JPH11154253A - 紙葉類の真偽判定方法 - Google Patents

Abstract

(57)【要約】 【課題】 この発明は、複数の特徴量を用いて紙葉類の
真偽判定を総合的に行うことができる紙葉類の真偽判定
方法を提供することを目的とする。 【解決手段】 この発明による紙葉類の真偽判定方法
は、検査対象の紙葉類の画像を取込み、その画像から複
数の特徴量を算出し、得られた複数の特徴量に基づいて
検査対象の紙葉類の真偽を判定する方法において、各特
徴量に対する重みを遺伝アルゴリズムにより予め求めて
おく前処理、および検査対象の紙葉類から得られた特徴
量と、予め求められた各特徴量に対する重みとに基づい
て、各特徴量に対する重みを考慮した特殊的重み付きユ
ークリッド距離を算出し、算出された特殊的重み付きユ
ークリッド距離に基づいて、検査対象の紙葉類の真偽を
判定する真偽判定処理を備えている。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、紙幣、有価証券等の
紙葉類の真偽判定方法に関する。

【０００２】

【従来の技術】従来における紙葉類の真偽判定方法とし
て、イメージセンサによって検査対象紙幣の画像を取込
み、その画像から検査対象紙幣の特徴量を算出し、得ら
れた特徴量に基づいて検査対象紙幣の真偽を判定する方
法がある。

【０００３】この際、複数の特徴量を用いて、総合的に
検査対象紙幣の真偽を判定することが考えられる。しか
しながら、特徴量によっては、たとえばしわ等の外乱が
反映されやすいものとそうでないものというように、全
ての特徴量を一様に取り扱えない場合があり、複数の特
徴量を用いて総合的に検査対象紙幣の真偽を判定するこ
とは困難であった。

【０００４】

【発明が解決しようとする課題】この発明は、複数の特
徴量を用いて紙葉類の真偽判定を総合的に行うことがで
きる紙葉類の真偽判定方法を提供することを目的とす
る。

【０００５】また、この発明は、複数の特徴量を用いて
紙葉類の真偽判定を総合的に行う場合に、各特徴量ごと
に好適な重みを容易に設定することができる紙葉類の真
偽判定方法を提供することを目的とする。

【０００６】

【課題を解決するための手段】この発明による紙葉類の
真偽判定方法は、検査対象の紙葉類の画像を取込み、そ
の画像から複数の特徴量を算出し、得られた複数の特徴
量に基づいて検査対象の紙葉類の真偽を判定する方法に
おいて、各特徴量に対する重みを遺伝アルゴリズムによ
り予め求めておく前処理、および検査対象の紙葉類から
得られた特徴量と、予め求められた各特徴量に対する重
みとに基づいて、各特徴量に対する重みを考慮した特殊
的重み付きユークリッド距離を算出し、算出された特殊
的重み付きユークリッド距離に基づいて、検査対象の紙
葉類の真偽を判定する真偽判定処理を備えていることを
特徴とする。

【０００７】検査対象の紙葉類から得られた複数の特徴
量をｘ_i （ｉ＝１，２，…ｎ）とし、特徴量ｘ_i に対す
る真券標本の平均をｍ_xi、特徴量ｘ_i に対する真券標本
の分散をσ_xi ² とし、特徴量の個数をｎとし、特徴量ｘ
_i に対応する重みをｗ_i とすると、特殊的重み付きユー
クリッド距離は、たとえば、下記の数式４に基づいて算
出されることを特徴とする請求項１に記載の紙葉類の真
偽判定方法。

【０００８】

【数４】

【０００９】前処理としては、たとえば、予め用意され
た複数の真券標本および複数の偽券標本毎に特徴量ｘ_i
を求める第１ステップ、真券の標本から求められた特徴
量に基づいて、特徴量ｘ_i に対する真券の平均ｍ_xiと、
特徴量ｘ_i に対する真券の分散σ_xi ² とを算出する第２
ステップ、各特徴量ｘ₁ 〜ｘ_n に対応する重みを表す遺
伝子からなる個体を所定数生成して、初期個体集団を作
成する第３ステップ、

【００１０】各個体毎に、上記数式１に基づいて、各真
券標本および各偽券標本に対して、特殊的重み付きユー
クリッド距離Ｌを算出し、算出結果に基づいて、下記の
数式５で表される適応度Ｆを求める第４ステップ、終了
条件が満たされたか否かを判定する第５ステップ、終了
条件が満たされない場合には、適応度Ｆを考慮して新し
い個体集団を作成する第６ステップ、第５ステップにお
いて終了条件が満たされると判定されるまで、第４ステ
ップ〜第６ステップを繰り返す第７ステップを備えてい
るものが用いられる。

【００１１】

【数５】

【００１２】各特徴量ｘ_i としては、たとえば、紙葉類
の各領域をｉ（ｉ＝１，２，…ｎ）とし、各領域ｉから
得られた画像のプロジェクション結果をｂ_i,j とし、真
券標本から得られた領域ｉに対応する参照データをａ
_i,j とすると、下記の数式６で表されるものが用いられ
る。

【００１３】

【数６】

【００１４】

【発明の実施の形態】以下、この発明を紙幣の真偽判定
方法に適用した場合の実施の形態について説明する。

【００１５】〔１〕真偽判定処理についての説明

【００１６】図１は、真偽判定処理手順を示している。
まず、検査対象紙幣からデータが取り込まれる（ステッ
プ１）。このデータとしては、たとえば、図２に示すよ
うに、検査対象紙幣１００の各領域ｅ₁ 〜ｅ_nの画像デ
ータが用いられる。この例では、ｎ＝８である。

【００１７】次に、特徴量が算出される（ステップ
２）。特徴量は、たとえば、各領域ｅ₁〜ｅ_n 毎に求め
られる。この例では、領域ｉ（ｉ＝１，２…ｎ）から得
られた画像データのプロジェクション結果を取得データ
ｂ_i,j とし、この領域ｉに対応する参照データをａ_i,j
とすると、この領域に対する特徴量ｘ_i は次の数式７で
表される。参照データａ_i,j は、複数枚の真券から得ら
れたデータである。

【００１８】

【数７】

【００１９】この例では、特徴量はｘ₁ 〜ｘ₈ の８種類
存在している。

【００２０】次に、各特徴量に対する重みを考慮した特
殊的重み付きユークリッド距離Ｌが算出される（ステッ
プ３）。まず、図３を用いて、特殊的重み付きユークリ
ッド距離について説明する。ｉ個の特徴量ｘ_i による特
徴量空間を図３に示すように想定する。図３において、
黒丸は真券標本の分布であり、×印は偽券標本の分布で
ある。△印で示される分布を有する検査対象に対する特
殊的重み付きユークリッド距離とは、真券標本の分布の
中心Ｏから△印で示される分布までの距離をいう。ま
た、各真券標本に対する特殊的重み付きユークリッド距
離とは、真券標本の分布の中心Ｏから各真券標本の分布
までの距離をいう。各偽券標本に対する特殊的重み付き
ユークリッド距離とは、真券標本の分布の中心Ｏから各
偽券標本の分布までの距離をいう。

【００２１】この例では、検査対象の紙葉類から得られ
た複数の特徴量をｘ_i （ｉ＝１，２，…ｎ）とし、特徴
量ｘ_i に対する真券標本の平均をｍ_xi、特徴量ｘ_i に対
する真券標本の分散をσ_xi ² とし、特徴量の個数をｎと
し、特徴量ｘ_i に対応する重みをｗ_i とすると、各特徴
量に対する重みを考慮した特殊的重み付きユークリッド
距離Ｌは、次の数式８により算出される。

【００２２】

【数８】

【００２３】数式８における特徴量の重みｗ_i の求め方
については、後述する。なお、多変量解析において、一
般的に使用されている”重み付きユークリッド距離”
は、数式８において特徴量の重みｗ_i が省略された形で
定義される。この明細書においては、一般的に使用され
ている”重み付きユークリッド距離”を”一般的重み付
きユークリッド距離”と呼び、数式８で表される距離
を”特殊的重み付きユークリッド距離”と呼ぶことによ
り、両者を区別している。

【００２４】特殊的重み付きユークリッド距離Ｌが算出
されると、算出された値Ｌが所定の閾値以下か否かが判
別される（ステップ４）。特殊的重み付きユークリッド
距離Ｌが所定の閾値以下であれば当該検査対象紙幣は真
券と判別され（ステップ５）、特殊的重み付きユークリ
ッド距離Ｌが所定の閾値より大きいときには当該検査対
象紙幣は偽券と判別される（ステップ６）。

【００２５】〔２〕特徴量の重みの設定処理についての
説明 図４は、特徴量の重みの設定処理手順を示している。特
徴量の重みの設定処理は、真偽判定処理を行う前に予め
行われる処理である。

【００２６】予め複数の真券の標本および複数の偽券の
標本を用意しておく。予め用意されたこれらの標本のそ
れぞれから、データが取り込まれる（ステップ１１）。
このデータとしては、たとえば、上述したように、各標
本の各領域ｅ₁ 〜ｅ_n の画像データが用いられる。

【００２７】次に、各標本毎に、特徴量ｘ_i が求められ
る（ステップ１２）。

【００２８】真券の標本から求められた特徴量に基づい
て、特徴量ｘ_i に対する真券の平均ｍ_xiと、特徴量ｘ_i
に対する真券の分散σ_xi ² とが算出される（ステップ１
３）。

【００２９】次に、遺伝アルゴリズム（ＧＡ）による重
みの最適化処理が実行される。

【００３０】まず、初期個体集団が作成される（ステッ
プ１４）。つまり、予め設定した数、たとえば、１００
個の個体が乱数によって作成される。

【００３１】図５は、個体を表している。各個体は、特
徴量がｎ個ある場合には、各特徴量ｘ₁ 〜ｘ_n に対する
重みを表す遺伝子ｗ₁ 〜ｗ_n から構成されている。

【００３２】各遺伝子は、たとえば、４ビットで表され
る。４ビットの遺伝子パターンと重みの値との関係の例
が次の表１に示されている。

【００３３】

【表１】

【００３４】次に各個体毎に適応度Ｆが算出される（ス
テップ１５）。適応度Ｆは、次式９に基づいて算出され
る

【００３５】

【数９】

【００３６】つまり、まず、各個体毎に、上記数式８に
基づいて、各真券標本および各偽券標本に対して、特殊
的重み付きユークリッド距離Ｌを算出する。図６は、あ
る個体に対して求められた、各真券標本および各偽券標
本の特殊的重み付きユークリッド距離Ｌを示している。

【００３７】数式９中のＬ_f (min) は、図６に示すよう
に、偽券標本中で最も小さな特殊的重み付きユークリッ
ド距離を表している。また、Ｌ_t (max) は、真券標本中
で最も大きな特殊的重み付きユークリッド距離を表して
いる。

【００３８】また、Ｌ_t (i) は、真券標本のユークリッ
ド距離の中で、偽券標本中の最も小さな特殊的重み付き
ユークリッド距離Ｌ_f (min) より大きなものそれぞれを
示している。

【００３９】また、Ｌ_f (j) は、偽券標本の特殊的重み
付きユークリッド距離の中で、真券標本中の最も大きな
特殊的重み付きユークリッド距離Ｌ_t (max) より小さな
ものそれぞれを示している。

【００４０】数式９中のＣは、定数である。数式９中の
Ｐ₁ は、真券に対する特殊的重み付きユークリッド距離
群と、偽券に対する特殊的重み付きユークリッド距離群
との重なりの大きさを表しており、Ｐ₁ が大きい程、重
なり部分が大きく、適応度Ｆは小さくなる。そして、最
終的には、Ｐ₁ は零になることが好ましい。

【００４１】数式９中のＰ₂ は、真券に対する特殊的重
み付きユークリッド距離群と、偽券に対する特殊的重み
付きユークリッド距離群との分離の大きさを表してお
り、Ｐ ₂ が大きい程、重なり部分が大きく、適応度Ｆは
小さくなる。そして、最終的には、Ｐ₂ は負の値になる
ことが好ましい。

【００４２】つまり、適応度Ｆが大きい個体ほど、最適
な個体であるといえる。

【００４３】このようにして、全ての個体に対して適応
度Ｆが算出されると、エリート保存が行われる（ステッ
プ１６）。つまり、全ての個体のうち、適応度Ｆが最も
大きい個体がエリートとして選択され、別に複写保存さ
れる。

【００４４】次に、終了条件が満たされたか否かが判別
される（ステップ１７）。終了条件としては、たとえ
ば、予め定められた回数分の世代交代が行われたか否か
が用いられる。

【００４５】終了条件が満たされていない場合には、再
生処理が行われる（ステップ１８）。つまり、１００個
の個体を適応度に比例した確率で、選択する。

【００４６】次に、交叉処理が行われる（ステップ１
９）。つまり、ステップ１８で選択された個体のうちか
ら、任意の２個の個体が選択され、選択された個体間で
交叉処理が行われる。

【００４７】次に、突然変異処理が行われる（ステップ
２０）。つまり、ある確率で個体が選択され、別の確率
で個体の任意の遺伝子の値が反転せしめられる。

【００４８】突然変異処理が行われると、ステップ１５
に戻る。そして、ステップ１８〜ステップ２０で生成さ
れた個体とエリート保存された個体に対して、ステップ
１５〜ステップ２０の処理が繰り返され、ステップ１７
において終了条件が満たされたと判定されると、各特徴
量に対する重みが決定される（ステップ２１）。つま
り、現在残っている個体のうち、最も適応度Ｆが高い個
体の各遺伝子に対応する重みが、各特徴量に対する重み
とされる。

【００４９】上記のようにして各特徴量に対して重みを
設定した場合には、重みを設定しない場合に比べて次の
ような効果が得られる。

【００５０】つまり、各特徴量に対して重みを設定せず
に、複数の真券標本および複数の偽券標本に対する一般
的重み付きユークリッド距離を測定した場合には、各標
本に対する一般的重み付きユークリッド距離は図７
（ａ）に示すように分布した。図７（ａ）では、真券の
領域と偽券の領域との間に、判定不可能領域が存在す
る。

【００５１】これに対し、各特徴量に対して上述したよ
うにして重みを設定して、複数の真券標本および複数の
偽券標本に対する特殊的重み付きユークリッド距離を測
定した場合には、各標本に対する特殊的重み付きユーク
リッド距離は図７（ｂ）に示すように分布した。図７
（ｂ）では、真券の領域と偽券の領域との間に、いずれ
のデータも存在しないマージン領域が生じ、真偽判定精
度が高くなった。

【００５２】なお、図４のステップ１７における終了条
件として、図７（ｂ）のマージン領域の大きさが所定値
以上になったことを用いてもよい。

【００５３】

【発明の効果】この発明によれば、複数の特徴量を用い
て紙葉類の真偽判定を総合的に行うことができるように
なる。また、この発明によれば、複数の特徴量を用いて
紙葉類の真偽判定を総合的に行う場合に、各特徴量ごと
に好適な重みを容易に設定することができる。

【図面の簡単な説明】

【図１】真偽判定処理手順を示すフローチャートであ
る。

【図２】特徴量を説明するための模式図である。

【図３】特殊的重み付きユークリッド距離を説明するた
めの模式図である。

【図４】特徴量の重みの設定処理手順を示すフローチャ
ートである。

【図５】個体を示す模式図である。

【図６】ある個体に対して求められた、各真券標本およ
び各偽券標本の特殊的重み付きユークリッド距離Ｌを示
すグラフである。

【図７】各特徴量に対して重みを設定せずに複数の真券
標本および複数の偽券標本に対する一般的重み付きユー
クリッド距離を測定した場合の各標本に対する一般的重
み付きユークリッド距離の分布と、各特徴量に対して重
みを設定して複数の真券標本および複数の偽券標本に対
する特殊的重み付きユークリッド距離を測定した場合の
各標本に対する特殊的重み付きユークリッド距離の分布
とを示すグラフである。

Claims (4)

【特許請求の範囲】
1. 【請求項１】 検査対象の紙葉類の画像を取込み、その
   画像から複数の特徴量を算出し、得られた複数の特徴量
   に基づいて検査対象の紙葉類の真偽を判定する方法にお
   いて、 各特徴量に対する重みを遺伝アルゴリズムにより予め求
   めておく前処理、および検査対象の紙葉類から得られた
   特徴量と、予め求められた各特徴量に対する重みとに基
   づいて、各特徴量に対する重みを考慮した特殊的重み付
   きユークリッド距離を算出し、算出された特殊的重み付
   きユークリッド距離に基づいて、検査対象の紙葉類の真
   偽を判定する真偽判定処理、 を備えていることを特徴とする紙葉類の真偽判定方法。
2. 【請求項２】 検査対象の紙葉類から得られた複数の特
   徴量をｘ_i （ｉ＝１，２，…ｎ）とし、特徴量ｘ_i に対
   する真券標本の平均をｍ_xi、特徴量ｘ_i に対する真券標
   本の分散をσ_xi ² とし、特徴量の個数をｎとし、特徴量
   ｘ_i に対応する重みをｗ_i とすると、特殊的重み付きユ
   ークリッド距離は、下記の数式１に基づいて算出される
   ことを特徴とする請求項１に記載の紙葉類の真偽判定方
   法。 【数１】
3. 【請求項３】 前処理は、 予め用意された複数の真券標本および複数の偽券標本毎
   に特徴量ｘ_i を求める第１ステップ、 真券の標本から求められた特徴量に基づいて、特徴量ｘ
   _i に対する真券の平均ｍ_xiと、特徴量ｘ_i に対する真券
   の分散σ_xi ² とを算出する第２ステップ、 各特徴量ｘ₁ 〜ｘ_n に対応する重みを表す遺伝子からな
   る個体を所定数生成して、初期個体集団を作成する第３
   ステップ、 各個体毎に、上記数式１に基づいて、各真券標本および
   各偽券標本に対して、特殊的重み付きユークリッド距離
   Ｌを算出し、算出結果に基づいて、下記の数式２で表さ
   れる適応度Ｆを求める第４ステップ、 終了条件が満たされたか否かを判定する第５ステップ、 終了条件が満たされない場合には、適応度Ｆを考慮して
   新しい個体集団を作成する第６ステップ、 第５ステップにおいて終了条件が満たされると判定され
   るまで、第４ステップ〜第６ステップを繰り返す第７ス
   テップを備えているものである請求項２に記載の紙葉類
   の真偽判定方法。 【数２】
4. 【請求項４】 紙葉類の各領域をｉ（ｉ＝１，２，…
   ｎ）とし、各領域ｉから得られた画像のプロジェクショ
   ン結果をｂ_i,j とし、真券標本から得られた領域ｉに対
   応する参照データをａ_i,j とすると、各特徴量ｘ_i は、
   下記の数式３で表される請求項１、２および３のいずれ
   かに記載の紙葉類の真偽判定方法。 【数３】