JPH1083473A - 紙幣識別方法 - Google Patents

Abstract

(57)【要約】 【課題】 汚れ、歪等の影響を受けることなく、精度良
く且つ高速に紙葉類の識別を行う方法を提供する。 【解決手段】 複数の異なる波長の光を用いて取込まれ
た被識別紙幣の画像データから真券、偽券を判定する粗
判定ステップと、該粗判定ステップにて真券と判定され
た被識別紙幣の画像データから識別誤差を予測するとと
もにこの識別誤差を用いて真券、偽券の判定を行う精判
定ステップと、該精判定ステップにて真券と判定された
画像データに対してニューラルネットを用いて高精度な
判定を行う高精度判定ステップとよりなる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は紙幣や有価証券等の
紙葉類の識別方法に係り、特に識別される紙幣の各種汚
れによる識別精度への影響を抑制し、高精度で且つ高速
判定のできる識別方法に関する。

【０００２】

【従来の技術】本発明に先行する技術として特開昭６０
−２１５２９３号公報がある。当該公報には紙幣を複数
のゾーンに分け、各ゾーン毎の検出データを前記各ゾー
ンに対して予め定められている基準データと比較し、前
記各ゾーンにおける比較結果に基づいて前記紙幣を識別
する紙幣識別方法において、前記紙幣の表裏、向き及び
識別時の位置ずれに対応して複数個設定すると共に、紙
幣１枚に対して前記各ゾーンのデータを総計し、その総
計値に対する比率値で基準パターンデータとして記憶し
ておき、前記検出データの総和値を求めると共に、この
総和値に対する比率値を検出パターンデータとして計算
し、前記検出パターンデータが前記基準パターンデータ
の許容値範囲内にあるか否かを判断し、前記各ゾーン毎
に前記基準パターンデータと前記検出パターンデータと
の差の絶対値を距離計算して総計し、この距離計算の総
計値が許容値よりも小さいか否かを判断して紙幣識別を
行うことを特徴とする紙幣識別方法が開示されている。

【０００３】

【発明が解決しようとする課題】ところで、上記従来の
技術においては、汚れ、歪み、その他の理由による識別
のバラツキを許容してしてしまうため、偽券を真券と誤
認してしまう問題があり、識別精度の低下の原因となっ
ていた。

【０００４】本発明は、このような従来の方法による問
題点を解決するために成されたものであり、汚れ、歪等
の影響を受けることなく、精度良く且つ高速に紙幣の識
別を行う方法を提供することを目的とする。

【０００５】

【課題を解決するための手段】本発明方法は、複数の異
なる波長の光を用いて取込まれた被識別紙幣の画像デー
タから真券、偽券を判定する粗判定ステップと、該粗判
定ステップにて真券と判定された被識別紙幣の画像デー
タから識別誤差を予測するとともにこの識別誤差を用い
て真券、偽券の判定を行う精判定ステップと、該精判定
ステップにて真券と判定された画像データに対してニュ
ーラルネットを用いて高精度な判定を行う高精度判定ス
テップとよりなる。

【０００６】

【発明の実施の形態】以下本発明の紙幣の識別方法をそ
の一実施形態について、図面に基づき詳細に説明する。

【０００７】図１は本実施例の基本アルゴリズムを示す
フローチャートである。同図において紙幣の投入によっ
てプログラムが開始される（ステップＳ１）と、紙幣の
光学センサによる多値の濃淡データが取込まれる（ステ
ップＳ２）。

【０００８】取込まれた濃淡データはその一部について
３金種、４方向の基準波形とのマッチングを施され、結
果として得られたマッチング度を用いて金種及び投入方
向の判定がなされる。

【０００９】こうして得られた判定結果を用いて前記濃
淡データを表方向で且つ正立方向のデータに変換する。
次にステップＳ３の粗判定処理を行う。この処理は被識
別紙幣に例えば第２波長光としての赤外色光及び第１波
長光としての赤色光を照射して夫々画像データを得、こ
れらの画像データの透過度の差や比率を算出し、これら
算出値の値と予め定めた閾値との比較から、真券、偽券
を判定する処理である。

【００１０】以上の処理を経てステップＳ３で偽券と粗
判定された被識別紙幣はステップＳ４の精判定処理ルー
チンに入る。このルーチンでは搬送ずれ修正処理、レベ
ル合わせ処理、不規則成分抽出処理、不規則成分予測処
理、予測誤差算出処理、予測誤差の閾値判定処理等が行
われる。

【００１１】この結果を用いて、前回真券と判定された
被識別紙幣の真偽が判定される。そして偽券と判定され
ればこれが確定され、真券と判定されればさらにステッ
プＳ５の高精度判定処理ルーチンに入る。このルーチン
ではニューラルネット（以下ＮＮと略す）を用いた識別
処理が行われる。

【００１２】次に前記図１のフローチャートの細部につ
いて説明する。３金種、４方向の判定処理は例えば次の
ようにして行われる。即ち図２のフローチャート及び図
３の概念図に示すように、ステップＳ２０において紙幣
識別機（図示せず）に被識別紙幣が、投入されるとＬＥ
Ｄ（赤色及び赤外色等の中から選ばれた第１波長及び第
２波長の光を発する発光ダイオード）と受光素子とから
なるイメージセンサ（ラインセンサ）によって紙幣表面
の画像のデータが縦軸を透過度（センサ値）、横軸を位
置情報（ポイント）とした２つの波形データの形で得ら
れる（図３ａ）参照。

【００１３】金種・方向判定での演算に用いるデータの
ポイント数は、金種、方向判定に用いるだけであるの
で、紙幣の全ポイントである必要はなく、最低限金種、
方向判定に必要なポイント数でよい。

【００１４】ステップＳ２１において、前記得られた波
形データ（紙幣データ）の内第２波長光によるものは、
事前に真券から前記イメージセンサによって得ておいた
３金種、４方向（図３では１金種、４方向の場合で表右
Ａ、表左Ｂ、裏右Ｃ、裏左Ｄを示す）の方向別基準波形
データと夫々比較され（ステップＳ２２）、前記最低限
必要な各ポイント毎の差分の二乗和が計算される（図３
ｂ参照）。

【００１５】次に得られた各方向の差分二乗和（マッチ
ング度）を比較し、ステップＳ２３にてその値が最小と
なる方向別基準波形データの方向を紙幣の投入方向と判
定する（図３ｃ参照）。

【００１６】ステップＳ３の粗判定処理は前記イメージ
センサとして、第２波長光を用いて得た画像データと第
２波長光を用いて得た画像データとから、その透過度の
差あるいは比率を算出し、この算出値と予め得ておいた
閾値とを比較し、真券、偽券の判定を大まかに行う処理
である。

【００１７】ステップＳ４の精判定処理は大きく分けて
被識別紙幣の搬送ずれ修正処理と、真偽識別処理に分け
られる。搬送ずれ処理は図４に示すようにステップＳ４
１でずれ幅Ｋ（演算用）をセットする。このずれ幅Ｋは
搬送ずれが起こり得る最小のずれ幅値から最大のずれ幅
までの間の値であり、最小値から始める。

【００１８】そしてステップＳ４２で搬送されてきた紙
幣の入力信号をセットしたＫだけずらしたデータを作成
する。次にステップＳ４３で前記ステップＳ４２で作成
されたＫだけずらしたデータの内、対象とする複数箇所
のデータを抽出する。

【００１９】ステップＳ４４では前記抽出されたデータ
と基準波形の対応するデータとの差分の絶対値累計を算
出する。ステップＳ４５で得られた累計値が最小であれ
ば、その時のＫの値を算出されたずれ幅として一時的に
記録する。

【００２０】以上の操作をＫの最小値から最大値まで繰
り返す。このようにすることにより、Ｋの値が最小値か
ら最大値の間で変化するたびに基準波形との差分の累計
値が得られ、最小の累計値となるＫの値がその都度更新
されていく。

【００２１】そして、最終的に残ったＫの値を目的とす
る搬送ずれ幅とすることにより、正確に搬送ずれ値が求
められる。尚、一層の正確さが要求される場合には、前
記ステップＳ４４にて差分の絶対値累計を算出する代わ
りに、差分の二乗累計を算出し（ステップＳ４４１）、
この値が最小のものを目的とするずれ幅として確定する
ことも可能である。

【００２２】前記ステップＳ４３の複数箇所のデータの
抽出は、図５に示すような方法によってなされる。即
ち、ステップＳ４３１で汚れや破れのない紙幣（完封
券）から基本代表波形を作成する。

【００２３】ステップＳ４３２で先の搬送ずれ幅算出の
時と同じように、ずれ幅Ｋをセットしてずらした基本代
表波形を作成する。ステップＳ４３３でこのずらした基
本代表波形と元の基本代表波形との各位置に対する差分
値（絶対値）を記録する。

【００２４】そして以上の操作をＫの値を最小値から最
大値まで変化させて、逐次差分値を記録していき、ステ
ップＳ４３４で各位置における差分値の最小値を算出す
る。最後にステップＳ４３５で得られた差分値の最小値
が大きいものから順に複数個選択してこのポイントをデ
ータを抽出すべき複数箇所とする。

【００２５】尚図５の右半分に途中の波形の概念図を、
左半分に複数箇所の選定のステップの概念図を示す。搬
送ずれ修正処理の後、被識別紙幣の取込画像のレベル調
整を行い、更にこの画像から汚れ成分等の不規則成分に
よる識別誤差を低減する処理に移る。

【００２６】この処理は例えば自己（ＡＲ）回帰モデル
を用いて行われる。即ち図６〜８に示すように本処理方
法は事前処理と紙幣投入時処理とに大きく分けられ、夫
々図７、図８にそのフローチャートを示している。

【００２７】事前処理は紙幣のセンサ入力データの変動
成分推定モデル学習により作成する処理であり、図７に
開示されているように、まずステップＳ１５１にて複数
枚の真券（新札）をセンシングして紙幣上のイメージや
文字等の透過度や濃度のセンサ信号を得、各センサ信号
から基準データとしての基準波形（例えば平均値データ
波形）を得る。

【００２８】次にステップＳ１５２で前記基準波形を用
いて前記真券のデータから汚れや、歪み等の変動成分を
各真券毎に抽出する。そしてステップＳ１５３にて抽出
された変動成分のデータを周期的時系列信号とみなし
て、自己回帰モデルとしての式を使い、

【００２９】

【数１】

【００３０】で表わされるある時間での汚れの式の係数
ａ１、ａ２、・・・、ａｐを求める。この場合の学習デ
ータは、紙幣を何枚か並べて入力したときの汚れ成分の
時系列信号データに匹敵する。

【００３１】こうして作成された汚れ成分の周期的時系
列信号はステップＳ４において自己回帰分析の手法によ
り学習され、学習の結果紙幣１枚分の汚れの変動成分の
推定モデルが作成される。

【００３２】このようにして事前処理を行った後、実際
に紙幣が投入された際の真偽判定を行う投入時処理に移
る。紙幣投入処理では、まずステップＳ２５１で投入さ
れた紙幣からのセンサ信号を入力する。

【００３３】次にステップＳ２５２で入力された信号と
前記基準波形との差分を取って変動成分としての汚れ、
歪み成分の抽出を行う。ステップＳ２５３では前記ステ
ップＳ２５２で得られた汚れ、歪み成分のデータに基づ
き、前記推定モデルを用いた汚れの推定を自己回帰モデ
ルの手法で行い、予測値を算出する。

【００３４】ここで、推定の方法について説明すると、
前記事前処理により推定モデルが得られているので、前
記数１と入力された紙幣の汚れ成分データにより自己回
帰分析の推定モデルから予測される汚れ成分を算出する
（ステップＳ２５３）。

【００３５】こうして得られた入力紙幣の変動成分とし
ての汚れの波形と、推定モデルの変動成分波形から、そ
の予測誤差をステップ２５４にて算出し、この結果から
入力紙幣が予め定めておいた予測誤差の範囲に入ってい
る場合には、真券と判断し、それ以外は偽券と判定する
（ステップＳ２５５）。

【００３６】このようにして予測誤差処理が施された被
識別紙幣のうち、偽券と判定されたものは偽券が確定
し、真券と判定されたものは更にステップＳ５の高精度
判定処理へと進む。

【００３７】高精度判定処理は、大きく分けて事前処理
と紙幣投入時処理に分けられ、事前処理にて複数枚の予
め用意しておいた真券並びに偽券から幾つかのポイント
の波形データをニューラルネットの入力として真券及び
偽券の波形を学習させる。このニューラルネットの出力
は真：１、偽：２である。

【００３８】紙幣投入時処理では、事前に得ておいた学
習されたニューラルネットの入力に被識別紙幣の各ポイ
ントの波形データを入力し、得られた出力の値の高い方
を当該被識別紙幣の判定結果として確定する。

【００３９】

【発明の効果】本発明は以上の説明のように粗判定、精
判定で真と判定された被識別紙幣を更にニューラルネッ
トを用いた高精度判定によって真券、偽券に振り分ける
ことにより、識別難易度が高い偽券を精度よく識別でき
る効果が期待できる。

【図面の簡単な説明】

【図１】本発明の紙幣識別方法の一実施方法を示すフロ
ーチャートである。

【図２】金種・方向判定処理のフローチャートである。

【図３】金種・方向判定処理の概念図である。

【図４】搬送ずれ幅算出方法を説明するフローチャート
である。

【図５】入力データから複数箇所のデータを選択する方
法を説明するフローチャートである。

【図６】汚れ等の不規則成分による予測処理の概念図で
ある。

【図７】事前処理のフローチャートである。

【図８】紙幣投入時処理のフローチャートである。

【図９】ニューラルネットを用いた高精度判定処理方法
を説明する概念図である。

Claims (1)

【特許請求の範囲】
1. 【請求項１】 複数の異なる波長の光を用いて取込まれ
   た被識別紙幣の画像データから真券、偽券を判定する粗
   判定ステップと、該粗判定ステップにて真券と判定され
   た被識別紙幣の画像データから識別誤差を予測するとと
   もにこの識別誤差を用いて真券、偽券の判定を行う精判
   定ステップと、該精判定ステップにて真券と判定された
   画像データに対してニューラルネットを用いて高精度な
   判定を行う高精度判定ステップとよりなる紙幣識別方
   法。