JP4105694B2 - 紙片鑑別装置、紙片鑑別方法及びプログラム - Google Patents
紙片鑑別装置、紙片鑑別方法及びプログラム Download PDFInfo
- Publication number
- JP4105694B2 JP4105694B2 JP2004534046A JP2004534046A JP4105694B2 JP 4105694 B2 JP4105694 B2 JP 4105694B2 JP 2004534046 A JP2004534046 A JP 2004534046A JP 2004534046 A JP2004534046 A JP 2004534046A JP 4105694 B2 JP4105694 B2 JP 4105694B2
- Authority
- JP
- Japan
- Prior art keywords
- image data
- paper
- data
- denomination
- dictionary
- 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 - Lifetime
Links
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
- G07D7/20—Testing patterns thereon
- G07D7/202—Testing patterns thereon using pattern matching
- G07D7/206—Matching template patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/421—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation by analysing segments intersecting the pattern
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
- Image Processing (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Analysis (AREA)
Description
基準データ記憶手段は、真券の紙幣の画像データである基準データを、少なくとも一つの金種について格納している。辞書データ記憶手段は、真券の紙幣鑑別用の辞書データを、前記基準データと同じ金種数だけ格納している。センサ手段は、紙葉類の切片である紙片の画像データを取得する。辞書比較手段は、該センサ手段により得られた紙片画像データを、前記基準データ記憶手段に格納されている各金種の基準データと合成して各金種毎の比較用紙幣画像データを作成し、該比較用紙幣画像データを前記辞書データ記憶手段に格納されている同一金種の辞書データと、パターンマッチングすることにより、前記紙片の金種を鑑別する。
{第1実施形態}
図1は、本発明の第1実施形態のシステム構成図である。
同図に示す第1実施形態の紙片鑑別装置10は、中央処理装置11、紙葉類突入センサ部11、光センサ部13、増幅部14、A/D変換部15、画像記憶部16、画像処理部17、辞書比較部18、基準データ部19、辞書データ部20及び記憶部21から構成されている。尚、以下の説明では、本実施形態が、紙葉類の一種である紙幣を取り扱う場合について説明する。
光センサ部13は、ラインセンサであり紙葉類突入センサ部11により検知された後、装置10内を搬送されてくる紙葉類の画像をライン単位で取得する。
中央処理装置11は、紙葉類突入センサ部12から上記通知を受け取ると、光センサ部13を起動し、紙葉類の搬送速度に応じて光センサ部13のサンプリング周波数とサンプリング時間を制御する。光センサ部13は、中央処理装置11からの制御を受けて、搬送される紙葉類のアナログ画像信号を取得し、それを増幅部14に出力する。
A/D変換部15は、増幅部14から入力されるアナログ画像信号をディジタル画像信号に変換・出力する。このディジタル画像信号は、最も暗い点を0とし、最も明るい点を最大値とする階調値である。この階調値は、個々の画素毎に得られる。
また、紙片の金種鑑別においては、辞書データと前記比較用紙幣画像データとパターンマッチングにおいて、例えば、両画像データ間の距離を(例えば、ユークリッド距離)を算出し、その距離を基に紙片の金種を鑑別する。
図2は、上記紙片鑑別装置10による紙片鑑別処理の概要を説明する図である。
同図(a)に示す生画像データ31は、斜行して搬送された紙片を光センサ部13により検出することにより得られた画像データであり、生画像データ31の中央部に紙片画像データ41が存在している。同図(a)において、紙片画像データ41と外郭と接続している破線部分は、切れて紛失した他方の紙片の外郭を示している。
まず、紙片画像データ41を濃度補正し(ステップS11)、次に、該紙片画像データ41を斜行補正する(ステップS12)。続いて、最初に選択した金種の基準データ50上に紙片画像データ41をコーナー基準で貼り付ける(ステップS13)。このコーナー貼り付けにおいて、最初、どのコーナーに貼り付けるかは予め決めておく。また、最初に選択する基準データ50の金種についても、予め決めておく。
尚、図3の紙片の金種識別処理においては、
全画面画像でのパターンマッチング
横ライン画像でのパターンマッチング
縦ライン画像でのパターンマッチング
斜めライン画像でのパターンマッチング
の4種類のパターンマッチングを行い、それらのパターンマッチングで得られた最良の類似度(または最小距離)を金種識別用の指標としているが、上記(1)〜(4)のいずれか一つのみ、または(1)〜(4)の中から、1〜3種類のパターンマッチングの組み合わせを選択するようにして、紙片の金種を識別するようにしてもよい。
まず、紙片画像データ41における紙片の白い縁部の面積Sを計算し(ステップS31)、次に、該白い縁部の透過光加算値Aを計算する(ステップS32)。
同図(a)に示すように、辞書データ70は縦L列、横N行であり、L×N個の画素71から構成されている。同図(b)に示すように、画素71は16ビット構成となっており、上位8ビットに階調平均値(濃度平均値)が、下位8ビットに標準偏差σが格納されている。この標準偏差σは、辞書データ70を作成するためのサンプルデータから得られた画素71の階調値の標準偏差である。
同図(a)に示すように、比較用紙幣画像データ60も辞書データ70と同様に、縦L列、横N行で、L×N個の画素61から構成されている。同図(b)に示すように、画素61は8ビット構成であり、この8ビットに階調値(濃度値)が格納されている。
本実施形態においては、図7に模式的に示すように、比較用紙幣画像データ60と辞書データ70とのパターンマッチングにおいて、同一位置の画素同士について、下記の式(1)によりそれらの間のユークリッド距離dijを計算する。
Pij:比較用紙幣画像データ60の画素の階調値
P’ij:辞書データ70の画素の階調値
である。
図8は、上記全面画像パターンマッチングの手法の模式的概念図である。
同図において、右方向の矢印で示しているように、第1行目から第N行目まで行順に、上記の式(1)によりユークリッド距離dijを求め、下記の式(2)で表現される全画素のユークリッド距離Dallを求める。
次に、式(1)によりユークリッド距離dijを計算し(ステップS42)、そのユークリッド距離dijを変数DEAに加算する(ステップS43)。続いて、iがLに等しいか判別し(ステップS44)、等しくなければ、iの値を1インクリメントし(ステップS45)、ステップS42に戻る。
Nに等しくなるまで、ステップS42〜ステップS47の処理を繰り返し、画像における全画素のユークリッド距離の総和を求める。この総和は、DEAに格納される。そして、ステップS46で、jがNに等しいと判別すると処理を終了する。
同図に示すように、このパターンマッチング処理においては、比較用紙幣画像データ60の任意の行xを選択し、この行の全画素を走査し、その走査ライン81における全画素の辞書データ70の画素とのユークリッド距離dijの総和を求める。但し、行xは紙片画像データ42の画素が含まれる行である必要があり、好ましくは、紙片画像データ42の画素数が最大の行xであることが望ましい。
このようにして、iの値がLに等しくなるまで、ステップS52〜ステップS54の処理を繰り返し、選択された行yにおける全画素のユークリッド距離の総和を求める。この総和は、変数DEYに格納される。そして、ステップS54でiがLに等しいと判別すると処理を終了する。
この縦ライン画像でのパターンマッチング処理では、比較用紙幣画像データ60における任意の列xを選択し、その列xの全画素を走査して、その走査ライン91における全画素のユークリッド距離の総和を算出する。但し、この場合、選択する列xは紙片画像データ42の画素を含む列であり、好ましくは、その画素数が最大の列xを選択するのが望ましい。
まず、変数iに選択された列番号xを設定し、変数jを1に初期設定する。また、該選択された列xにおける全画素のユークリッド距離の総和を求めるための変数DETを0に初期設定する(ステップS61)。
次に、上記式(1)により、ユークリッド距離dijを算出し(ステップS62)、そのユークリッド距離dijを変数DETに加算する(ステップS63)。そして、jがNに等しいか判別し(ステップS64)、等しくなければ、jの値を1インクリメントし(ステップS65)、ステップS62に戻る。
図14は、任意の番号xの列を選択し、その選択した列から所定の角度(例えば、45度)で左斜め方向に画素を走査して、その走査した斜めラインの全画素におけるユークリッド距離の総和を求める左斜めライン画像によるパターンマッチング処理を示している。同図では、比較用紙幣画像データ60の番号x1の列を選択した場合と番号x2を選択した場合のそれぞれにおける走査ライン101,102を示している。この手法においては、好ましくは、走査ライン上において紙片画像データ42の画素数が最大となるように列番号を選択するのが望ましい。
同図は、最初に走査する画素の列番号をx3とした場合とx4とした場合のそれぞれにおける走査ライン111,112を示している。この右斜め方向の斜めライン画像のパターンマッチングにおいても、紙片画像データ42の画素数を最も多く走査するラインが走査ラインとなるように、最初に走査すべき画素の列を選択するのが望ましい。
図16は、図14に示す左斜め方向の斜め画像ラインでのパターンマッチング処理を詳細に説明する図である。同図において、変数i,jは、それぞれ、画素の列番号、行番号が設定される変数である。また、DENRは左斜め方向の走査ラインにおける全画素のユークリッド距離の総和を求めるために使用される変数である。
次に、上記式(1)を演算し、ユークリッド距離dijを求め(ステップS72)、そのユークリッド距離dijを変数DENRに加算する(ステップS73)。そして、i=1またはj=Nであるか判別し(ステップS74)、i,jのいずれも該等式を満たさなければ、iの値を1デクリメントし(ステップS75)、jの値を1インクリメントし(ステップS75)、ステップS72に戻る。
まず、変数i、jにそれぞれ、最初の走査画素の行番号(=x)、列番号(=1)を設定する。また、左斜め方向の走査ライン画像における全画素のユークリッド距離の総和を求めるための変数DENLを0に初期設定する(ステップS81)。と
次に、上記式(1)を用いて、ユークリッド距離dijを算出し(ステップS82)、そのユークリッド距離dijを変数DENLに加算する(ステップS83)。そして、i=Lまたはj=Nであるか判断し(ステップS84)、両等式のいずれも成立しなければ、iを1インクリメントし(ステップS85)、jを1デクリメントし(ステップS86)、ステップS82に戻る。
{第2実施形態}
図18は、本発明の第2実施形態である紙片鑑別装置200のシステム構成を示すブロック図である。同図において、図1に示す第1実施形態の紙片鑑別装置10の構成要素と同じ構成要素には同一の符号を付記しており、これらの構成要素の説明は省略する。
ニューロ演算部201は、ニューラルネットワークであり、画像処理部17Aで作成された前記縮小画像を入力パターンとして入力し、紙片の金種とその方向(元の紙幣上での位置)を出力パターンとして出力する。
ニューロ演算部201は、入力層211、中間層212及び出力層213で構成されたフィードフォワード結合型のニューラルネットワークであり、誤差逆伝播学習を学習アルゴリズムとする。
中間層212は、A1 ,A2 ,・・・,Amのm個のユニットから成る。各ユニットAj(J=1,2,・・・,m)は、入力層211の全てのユニットSi(i=1,2,・・・,n)と結合されている。
出力層213は、R1 ,R2 ,・・・,Rqのq個のユニットから成り、各ユニットRk(k=1,2,・・・,q)は中間層212の全てのユニットAjと結合されている。ユニットRkは、出力信号Okを出力する。この出力信号Okは、0または1の2値信号であり、q個のユニットRkの中でいずれか1個のユニットのみが1の出力信号を出力し、他のユニットは0を出力する。
同図に示すユニット220(ユニットj)は、前段の層の各ユニットiからの出力が入力xiとして与えられる準線形素子モデルであり、閾値θjを有している。ここで、ユニット220(ユニットj)の内部状態ujは、
ここで、Tは温度と呼ばれるパラメータである。
図21は、画像処理部17Aからニューロ演算部201に出力される入力パターンを説明する図である。
全面画像パターン認識
入力信号:I1〜I220
入力層211のユニット数:220
中間層212のユニット数:10
出力層213のユニット数:64
出力信号:O1〜O64
横ライン画像パターン認識
入力信号:I1〜I22
入力層211のユニット数:22
中間層212のユニット数:2
出力層213のユニット数:64
出力信号:O1〜O64
縦ライン画像パターン認識
入力信号:I1〜I10
入力層211のユニット数:10
中間層212のユニット数:3
出力層213のユニット数:64
出力信号:O1〜O64
(右斜め方向または左斜め方向)斜めライン画像パターン認識
入力信号:(I1〜I2),(I1〜I3),・・・,または(I1〜I10)
入力層211のユニット数:2〜10
中間層212のユニット数:2
出力層213のユニット数:64
出力信号:O1〜O64
前述したように、入力層211のユニット数は画像処理部17Aからの入力信号Iiの数(画素数)に等しい。また、本実施形態では画素の階調値(濃度)は8ビットなので、各入力信号I1値の範囲は16進表現で、00H〜FFHとなる。
全面画像パターン認識の場合には、図22に示すように、縮小画像データ302の全画素の階調値(濃度)が入力信号I1〜I220としてニューラルネットワーク201に入力される。また、横ライン画像認識の場合には、図24に示すように、縮小画像データ302における任意の列(斜線部分)における全画素の階調値(濃度)が入力信号I1〜I22として、ニューラルネットワーク201に入力される。また、さらに、縦ライン画像パターン認識の場合には、図23に示すように、縮小画像データ302における任意の行(斜線部分)における全画素の階調値(濃度)が入力信号I1〜I10としてニューラルネットワーク201に入力される。
としてニューラルネットワーク201に入力される。
中央処理部11Aは、そのニューロ演算部201の出力パターンを入力し、ニューロ演算部201により金種が推定されたか判別する(ステップS107)。
そして、金種が推定されていなければ、現在選択中の金種の基準データ50について全コーナーでの紙片画像データ42の貼り付けが終了したか判別し(ステップS108)、まだ、全コーナーでの貼り付けが終了していなければ、ステップS13に戻る。
一方、ステップS107で、中央処理部11は金種が推定されたと判別すれば、その金種を記憶部21に格納し(ステップS111)、処理を終了する。
このようにして、基準データ50上の各コーナーに紙片画像データ42を順次貼り付けながら比較用紙幣画像データ301を作成し、その縮小画像データ302についてニューロ演算部201により金種の推定が行なわれる。そして、ステップ108で、現在選択している金種の基準データ50上の全コーナーに紙片画像データ42を貼り付けた場合の比較用紙幣画像データ301のニューロ演算部201による金種推定が終了したと判別すると、次に、全金種の比較用紙幣画像データ301の縮小画像データ302についてニューロ演算部201による金種推定が終了したか判別する(ステップS109)。そして、全金種の比較用紙幣画像データ301の縮小画像データ302について金種推定が終了していないと判別すると、次の金種を選択し(ステップS110)、ステップS13に戻る。
また、第1実施形態の辞書比較部18による金種推定と第2実施形態のニューロ演算部201による金種推定の両方を行って、金種推定の確度を高めたシステムを構築するようにしてもよい。
[産業上の利用可能性]
本発明は、紙幣の入出金が行なわれるATMやCD(Cash Dispenser),自動販売機、駅の切符販売機など、今後、省人化に伴い急増するであろう紙幣の入出金を取り扱う無人機全般に適用できるので利用需要は大きい。
Claims (15)
- 真券の紙幣の画像データである基準データを、少なくとも一つの金種について格納している基準データ記憶手段と、
真券の紙幣鑑別用の辞書データを、前記基準データと同じ金種数だけ格納している辞書データ記憶手段と、
紙葉類の切片である紙片の画像データを取得するセンサ手段と、
該センサ手段により得られた紙片画像データを、前記基準データ記憶手段に格納されている各金種の基準データと合成して各金種毎の比較用紙幣画像データを作成し、該比較用紙幣画像データを前記辞書データ記憶手段に格納されている同一金種の辞書データとパターンマッチングすることにより、前記紙片の金種を鑑別する辞書比較手段と、
を備えることを特徴とする紙片鑑別装置。 - 前記辞書比較手段は、前記比較用紙幣画像データと前記辞書データとを全画像についてパターンマッチングすることを特徴とする請求項1記載の紙片鑑別装置。
- 前記辞書比較手段は、前記比較用紙幣画像データと前記辞書データの一部についてパターンマッチングをすることを特徴とする請求項1記載の紙片鑑別装置。
- 前記辞書比較手段は、前記比較用紙幣画像データと前記辞書データとのパターンマッチングを、横ラインについてすることを特徴とする請求項3記載の紙片鑑別装置。
- 前記辞書比較手段は、前記比較用紙幣画像データと前記辞書データとのパターンマッチングを、縦ラインについてすることを特徴とする請求項3記載の紙片鑑別装置。
- 前記辞書比較手段は、前記比較用紙幣画像データと前記辞書データとのパターンマッチングを、斜めラインについてすることを特徴とする請求項3記載の紙片鑑別装置。
- 前記辞書比較手段は、前記比較用紙幣画像データと前記辞書データについて、全画像のパターンマッチング、横ラインのパターンマッチング、縦ラインのパターンマッチング及び斜めラインのパターンマッチングを順次施し、それらのパターンマッチングの結果から前記紙片の金種を鑑別することを特徴とする請求項1記載の紙片鑑別装置。
- 前記辞書比較手段は、前記基準データのコーナーに前記紙片画像データを貼り付けることにより、少なくとも一つの比較用紙幣画像データを作成することを特徴とする請求項1記載の紙片鑑別装置。
- 真券の紙幣の画像データである基準データを、少なくとも一つの金種について格納している基準データ記憶手段と、
紙葉類の切片である紙片の画像データを取得するセンサ手段と、
該センサ手段により得られた紙片画像データを、前記基準データ記憶手段に格納されている各金種の基準データと合成して各金種毎の比較用紙幣画像データを作成する画像処理手段と、
該比較用紙幣画像データを入力パターンとして入力し、その入力パターンに対してニューロ演算を施して、前記紙片の金種を示す出力パターンを出力するニューロ演算手段と、
を備えることを特徴とする紙片鑑別装置。 - 前記入力パターンは、前記比較用紙幣画像データの一部であることを特徴とする請求項9記載の紙片鑑別装置。
- 前記入力パターンは、前記比較用紙幣画像データの縦ラインの画像データであることを特徴とする請求項10記載の紙片鑑別装置。
- 前記入力パターンは、前記比較用紙幣画像データの横ラインの画像データであることを特徴とする請求項10記載の紙片鑑別装置。
- 前記入力パターンは、前記比較用紙幣画像データの斜めラインの画像データであることを特徴とする請求項10記載の紙片鑑別装置。
- 真券の紙幣の画像データである基準データを、少なくとも一つの金種について第1の記憶手段に格納し、
真券の紙幣鑑別用の辞書データを、前記基準データと同じ金種数だけ第2の記憶手段に格納し、
紙葉類の切片である紙片の画像データを取得し、
該取得した紙片画像データを、前記第1の記憶手段に格納されている各金種の基準データと合成して各金種毎の比較用紙幣画像データを作成し、該比較用紙幣画像データを前記第2の記憶手段に格納されている同一金種の辞書データとパターンマッチングすることにより、前記紙片の金種を鑑別すること、
を特徴とする紙片鑑別方法。 - 真券の紙幣の画像データである基準データを、少なくとも一つの金種について第1の記憶手段に格納するステップと、
真券の紙幣鑑別用の辞書データを、前記基準データと同じ金種数だけ第2の記憶手段に格納するステップと、
紙葉類の切片である紙片の画像データを取得するステップと、
該取得した紙片画像データを、前記第1の記憶手段に格納されている各金種の基準データと合成して各金種毎の比較用紙幣画像データを作成するステップと、
該比較用紙幣画像データを前記第2の記憶手段に格納されている同一金種の辞書データとパターンマッチングすることにより、前記紙片の金種を鑑別するステップを、
コンピュータに実行させるプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2002/008814 WO2004023403A1 (ja) | 2002-08-30 | 2002-08-30 | 紙片鑑別装置、紙片鑑別方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2004023403A1 JPWO2004023403A1 (ja) | 2006-01-05 |
JP4105694B2 true JP4105694B2 (ja) | 2008-06-25 |
Family
ID=31972276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004534046A Expired - Lifetime JP4105694B2 (ja) | 2002-08-30 | 2002-08-30 | 紙片鑑別装置、紙片鑑別方法及びプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US7097022B2 (ja) |
JP (1) | JP4105694B2 (ja) |
CN (1) | CN1653492B (ja) |
AU (1) | AU2002332275A1 (ja) |
WO (1) | WO2004023403A1 (ja) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101331526B (zh) * | 2005-12-16 | 2010-10-13 | Ncr公司 | 纸币验证 |
KR100768134B1 (ko) * | 2006-06-30 | 2007-10-17 | (주) 인펙 | 손상된 지폐의 영상 보정방법 |
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 |
CN101583977B (zh) * | 2006-11-23 | 2011-11-16 | 锡克拜控股有限公司 | 使用指纹识别设备进行片状物品的验证 |
WO2008099400A2 (en) | 2007-02-14 | 2008-08-21 | Technion Research And Development Foundation Ltd. | Parallel approximation of distance maps |
JP5210013B2 (ja) * | 2008-03-19 | 2013-06-12 | 株式会社ユニバーサルエンターテインメント | 紙葉類処理装置 |
JP4673393B2 (ja) * | 2008-06-05 | 2011-04-20 | 日立オムロンターミナルソリューションズ株式会社 | 紙葉類取扱装置及び方法 |
AT508977B1 (de) * | 2009-10-28 | 2011-07-15 | Ait Austrian Inst Technology | Banknotenerkennung mit projektionsprofil |
WO2011114447A1 (ja) * | 2010-03-17 | 2011-09-22 | グローリー株式会社 | 紙葉類判別装置および紙葉類判別方法 |
JP6282040B2 (ja) * | 2013-03-25 | 2018-02-21 | 株式会社高見沢サイバネティックス | 紙葉判別装置および紙葉判別方法 |
CN103413377B (zh) * | 2013-08-23 | 2015-07-15 | 广州智萃电子科技有限公司 | 一种清分机及使用方法 |
US9336638B2 (en) * | 2014-03-25 | 2016-05-10 | Ncr Corporation | Media item validation |
CN105069895B (zh) * | 2015-07-29 | 2017-12-08 | 深圳怡化电脑股份有限公司 | 一种纸币检测的方法及验钞装置 |
CN104992498A (zh) * | 2015-08-03 | 2015-10-21 | 上海古鳌电子科技股份有限公司 | 纸币处理装置及自动交易装置 |
CN105184954B (zh) * | 2015-08-14 | 2018-04-06 | 深圳怡化电脑股份有限公司 | 一种检测纸币的方法及验钞装置 |
CN106845542B (zh) * | 2017-01-18 | 2019-12-03 | 江苏阿瑞斯智能设备有限公司 | 基于dsp的纸币冠字号智能识别方法 |
CN108399678B (zh) * | 2017-02-07 | 2020-09-22 | 深圳怡化电脑股份有限公司 | 一种纸币鉴伪的方法及装置 |
CN111667002B (zh) * | 2020-06-05 | 2023-11-24 | 中国银行股份有限公司 | 一种币种识别方法、识别装置、以及电子设备 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5829085A (ja) * | 1981-07-24 | 1983-02-21 | 富士通株式会社 | 紙幣鑑別方式 |
US4984280A (en) * | 1988-06-08 | 1991-01-08 | Laurel Bank Machines Co., Ltd. | Bill discriminating apparatus |
JP2531766B2 (ja) * | 1988-12-22 | 1996-09-04 | 株式会社東芝 | 紙葉類の形状検知装置 |
JP2550696B2 (ja) * | 1989-03-03 | 1996-11-06 | 富士電機株式会社 | 紙幣鑑別装置 |
US5199543A (en) * | 1990-08-22 | 1993-04-06 | Oki Electric Industry Co., Ltd. | Apparatus for and method of discriminating bill |
JP2915608B2 (ja) * | 1991-03-19 | 1999-07-05 | 富士通株式会社 | 紙葉処理装置 |
JPH05166029A (ja) * | 1991-12-18 | 1993-07-02 | Koufu Nippon Denki Kk | 紙幣鑑別ユニット |
JPH05244414A (ja) * | 1992-02-28 | 1993-09-21 | Canon Inc | 画像処理装置 |
JP3741777B2 (ja) * | 1996-04-15 | 2006-02-01 | グローリー工業株式会社 | 紙葉類の識別方法 |
JP4291483B2 (ja) * | 2000-01-06 | 2009-07-08 | 三井化学株式会社 | シクロヘキサンビス(メチルアミン)類の製造方法 |
JP2001331839A (ja) * | 2000-05-22 | 2001-11-30 | Glory Ltd | 紙幣識別方法及び装置 |
-
2002
- 2002-08-30 WO PCT/JP2002/008814 patent/WO2004023403A1/ja active IP Right Grant
- 2002-08-30 JP JP2004534046A patent/JP4105694B2/ja not_active Expired - Lifetime
- 2002-08-30 AU AU2002332275A patent/AU2002332275A1/en not_active Abandoned
- 2002-08-30 CN CN028295250A patent/CN1653492B/zh not_active Expired - Fee Related
-
2005
- 2005-02-02 US US11/047,663 patent/US7097022B2/en not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
JPWO2004023403A1 (ja) | 2006-01-05 |
US7097022B2 (en) | 2006-08-29 |
AU2002332275A8 (en) | 2004-03-29 |
AU2002332275A1 (en) | 2004-03-29 |
WO2004023403A1 (ja) | 2004-03-18 |
CN1653492B (zh) | 2010-05-12 |
CN1653492A (zh) | 2005-08-10 |
US20050133339A1 (en) | 2005-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4105694B2 (ja) | 紙片鑑別装置、紙片鑑別方法及びプログラム | |
EP1752934B1 (en) | Sheet identifying apparatus and sheet identifying method | |
JPH11175797A (ja) | 紙葉鑑別装置 | |
KR100719608B1 (ko) | 지폐 일련번호 인식 방법 및 장치 | |
KR20070011866A (ko) | 지폐 권종 인식 방법 및 장치 | |
JP2001331839A (ja) | 紙幣識別方法及び装置 | |
JP2001014293A (ja) | 競合型ニューラルネットワークを用いた紙葉類の識別/学習方法 | |
KR100599913B1 (ko) | 지편 감별 장치, 지편 감별 방법 및 프로그램 | |
JPH08221632A (ja) | 印刷パターンの真偽判別方法 | |
KR101232684B1 (ko) | 베이시안 접근법을 이용한 지폐 진위 감별 방법 | |
JP3351639B2 (ja) | ランダムマスク方式による紙葉類のニューロ識別/正損分離装置 | |
JP3423136B2 (ja) | 紙葉類識別方法 | |
JP3064739B2 (ja) | 画像処理装置 | |
JP2599320B2 (ja) | 紙葉類認識装置 | |
JP4306027B2 (ja) | 紙葉類の真偽鑑別装置 | |
JP2010009482A (ja) | 証券鑑別装置 | |
JPH0644437A (ja) | 紙葉類認識装置 | |
JP2007026068A (ja) | 紙葉類判別方法および紙葉類判別装置 | |
JPH10171993A (ja) | 媒体の真偽鑑別装置 | |
WO2010016145A1 (ja) | 紙葉類管理システム、紙葉類管理装置、紙葉類管理方法及び紙葉類管理プログラム | |
JP4401961B2 (ja) | 紙葉類処理装置 | |
JP3192970B2 (ja) | 紙葉類識別方法 | |
JPH11306411A (ja) | 紙葉類識別装置 | |
JPH09134464A (ja) | 紙葉類認識装置 | |
JP3192971B2 (ja) | 紙幣識別方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20071225 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080225 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20080325 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080327 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110404 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110404 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120404 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130404 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140404 Year of fee payment: 6 |