なうことにより、デジタル画像データとして出
力する。この場合、画像入力部１０３は、識別対象Ｃの
インキがのっている部分で高い値を、それ以外の部分で
は低い値を出力するようになっている。また、画像入力
部１０３は、このデジタル画像データに加え、ラインセ
ンサ１０２から１画素ごと読出す信号（Ｈ信号）と、ラ
インセンサ１０２の走査開始ごとに出力する信号（Ｖ信
号）も出力する。

【００２１】画像入力部１０３から出力される画像デー
タ、Ｈ信号、Ｖ信号は、それぞれ開始終了検出部１０
４、座標発生部１０５、および、累積部１０８に送られ
る。開始終了検出部１０４は、画像入力部１０３から出
力される信号にしたがって、識別対象Ｃがラインセンサ
１０２の下部を通過する際の、開始と終了を検出するも
ので、たとえば、図３に示すように、カウンタ２０１、
マスク設定部２０２，２０５、比較器２０３，２０４，
２０６、論理積回路２０７、Ｄ形フリップフロップ回路
２０８，２０９，２１０、および、論理反転回路２１１
から構成されている。

【００２２】すなわち、開始終了検出部１０４は、ま
ず、比較器２０６が画像入力部１０３から出力される画
像データに対して、一定の閾値と比較し、大きければハ
イレベルの出力を、そうでなければロウレベルの出力を
行なう。図１のように搬送される識別対象Ｃをラインセ
ンサ１０２によってとらえる場合、この比較器２０６
は、閾値以上の画素値をもたらす反射光を持つ識別対象
Ｃがラインセンサ１０２を通過する間、ハイレベルの信
号を出力し、識別対象Ｃの画像データの開始と終了を検
出することができる。

【００２３】実際には、照明灯がラインセンサ１０２の
両端と重なる場合があるため、この端領域を不感領域と
する必要がある。これを実現するため、各ラインの読出
し座標をカウンタ２０１で計数しながら、マスク設定部
２０２，２０５で設定される端の座標に対して、比較器
２０３，２０４がそれぞれ設定値以上、設定値以下のと
きにハイレベルの信号を出力し、論理積回路２０７で論
理演算を行なう。これにより、２つのマスク設定された
座標の間で閾値を越える画像データを検出することがで
き、識別対象Ｃに対応する画素のみ論理積回路２０７か
らハイレベルの信号が出力される。

【００２４】論理積回路２０７から出力される最初のハ
イレベルの信号が搬送される識別対象Ｃの先端を表す信
号となり、最後に現れるハイレベルの信号が後端を表す
信号に相当するが、これをフリップフロップ回路２０
８，２０９，２１０がとらえる。フリップフロップ回路
２０８は、最初の論理積回路２０７のハイレベルの信号
への変化をとらえ、開始信号として座標発生部１０５に
出力する。

【００２５】フリップフロップ回路２０９は、Ｖ信号が
入力されるごとにリセットされながら、論理積回路２０
７からハイレベルの信号が出力された瞬間にハイレベル
の信号を出力する。すなわち、フリップフロップ回路２
０９は、１ライン内に閾値を越える画素データが存在す
ればハイレベルの信号を出力するので、識別対象Ｃがラ
インセンサ１０２を横切っている間、必ず各ラインの走
査の終了時にはハイレベルの信号が出力される。

【００２６】この出力は、フリップフロップ回路２０９
がリセットされる前に、フリップフロップ回路２１０が
保持するので、フリップフロップ回路２１０の出力は、
識別対象Ｃがラインセンサ１０２を横切っている間、ハ
イレベルの信号を出力し続ける。論理反転回路２１１
は、この出力を反転し、識別対象Ｃがラインセンサ１０
２を通過する後端でハイレベルの信号を出力し、終了信
号として累積部１０８および比較部１１０に送る。

【００２７】座標発生部１０５は、ラインセンサ１０２
でとらえる識別対象Ｃの画像の座標データを、画像入力
部１０３から出力されるＨ信号とＶ信号に基づいて生成
するもので、たとえば、図４に示すように、カウンタ３
０１，３０２から構成されている。

【００２８】すなわち、座標発生部１０５は、カウンタ
３０１が１ラインの走査の開始を示すＶ信号によりリセ
ットされて、１画素ごとの読出しに対応するＨ信号を計
数することで、Ｘ座標値を出力し、カウンタ３０２が識
別対象Ｃの先端に発生する開始信号でリセットされて、
Ｖ信号を計数することで、Ｙ座標値を出力する。

【００２９】ここで、Ｘ座標値とＹ座標値は、それぞれ
図２に示し、ラインセンサ１０２の走査方向と、それに
垂直な方向の各座標値を示す。座標発生部１０５から出
力される各座標データは、中心位置検出部１０６および
角度計算部１０７にそれぞれ送られる。

【００３０】中心位置検出部１０６は、座標発生部１０
５から出力される座標データと、あらかじめ与えられる
識別したい識別対象の半径データとから、識別対象Ｃを
円として見立てたときの中心位置の画像データにおける
座標値を出力するもので、たとえば、図５に示すよう
に、ラッチ回路４０１とバッファ回路４０２とから構成
されている。

【００３１】すなわち、中心位置検出部１０６は、ラッ
チ回路４０１が識別対象Ｃの先端が検出された瞬間のＸ
座標値を開始信号のタイミングで保持することで、識別
対象Ｃの中心のＸ座標値を出力し、バッファ回路４０２
が入力される半径データを出力することで、識別対象Ｃ
の中心のＹ座標値を求め、識別対象Ｃの中心位置の座標
データを出力する。

【００３２】これは、円形である識別対象Ｃの先端のＸ
座標値が中心のＸ座標値と一致し、Ｙ座標値「０」から
始まる画像データにおいて、半径データがそのまま識別
対象Ｃの中心のＹ座標に相当することを利用している。
この中心位置検出部１０６から出力される座標データは
角度計算部１０７に送られる。

【００３３】角度計算部１０７は、座標発生部１０５か
ら出力される座標データと、中心位置検出部１０６から
出力される識別対象Ｃの中心位置の座標データとから、
入力されている画像データの角度値を計算する。

【００３４】角度計算部１０７は、たとえば、図６に示
すように、減算器５０１，５０２、加算器５０３，５０
４、メモリ５０５、および、オフセット値出力部５０６
から構成されている。

【００３５】すなわち、角度計算部１０７は、まず、減
算器５０１，５０２が、それぞれ座標発生部１０５から
出力されるＸ座標値およびＹ座標値と、識別対象Ｃの中
心位置のＸ座標値およびＹ座標値との差を求める。次
に、加算器５０３，５０４が、それぞれの差の値にオフ
セット値出力部５０６から出力されるオフセット値ｔ／
２を加え、その結果をアドレス信号としてメモリ５０５
に出力する。メモリ５０５には、たとえば、図７に示す
ように、Ｘ座標とＹ座標とによる角度値のルックアップ
テーブル情報が書込まれている。この方法により、高速
で中心位置からの角度値が計算できる。

【００３６】角度計算部１０７から出力される、それぞ
れの画像データの中心を基にした角度データ（角度値）
は累積部１０８に送られる。累積部１０８は、複数個
（ｎ個）の累積部から構成され、画像入力部１０３から
出力される画像データを、１画素ごとにそれぞれの中心
位置を基にした角度に対応した累積部を選択しながら加
算していく。たとえば、図６で構成される角度計算部１
０７から出力される角度データにしたがえば、累積部１
０８は、図７に示されるメモリ６０５に書込まれている
角度データの中で、「１」と書かれているデータに対応
する画素値を累積部１が、「２」と書かれているデータ
に対応する画素値を累積部２だけが加算していくこと
で、それぞれの角度値に対応した画素の累積を求めてい
く。

【００３７】累積部１０８は、開始終了検出部１０４が
出力する開始信号で累積値をクリアされる。累積が終了
した後、累積部１０８が出力するｎ個の累積データは、
特徴解析部１０９に送られる。

【００３８】特徴解析部１０９は、累積部１０８が出力
するｎ個の累積データの特徴を解析する。このとき、累
積データ自体は、識別対象Ｃの回転角度に依存して変化
する。ここでは、累積データの特徴のうち、識別対象Ｃ
の回転角度に依存しない特徴量をｍ個抽出して比較部１
１０へ送る。このようにすることにより、識別対象Ｃの
回転角に依存するデータを用いて、その回転角に依存し
ない識別を行なうことができる。

【００３９】標準データ記憶部１１１は、特徴解析部１
０９が抽出するデータの特徴量の標準的な値を記憶して
おり、その出力データは比較部１１０に送られる。比較
部１１０は、開始終了検出部１０４から終了信号が出力
された後に、特徴解析部１０９から出力されるデータ
と、標準データ記憶部１１１から出力される標準データ
とを比較し、識別対象Ｃが、標準データとして記憶して
ある所望の識別対象の種類と一致するかどうかを判定す
る。

【００４０】比較部１１０は、たとえば、図８に示すよ
うに、ｍ個のデータから１つのデータを選択するマルチ
プレクサ８０１，８０２、減算器８０３、絶対値計算器
８０４、累積器８０５、判定部８０６、および、これら
を制御する制御部８０７から構成されている。

【００４１】すなわち、比較部１１０は、はじめに、マ
ルチプレクサ８０１が特徴解析部１０９が出力するｍ個
のデータを受信し、マルチプレクサ８０２が標準データ
記憶部１１１から出力されるｍ個の標準データを受信
し、それぞれ制御部８０７から出力される制御信号によ
り、そのうち１つのデータを選択する。制御部８０７
は、開始終了検出部１０４から出力される終了信号を受
けることにより、マルチプレクサ８０１，８０２に対し
てデータ１から順にｍまで選択する信号を出力する。

【００４２】このように、順に出力される入力画像の累
積データの特徴量データと標準データについて、減算器
８０３が１組ずつ２つのデータの差を求め、続いて絶対
値計算器８０４がその差の絶対値を求めている。求めら
れた差の絶対値は、累積器８０５が加算し、ｍ個のデー
タの差の絶対値の累積値を出力する。

【００４３】累積器８０５は、開始終了検出部１０４が
出力する終了信号により「０」にクリアされた後に、制
御部８０７が出力するデータ選択信号にしたがって加算
動作を行なう。その後、判定部８０６が、あらかじめ定
められた判定閾値と累積結果とを比較し、識別対象Ｃが
所望される識別対象かどうかを判定し、選別信号を出力
する。

【００４４】最後に、選別部１１２が、比較部１１０か
ら出力される選別信号にしたがってゲート１１３を回動
させ、搬送部１０１で搬送される識別対象Ｃを２つの搬
送部１０１ａ，１０１ｂのどちらかに案内するようにな
っている。

【００４５】以上説明したように第１の実施例によれ
ば、識別対象Ｃの中心位置を検出し、この中心位置から
角度値をパラメータとした放射線状の領域を決定し、そ
の放射線状の領域ごとの投影像に対して更に特徴を解析
することにより、もともとは回転に依存するデータから
回転に不変であるデータを抽出することができるので、
識別対象Ｃの回転に依存せず、また、識別対象Ｃの磨耗
などによる画像のコントラストに影響されにくい識別を
正確かつ高速に行なうことができる。

【００４６】次に、第２の実施例について説明する。図
９は、第２の実施例に係る画像識別装置の構成を示すも
のである。本実施例の第１の実施例と異なる点は、特徴
解析部１０９の代わりにピーク計数部９０１が用いられ
たもので、その他の部分は同一である。したがって、こ
のピーク計数部９０１についてだけ詳細に説明する。

【００４７】ピーク計数部９０１は、累積部１０８が出
力するｎ個の累積データのピークの個数を計数するもの
で、たとえば、図１０に示すように、入力ポート１００
１、ＣＰＵ（セントラル・プロセッシング・ユニット）
１００２、ＣＰＵ１００２の制御用プログラムなどを記
憶しているプログラムメモリ１００３、および、出力部
１００４から構成されている。

【００４８】すなわち、ピーク計数部９０１は、入力ポ
ート１００１に累積部１０８からｎ個の累積データが入
力され、ＣＰＵ１００２がプログラムメモリ１００３内
のプログラムに基づき処理動作することによって、入力
されたｎ個の累積データ列のピークが計数され、その計
数結果が特徴量データとして出力部１００４を介して比
較部１１０に出力される。

【００４９】図１１は、ピーク計数部９０１が出力する
特徴量データを決定する処理のフローチャートで、これ
はプログラムとしてプログラムメモリ１００３に記憶さ
れており、累積部１０８からの累積データのピークの個
数を計数する。すなわち、まず、累積部１０８の領域番
号ｉを「２」に設定するとともに（Ｓ１）、ピークカウ
ンタの値（ピーク数）Ｐを「０」に設定することにより
（Ｓ２）、たとえば、ｉ番目の領域について、累積部１
０８が出力する画素値の累積データＢ（ｉ）を入力す
る。

【００５０】次に、ステップＳ３において、それぞれ近
接（前後）の領域の画素値の累積データＢ（ｉ−１），
Ｂ（ｉ＋１）と比較し、Ｂ（ｉ−１）＜Ｂ（ｉ）で、か
つ、Ｂ（ｉ）＞Ｂ（ｉ＋１）のとき、ステップＳ４でピ
ーク数Ｐに「１」を加算し、ステップＳ５に進む。ステ
ップＳ３において、上記条件が成立しなかった場合、ス
テップＳ５に進む。ステップＳ５では、領域番号ｉを
「＋１」して、ステップＳ６に進み、「ｉ＝ｎ−１」か
否かを判断する。

【００５１】上記ステップＳ６において、上記条件が成
立しなかった場合、ステップＳ３に戻って上記処理を繰
り返し、上記条件が成立した場合、ピークカウンタの値
（ピーク数）Ｐを計数結果として比較部１１０へ送る。

【００５２】この場合、標準データ記憶部１１１には、
所望の識別対象の標準的なピーク数を記憶しており、そ
の出力データは比較部１１０に送られる。以上説明した
ように第２の実施例によれば、前記第１の実施例の中
の、放射線状の領域ごとの投影像に対して更に特徴を解
析するときに用いる特徴として、上記投影像のピークの
個数を用いることにより、識別対象Ｃの回転に依存せ
ず、また、識別対象Ｃの磨耗などによる画像のコントラ
ストに影響されにくい、安定した識別が可能となる。

【００５３】次に、第３の実施例について説明する。図
１２は、第３の実施例に係る画像識別装置の構成を示す
ものである。本実施例の第１の実施例と異なる点は、特
徴解析部１０９の代わりにピーク間距離分布計算部９０
２が用いられたもので、その他の部分は同一である。し
たがって、このピーク間距離分布計算部９０２について
だけ詳細に説明する。

【００５４】ピーク間距離分布計算部９０２は、累積部
１０８が出力するｎ個の累積データのピーク間距離の分
布を求めるもので、たとえば、前述した図９のピーク計
数部９０１と同様、図１０に示すように構成されてい
る。

【００５５】すなわち、ピーク間距離分布計算部９０２
は、入力ポート１００１に累積部１０８からｎ個の累積
データが入力され、ＣＰＵ１００２がプログラムメモリ
１００３内のプログラムに基づき処理動作することによ
って、入力されたｎ個の累積データ列のピーク間距離分
布が計算され、その計算結果が特徴量データとして出力
部１００４を介して比較部１１０に出力される。

【００５６】図１３は、ピーク間距離分布計算部９０２
が出力する特徴量データを決定する処理のフローチャー
トで、これはプログラムとしてプログラムメモリ１００
３に記憶されており、累積部１０８からの各累積データ
のピーク間距離の分布を求める。すなわち、まず、ピー
ク間距離分布を格納するピーク間距離分布エリアＡ
（ｒ）を「０」に設定するとともに（Ｓ１１）、累積部
１０８の領域番号ｉを「２」に設定することにより（Ｓ
１２）、たとえば、ｉ番目の領域について、累積部１０
８が出力する画素値の累積データＢ（ｉ）を入力する。

【００５７】次に、ステップＳ１３において、それぞれ
近接（前後）の領域の画素値の累積データＢ（ｉ−
１），Ｂ（ｉ＋１）と比較し、Ｂ（ｉ−１）＜Ｂ（ｉ）
で、かつ、Ｂ（ｉ）＞Ｂ（ｉ＋１）のとき、ステップＳ
１４で前のピークとの距離ＰＰを計算し、ステップＳ１
５に進む。ステップＳ１５では、ステップＳ１４で計算
されたピーク間距離値ＰＰをアドレスとして、ピーク間
距離分布エリアＡ（ＰＰ）に「１」を加算し、ステップ
Ｓ１６に進む。

【００５８】ステップＳ１３において、上記条件が成立
しなかった場合、ステップＳ１６に進む。ステップＳ１
６では、領域番号ｉを「＋１」して、ステップＳ１７に
進み、「ｉ＝ｎ−１」か否かを判断する。この判断の結
果、上記条件が成立しなかった場合、ステップＳ１３に
戻って上記処理を繰り返し、上記条件が成立した場合、
ピーク間距離分布エリアＡ（ｒ）の内容を計算結果とし
て比較部１１０へ送る。

【００５９】この場合、標準データ記憶部１１１には、
所望の識別対象の標準的なピーク間距離の分布データを
記憶しており、その出力データは比較部１１０に送られ
る。以上説明したように第３の実施例によれば、前記第
１の実施例の中の、放射線状の領域ごとの投影像に対し
て更に特徴を解析するときに用いる特徴として、上記投
影像のピーク間距離の分布を用いることにより、識別対
象Ｃの回転に依存せず、また、識別対象Ｃの磨耗などに
よる画像のコントラストに影響されにくい、より高精度
な識別が可能となる。

【００６０】次に、第４の実施例について説明する。図
１４は、第４の実施例に係る画像識別装置の構成を示す
ものである。本実施例の第１の実施例と異なる点は、特
徴解析部１０９の代わりに分散計算部９０３が用いられ
たもので、その他の部分は同一である。したがって、こ
の分散計算部９０３についてだけ詳細に説明する。

【００６１】分散計算部９０３は、累積部１０８が出力
するｎ個の累積データの分散を求めるもので、たとえ
ば、前述した図９のピーク計数部９０１と同様、図１０
に示すように構成されている。

【００６２】すなわち、分散計算部９０３は、入力ポー
ト１００１に累積部１０８からｎ個の累積データが入力
され、ＣＰＵ１００２がプログラムメモリ１００３内の
プログラムに基づき処理動作することによって、入力さ
れたｎ個の累積データ集合の分散が計算され、その計算
結果が特徴量データとして出力部１００４を介して比較
部１１０に出力される。

【００６３】図１５は、分散計算部９０３が出力する特
徴量データを決定する処理のフローチャートで、これは
プログラムとしてプログラムメモリ１００３に記憶され
ており、累積部１０８からの各累積データの分散を求め
る。すなわち、まず、ステップＳ２１からＳ２６で、累
積部１０８が出力する各累積データの二乗和Ｖを求め、
ステップＳ２７において、この求めた二乗和Ｖを領域の
個数ｎで除算する。

【００６４】同時に、ステップＳ２８からＳ３２で、累
積部１０８が出力する各累積データの和Ｌを求め、ステ
ップＳ３３において、この求めた和Ｌを領域の個数ｎで
除算した後、ステップＳ３４において、その除算結果Ｌ
を二乗する。最後に、ステップＳ３５において、Ｖから
Ｌを減算することにより、分散値Ｖを求め、比較部１１
０へ送る。

【００６５】以上説明したように第４の実施例によれ
ば、前記第１の実施例の中の、放射線状の領域ごとの投
影像に対して更に特徴を解析するときに用いる特徴とし
て、上記投影像の値の分散を用いることにより、識別対
象の回転に依存せず、また、識別対象Ｃの磨耗などによ
る画像のコントラストに影響されにくい、より安定した
識別が可能となる。

【００６６】次に、第５の実施例について説明する。図
１６は、第５の実施例に係る画像識別装置の構成を示す
ものである。本実施例の第１の実施例と異なる点は、累
積部１０８と特徴解析部１０９との間に平滑化部９０４
が追加されたもので、その他の部分は同一である。した
がって、この平滑化部９０４についてだけ詳細に説明す
る。

【００６７】平滑化部９０４は、累積部１０８が出力す
るｎ個の累積データの平滑化を行なうもので、たとえ
ば、図１７に示すように、入力ポート１１０１、ＣＰＵ
１１０２、ＣＰＵ１１０２の制御用プログラムなどを記
憶しているプログラムメモリ１１０３、および、出力部
１１０４から構成されている。

【００６８】すなわち、平滑化部９０４は、移動平均法
を用いており、入力ポート１１０１に累積部１０８から
ｎ個の累積データが入力され、ＣＰＵ１１０２がプログ
ラムメモリ１１０３内のプログラムに基づき処理動作す
ることによって、入力されたｎ個の累積データ列が平滑
化され、その結果が出力部１１０４を介して特徴解析部
１０９に出力される。

【００６９】図１８は、平滑化部９０４が出力する特徴
量データを決定する処理のフローチャートで、これはプ
ログラムとしてプログラムメモリ１１０３に記憶されて
おり、累積部１０８からの各累積データを平滑化する。
すなわち、まず、出力データを格納する出力データエリ
アＯ（ｋ）を「０」に設定するとともに（Ｓ４１）、累
積部１０８の領域番号ｉを「２」に設定することにより
（Ｓ４２）、たとえば、ｉ番目の領域について、累積部
１０８が出力する画素値の累積データＢ（ｉ）を入力す
る。

【００７０】次に、ステップＳ４３において、累積部１
０８が出力する累積データＢ（ｋ）に対して、Ｂ（ｉ）
とその前後のデータＢ（ｉ−１）、Ｂ（ｉ＋１）を加算
し、ステップＳ４４において、その加算結果を「３」で
除算することにより平均化して、出力データＯ（ｉ）と
する。

【００７１】次に、ステップＳ４５では、領域番号ｉを
「＋１」して、ステップＳ４６に進み、「ｉ＝ｎ−１」
か否かを判断する。この判断の結果、上記条件が成立し
なかった場合、ステップＳ４３に戻って上記処理を繰り
返し、上記条件が成立した場合、出力データエリアＯ
（ｋ）の内容を結果として特徴解析部１０９へ送る。

【００７２】以上説明したように第５の実施例によれ
ば、累積部１０８に累積されたｎ個の累積データに対し
て平滑化を行なうことにより、識別対象Ｃの微妙な回転
ずれ、識別対象Ｃの磨耗、照明などの撮像条件の変化な
どによる、累積データの変動のデータ解析結果への影響
を少なくして、より安定した識別が可能となる。

【００７３】なお、本発明は前記実施例に限定されるも
のではなく、本発明の要旨を変えない範囲において種々
変形可能なことは勿論である。たとえば、前記実施例に
記載した印章以外に、回転方向に位置の定まらない識別
対象である硬貨、メダル、あるいは、コンパクトディス
クに貼付される印刷ラベルなどの識別においても同様に
適用できる。

【００７４】

【発明の効果】以上詳述したように本発明によれば、回
転方向に位置の定まらない識別対象について、その種類
を模様の特徴を用いて正確かつ高速に識別することがで
きる画像識別装置を提供できる。

【図面の簡単な説明】

【図１】本発明の第１の実施例に係る画像識別装置の構
成を示すブロック図。

【図２】図１における搬送部の部分を上方から見た平面
図。

【図３】開始終了検出部の構成を示すブロック図。

【図４】座標発生部の構成を示すブロック図。

【図５】中心位置検出部の構成を示すブロック図。

【図６】角度計算部の構成を示すブロック図。

【図７】角度計算部のメモリに記憶される角度データの
配列例を示す概念図。

【図８】比較部の構成を示すブロック図。

【図９】本発明の第２の実施例に係る画像識別装置の構
成を示すブロック図。

【図１０】ピーク計数部（ピーク間距離分布計算部、分
散計算部）の構成を示すブロック図。

【図１１】ピーク計数部の処理手順を示すフローチャー
ト。

【図１２】本発明の第３の実施例に係る画像識別装置の
構成を示すブロック図。

【図１３】ピーク間距離分布計算部の処理手順を示すフ
ローチャート。

【図１４】本発明の第４の実施例に係る画像識別装置の
構成を示すブロック図。

【図１５】分散計算部の処理手順を示すフローチャー
ト。

【図１６】本発明の第５の実施例に係る画像識別装置の
構成を示すブロック図。

【図１７】平滑化部の構成を示すブロック図。

【図１８】平滑化部の処理手順を示すフローチャート。

【符号の説明】

Ｃ……識別対象（印章）、Ｐ……用紙、１０１，１０１
ａ，１０１ｂ……搬送部、１０２……ラインセンサ、１
０３……画像入力部、１０４……開始終了検出部、１０
５……座標発生部、１０６……中心位置検出部、１０７
……角度計算部、１０８……累積部、１０９……特徴解
析部、１１０……比較部、１１１……標準データ記憶
部、１１２……選別部、１１３……ゲート、９０１……
ピーク計算部、９０２……ピーク間距離分布計算部、９
０３……分散計算部、９０４……平滑化部。

Claims (5)

【特許請求の範囲】
1. 【請求項１】 回転可能な形をした識別対象の画像を画
   像データとして入力する画像入力手段と、 この画像入力手段により入力された画像データから前記
   識別対象の中心位置データを検出する中心位置検出手段
   と、 前記画像入力手段により入力された画像データを前記中
   心位置検出手段により検出された中心位置データに基づ
   いて所定の角度範囲に区分し、この角度範囲内の画像デ
   ータを抽出する角度抽出手段と、 この角度抽出手段により抽出されたデータに基づいて前
   記識別対象の回転に依存しない特徴データを抽出する特
   徴データ抽出手段と、 あらかじめ標準データを記憶する標準データ記憶手段
   と、 前記特徴データ抽出手段の出力データと前記標準データ
   記憶手段に記憶された標準データとを比較するすること
   により前記識別対象の種類を識別する識別手段と、 を具備したことを特徴とする画像識別装置。
2. 【請求項２】 回転可能な形をした識別対象の画像を画
   像データとして入力する画像入力手段と、 この画像入力手段により入力された画像データから前記
   識別対象の中心位置データを検出する中心位置検出手段
   と、 前記画像入力手段により入力された画像データを前記中
   心位置検出手段により検出された中心位置データに基づ
   いて所定の角度範囲に区分し、この角度範囲内の画像デ
   ータを抽出する角度抽出手段と、 この角度抽出手段により抽出された画像データを前記角
   度範囲ごとに累積するデータ累積手段と、 このデータ累積手段により累積されたデータから前記角
   度範囲に対する分布を計算し、この計算した分布で形成
   されたピークの個数を計数するピーク計数手段と、 あらかじめピークの個数に関する標準データを記憶する
   標準データ記憶手段と、 前記ピーク計数手段の出力データと前記標準データ記憶
   手段に記憶された標準データとを比較するすることによ
   り前記識別対象の種類を識別する識別手段と、 を具備したことを特徴とする画像識別装置。
3. 【請求項３】 回転可能な形をした識別対象の画像を画
   像データとして入力する画像入力手段と、 この画像入力手段により入力された画像データから前記
   識別対象の中心位置データを検出する中心位置検出手段
   と、 前記画像入力手段により入力された画像データを前記中
   心位置検出手段により検出された中心位置データに基づ
   いて所定の角度範囲に区分し、この角度範囲内の画像デ
   ータを抽出する角度抽出手段と、 この角度抽出手段により抽出された画像データを前記角
   度範囲ごとに累積するデータ累積手段と、 このデータ累積手段により累積されたデータから前記角
   度範囲に対する分布を計算し、この計算した分布で形成
   されたピーク間の距離を求めるピーク間距離分布計算手
   段と、 あらかじめピーク間距離の標準データを記憶する標準デ
   ータ記憶手段と、 前記ピーク間距離分布計算手段の出力データと前記標準
   データ記憶手段に記憶された標準データとを比較するす
   ることにより前記識別対象の種類を識別する識別手段
   と、 を具備したことを特徴とする画像識別装置。
4. 【請求項４】 回転可能な形をした識別対象の画像を画
   像データとして入力する画像入力手段と、 この画像入力手段により入力された画像データから前記
   識別対象の中心位置データを検出する中心位置検出手段
   と、 前記画像入力手段により入力された画像データを前記中
   心位置検出手段により検出された中心位置データに基づ
   いて所定の角度範囲に区分し、この角度範囲内の画像デ
   ータを抽出する角度抽出手段と、 この角度抽出手段により抽出された画像データを前記角
   度範囲ごとに累積するデータ累積手段と、 このデータ累積手段により累積されたデータから分散値
   を計算する分散計算手段と、 あらかじめ分散値の標準データを記憶する標準データ記
   憶手段と、 前記分散計算手段の出力データと前記標準データ記憶手
   段に記憶された標準データとを比較するすることにより
   前記識別対象の種類を識別する識別手段と、 を具備したことを特徴とする画像識別装置。
5. 【請求項５】 回転可能な形をした識別対象の画像を画
   像データとして入力する画像入力手段と、 この画像入力手段により入力された画像データから前記
   識別対象の中心位置データを検出する中心位置検出手段
   と、 前記画像入力手段により入力された画像データを前記中
   心位置検出手段により検出された中心位置データに基づ
   いて所定の角度範囲に区分し、この角度範囲内の画像デ
   ータを抽出する角度抽出手段と、 この角度抽出手段により抽出された画像データを前記角
   度範囲ごとに累積するデータ累積手段と、 このデータ累積手段により累積されたデータを平滑化す
   るデータ平滑化手段と、 このデータ平滑化手段により平滑化されたデータに基づ
   いて前記識別対象の回転に依存しない特徴データを抽出
   する特徴データ抽出手段と、 あらかじめ標準データを記憶する標準データ記憶手段
   と、 前記特徴データ抽出手段の出力データと前記標準データ
   記憶手段に記憶された標準データとを比較するすること
   により前記識別対象の種類を識別する識別手段と、 を具備したことを特徴とする画像識別装置。