JP2599320B2 - 紙葉類認識装置 - Google Patents
紙葉類認識装置Info
- Publication number
- JP2599320B2 JP2599320B2 JP25048291A JP25048291A JP2599320B2 JP 2599320 B2 JP2599320 B2 JP 2599320B2 JP 25048291 A JP25048291 A JP 25048291A JP 25048291 A JP25048291 A JP 25048291A JP 2599320 B2 JP2599320 B2 JP 2599320B2
- Authority
- JP
- Japan
- Prior art keywords
- boundary point
- sheet
- image
- paper sheet
- unit
- Prior art date
- Legal status (The legal status 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 status listed.)
- Expired - Fee Related
Links
- 238000012545 processing Methods 0.000 claims description 32
- 238000013507 mapping Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 33
- 238000000034 method Methods 0.000 description 19
- 238000001514 detection method Methods 0.000 description 14
- 238000012937 correction Methods 0.000 description 13
- 230000014509 gene expression Effects 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000000151 deposition Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000003475 lamination Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
Description
【0001】
【産業上の利用分野】本発明は紙幣、有価証券、債券な
どの種類や真偽を認識するために使用される紙葉類認識
装置に関する。
どの種類や真偽を認識するために使用される紙葉類認識
装置に関する。
【0002】
【従来の技術】金融機関などにおいて、預貯金や振込処
理などを自動化するために、自動入出金機(ATM)や
自動取引装置などが設置されている。この自動入出金機
等では、顧客によって紙幣が投入されると、紙幣の種類
や真偽の認識が行われる。この処理は、紙幣鑑別部によ
って行われるが、ここではまず、紙幣の搬送方向に平行
な1本または複数本のラインに沿って、光学的あるいは
磁気的なパターンを読み取る。光学的パターンは、紙幣
の模様により金種ごとに一定の特徴をもつ。また、磁気
的パターンも同様の特徴をもつ。検出されたパターン
は、アナログ信号であるが、読み取ったライン上の多数
の点において、所定のしきい値と比較され2値化され
る。こうして得られたパルス列を、カウンタ回路により
カウントし、そのカウント値を辞書データと比較する。
検出されたすべてのラインについて、このカウント値が
辞書データの中のいずれかと近似していれば、紙幣の種
類および真偽や表裏、方向等を認識できる。
理などを自動化するために、自動入出金機(ATM)や
自動取引装置などが設置されている。この自動入出金機
等では、顧客によって紙幣が投入されると、紙幣の種類
や真偽の認識が行われる。この処理は、紙幣鑑別部によ
って行われるが、ここではまず、紙幣の搬送方向に平行
な1本または複数本のラインに沿って、光学的あるいは
磁気的なパターンを読み取る。光学的パターンは、紙幣
の模様により金種ごとに一定の特徴をもつ。また、磁気
的パターンも同様の特徴をもつ。検出されたパターン
は、アナログ信号であるが、読み取ったライン上の多数
の点において、所定のしきい値と比較され2値化され
る。こうして得られたパルス列を、カウンタ回路により
カウントし、そのカウント値を辞書データと比較する。
検出されたすべてのラインについて、このカウント値が
辞書データの中のいずれかと近似していれば、紙幣の種
類および真偽や表裏、方向等を認識できる。
【0003】
【発明が解決しようとする課題】ところで、上記のよう
な従来方法は、通常、紙幣上の特定のラインに沿った部
分的な領域の特徴を抽出して、その認識を行っている。
従って、小面積の偽造が、その検出領域以外に存在する
ような場合には、真券と認識してしまう場合もある。こ
れは、例えば、紙幣の部分的な貼り合わせなどが行われ
た場合に生じる。また、認識の信頼度を高めるために、
紙幣の外形寸法や厚みなどを検出し、種々の角度から紙
幣の種類、真偽を認識する方法もある。しかしながら、
このような方法では、たとえ1つでもパラメータが規格
範囲を外れていれば、偽券と判定される。従って、この
ような場合、偽券と判定される率が増大し、実用面で問
題がある。もちろん、このような問題は、紙幣の鑑定に
限らず、証券類、そのほか種々の紙葉類の鑑定にも、同
様に相通じるところがある。
な従来方法は、通常、紙幣上の特定のラインに沿った部
分的な領域の特徴を抽出して、その認識を行っている。
従って、小面積の偽造が、その検出領域以外に存在する
ような場合には、真券と認識してしまう場合もある。こ
れは、例えば、紙幣の部分的な貼り合わせなどが行われ
た場合に生じる。また、認識の信頼度を高めるために、
紙幣の外形寸法や厚みなどを検出し、種々の角度から紙
幣の種類、真偽を認識する方法もある。しかしながら、
このような方法では、たとえ1つでもパラメータが規格
範囲を外れていれば、偽券と判定される。従って、この
ような場合、偽券と判定される率が増大し、実用面で問
題がある。もちろん、このような問題は、紙幣の鑑定に
限らず、証券類、そのほか種々の紙葉類の鑑定にも、同
様に相通じるところがある。
【0004】これらの問題を解決するためには、まず、
紙葉類のできるだけ広範囲な部分を、高い解像度で読み
取って認識の基準とし、小面積の偽造や貼り合わせなど
も検出できるようにすることが好ましい。また、できる
だけ信頼性の高い1つの基準を用いて、種類や真偽の認
識を行うことが認識率向上のために好ましい。しかし、
読み取るべきデータ量が多いと、データ処理に長時間を
要し、高速で照合を行うことが困難になる。従って、銀
行等に設けた自動取引装置への採用には問題がある。さ
らに、紙葉類の一部を読み取る方法では、紙葉類の搬送
に位置ずれがあれば、検出データに変動を生じ、誤認識
が発生しうる。これを解決するためには、紙葉類の多少
の位置ずれに対しても、何らの影響を受けることのない
認識処理が望まれる。本発明は、以上の点に着目してな
されたもので、位置ずれや斜行ずれなどにも強く、高速
かつ信頼性の高い紙葉類認識装置を提供することを目的
とするものである。
紙葉類のできるだけ広範囲な部分を、高い解像度で読み
取って認識の基準とし、小面積の偽造や貼り合わせなど
も検出できるようにすることが好ましい。また、できる
だけ信頼性の高い1つの基準を用いて、種類や真偽の認
識を行うことが認識率向上のために好ましい。しかし、
読み取るべきデータ量が多いと、データ処理に長時間を
要し、高速で照合を行うことが困難になる。従って、銀
行等に設けた自動取引装置への採用には問題がある。さ
らに、紙葉類の一部を読み取る方法では、紙葉類の搬送
に位置ずれがあれば、検出データに変動を生じ、誤認識
が発生しうる。これを解決するためには、紙葉類の多少
の位置ずれに対しても、何らの影響を受けることのない
認識処理が望まれる。本発明は、以上の点に着目してな
されたもので、位置ずれや斜行ずれなどにも強く、高速
かつ信頼性の高い紙葉類認識装置を提供することを目的
とするものである。
【0005】
【課題を解決するための手段】本発明の紙葉類認識装置
は紙葉類上のデータを読み取るスキャナと、前記紙葉類
のデータ読み取り時、紙葉類の搬送状態からその斜行角
度を検出し、前記スキャナの読み取り信号を斜行補正し
てバッファメモリに書き込む斜行補正部と、前記バッフ
ァメモリに書き込まれた濃淡画像データを解析して、前
記バッファメモリ中の前記紙葉類の端部位置と中心位置
を抽出し、前記濃淡画像データの有効領域を決定する有
効領域決定部と、前記バッファメモリの中から、前記有
効領域の濃淡画像データを読み出して、その濃度の頻度
分布より2値化用閾値を決定し、前記紙葉類の占める濃
淡画像データを2値化する2値化処理部と、前記2値化
された画像データから、白/黒境界点を抽出した境界点
画像を得る境界点抽出部と、前記境界点画像と、予め用
意された基準となる複数の境界点画像とを比較して、一
致率分布を作成する照合部と、前記照合部の出力に基づ
いて、前記紙葉類の種類、真偽を認識する認識部とを備
えたことを特徴とするものである。
は紙葉類上のデータを読み取るスキャナと、前記紙葉類
のデータ読み取り時、紙葉類の搬送状態からその斜行角
度を検出し、前記スキャナの読み取り信号を斜行補正し
てバッファメモリに書き込む斜行補正部と、前記バッフ
ァメモリに書き込まれた濃淡画像データを解析して、前
記バッファメモリ中の前記紙葉類の端部位置と中心位置
を抽出し、前記濃淡画像データの有効領域を決定する有
効領域決定部と、前記バッファメモリの中から、前記有
効領域の濃淡画像データを読み出して、その濃度の頻度
分布より2値化用閾値を決定し、前記紙葉類の占める濃
淡画像データを2値化する2値化処理部と、前記2値化
された画像データから、白/黒境界点を抽出した境界点
画像を得る境界点抽出部と、前記境界点画像と、予め用
意された基準となる複数の境界点画像とを比較して、一
致率分布を作成する照合部と、前記照合部の出力に基づ
いて、前記紙葉類の種類、真偽を認識する認識部とを備
えたことを特徴とするものである。
【0006】
【作用】この装置は斜行補正部により読み取り画像の傾
きを補正した後、有効領域決定部によって必要最小限の
濃淡画像データを切り出して処理対象とする。この濃淡
画像データは2値化され、さらにその境界点画像を得
る。これを識別のために予め用意された境界点画像と比
較し、紙葉類の種類や真偽を認識する。境界点画像によ
る認識によれば認識率が高く、必要最小限のデータを切
り出して照合を行うため、高速処理も可能となる。
きを補正した後、有効領域決定部によって必要最小限の
濃淡画像データを切り出して処理対象とする。この濃淡
画像データは2値化され、さらにその境界点画像を得
る。これを識別のために予め用意された境界点画像と比
較し、紙葉類の種類や真偽を認識する。境界点画像によ
る認識によれば認識率が高く、必要最小限のデータを切
り出して照合を行うため、高速処理も可能となる。
【0007】
【実施例】以下、本発明を図の実施例を用いて詳細に説
明する。図1は本発明の紙葉類認識装置実施例を示すブ
ロック図である。まず、本発明の認識対象となる紙葉類
1は、例えば紙幣や有価証券、債券などである。このよ
うな紙葉類1には、光学的あるいは磁気的なデータが記
録されている。本発明の装置は、このようなデータをス
キャナ2を用いて読み取る構成とされている。なお、以
下の実施例では紙葉類を例えば紙幣とし、これに印刷さ
れた光学的な情報を、スキャナ2を用いて読み取る例を
上げて説明する。この場合、スキャナ2は、例えばイメ
ージラインセンサなどから構成される。
明する。図1は本発明の紙葉類認識装置実施例を示すブ
ロック図である。まず、本発明の認識対象となる紙葉類
1は、例えば紙幣や有価証券、債券などである。このよ
うな紙葉類1には、光学的あるいは磁気的なデータが記
録されている。本発明の装置は、このようなデータをス
キャナ2を用いて読み取る構成とされている。なお、以
下の実施例では紙葉類を例えば紙幣とし、これに印刷さ
れた光学的な情報を、スキャナ2を用いて読み取る例を
上げて説明する。この場合、スキャナ2は、例えばイメ
ージラインセンサなどから構成される。
【0008】斜行補正部3は、紙葉類1を所定の方向に
搬送しながら、スキャナ2を用いてそのデータを読み取
った場合に、紙葉類1とスキャナ2との相対的な傾きに
よるデータの歪を除去する部分である。その具体的な構
成は後で説明するが、斜行補正部3はバッファメモリ4
に対し、斜行補正したデータを書き込む。バッファメモ
リ4には上記のようにして紙葉類を読み取った濃淡画像
データが格納される。しかしながら、この場合、紙葉類
1の周辺に配置された背景などのイメージも同時に読み
取られる。従って、これらを除去し必要最小限のデータ
を取り出すために有効領域決定部5が設けられている。
この動作等も後で詳細に説明するが、バッファメモリ4
に格納された有効な濃淡画像データが2値化部6により
2値化される。そして境界点抽出部7は後で説明する境
界点画像を求める。この境界点画像は、紙幣の種類や表
裏、方向などによって一定の特徴をもつ。従って、照合
部9において、予め用意された基準境界点画像8と、境
界点抽出部7の出力する境界点画像を比較し、その結果
を認識部10に出力して紙葉類1の種類、真偽、表裏、
方向などを認識する。以上が本発明の装置の概略構成お
よび動作である。
搬送しながら、スキャナ2を用いてそのデータを読み取
った場合に、紙葉類1とスキャナ2との相対的な傾きに
よるデータの歪を除去する部分である。その具体的な構
成は後で説明するが、斜行補正部3はバッファメモリ4
に対し、斜行補正したデータを書き込む。バッファメモ
リ4には上記のようにして紙葉類を読み取った濃淡画像
データが格納される。しかしながら、この場合、紙葉類
1の周辺に配置された背景などのイメージも同時に読み
取られる。従って、これらを除去し必要最小限のデータ
を取り出すために有効領域決定部5が設けられている。
この動作等も後で詳細に説明するが、バッファメモリ4
に格納された有効な濃淡画像データが2値化部6により
2値化される。そして境界点抽出部7は後で説明する境
界点画像を求める。この境界点画像は、紙幣の種類や表
裏、方向などによって一定の特徴をもつ。従って、照合
部9において、予め用意された基準境界点画像8と、境
界点抽出部7の出力する境界点画像を比較し、その結果
を認識部10に出力して紙葉類1の種類、真偽、表裏、
方向などを認識する。以上が本発明の装置の概略構成お
よび動作である。
【0009】以下、本発明の装置の各部の具体的な構成
および動作を順に説明する。図2に本発明の装置のスキ
ャナ2と斜行補正部3の具体的な実施例を示すブロック
図を図示した。図2には、紙葉類1の搬送路上に配置し
たイメージラインセンサ21と、フォトセンサ22およ
びA/D変換部23、斜行角度検出部24、斜行補正部
3、バッファメモリ4および位置検出部27が示されて
いる。イメージラインセンサ21は、よく知られたCC
Dなどによる光学的イメージ読み取り素子群から構成さ
れる。その出力は、A/D変換部23によりディジタル
化され、斜行補正部3に入力する。フォトセンサ22
は、紙葉類1の搬送路上における傾きを検出し、斜行角
度検出部24は、その出力に基づいて、紙葉類1が搬送
路に対しどの程度傾いているかを演算により求める構成
とされている。
および動作を順に説明する。図2に本発明の装置のスキ
ャナ2と斜行補正部3の具体的な実施例を示すブロック
図を図示した。図2には、紙葉類1の搬送路上に配置し
たイメージラインセンサ21と、フォトセンサ22およ
びA/D変換部23、斜行角度検出部24、斜行補正部
3、バッファメモリ4および位置検出部27が示されて
いる。イメージラインセンサ21は、よく知られたCC
Dなどによる光学的イメージ読み取り素子群から構成さ
れる。その出力は、A/D変換部23によりディジタル
化され、斜行補正部3に入力する。フォトセンサ22
は、紙葉類1の搬送路上における傾きを検出し、斜行角
度検出部24は、その出力に基づいて、紙葉類1が搬送
路に対しどの程度傾いているかを演算により求める構成
とされている。
【0010】図3に斜行補正部の動作説明図を示す。図
において、紙葉類1はイメージラインセンサ21に対
し、矢印22に示す方向に搬送される。この場合、顧客
による紙幣の投入方向などのばらつきによって、図のよ
うに紙葉類1は、イメージラインセンサ21に対し、所
定の傾きをもつことがある。この傾きを検出するため
に、一対の光検出素子、P1 、P2 が、イメージライン
センサ21に対して平行に配列されている。この光検出
素子P1 、P2 は、例えば幅Pw だけ離れて配置されて
いるものとする。
において、紙葉類1はイメージラインセンサ21に対
し、矢印22に示す方向に搬送される。この場合、顧客
による紙幣の投入方向などのばらつきによって、図のよ
うに紙葉類1は、イメージラインセンサ21に対し、所
定の傾きをもつことがある。この傾きを検出するため
に、一対の光検出素子、P1 、P2 が、イメージライン
センサ21に対して平行に配列されている。この光検出
素子P1 、P2 は、例えば幅Pw だけ離れて配置されて
いるものとする。
【0011】紙葉類1が、図3に示すようにイメージラ
インセンサ21に対し所定の傾きをもって挿入される
と、両光検出素子P1 、P2 のそれぞれの検出信号に時
間的な差が発生する。この場合の検出時間差に搬送速度
をかければ、搬送量の差Pt が得られる。これらのデー
タを用いれば、図12に示す式S1を用いて斜行角度を
求めることができる。なお、図12から図18には、以
下に順に説明を進める本発明の装置各部の演算動作を、
その役割と具体的な演算式を用いて例示するようにし
た。イメージラインセンサ21は、紙葉類1の反射光あ
るいは通過光の光学的なアナログパターンを読み取る。
この信号は図2に示すA/D変換部23によって、ディ
ジタル形式の濃淡画像データに変換される。図2に示す
斜行角度検出部24は、先に説明した要領で斜行角度を
演算し、斜行補正部3にその制御信号を入力する。これ
によってバッファメモリ4には、斜行補正された濃淡画
像データが格納される。この場合、読み取られた濃淡画
像データの主走査アドレスをi0 、副走査アドレスをj
0 とし、バッファメモリ4に書き込むべき主走査アドレ
スをi1 、副走査アドレスをj1 とすると、その換算は
図12に示した演算式S2によって行うことができる。
図2に示すバッファメモリ4にはこのようにして、紙葉
類1の読み取りにより得られた濃淡画像データが傾斜の
ない形で格納される。
インセンサ21に対し所定の傾きをもって挿入される
と、両光検出素子P1 、P2 のそれぞれの検出信号に時
間的な差が発生する。この場合の検出時間差に搬送速度
をかければ、搬送量の差Pt が得られる。これらのデー
タを用いれば、図12に示す式S1を用いて斜行角度を
求めることができる。なお、図12から図18には、以
下に順に説明を進める本発明の装置各部の演算動作を、
その役割と具体的な演算式を用いて例示するようにし
た。イメージラインセンサ21は、紙葉類1の反射光あ
るいは通過光の光学的なアナログパターンを読み取る。
この信号は図2に示すA/D変換部23によって、ディ
ジタル形式の濃淡画像データに変換される。図2に示す
斜行角度検出部24は、先に説明した要領で斜行角度を
演算し、斜行補正部3にその制御信号を入力する。これ
によってバッファメモリ4には、斜行補正された濃淡画
像データが格納される。この場合、読み取られた濃淡画
像データの主走査アドレスをi0 、副走査アドレスをj
0 とし、バッファメモリ4に書き込むべき主走査アドレ
スをi1 、副走査アドレスをj1 とすると、その換算は
図12に示した演算式S2によって行うことができる。
図2に示すバッファメモリ4にはこのようにして、紙葉
類1の読み取りにより得られた濃淡画像データが傾斜の
ない形で格納される。
【0012】なお、上記スキャナ2は、紙葉類1の全体
を読み取ることが可能なように、認識対象となる紙葉類
1の対角線以上の読み取り可能長をもつことが好まし
い。さて、こうして上記バッファメモリ4に読み込まれ
た濃淡画像データには、紙葉類の周辺やその背景部分に
あるもののデータも含まれる。これらのデータを含めて
その後の処理を行おうとすると、処理速度の高速化を図
れない。そこで、まず図2に示した位置検出部27が、
バッファメモリ4中の該当する濃淡画像データの位置を
検出する。
を読み取ることが可能なように、認識対象となる紙葉類
1の対角線以上の読み取り可能長をもつことが好まし
い。さて、こうして上記バッファメモリ4に読み込まれ
た濃淡画像データには、紙葉類の周辺やその背景部分に
あるもののデータも含まれる。これらのデータを含めて
その後の処理を行おうとすると、処理速度の高速化を図
れない。そこで、まず図2に示した位置検出部27が、
バッファメモリ4中の該当する濃淡画像データの位置を
検出する。
【0013】図4に位置検出部動作説明図を示す。図に
示すように、バッファメモリ4には図のような範囲で濃
淡画像データ51が格納される。そして、濃淡画像デー
タ51の中央部分にある白抜き部分52が認識対象とな
る紙葉類の濃淡画像データの領域である。図2に示した
位置検出部27は、図2に示した斜行補正部3がバッフ
ァメモリ4に対し濃淡画像データを書き込む際に、図4
に示す紙葉類の端部位置のアドレスIs 、Ie 、Js 、
Jeを検出する。また、さらに演算によって、紙葉類に
対応する濃淡画像データの中心位置座標Ip 、Jp を検
出する。この方法として位置検出部は、バッファメモリ
の主走査方向の全幅Iw と副走査方向の全幅Jw につい
て、それぞれ濃淡画像データに基づく濃度波形を求め
る。図4の右側と下側に示したものがこの波形である。
そして、これらの波形に基づいて、しきい値Mt を設定
する。このしきい値Mtは、最大濃度と最低濃度の中間
の値に設定する。そしてIs 、Ie 、Js 、Je の初期
値を、それぞれ図12の演算式S3に示すように、Iw
,0,Jw ,0に設定する。そして、斜行補正部3が
バッファメモリ4に濃淡画像データを順に書き込むたび
に、図13に示すS4からS7の更新式を順次更新して
いく。
示すように、バッファメモリ4には図のような範囲で濃
淡画像データ51が格納される。そして、濃淡画像デー
タ51の中央部分にある白抜き部分52が認識対象とな
る紙葉類の濃淡画像データの領域である。図2に示した
位置検出部27は、図2に示した斜行補正部3がバッフ
ァメモリ4に対し濃淡画像データを書き込む際に、図4
に示す紙葉類の端部位置のアドレスIs 、Ie 、Js 、
Jeを検出する。また、さらに演算によって、紙葉類に
対応する濃淡画像データの中心位置座標Ip 、Jp を検
出する。この方法として位置検出部は、バッファメモリ
の主走査方向の全幅Iw と副走査方向の全幅Jw につい
て、それぞれ濃淡画像データに基づく濃度波形を求め
る。図4の右側と下側に示したものがこの波形である。
そして、これらの波形に基づいて、しきい値Mt を設定
する。このしきい値Mtは、最大濃度と最低濃度の中間
の値に設定する。そしてIs 、Ie 、Js 、Je の初期
値を、それぞれ図12の演算式S3に示すように、Iw
,0,Jw ,0に設定する。そして、斜行補正部3が
バッファメモリ4に濃淡画像データを順に書き込むたび
に、図13に示すS4からS7の更新式を順次更新して
いく。
【0014】例えばS4の更新式は、画素(i,j)の
出力値M(i,j)がしきい値Mtより小さくなったと
き、主走査座標アドレスiとIs とを比較して、主走査
座標アドレスiの方が小さければ、端部位置変数Is に
主走査座標アドレスiの値を割り当てる。以下Ie の更
新式、Js の更新式、Je の更新式についても全く同様
の対応する演算を行う。
出力値M(i,j)がしきい値Mtより小さくなったと
き、主走査座標アドレスiとIs とを比較して、主走査
座標アドレスiの方が小さければ、端部位置変数Is に
主走査座標アドレスiの値を割り当てる。以下Ie の更
新式、Js の更新式、Je の更新式についても全く同様
の対応する演算を行う。
【0015】上記のような処理によって、斜行補正部3
がバッファメモリ4に対し、全ての濃淡画像データを書
き込み終わったとき、紙葉類の右上および左下の座標が
それぞれ(Is ,Js ),(Ie ,Je )として検出さ
れる。さらにその後、図2に示す位置検出部27は紙葉
類の中心位置を抽出する。この場合の演算式は図13の
S8に示すとおりである。こうして求められた中心位置
座標(Ie ,Je )は、紙葉類1の読み取り位置ずれに
対応する。従って、この中心位置座標を基準にしてバッ
ファメモリ4中の有効領域が決定される。
がバッファメモリ4に対し、全ての濃淡画像データを書
き込み終わったとき、紙葉類の右上および左下の座標が
それぞれ(Is ,Js ),(Ie ,Je )として検出さ
れる。さらにその後、図2に示す位置検出部27は紙葉
類の中心位置を抽出する。この場合の演算式は図13の
S8に示すとおりである。こうして求められた中心位置
座標(Ie ,Je )は、紙葉類1の読み取り位置ずれに
対応する。従って、この中心位置座標を基準にしてバッ
ファメモリ4中の有効領域が決定される。
【0016】図5に有効領域決定部動作説明図を示す。
図1に示す有効領域決定部5は、図4に示した位置検出
部27の出力結果に基づいて、バッファメモリ4中の有
効領域を決定する。この場合、まず紙葉類の濃淡画像デ
ータの中心位置座標Ic 、Jc を基準とする。そして、
図5に示す白抜き部分の領域を、実際に読み取った紙葉
類の濃淡画像データが含まれる領域とすると、これより
例えば一回り広い横幅Bw 縦幅Bh の領域を有効領域に
決定する。この幅は例えば、装置が実際に認識対象とす
る紙葉類の最大のものの占める領域に設定される。例え
ば紙幣の認識を行う場合には、千円券、五千円券、万円
券の3種類の紙幣を認識することになるが、この場合、
最大の大きさの万円券を認識できる領域を常に切り出す
ようにする。
図1に示す有効領域決定部5は、図4に示した位置検出
部27の出力結果に基づいて、バッファメモリ4中の有
効領域を決定する。この場合、まず紙葉類の濃淡画像デ
ータの中心位置座標Ic 、Jc を基準とする。そして、
図5に示す白抜き部分の領域を、実際に読み取った紙葉
類の濃淡画像データが含まれる領域とすると、これより
例えば一回り広い横幅Bw 縦幅Bh の領域を有効領域に
決定する。この幅は例えば、装置が実際に認識対象とす
る紙葉類の最大のものの占める領域に設定される。例え
ば紙幣の認識を行う場合には、千円券、五千円券、万円
券の3種類の紙幣を認識することになるが、この場合、
最大の大きさの万円券を認識できる領域を常に切り出す
ようにする。
【0017】こうして切り出された濃淡画像データは、
図1に示す2値化部6によって2値化処理される。図6
に2値化部ブロック図を示す。この回路は、バッファメ
モリ4から読み出されたデータをもとに、濃度分布を作
成する濃度分布作成部61と、しきい値決定部62およ
び、濃淡画像データの2値化処理を行う2値化変換部6
3から構成される。ここでバッファメモリ4には、図1
4のS9に示す格子上に配列されたIw ×Jw 個の濃淡
画像データMが格納されている。濃度分布作成部61
は、このバッファメモリ4から先に説明した有効領域の
濃淡画像データを読み出し、その濃淡値が発生した頻度
を表す濃度分布系列を作成する。即ち、濃度分布作成部
61は、図14のS10に示した濃淡画像データMのみ
を読み出す。この濃淡画像データを2値化するために
は、紙葉類ごとの紙質、印刷濃度などの変動や、スキャ
ナのイメージラインセンサの経時変化などの変動にとら
われないよう、適切なしきい値を決定することが望まし
い。そのしきい値の決定のため、この実施例では濃度分
布系列一次モーメント平均値を算出し、これを最適しき
い値MthIに決定する。一次モーメント平均値は図1
4のS11に示すような演算により求められる。
図1に示す2値化部6によって2値化処理される。図6
に2値化部ブロック図を示す。この回路は、バッファメ
モリ4から読み出されたデータをもとに、濃度分布を作
成する濃度分布作成部61と、しきい値決定部62およ
び、濃淡画像データの2値化処理を行う2値化変換部6
3から構成される。ここでバッファメモリ4には、図1
4のS9に示す格子上に配列されたIw ×Jw 個の濃淡
画像データMが格納されている。濃度分布作成部61
は、このバッファメモリ4から先に説明した有効領域の
濃淡画像データを読み出し、その濃淡値が発生した頻度
を表す濃度分布系列を作成する。即ち、濃度分布作成部
61は、図14のS10に示した濃淡画像データMのみ
を読み出す。この濃淡画像データを2値化するために
は、紙葉類ごとの紙質、印刷濃度などの変動や、スキャ
ナのイメージラインセンサの経時変化などの変動にとら
われないよう、適切なしきい値を決定することが望まし
い。そのしきい値の決定のため、この実施例では濃度分
布系列一次モーメント平均値を算出し、これを最適しき
い値MthIに決定する。一次モーメント平均値は図1
4のS11に示すような演算により求められる。
【0018】図7に2値化部動作説明図を示す。この図
7の縦軸には濃度分布系列Mhstをとり、横軸にはモ
ーメントmをとった。この場合、一次モーメント平均値
MthIをしきい値に決定するほか、この濃度分布系列
Mhstの分布形状が2つのピークをもつ場合には、そ
のピークの谷となる部分、Mstをしきい値とするよう
にしてもよい。また、この濃淡値と読み出す画素数との
分散値を求め、これによってしきい値を決定するように
してもよい。これらのいずれの方法によりしきい値を求
めるかは、実際に対象となる紙葉類の性質などによって
経験的に求められる。
7の縦軸には濃度分布系列Mhstをとり、横軸にはモ
ーメントmをとった。この場合、一次モーメント平均値
MthIをしきい値に決定するほか、この濃度分布系列
Mhstの分布形状が2つのピークをもつ場合には、そ
のピークの谷となる部分、Mstをしきい値とするよう
にしてもよい。また、この濃淡値と読み出す画素数との
分散値を求め、これによってしきい値を決定するように
してもよい。これらのいずれの方法によりしきい値を求
めるかは、実際に対象となる紙葉類の性質などによって
経験的に求められる。
【0019】なお、こうして求められたしきい値は、ま
ず第一段階としての紙葉類の真偽判定に使用される。即
ち、紙葉類をコピーして作成した偽造紙葉類が読み込ま
れた場合に、そのしきい値は本物の紙葉類によるしきい
値と比べて著しく相違する。即ち、紙葉類の紙質や印刷
濃度などの各種の変動により生じるしきい値のばらつき
は、図7に示すMstとMspの範囲内に納まる。従っ
て、図14に示すS12の式を紙葉類の第一段階におけ
る真偽判定用に使用し、もし、しきい値がこの範囲に含
まれない場合、紙葉類は偽物であるとして処理を中断す
る。なお、このようにしきい値が一定の範囲に納まるよ
うに、スキャナによる照射光源の波長を適切に選定する
ことが好ましい。
ず第一段階としての紙葉類の真偽判定に使用される。即
ち、紙葉類をコピーして作成した偽造紙葉類が読み込ま
れた場合に、そのしきい値は本物の紙葉類によるしきい
値と比べて著しく相違する。即ち、紙葉類の紙質や印刷
濃度などの各種の変動により生じるしきい値のばらつき
は、図7に示すMstとMspの範囲内に納まる。従っ
て、図14に示すS12の式を紙葉類の第一段階におけ
る真偽判定用に使用し、もし、しきい値がこの範囲に含
まれない場合、紙葉類は偽物であるとして処理を中断す
る。なお、このようにしきい値が一定の範囲に納まるよ
うに、スキャナによる照射光源の波長を適切に選定する
ことが好ましい。
【0020】なお、上記MstやMspの値は、本物の
紙葉類を数千枚あるいは数万枚について、上記の処理を
行ってその濃度分布系列から求めたしきい値により決定
する。図6に示す2値変換部63は、こうして得られた
しきい値をもとに上記濃淡画像データを2値化する。こ
の場合、読み取り画素Bは図14S13に示した内容の
ものとなる。これは、先に説明したように、実際に読み
取った紙葉類の中心位置座標から演算して決定した有効
領域にある。この範囲を図14のS14に示す。2値化
処理は図14のS15に従って行われる。即ち、読み出
された濃淡画像データを、先に決定したしきい値と比較
して、しきい値より大きい場合は1、小さい場合は0と
いう出力を得る。
紙葉類を数千枚あるいは数万枚について、上記の処理を
行ってその濃度分布系列から求めたしきい値により決定
する。図6に示す2値変換部63は、こうして得られた
しきい値をもとに上記濃淡画像データを2値化する。こ
の場合、読み取り画素Bは図14S13に示した内容の
ものとなる。これは、先に説明したように、実際に読み
取った紙葉類の中心位置座標から演算して決定した有効
領域にある。この範囲を図14のS14に示す。2値化
処理は図14のS15に従って行われる。即ち、読み出
された濃淡画像データを、先に決定したしきい値と比較
して、しきい値より大きい場合は1、小さい場合は0と
いう出力を得る。
【0021】次に上記のような2値化処理後の信号から
雑音を除去する。図6の2値変換部63の出力側にはこ
の雑音除去手段64が設けられている。この雑音除去
は、2値化された画像データの中に存在する孤立点など
を除去する処理である。この処理自体は、従来知られた
画像処理技術により確立されているが、その例を以下に
示す。まず2値化された画像データBの画素(x、y)
の出力値に対応して、その画素(x、y)を中心とする
周辺8画素分ηB(x、y)の出力値の和から画素
(x、y)の出力値が雑音であるか否かを判断する。こ
の演算は図15のS16およびS17に基づく。そして
画像データを副走査方向の順に主走査方向へ順次走査し
ながら、画像データBの画素ZYの出力値が0で、図1
5のS18に示す画素(x、y)を中心とする周辺画素
群の出力値の和が5以下のときは1(黒)を出力する。
また、5よりも大きいときは0(白)を出力する。この
判断は図15のS18に示すとおりである。また、画像
データBにおける画素(x、y)の出力値が1(黒)の
ときは、図15のS19に示す式により周辺画素群の出
力値の和が3以上のときは1(黒)を出力し、3より小
さいときは0(白)を出力する。
雑音を除去する。図6の2値変換部63の出力側にはこ
の雑音除去手段64が設けられている。この雑音除去
は、2値化された画像データの中に存在する孤立点など
を除去する処理である。この処理自体は、従来知られた
画像処理技術により確立されているが、その例を以下に
示す。まず2値化された画像データBの画素(x、y)
の出力値に対応して、その画素(x、y)を中心とする
周辺8画素分ηB(x、y)の出力値の和から画素
(x、y)の出力値が雑音であるか否かを判断する。こ
の演算は図15のS16およびS17に基づく。そして
画像データを副走査方向の順に主走査方向へ順次走査し
ながら、画像データBの画素ZYの出力値が0で、図1
5のS18に示す画素(x、y)を中心とする周辺画素
群の出力値の和が5以下のときは1(黒)を出力する。
また、5よりも大きいときは0(白)を出力する。この
判断は図15のS18に示すとおりである。また、画像
データBにおける画素(x、y)の出力値が1(黒)の
ときは、図15のS19に示す式により周辺画素群の出
力値の和が3以上のときは1(黒)を出力し、3より小
さいときは0(白)を出力する。
【0022】以上のように雑音を除去された2値画像は
黒の領域は黒く塗りつぶされ、直線や曲線は滑らかに表
現されたものとなる。こうして雑音を除去された画像デ
ータは、図1に示す境界点抽出部7に向けて出力され
る。この2値化された画像データは、図16のS20に
示すように格子状に配列された主走査幅Bw ×副走査幅
Bh 個の画素から構成される。ここで境界点抽出部7
は、この画像データから白と黒の境界点を抽出する。
黒の領域は黒く塗りつぶされ、直線や曲線は滑らかに表
現されたものとなる。こうして雑音を除去された画像デ
ータは、図1に示す境界点抽出部7に向けて出力され
る。この2値化された画像データは、図16のS20に
示すように格子状に配列された主走査幅Bw ×副走査幅
Bh 個の画素から構成される。ここで境界点抽出部7
は、この画像データから白と黒の境界点を抽出する。
【0023】図8に境界点抽出動作説明図を示す。図の
右上に示すのは、境界点抽出の対象となる画像データ7
1である。この画像データ71には例えば、長方形72
と円73が描かれている。この画像データをまず左側か
ら見て境界点の抽出を行う。この場合、図の画像をX方
向に走査しながら、その走査線上で黒画素の数をカウン
トする。その結果は左側のグラフにプロットする。この
動作を図のY方向に順にくり返して行うと、図8の左側
に示したようなグラフが描かれる。即ち、このグラフは
横軸に黒画素数、縦軸にY軸方向の位置を表したもので
ある。例えば図の長方形72や円73を描くための線が
1画素分の太さであるとすれば、図のように、長方形7
2の上辺と下辺については100画素、その他の部分に
ついては2画素が抽出される。また、左側から見て長方
形72と円73が重なり合った部分では4画素が抽出さ
れる。この方向とちょうど直角な方向、即ち、図の下側
から見た場合についても、同様にして境界点の抽出が行
われる。即ち、図8の下側に示されたグラフは、縦軸に
黒画素数、横軸にX方向の位置を示したものである。こ
の場合、左側から見た場合とほぼ同様の形状のグラフで
描くことができるような境界点の抽出が行われる。
右上に示すのは、境界点抽出の対象となる画像データ7
1である。この画像データ71には例えば、長方形72
と円73が描かれている。この画像データをまず左側か
ら見て境界点の抽出を行う。この場合、図の画像をX方
向に走査しながら、その走査線上で黒画素の数をカウン
トする。その結果は左側のグラフにプロットする。この
動作を図のY方向に順にくり返して行うと、図8の左側
に示したようなグラフが描かれる。即ち、このグラフは
横軸に黒画素数、縦軸にY軸方向の位置を表したもので
ある。例えば図の長方形72や円73を描くための線が
1画素分の太さであるとすれば、図のように、長方形7
2の上辺と下辺については100画素、その他の部分に
ついては2画素が抽出される。また、左側から見て長方
形72と円73が重なり合った部分では4画素が抽出さ
れる。この方向とちょうど直角な方向、即ち、図の下側
から見た場合についても、同様にして境界点の抽出が行
われる。即ち、図8の下側に示されたグラフは、縦軸に
黒画素数、横軸にX方向の位置を示したものである。こ
の場合、左側から見た場合とほぼ同様の形状のグラフで
描くことができるような境界点の抽出が行われる。
【0024】なお、この動作は具体的には次のような演
算処理により行われる。まず、対象とする2値画像Nの
画素(x、y)を含めた4画素群ηN(x、y)は、図
16のS21に示すような式で表すことができる。その
出力値の和は図16のS22に示す内容となる。これか
ら2値画像Nにおける画素(x、y)の出力値が白黒の
境界点であるか否かを判断する。この判断は即ち、図1
6のS23に示すような判断で行われる。ここで、副走
査方向の順に主走査方向へ順次走査していきながら、対
象とする2値画像Nの画素(x、y)を含めた4画素群
ηN(x、y)の出力値の和が0よりも大きくかつ2以
下であれば、1(黒)を出力する。一方、この出力値の
和が0または2よりも大きければ0(白)を出力する。
算処理により行われる。まず、対象とする2値画像Nの
画素(x、y)を含めた4画素群ηN(x、y)は、図
16のS21に示すような式で表すことができる。その
出力値の和は図16のS22に示す内容となる。これか
ら2値画像Nにおける画素(x、y)の出力値が白黒の
境界点であるか否かを判断する。この判断は即ち、図1
6のS23に示すような判断で行われる。ここで、副走
査方向の順に主走査方向へ順次走査していきながら、対
象とする2値画像Nの画素(x、y)を含めた4画素群
ηN(x、y)の出力値の和が0よりも大きくかつ2以
下であれば、1(黒)を出力する。一方、この出力値の
和が0または2よりも大きければ0(白)を出力する。
【0025】このような処理によって境界点が抽出され
ると、その出力は図1に示す照合部9に向け出力され
る。この照合部9においては境界点抽出部7の出力と、
予め登録された複数の登録境界点画像即ち、基準となる
境界点画像との重ね合わせを行って、一致した画素数か
ら一致率を算出し、入力境界点画像の境界点画素数から
重量比率を算出し、それぞれの値の写像関係から紙葉類
の金種、表裏、方向、真偽を識別する。なお、上記境界
点画像Eは、2値画像Nと同様に、格子状に配列された
主走査幅Pw ×副走査幅Ph 個の画素から構成される。
これは図16のS24に示す。さてここで、入力する境
界点画像と比較すべき登録境界点画像の作成方法につい
て説明する。この登録境界点画像Dは、対象とする入力
境界点画像の境界点発生位置の正否を検索するための基
準となるものである。これは、同一種類の紙葉類、例え
ば万円券を一定方向に向けてこの装置に投入し、数千枚
あるいは数万枚を対象としてこれまで説明した境界点抽
出までの処理を行い、これによって得られた結果を重ね
合わせて求められる。同一種類の多数の万円券につい
て、このような境界点画像を得た場合に、その画像の境
界点の発生率分布はある一定の範囲に集中する。
ると、その出力は図1に示す照合部9に向け出力され
る。この照合部9においては境界点抽出部7の出力と、
予め登録された複数の登録境界点画像即ち、基準となる
境界点画像との重ね合わせを行って、一致した画素数か
ら一致率を算出し、入力境界点画像の境界点画素数から
重量比率を算出し、それぞれの値の写像関係から紙葉類
の金種、表裏、方向、真偽を識別する。なお、上記境界
点画像Eは、2値画像Nと同様に、格子状に配列された
主走査幅Pw ×副走査幅Ph 個の画素から構成される。
これは図16のS24に示す。さてここで、入力する境
界点画像と比較すべき登録境界点画像の作成方法につい
て説明する。この登録境界点画像Dは、対象とする入力
境界点画像の境界点発生位置の正否を検索するための基
準となるものである。これは、同一種類の紙葉類、例え
ば万円券を一定方向に向けてこの装置に投入し、数千枚
あるいは数万枚を対象としてこれまで説明した境界点抽
出までの処理を行い、これによって得られた結果を重ね
合わせて求められる。同一種類の多数の万円券につい
て、このような境界点画像を得た場合に、その画像の境
界点の発生率分布はある一定の範囲に集中する。
【0026】図9にこのような基準となるべき境界点画
像発生率分布説明図を示す。図のx軸およびy軸は万円
券の縦あるいは横方向に該当する。また、垂直に表され
た2軸のEP(x、y)は、境界点の発生率分布を示す
軸である。図のように、例えば万円券81上に描かれた
曲線82が、境界点抽出により、境界点画像として得ら
れるとすると、この部分に非常に高い確立で発生率の分
布の山83が得られる。なお、この境界点発生率EP
(x、y)はその、重ね合わせ枚数をsとした場合、図
17のS25に示すようにして求めることができる。図
を見て明らかなように、同一種類の紙葉類について共通
に得られる境界点は高い発生率で得られるが、例えば局
部的な汚れや濃度変化などによる境界点は低い発生率で
現れる。実際に比較対象として登録し、基準となる境界
点画像とするためには、このような発生率の低い境界点
画像についてはこれを除外し、図9に示した最も発生率
の高い部分の境界点画像を登録する。これによって、同
種の紙葉類についてその境界点画像との比較を行った場
合に、極めて高い一致率でかつ正確な照合処理が行え
る。
像発生率分布説明図を示す。図のx軸およびy軸は万円
券の縦あるいは横方向に該当する。また、垂直に表され
た2軸のEP(x、y)は、境界点の発生率分布を示す
軸である。図のように、例えば万円券81上に描かれた
曲線82が、境界点抽出により、境界点画像として得ら
れるとすると、この部分に非常に高い確立で発生率の分
布の山83が得られる。なお、この境界点発生率EP
(x、y)はその、重ね合わせ枚数をsとした場合、図
17のS25に示すようにして求めることができる。図
を見て明らかなように、同一種類の紙葉類について共通
に得られる境界点は高い発生率で得られるが、例えば局
部的な汚れや濃度変化などによる境界点は低い発生率で
現れる。実際に比較対象として登録し、基準となる境界
点画像とするためには、このような発生率の低い境界点
画像についてはこれを除外し、図9に示した最も発生率
の高い部分の境界点画像を登録する。これによって、同
種の紙葉類についてその境界点画像との比較を行った場
合に、極めて高い一致率でかつ正確な照合処理が行え
る。
【0027】このような基準となる境界点画像は、例え
ば万円券、五千円札、千円札についてその識別を行う場
合には、それぞれの表面、裏面、挿入方向まで含めたも
のを全て登録しておく。図1に示す照合部9において
は、このような登録境界点画像と入力境界点画像との照
合を行う。ここで、登録された境界点画像Dは、入力境
界点画像Eと同様に、格子状に配列された主走査幅Bw
×副走査幅Bh 個の画素から構成される。この状態を図
17のS26に示す。ここで両者の重ね合わせを行う場
合、先に説明したように斜行補正部3から有効領域決定
部5までの処理において得られた中心位置を基準に照合
を行う。
ば万円券、五千円札、千円札についてその識別を行う場
合には、それぞれの表面、裏面、挿入方向まで含めたも
のを全て登録しておく。図1に示す照合部9において
は、このような登録境界点画像と入力境界点画像との照
合を行う。ここで、登録された境界点画像Dは、入力境
界点画像Eと同様に、格子状に配列された主走査幅Bw
×副走査幅Bh 個の画素から構成される。この状態を図
17のS26に示す。ここで両者の重ね合わせを行う場
合、先に説明したように斜行補正部3から有効領域決定
部5までの処理において得られた中心位置を基準に照合
を行う。
【0028】図10は照合部の基準境界点画像選択動作
説明図を示す。図のように、基準となる境界点画像は先
に説明したとおり、表面のもの裏面のもの、また、その
挿入方向が正方向のものと逆方向のものと、一つの種類
の紙幣について4通りが登録される。図10のbはその
紙幣の挿入状態に合わせて定められた分類番号である。
また、図10のaは紙幣の外形寸法などの特徴に合わせ
て定められた分類番号である。従って、図10において
は紙葉類の幅LがA種類あるものとし、A組の境界点画
像が用意されている。ここで、予め挿入された紙幣の長
手方向の幅を測定し、先ずこれを基準とすれば、図10
に示す多くの基準境界点画像の中から、最適のaに該当
するものを一組あるいは数組選び出し、照合を行うこと
ができる。これによって不用な照合処理を省略し、処理
時間の短縮を図ることができるとともに、紙葉類の外形
寸法などの、特徴のはっきりした差異を利用して、認識
精度を高めることができる。
説明図を示す。図のように、基準となる境界点画像は先
に説明したとおり、表面のもの裏面のもの、また、その
挿入方向が正方向のものと逆方向のものと、一つの種類
の紙幣について4通りが登録される。図10のbはその
紙幣の挿入状態に合わせて定められた分類番号である。
また、図10のaは紙幣の外形寸法などの特徴に合わせ
て定められた分類番号である。従って、図10において
は紙葉類の幅LがA種類あるものとし、A組の境界点画
像が用意されている。ここで、予め挿入された紙幣の長
手方向の幅を測定し、先ずこれを基準とすれば、図10
に示す多くの基準境界点画像の中から、最適のaに該当
するものを一組あるいは数組選び出し、照合を行うこと
ができる。これによって不用な照合処理を省略し、処理
時間の短縮を図ることができるとともに、紙葉類の外形
寸法などの、特徴のはっきりした差異を利用して、認識
精度を高めることができる。
【0029】こうして選択された一組あるいは数組の基
準境界点画像Dの画素(x、y)の出力値に対応して、
比較されるべき入力境界点画像Eの画素(x、y)およ
びその画素x,yを中心とする周辺8画素群ηE(x、
y)は、図17のs27に示す式で表すことができる。
この出力値の和は、図17S28のとおりとなる。この
結果からE(x、y)における出力値の正否を判断す
る。登録境界点画像Dk における画素(x、y)の出力
値が1(黒)の場合は、入力境界点画像Eにおける画素
(x、y)の出力値およびその画素(x、y)を中心と
する周辺8画素群ηE(x、y)の出力値の和を検索す
る。また、登録境界点画像Dk における画素(x、y)
の出力値が0(白)の場合は、入力境界点画像Eにおけ
る画素(x、y)の出力値およびその画素(x、y)を
中心とする周辺8画素群ηE(x、y)の出力値の和を
検索しない。このようにして、4種類のそれぞれの登録
境界点画像Dk との重ね合わせによる一致画素数AGR
k を、図17のS29に従って求める。
準境界点画像Dの画素(x、y)の出力値に対応して、
比較されるべき入力境界点画像Eの画素(x、y)およ
びその画素x,yを中心とする周辺8画素群ηE(x、
y)は、図17のs27に示す式で表すことができる。
この出力値の和は、図17S28のとおりとなる。この
結果からE(x、y)における出力値の正否を判断す
る。登録境界点画像Dk における画素(x、y)の出力
値が1(黒)の場合は、入力境界点画像Eにおける画素
(x、y)の出力値およびその画素(x、y)を中心と
する周辺8画素群ηE(x、y)の出力値の和を検索す
る。また、登録境界点画像Dk における画素(x、y)
の出力値が0(白)の場合は、入力境界点画像Eにおけ
る画素(x、y)の出力値およびその画素(x、y)を
中心とする周辺8画素群ηE(x、y)の出力値の和を
検索しない。このようにして、4種類のそれぞれの登録
境界点画像Dk との重ね合わせによる一致画素数AGR
k を、図17のS29に従って求める。
【0030】即ち、副走査方向の順に主走査方向へ順次
走査していきながら、登録境界点画像Dk の画素の出力
値が1(黒)のとき、入力境界点画像Eの画素の出力値
が1(黒)であるか、あるいは入力境界点画像Eの画素
の出力値が0(白)である場合で、かつ周辺8画素群η
E(x、y)の出力値の和が0でないときの何れかをみ
たす場合にのみ、一致画素数AGRk には登録境界点画
像Dk の画素の出力値1が加算される。図1に示す照合
部9は、予め登録された4種の登録境界点画像Dk につ
いて、それぞれ重ね合わせによる一致画素数AGRk を
求め、図1に示す認識部10に向けて出力する。認識部
10は、照合部9から出力される一致画素数AGRk の
登録境界点画像Dk の境界点画素数に対する比率、即ち
一致率を算出する。また、認識部10は、入力境界点画
像Eの境界点画素数の登録境界点画像Dkの境界点画素
数に対する比率、即ち重量比率を算出する。こうして、
認識部10は一致率と重量比率の写像関係から、対象と
する紙葉類の種類、表裏、真偽および方向を判断する。
走査していきながら、登録境界点画像Dk の画素の出力
値が1(黒)のとき、入力境界点画像Eの画素の出力値
が1(黒)であるか、あるいは入力境界点画像Eの画素
の出力値が0(白)である場合で、かつ周辺8画素群η
E(x、y)の出力値の和が0でないときの何れかをみ
たす場合にのみ、一致画素数AGRk には登録境界点画
像Dk の画素の出力値1が加算される。図1に示す照合
部9は、予め登録された4種の登録境界点画像Dk につ
いて、それぞれ重ね合わせによる一致画素数AGRk を
求め、図1に示す認識部10に向けて出力する。認識部
10は、照合部9から出力される一致画素数AGRk の
登録境界点画像Dk の境界点画素数に対する比率、即ち
一致率を算出する。また、認識部10は、入力境界点画
像Eの境界点画素数の登録境界点画像Dkの境界点画素
数に対する比率、即ち重量比率を算出する。こうして、
認識部10は一致率と重量比率の写像関係から、対象と
する紙葉類の種類、表裏、真偽および方向を判断する。
【0031】図11に認識部の動作説明図を示す。この
図は、横軸に重量比率Pm 、縦軸に一致率Pr をとっ
て、上記写像関係を図式化したものである。この縦軸に
おける入力境界点画像Eの一致率Pr (k)は、予め登
録されたk種類の登録境界点画像Dk それぞれの境界点
画素数に対する重ね合わせ手段による一致率画素数AG
Rk の比率である。これを図18のS30に示す。ま
た、横座標における入力境界点画像Eの重量比率Pm
(k)は、予め登録されたk種類の登録境界点画像Dk
について、それぞれの境界点画素数に対する照合部9に
よる入力境界点画像Eの境界点画素数の比率である。こ
れを図18のS31に示す。
図は、横軸に重量比率Pm 、縦軸に一致率Pr をとっ
て、上記写像関係を図式化したものである。この縦軸に
おける入力境界点画像Eの一致率Pr (k)は、予め登
録されたk種類の登録境界点画像Dk それぞれの境界点
画素数に対する重ね合わせ手段による一致率画素数AG
Rk の比率である。これを図18のS30に示す。ま
た、横座標における入力境界点画像Eの重量比率Pm
(k)は、予め登録されたk種類の登録境界点画像Dk
について、それぞれの境界点画素数に対する照合部9に
よる入力境界点画像Eの境界点画素数の比率である。こ
れを図18のS31に示す。
【0032】図11において、ハッチングを付した部分
は、対象とする紙葉類のPr とPmとの写像関係から、
種類、表裏、真偽および方向を識別するための許容され
る範囲である。対象とする紙葉類から抽出された入力境
界点画像Eと登録境界点画像Dk のそれぞれが同一種類
のとき、図18のS30およびS31に示した式から、
理論上Pm の値およびPr の値はそれぞれ1に近似す
る。これを図18のS32に示す。実際に認識を行うに
あたっては、出力されたそれぞれのPm の値およびPr
の値に対して、上記のような許容される値の範囲を定め
なければならない。
は、対象とする紙葉類のPr とPmとの写像関係から、
種類、表裏、真偽および方向を識別するための許容され
る範囲である。対象とする紙葉類から抽出された入力境
界点画像Eと登録境界点画像Dk のそれぞれが同一種類
のとき、図18のS30およびS31に示した式から、
理論上Pm の値およびPr の値はそれぞれ1に近似す
る。これを図18のS32に示す。実際に認識を行うに
あたっては、出力されたそれぞれのPm の値およびPr
の値に対して、上記のような許容される値の範囲を定め
なければならない。
【0033】図19に、このような許容範囲の決定方法
概念図を図示した。図のブロック121においてはま
ず、第0番目の登録境界点画像D0と、その同一種類の
紙葉類数千枚あるいは数万枚(この数をS枚とする)を
対象として、それぞれ抽出した入力境界点画像Eとの重
ね合わせを行う。そして図18のS30およびS31の
式から、それぞれ対象とするサンプル番号S=(0、
S)に対応して、一致率Pr (0、S)および重量比率
Pm (0、S)の値を出力する。ブロック122におい
ても、ブロック121と同様に、第1番目の登録境界点
画像D1 とその同一種の紙葉類S枚を対象として、それ
ぞれ抽出した入力境界点画像Eとの重ね合わせを行う。
そしてブロック121と同様の要領で、一致率Pr
(1、S)および重量比率Pm (1、S)の値を出力す
る。このようにして、予め登録されたk種類の登録境界
点画像番号に対応して同様の処理を施す。次にこれまで
求めたそれぞれの一致率Pr および重量比率Pm から、
それぞれ一致率の頻度分布HST(Pr )および重量比
率の頻度分布HST(Pm )を作成する。この結果を
図20に示す。また、この結果を図21に示す。これ
らの図に示すような一致率および重量比率の頻度分布が
0とならない区間を、許容される範囲に設定する。これ
は図18のS33に示す。
概念図を図示した。図のブロック121においてはま
ず、第0番目の登録境界点画像D0と、その同一種類の
紙葉類数千枚あるいは数万枚(この数をS枚とする)を
対象として、それぞれ抽出した入力境界点画像Eとの重
ね合わせを行う。そして図18のS30およびS31の
式から、それぞれ対象とするサンプル番号S=(0、
S)に対応して、一致率Pr (0、S)および重量比率
Pm (0、S)の値を出力する。ブロック122におい
ても、ブロック121と同様に、第1番目の登録境界点
画像D1 とその同一種の紙葉類S枚を対象として、それ
ぞれ抽出した入力境界点画像Eとの重ね合わせを行う。
そしてブロック121と同様の要領で、一致率Pr
(1、S)および重量比率Pm (1、S)の値を出力す
る。このようにして、予め登録されたk種類の登録境界
点画像番号に対応して同様の処理を施す。次にこれまで
求めたそれぞれの一致率Pr および重量比率Pm から、
それぞれ一致率の頻度分布HST(Pr )および重量比
率の頻度分布HST(Pm )を作成する。この結果を
図20に示す。また、この結果を図21に示す。これ
らの図に示すような一致率および重量比率の頻度分布が
0とならない区間を、許容される範囲に設定する。これ
は図18のS33に示す。
【0034】上記のような許容範囲IVPは、本物の紙
葉類数千枚あるいは数万枚を対象として、図18に示す
S30およびS31の式により求めた値のわずかな発散
または誤差を許容する範囲である。仮に入力境界点画像
Eと登録境界点画像Dk とが異なる種類のものである場
合には、図18のS30およびS31で求めた一致率P
r と重量比率Pm との写像関係は、図11において示し
た許容される範囲以外の写像関係になる。
葉類数千枚あるいは数万枚を対象として、図18に示す
S30およびS31の式により求めた値のわずかな発散
または誤差を許容する範囲である。仮に入力境界点画像
Eと登録境界点画像Dk とが異なる種類のものである場
合には、図18のS30およびS31で求めた一致率P
r と重量比率Pm との写像関係は、図11において示し
た許容される範囲以外の写像関係になる。
【0035】例えば、部分的な張り合わせによって偽造
された紙幣については、図14のS11により求めたし
きい値が変化して、これが本物の紙幣の理想的なしきい
値に変化を及ぼし、入力境界点画像Eの白黒境界点発生
位置が、画面全体にわたってずれてくる。従って、部分
的な張り合わせなどによる偽造紙葉類では、一致率Pr
と重量比率Pm との写像関係が、図11において示した
許容範囲以外の写像関係になる。これによって紙葉類の
真偽も確実に判定できる。また、紙葉類全体にわたるコ
ピーなどで作成された偽造紙葉類の場合では、上記図1
4の式11で求めたしきい値は、対象とする紙葉類ごと
の紙の質や印刷濃度などの変動、あるいはその読み取り
に使用されるイメージラインセンサの経時変動などによ
って算出できるしきい値の変化に比べると大きく異な
る。従って、しきい値決定段階で処理を中断することも
できる。上記認識部10は、登録境界点画像Dk との重
ね合わせによる一致率Pr および重量比率Pm との写像
関係が、上記許容範囲に入るか否かを判断する。そして
登録境界点画像番号kの順に、順番にその番号に対応し
た一致率Pr および重量比率Pm との写像関係が比較さ
れて、最終的にその許容範囲に属した場合に認識結果R
ESが出力される。これを図18のS34に示す。
された紙幣については、図14のS11により求めたし
きい値が変化して、これが本物の紙幣の理想的なしきい
値に変化を及ぼし、入力境界点画像Eの白黒境界点発生
位置が、画面全体にわたってずれてくる。従って、部分
的な張り合わせなどによる偽造紙葉類では、一致率Pr
と重量比率Pm との写像関係が、図11において示した
許容範囲以外の写像関係になる。これによって紙葉類の
真偽も確実に判定できる。また、紙葉類全体にわたるコ
ピーなどで作成された偽造紙葉類の場合では、上記図1
4の式11で求めたしきい値は、対象とする紙葉類ごと
の紙の質や印刷濃度などの変動、あるいはその読み取り
に使用されるイメージラインセンサの経時変動などによ
って算出できるしきい値の変化に比べると大きく異な
る。従って、しきい値決定段階で処理を中断することも
できる。上記認識部10は、登録境界点画像Dk との重
ね合わせによる一致率Pr および重量比率Pm との写像
関係が、上記許容範囲に入るか否かを判断する。そして
登録境界点画像番号kの順に、順番にその番号に対応し
た一致率Pr および重量比率Pm との写像関係が比較さ
れて、最終的にその許容範囲に属した場合に認識結果R
ESが出力される。これを図18のS34に示す。
【0036】以上の結果、図1に示すスキャナ2によっ
て読み取られた紙葉類について、その中心位置を認識し
た上で境界点画像が抽出され、これが予め同一種類の多
くの紙葉類を処理することによって得られた境界点画像
と比較され、一定の許容範囲内で高い信頼性を持った認
識が行われる。本発明は以上の実施例に限定されない。
上記実施例においてそれぞれ紹介したスキャナ2、斜行
補正部3、バッファメモリ4、有効領域決定部5、2値
化部6、境界点抽出部7あるいは照合部9や認識部10
等の各ブロックは、同様の機能を持つ種々の構成のブロ
ックに置き換えて差し支えなく、また、各ブロックにお
いて実行される演算処理等は、一つの制御用コンピュー
タによって処理されてもよいし、またそれぞれ別々の制
御回路によって処理されるようにしても差し支えない。
て読み取られた紙葉類について、その中心位置を認識し
た上で境界点画像が抽出され、これが予め同一種類の多
くの紙葉類を処理することによって得られた境界点画像
と比較され、一定の許容範囲内で高い信頼性を持った認
識が行われる。本発明は以上の実施例に限定されない。
上記実施例においてそれぞれ紹介したスキャナ2、斜行
補正部3、バッファメモリ4、有効領域決定部5、2値
化部6、境界点抽出部7あるいは照合部9や認識部10
等の各ブロックは、同様の機能を持つ種々の構成のブロ
ックに置き換えて差し支えなく、また、各ブロックにお
いて実行される演算処理等は、一つの制御用コンピュー
タによって処理されてもよいし、またそれぞれ別々の制
御回路によって処理されるようにしても差し支えない。
【0037】
【発明の効果】以上説明した本発明の紙葉類認識装置
は、紙葉類の認識を必要とする全領域の画像を読み取っ
て、その濃淡画像から一定の統計量を抽出し、2値化し
たしきい値を決定するようにしたので、認識を対象とす
るデータは紙葉類の紙の質や印刷濃度に影響されないも
のとなり、常に安定した認識が可能となる。さらに、こ
のようなしきい値を用いれば、境界点発生位置の精度が
向上し、簡単な照合処理が高い信頼性で実現できる。ま
た、スキャナが読み取る領域の大きさを対象とする紙葉
類の最大対角線長以上に設定すれば、対象とする紙葉類
の位置ずれや斜行によるずれに影響されず必要な全ての
画像が抽出できる。
は、紙葉類の認識を必要とする全領域の画像を読み取っ
て、その濃淡画像から一定の統計量を抽出し、2値化し
たしきい値を決定するようにしたので、認識を対象とす
るデータは紙葉類の紙の質や印刷濃度に影響されないも
のとなり、常に安定した認識が可能となる。さらに、こ
のようなしきい値を用いれば、境界点発生位置の精度が
向上し、簡単な照合処理が高い信頼性で実現できる。ま
た、スキャナが読み取る領域の大きさを対象とする紙葉
類の最大対角線長以上に設定すれば、対象とする紙葉類
の位置ずれや斜行によるずれに影響されず必要な全ての
画像が抽出できる。
【0038】また、画像データを2値化する前に、対象
とする濃淡画像からその紙葉類の中心位置を検出し、濃
淡画像からその紙葉類が占める領域を設定するようにし
たので、その後の信号処理量を減少させ、処理の高速化
を図ることができる。また、基準となる登録境界点画像
の作成における処理および、入力境界点画像の抽出にお
ける処理が、紙葉類の紙質、印刷濃度などの変動、およ
び環境温度の変動やスキャナの出力変動などがあっても
これに影響されない方法であるため、境界点発生位置の
正否を問う信頼性の高い照合処理が可能となる。また、
2値化処理手段の出力から孤立点と雑音を除去するよう
にし、境界点画像の信頼性を高めることができる。
とする濃淡画像からその紙葉類の中心位置を検出し、濃
淡画像からその紙葉類が占める領域を設定するようにし
たので、その後の信号処理量を減少させ、処理の高速化
を図ることができる。また、基準となる登録境界点画像
の作成における処理および、入力境界点画像の抽出にお
ける処理が、紙葉類の紙質、印刷濃度などの変動、およ
び環境温度の変動やスキャナの出力変動などがあっても
これに影響されない方法であるため、境界点発生位置の
正否を問う信頼性の高い照合処理が可能となる。また、
2値化処理手段の出力から孤立点と雑音を除去するよう
にし、境界点画像の信頼性を高めることができる。
【0039】さらに、対象とする紙葉類の長手方向の幅
と、予め登録された長手方向の幅の差を検出し、この差
をもとに重ね合わせに用いる登録された境界点画像の選
択を行うようにすれば、無用の照合処理を省略し、照合
処理時間の短縮を図ることができる。また、基準となる
境界点画像を同一種類の紙葉類多数枚を対象として、紙
葉類の認識と同一の動作を経て得られた境界点画像か
ら、発生率の低い部分の画像を除去するようにしたの
で、極めて高い一致率で照合が可能となる。また、識別
にあたっての基準となる尺度を一致率と重量比率との写
像関係のみにすることができ、基準を一つにすることが
可能になるため認識の信頼性を高めることができる。
と、予め登録された長手方向の幅の差を検出し、この差
をもとに重ね合わせに用いる登録された境界点画像の選
択を行うようにすれば、無用の照合処理を省略し、照合
処理時間の短縮を図ることができる。また、基準となる
境界点画像を同一種類の紙葉類多数枚を対象として、紙
葉類の認識と同一の動作を経て得られた境界点画像か
ら、発生率の低い部分の画像を除去するようにしたの
で、極めて高い一致率で照合が可能となる。また、識別
にあたっての基準となる尺度を一致率と重量比率との写
像関係のみにすることができ、基準を一つにすることが
可能になるため認識の信頼性を高めることができる。
【図1】本発明の紙葉類認識装置ブロック図である。
【図2】本発明の装置のスキャナと斜行補正部ブロック
図である。
図である。
【図3】本発明の装置の斜行補正部動作説明図である。
【図4】本発明の装置の位置検出部動作説明図である。
【図5】本発明の装置の有効領域決定部動作説明図であ
る。
る。
【図6】本発明の装置の2値化部ブロック図である。
【図7】本発明の装置の2値化部動作説明図である。
【図8】本発明の装置の境界点抽出動作説明図である。
【図9】本発明の装置の基準境界点画像発生率分布説明
図である。
図である。
【図10】本発明の装置の照合部の基準境界点画像選択
動作説明図である。
動作説明図である。
【図11】本発明の装置の認識部の動作説明図である。
【図12】本発明の装置の演算動作説明図である。
【図13】本発明の装置の演算動作説明図である。
【図14】本発明の装置の演算動作説明図である。
【図15】本発明の装置の演算動作説明図である。
【図16】本発明の装置の演算動作説明図である。
【図17】本発明の装置の演算動作説明図である。
【図18】本発明の装置の演算動作説明図である。
【図19】本発明の装置の許容範囲の決定方法概念図で
ある。
ある。
【図20】図19の結果説明図である。
【図21】図19の結果説明図である。
1 紙葉類 2 スキャナ 3 斜行補正部 4 バッファメモリ 5 有効領域決定部 6 2値化部 7 境界点抽出部 8 基準境界点画像 9 照合部 10 認識部
Claims (7)
- 【請求項1】 紙葉類上のデータを読み取るスキャナ
と、 前記紙葉類のデータ読み取り時、紙葉類の搬送状態から
その斜行角度を検出し、前記スキャナの読み取り信号を
斜行補正してバッファメモリに書き込む斜行補正部と、 前記バッファメモリに書き込まれた濃淡画像データを解
析して、前記バッファメモリ中の前記紙葉類の端部位置
と中心位置を抽出し、前記濃淡画像データの有効領域を
決定する有効領域決定部と、 前記バッファメモリの中から、前記有効領域の濃淡画像
データを読み出して、その濃度の頻度分布より2値化用
閾値を決定し、前記紙葉類の占める濃淡画像データを2
値化する2値化処理部と、 前記2値化された画像データから、白/黒境界点を抽出
した境界点画像を得る境界点抽出部と、 前記境界点画像と、予め用意された基準となる複数の境
界点画像とを比較して、一致率分布を作成する照合部
と、 前記照合部の出力に基づいて、前記紙葉類の種類、真偽
を認識する認識部とを備えたことを特徴とする紙葉類認
識装置。 - 【請求項2】 スキャナの読み取り可能長は、認識対象
となる紙葉類のうちの最大の対角線をもつ紙葉類の対角
線長以上に設定されていることを特徴とする請求項1記
載の紙葉類認識装置。 - 【請求項3】 バッファメモリに書き込まれた濃淡画像
データの有効領域は、認識対象となる紙葉類のうちの最
大のものの占める領域に設定されることを特徴とする請
求項1記載の紙葉類認識装置。 - 【請求項4】 2値化処理手段の出力から孤立点と雑音
を除去する雑音除去手段を設けたことを特徴とする請求
項1記載の紙葉類認識装置。 - 【請求項5】 基準となる境界点画像は、同一種の紙葉
類多数枚を対象として、紙葉類の認識と同一の動作を経
て得られた境界点画像から、発生率の低い部分の画像を
除去したものであることを特徴とする請求項1記載の紙
葉類認識装置。 - 【請求項6】 照合対象となる紙葉類の前記境界点画像
以外の特徴量を使用して、予め用意された前記基準とな
る境界点画像のうちの該当するものを選択し、その後一
致率分布の作成を行うことを特徴とする請求項1記載の
紙葉類認識装置。 - 【請求項7】 照合対象となる紙葉類の境界点画像と、
予め用意された基準となる境界点画像の重ね合わせによ
る一致率と重量比率との写像関係が、一定範囲にあるか
否かにより紙葉類の認識を行うことを特徴とする請求項
1記載の紙葉類認識装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP25048291A JP2599320B2 (ja) | 1991-09-03 | 1991-09-03 | 紙葉類認識装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP25048291A JP2599320B2 (ja) | 1991-09-03 | 1991-09-03 | 紙葉類認識装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH0562045A JPH0562045A (ja) | 1993-03-12 |
JP2599320B2 true JP2599320B2 (ja) | 1997-04-09 |
Family
ID=17208516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP25048291A Expired - Fee Related JP2599320B2 (ja) | 1991-09-03 | 1991-09-03 | 紙葉類認識装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2599320B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4322336B2 (ja) * | 1998-12-21 | 2009-08-26 | 株式会社東芝 | 紙葉類の状態識別装置 |
KR100745395B1 (ko) | 2006-02-10 | 2007-08-02 | 삼성전자주식회사 | 분광 검사 방법 및 이를 수행하기 위한 분광 검사 장치 |
JP5093877B2 (ja) | 2006-09-29 | 2012-12-12 | 株式会社ユニバーサルエンターテインメント | 紙葉識別装置 |
CN101517619B (zh) | 2006-09-29 | 2010-12-08 | 阿鲁策株式会社 | 纸张识别装置 |
CN111311424B (zh) * | 2020-03-06 | 2023-08-22 | 德联易控科技(北京)有限公司 | 车险事故中的数据分析方法、装置、存储介质和处理器 |
-
1991
- 1991-09-03 JP JP25048291A patent/JP2599320B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JPH0562045A (ja) | 1993-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4286790B2 (ja) | 紙葉類識別方法及び紙葉類識別装置 | |
EP2530659A1 (en) | Method and device for obtaining paper current or financial bill number, and recognition method and device for paper currency or financial bill number | |
JPH11175797A (ja) | 紙葉鑑別装置 | |
WO2008112132A1 (en) | Document imaging and processing system | |
WO2004023402A1 (ja) | 紙葉類特徴検出装置及び紙葉類特徴検出方法 | |
WO2002033665A1 (en) | Denomination identification | |
JP2002092682A (ja) | 透かし検出方法およびシステム | |
US8517260B1 (en) | Banking system controlled responsive to data bearing records | |
JP2599320B2 (ja) | 紙葉類認識装置 | |
JPH06318246A (ja) | 紙葉類認識装置 | |
JP2006085443A (ja) | 紙葉類取り扱い装置、それに用いる紙葉類判別方法及び自動取引装置 | |
JPH09330449A (ja) | 媒体識別装置 | |
JP2002092683A (ja) | 媒体真偽鑑別装置 | |
JPH0644437A (ja) | 紙葉類認識装置 | |
JPH06318245A (ja) | 紙葉類認識装置 | |
EP1791081B1 (en) | Method for detecting perforation on the edge of an image of a form | |
RU2280284C2 (ru) | Способ определения неплатежных банкнот, полученных посредством склеивания частей различных банкнот и фальшивых банкнот | |
JPH0573753A (ja) | 紙葉類認識処理方法 | |
JPH11219460A (ja) | 傾斜画像処理方法 | |
KR101385388B1 (ko) | 매체인식장치 및 그를 이용한 매체권종판별방법 | |
JPH10198837A (ja) | 紙葉判別装置 | |
JPH07311867A (ja) | 紙葉類認識装置 | |
JP4306027B2 (ja) | 紙葉類の真偽鑑別装置 | |
KR102639183B1 (ko) | 금융자동화기기의 자기잉크문자 인식 방법 | |
JP4626243B2 (ja) | セキュリティスレッド判別装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090109 Year of fee payment: 12 |
|
LAPS | Cancellation because of no payment of annual fees |