KR101557421B1 - 화폐 식별 방법 및 장치 - Google Patents
화폐 식별 방법 및 장치 Download PDFInfo
- Publication number
- KR101557421B1 KR101557421B1 KR1020140033014A KR20140033014A KR101557421B1 KR 101557421 B1 KR101557421 B1 KR 101557421B1 KR 1020140033014 A KR1020140033014 A KR 1020140033014A KR 20140033014 A KR20140033014 A KR 20140033014A KR 101557421 B1 KR101557421 B1 KR 101557421B1
- Authority
- KR
- South Korea
- Prior art keywords
- values
- value
- image value
- image
- money
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 36
- 230000004927 fusion Effects 0.000 claims abstract description 18
- 238000000513 principal component analysis Methods 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 43
- 230000005540 biological transmission Effects 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 16
- 238000000611 regression analysis Methods 0.000 claims description 15
- 238000012706 support-vector machine Methods 0.000 claims description 11
- 238000012886 linear function Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 abstract 1
- 239000000047 product Substances 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 6
- 238000010191 image analysis Methods 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 238000011109 contamination Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003703 image analysis method Methods 0.000 description 2
- 235000006679 Mentha X verticillata Nutrition 0.000 description 1
- 235000002899 Mentha suaveolens Nutrition 0.000 description 1
- 235000001636 Mentha x rotundifolia Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
- G07D7/06—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 using wave or particle radiation
- G07D7/12—Visible light, infrared or ultraviolet radiation
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
- Image Analysis (AREA)
Abstract
본 발명은 입력되는 화폐의 특정 영역에 대한 복수 유형의 이미지값들 중 적어도 둘을 취득하는 단계; 상기 취득된 이미지값들 각각에 대응하는 색차계값들을 산출하는 단계; 상기 색차계값들에 대해 주성분 분석을 실시하여 복수의 특징값을 산출하는 단계; 및 상기 복수의 특징값을 스코어 레벨 퓨전을 실시하여 화폐의 정사를 판단하는 단계를 포함하는 것을 특징으로 하는 화폐 식별방법에 관한 것이다.
Description
본 발명은 복잡한 영상분석장치를 이용하지 않고 간단한 화폐 이미지 분석에 의해 화폐의 정사 판단을 포함한 정확하고 효율적인 화폐 식별을 할 수 있을 뿐만 아니라, 화폐 식별 소요 시간도 단축시킬 수 있는 화폐 식별 방법 및 장치에 관한 것이다.
복수의 화폐의 종류가 혼재되어 일괄적으로 투입되는 경우 이 혼재하고 있는 화폐 중에서 특정의 화폐를 구분하여 식별하거나 각 투입되는 화폐의 정사를 판단하는 장치 또는 장비가 종래로부터 사용되어 왔으며, 이하에서는 이러한 장치를 화폐 식별장치로 통칭한다. 이러한 화폐 식별장치는 화폐식별을 위한 장치 그 자체로서 사용되기도 하며, 또한 지폐 등의 화폐를 계수하는 계수기와 화폐 자동 입금기 등에도 널리 사용되고 있다.
그런데, 종래에는 정확하고 신속한 화폐 식별을 위해서 복잡한 영상분석을 실시하여야만 하는 등으로 인해 고가의 장비나 고사양의 장비를 사용해야 하는 문제점이 있었다. 특히, 특정 권종의 화폐가 화폐 식별장치에 투입되는 경우, 해당 화폐의 정사 판단, 즉 해당 화폐가 최근 발행된 신권화폐인지, 신권화폐는 아니지만 시중에서 정상적으로 유통하기에는 아무런 문제점이 없는 정상화폐인지, 또는 발행된 후 시간의 흐름이나 유통환경 등에 의해 오염 또는 훼손되어 더 이상 유통하기에는 문제가 있는 화폐인지 등에 대한 판단의 정확도를 확보하기 위해서는 많은 분석 시간이 필요하고 하드웨어적, 소프트웨어적으로도 보완이 필요하였다. 또한, 종래에는 실질적으로 동일한 상태의 화폐가 어떤 때는 신권으로, 어떤 때는 정상권으로 식별되는 등 정확한 정사 판단을 의미하는 정사의 재현성을 확보하는 데에도 어려움이 있는 등의 문제점이 있었다.
본 발명의 배경기술은 대한민국 공개특허공보 제 2006-0101937호(2006. 09. 27 공개)에 개시되어 있다.
본 발명이 이루고자 하는 기술적 과제는, 복잡한 영상분석장치를 이용하지 않고 간단한 이미지 분석에 의해 화폐의 정사 판단을 포함한 정확하고 효율적인 화폐 식별을 할 수 있을 뿐만 아니라, 화폐 식별 소요 시간도 단축시킬 수 있는 화폐 식별 방법 및 장치를 제공하는 데에 있다.
본 발명의 일 측면에 따르면, 본 발명은 입력되는 화폐의 특정 영역에 대한 복수 유형의 이미지값들 중 적어도 둘을 취득하는 단계; 상기 취득된 이미지값들 각각에 대응하는 색차계값들을 산출하는 단계; 상기 색차계값들에 대해 주성분 분석을 실시하여 복수의 특징값을 산출하는 단계; 및 상기 복수의 특징값에 대해 스코어 레벨 퓨전을 실시하여 화폐의 정사를 판단하는 단계를 포함하는 것을 특징으로 하는 화폐 식별방법을 제공한다.
본 발명에서, 상기 복수 유형의 이미지값들은 상기 화폐의 특정 영역에 대한 가시광반사 이미지값, 적외선투과 이미지값 및 적외선반사 이미지값인 것을 특징으로 한다.
본 발명에서, 상기 회귀분석에 의한 함수는 선형함수 또는 2차 이상의 고차함수인 것을 특징으로 한다.
본 발명에서, 상기 가시광반사 이미지값, 적외선투과 이미지값 및 적외선반사 이미지값은 상기 특정 영역에 대응하는 이미지에 포함된 픽셀들의 휘도의 평균값인 것을 특징으로 한다.
본 발명에서, 상기 주성분 분석을 실시하여 복수의 특징값을 산출하는 단계는, 메모리부로부터 고유 벡터 행렬을 호출하는 단계; 및 상기 산출된 색차계값들과 상기 고유 벡터 행렬 간 연산에 기초하여 상기 복수의 특징값을 산출하는 단계를 포함하는 것을 특징으로 한다.
본 발명에서, 상기 고유 벡터 행렬은 복수의 행(row)을 포함하고, 상기 각 행 성분은 고유 벡터(eigen vector)를 나타내되, 상기 고유 벡터는 복수의 화폐에 대한 색차계값들로부터 생성된 공분산 행열(covariance matrix)의 복수의 고유값(eigen value)에 대응하여 얻어지는 것을 특징으로 한다.
본 발명에서, 상기 스코어 레벨 퓨전은 상기 복수의 특징값에 대하여 합연산(sum), 가중합 연산(weighted sum), 곱연산(product), 가중곱연산(weighted product), SVM(support vector machine) 연산 중 적어도 2개를 실시하여 얻어지는 결과값을 결합하는 것임을 특징으로 한다.
본 발명에서, 상기 화폐의 정사를 판단하는 단계는, 정사판단을 위해 미리 설정되어 있는 복수의 구간 레벨 중 상기 스코어 레벨 퓨전의 결과값이 속하는 구간 레벨을 식별하는 것에 의해 정사를 판단하는 것임을 특징으로 한다.
본 발명의 다른 측면에 따르면, 본 발명은 입력되는 화폐의 특정 영역에 대한 복수 유형의 이미지값들 중 적어도 둘을 취득하는 이미지 취득부; 상기 취득된 이미지값들 각각에 대응하는 색차계값들을 산출하는 색차계 변환부; 상기 색차계값들에 대해 주성분 분석을 실시하여 복수의 특징값을 산출하는 분석부; 및 상기 복수의 특징값에 대해 스코어 레벨 퓨전을 실시하여 화폐의 정사를 판단하는 정사판단부를 포함하는 것을 특징으로 하는 화폐 식별장치를 제공한다.
본 발명에서, 상기 복수 유형의 이미지값들은 상기 화폐의 특정 영역에 대한 가시광반사 이미지값, 적외선투과 이미지값 및 적외선반사 이미지값인 것을 특징으로 한다.
본 발명에서, 상기 회귀분석에 의한 함수는 선형함수 또는 2차 이상의 고차함수인 것을 특징으로 한다.
본 발명에서, 상기 가시광반사 이미지값, 적외선투과 이미지값 및 적외선반사 이미지값은 상기 특정 영역에 대응하는 이미지에 포함된 픽셀들의 휘도의 평균값인 것을 특징으로 한다.
본 발명에 따른 화폐 식별장치는 고유 벡터 행렬을 저장하는 메모리부를 더 포함하고, 상기 분석부는, 상기 메모리부로부터 고유 벡터 행렬을 호출하여, 상기 산출된 색차계값들과 상기 고유 벡터 행렬 간 연산에 기초하여 상기 복수의 특징값을 산출하는 것을 특징으로 한다.
본 발명에서, 상기 고유 벡터 행렬은 복수의 행(row)을 포함하고, 상기 각 행 성분은 고유 벡터(eigen vector)를 나타내되, 상기 고유 벡터는 복수의 화폐에 대한 색차계값들로부터 생성된 공분산 행열(covariance matrix)의 복수의 고유값(eigen value)에 대응하여 얻어지는 것을 특징으로 한다.
본 발명에서, 상기 스코어 레벨 퓨전은 상기 복수의 특징값에 대하여 합연산(sum), 가중합 연산(weighted sum), 곱연산(product), 가중곱연산(weighted product), SVM(support vector machine) 연산 중 적어도 2개를 실시하여 얻어지는 결과값을 결합하는 것임을 특징으로 한다.
본 발명에서, 상기 정사판단부는, 정사판단을 위해 미리 설정되어 있는 복수의 구간 레벨 중 상기 스코어 레벨 퓨전의 결과값이 속하는 구간 레벨을 식별하는 것에 의해 정사를 판단하는 것을 특징으로 한다.
본 발명에 따른 화폐 식별 방법 및 장치는, 복잡한 영상분석장치를 이용하지 않고 색차계 변환, 주성분 분석이라는 비교적 간단한 이미지 분석 방법에 의해 화폐의 정사를 포함한 화폐의 식별을 정확하고 효율적으로 수행할 수 있을 뿐만 아니라, 화폐 식별 소요 시간도 단축시킬 수 있는 효과가 있다.
도 1은 본 발명에 의한 일 실시예에 따른 화폐 식별장치의 구성을 도시한 블록도이다.
도 2는 본 발명에 의한 일 실시예에 따른 화폐 식별 방법을 설명하기 위한 순서도이다.
도 3은 본 실시예에서 화폐의 특정 영역에 대한 분석을 통해 화폐식별을 수행하는 것을 설명하기 위한 참고도이다.
도 4는 본 실시예에서 회귀분석을 통해 색차계값을 산출하는 것을 설명하기 위한 참고도이다.
도 2는 본 발명에 의한 일 실시예에 따른 화폐 식별 방법을 설명하기 위한 순서도이다.
도 3은 본 실시예에서 화폐의 특정 영역에 대한 분석을 통해 화폐식별을 수행하는 것을 설명하기 위한 참고도이다.
도 4는 본 실시예에서 회귀분석을 통해 색차계값을 산출하는 것을 설명하기 위한 참고도이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고, 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면부호를 붙였다.
명세서 전체에서, 어떤 부분이 어떤 구성 요소를 "포함" 한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
도 1은 본 발명에 의한 일 실시예에 따른 화폐 식별장치의 구성을 도시한 블록도이고, 도 2는 본 발명에 의한 일 실시예에 따른 화폐 식별 방법을 설명하기 위한 순서도로서, 이를 참조하여 본 발명에 따른 실시예에 관하여 설명하면 다음과 같다.
도 1에 도시된 바와 같이, 본 실시예에 따른 화폐 식별장치는 입력되는 화폐의 특정 영역에 대한 복수 유형의 이미지값들 중 적어도 둘을 취득하는 이미지 취득부(110); 상기 취득된 이미지값들 각각에 대응하는 색차계값들을 산출하는 색차계 변환부(120); 상기 색차계값들에 대해 주성분 분석을 실시하여 복수의 특징값을 산출하는 분석부(130); 및 상기 복수의 특징값에 대해 스코어 레벨 퓨전을 실시하여 화폐의 정사를 판단하는 정사판단부(150)를 포함한다.
특히, 상기 복수 유형의 이미지값들은 상기 화폐의 특정 영역에 대한 가시광반사 이미지값, 적외선투과 이미지값 및 적외선반사 이미지값일 수 있으며, 색차계 변환부(120)는 가시광반사 이미지값, 적외선투과 이미지값 및 적외선반사 이미지값 각각과 색차계값 간의 회귀분석에 의한 함수를 이용하여 상기 색차계값들을 산출한다.
상기 가시광반사 이미지값, 적외선투과 이미지값 및 적외선반사 이미지값은 상기 특정 영역에 대응하는 이미지에 포함된 픽셀들의 휘도의 평균값일 수 있다.
또한, 본 실시예에 따른 화폐 식별장치는 고유 벡터 행렬을 저장하는 메모리부(140)를 더 포함할 수 있으며, 분석부(130)는, 메모리부(140)로부터 고유 벡터 행렬을 호출하여, 상기 산출된 색차계값들과 상기 고유 벡터 행렬 간 연산에 기초하여 상기 복수의 특징값을 산출할 수 있다. 여기서, 상기 고유 벡터 행렬은 복수의 행(row)을 포함하고, 상기 각 행 성분은 고유 벡터(eigen vector)를 나타내며, 상기 고유 벡터는 복수의 화폐에 대한 색차계값들로부터 생성된 공분산 행열(covariance matrix)의 복수의 고유값(eigen value)에 대응하여 얻어질 수 있다.
정사판단부(150)는, 정사판단을 위해 미리 설정되어 있는 복수의 구간 레벨 중 상기 스코어 레벨 퓨전의 결과값이 속하는 구간 레벨을 식별하는 것에 의해 정사를 판단한다.
이와 같이 구성된 본 실시예의 동작 및 작용을 도 1 내지 도 4를 참조하여 구체적으로 설명한다.
도 2에 도시된 바와 같이, 먼저 이미지 취득부(110)가 입력(투입)되는 화폐의 특정 영역에 대한 복수 유형의 이미지값들 중 적어도 둘을 취득한다(S201). 여기서, 이미지값이라 함은 투입되는 화폐의 특정영역에 대한 이미지 부분의 휘도값을 의미하는 것으로서, 상기 복수의 유형의 이미지값으로는 화폐의 특정 영역에 대한 가시광반사 이미지값, 적외선투과 이미지값, 적외선반사 이미지값 등이 있을 수 있다. 가시광반사 이미지값은 화폐에 가시광을 조사했을 때 반사되는 광에 의해 생성되는 이미지의 휘도값을 의미하고, 적외선투과 이미지값은 화폐를 투과한 적외선에 의해 생성되는 이미지의 휘도값을 의미하며, 적외선반사 이미지값은 화폐로부터 반사되는 적외선에 의해 생성되는 이미지의 휘도값을 의미한다. 즉, 이미지 취득부(110)는 입력되는 화폐의 특정영역에 대한 가시광반사 이미지값, 적외선투과 이미지값, 적외선반사 이미지값 중 적어도 둘 이상을 취득할 수 있으며, 그 외에도 자기 이미지(magnetic image), 자외선 이미지 등 다른 유형의 이미지의 휘도값을 이용할 수도 있다. 다만, 본 실시예에서는 일 예로서 가시광반사 이미지값 및 적외선투과 이미지값을 이용하는 경우에 대하여 설명하며, 이것은 이들 이미지의 휘도값들이 오염이나 훼손 등의 화폐의 정사를 판단하는 데에 보다 효과가 뛰어나기 때문이다.
또한, 상기에서 특정 영역에 대한 이미지값이란 화폐의 미리 설정된 특정 영역에 대응하는 이미지 상의 영역에 포함된 픽셀들의 휘도값들의 평균값으로 표현될 수 있으며, 물론 그 외에 다른 방법을 통해 얻어질 수도 있다. 도 3은 본 실시예에서 화폐의 특정 영역에 대한 분석을 통해 화폐식별을 수행하는 것을 설명하기 위한 참고도로서, 상기 특정영역이란 화폐 상의 미리 설정된 영역, 특히 도 3에 도시된 바와 같이 화폐 상에서 아무런 색상이나 무늬가 그려져 있지 않은 백색 영역(도 3의 A)이 바람직한데, 그 이유는 백색 영역의 경우 화폐의 오염이나 훼손 등에 의한 상태변화를 보다 정확하게 반영 및 확인할 수 있기 때문이다.
상기 특정 영역은 지폐의 권종에 따라서 다르게 설정될 수 있으며, 후술하는 메모리부(140)에는 지폐의 권종에 대응하여 상기 특정 영역이 존재하는 영역의 상대적인 위치가 저장되어 있을 수 있다. 더불어 화폐가 투입되는 방향과, 앞뒷면 중 어느 면이 하늘을 향한 채 투입되는지에 따라서 화폐에 대한 관심 영역의 상대적인 위치가 달라진다. 따라서, 화폐가 투입될 때 해당 화폐가 투입되는 방향과 투입되는 면(앞뒷면 중 어느 면이 하늘을 향하는지 여부) 정보가 우선 감지될 수 있다. 투입되는 화폐의 방향이나 앞뒷면 여부는 화폐의 다양한 성분 정보나 이미지 정보를 통해서 감지할 수 있으며, 구체적인 감지 기술은 이미 공지된 기술이므로 본 실시예에서 자세한 구현 방법에 대한 설명은 생략하기로 한다.
다음으로, 색차계 변환부(120)는 상기 취득된 이미지값들 각각에 대응하는 색차계값들을 산출한다(S202). 즉, 색차계 변환부(120)는 가시광반사 이미지값이나 적외선투과 이미지값의 각각과 색차계값 간의 대응관계를 나타내는 회귀분석에 의한 함수를 이용하여, 가시광반사 이미지값과 적외선투과 이미지값의 각각에 대응하는 색차계값을 산출한다. 여기서, 색차계(色差計)란 표준색을 기준으로 하여 그것과의 비교치를 측정하여 색차를 수량적으로 나타내는 것으로서, 이 색차계값은 색차계측정기를 통해 측정될 수 있으며, 각 화폐에 대해 측정된 색차계값은 마스터값으로서 메모리부(140)에 저장된다. 색차계 변환부(120)는 이전 단계에서 취득된 가시광반사 이미지값과 적외선투과 이미지값 각각을 이에 대응하는 색차계값으로 변환하여 나타내는 역할을 하며, 이 때에는 이들 값들 간의 회귀분석에 의한 함수를 이용한다.
회귀분석(Regression Analysis)은 관찰된 연속형 변수들에 대해 독립변수와 종속변수 사이의 상관관계에 따른 수학적 모델인 관계식을 구하여, 어떤 독립변수가 주어졌을 때 이에 따른 종속변수를 예측하는 방법을 말한다. 도 4는 본 실시예에서 회귀분석을 통해 색차계값을 산출하는 것을 설명하기 위한 참고도로서, 도 4에 도시된 바와 같이 1개의 종속변수와 1개의 독립변수 사이의 관계를 분석할 경우를 단순회귀분석(Simple Regression Analysis)이라고 하며, 1개의 종속변수와 여러 개의 독립변수 사이의 관계를 규명하고자 할 경우를 다중회귀분석(Multiple Regression Analysis)이라고 한다. 도 4에서 독립변수인 X의 값은 가시광반사 이미지값(VR-R) 또는 적외선투과 이미지값(IR-T) 등의 값이 될 수 있고, 이에 대응하는 색차계값은 도 4에 도시된 바와 같은 함수를 통하여 종속변수 Y의 값으로서 얻어질 수 있다. 가시광반사 이미지값, 적외선투과 이미지값의 각각과 색차계값 간의 대응관계를 나타내는 회귀분석함수는 도 4에 도시된 바와 같은 선형함수일 수도 있고 2차 이상의 고차함수일 수도 있다.
따라서, 단계(S202)를 통해, 화폐의 상기 특정영역에 대한 가시광반사 이미지값, 적외선투과 이미지값 등의 이미지값들은 보다 표준화된 값인 색차계값으로 표현될 수 있다.
다음으로, 분석부(130)는 상기 색차계값들에 대해 주성분 분석(Principal Component Analysis, PCA)을 실시하여 복수의 특징값을 산출한다(S203).
일반적으로, 데이터의 차원이 높아질수록 해당 데이터의 패턴을 분석하거나 데이터로부터 특징을 추출하는 것은 복잡한 연산과 처리시간을 요구하게 된다. 따라서. 데이터의 정보는 최대한 유지한 채, 다루기 힘든 고차원 데이터의 차원을 축소하면 데이터의 패턴 분석 및 특징 추출이 상당히 수월해진다. 주성분 분석은 상기와 같이 다루기 힘든 고차원의 데이터의 차원을 축소하여 해당 데이터의 정보는 최대한 유지한 채 데이터를 다루기 쉽게 하는 통계학적 분석(Stochastical Analysis) 방법으로, 차원의 축소뿐만 아니라 데이터의 시각화 또한 가능하게 하기 때문에, 얼굴인식 분야에서 많이 사용되는 방법 중 하나이다. PCA의 가장 큰 특징은 데이터들의 패턴을 분석하는 데에 용이하다는 것과, 해당 데이터들의 패턴 분석과 동시에 상기와 같이 적은 데이터 손실로 차원을 축소한다는 것이다.
단계(S203)를 보다 구체적으로 설명하면, 먼저 분석부(130)는 메모리부(140)로부터 고유 벡터 행렬을 호출한다. 상기 고유 벡터 행렬은 복수의 트레이닝 이미지로부터 추출된 색차계값을 이용하여 생성되는 고유 벡터를 고유값(eigen value)이 높은 순으로 배열한 행렬을 의미한다. 이하, 가시광반사 이미지값, 적외선투과 이미지값에 대응하는 2개의 색차계값을 사용하는 경우를 일 예로 들어 고유벡터, 고유값 및 고유 벡터 행렬을 구하는 과정에 대해 설명한다.
고유벡터를 구하는 과정을 자세히 살펴 보면, 복수의 트레이닝 화폐(시행횟수)의 각각에 대하여 가시광반사 이미지값, 적외선투과 이미지값에 대응하여 얻어지는 색차계값쌍이 X={(1,1), (2,2), (3,3), (4,4), (3,2)}인 경우, 각 색차계값들의 평균값으로 구성된 평균값 행렬을 수학식 1에 따라 구한다.
이렇게 얻어진 평균값 행렬을 이용하여 수학식 2에 따라 공분산 행열(covariance matrix)을 구한다.
상기 수학식 2에서, (X-μ)의 각 성분은 평균값행렬(μ)과 행렬 X 간 각 성분의 차로서 가령 (-1.6 -1.4)의 경우 [-1.6 = 1 - 2.6], [-1.4 = 1 - 2.4]와 같이 계산된 것이다.
이어서, 구해진 공분산 행렬(Σ)과 단위행렬(I)을 이용하여 수학식 3에 따라 구한 행렬을 연산하고, 이렇게 하여 얻어진 행렬의 디터미넌트(determinant, D)를 수학식 4와 같이 구하여 그 디터미넌트 값이 0이 되는 λ를 구한다.
상기 수학식 4에 따라 구한 λ의 값들이 고유값(eigen value)이 된다. 본 실시예의 경우, 복수의 트레이닝 화폐(시행 횟수)의 각각에 대해 가시광반사 이미지값, 적외선투과 이미지값에 대응하여 얻어지는 색차계값쌍 X={(1,1), (2,2), (3,3), (4,4), (3,2)}로부터 고유값(λ)은 10과 0.4와 같은 값이 구해진다.
이어서, 상기 공분산 행렬(Σ)과 각 고유값(λ)을 이용하여, ΣX = λX 를 연산하여 각 고유값(λ)에 대해 고유 벡터(eigen vector)를 구한다. 즉, 수학식 5에 따라,
x1, x2의 계수로부터 고유값 10에 대응하는 (1 1)이라는 고유벡터를 얻는다. 또한, 수학식 6에 따라,
x1, x2의 계수로부터 고유값 0.4에 대응하는 (1 -1)이라는 고유벡터를 얻는다.
이와 같이, 고유값을 얻을 수 있고, 각 고유값에 대응하여 고유벡터를 얻을 수 있다. PCA 분석기법에 따르면, 고유값은 대응되는 각 고유벡터의 중요도를 나타낸다.
수학식 7은 상기에서 구한 고유벡터를 고유값이 높은 순으로 각 행에 배치한 고유 벡터 행렬(eigen vector matrix)을 나타낸 것이다.
상술한 바와 같이, PCA 분석 기법에 따르면 상기 고유벡터는 사용된 색차계값의 수만큼 얻어진다.
수학식 8은 입력(투입)되는 화폐의 특정 영역에 대하여 얻어지는 2개의 색차계값(색차계값쌍)(x1, x2)에 고유벡터행렬(A)을 곱하여 각 고유벡터가 나타내는 축(차원) 상에 상기 2개의 색차계값을 축변환 내지는 투영한 결과를 구하는 것을 나타낸다. 즉, 수학식 8에 따라 계산을 하게 되면, 2개의 색차계값(색차계값쌍)(x1, x2)으로부터 2개의 특징값을 얻을 수 있다. 만약, 상기 단계(S202)에서 색차계값이 3개 산출되었다면 이에 대응하는 특징값도 3개 얻어지게 될 것이다.
다음으로, 정사판단부(150)는 상기 복수의 특징값에 대해 스코어 레벨 퓨전을 실시하여 화폐의 정사를 판단한다(S204). 즉, 정사판단부(150)는 단계(S203)를 통하여 얻어지는 2개의 특징값에 대하여 합연산(sum), 가중합 연산(weighted sum), 곱연산(product), 가중곱연산(weighted product), SVM(support vector machine) 연산 중 적어도 2개를 실시하여 얻어지는 결과값을 결합하여 하나의 최종 결합값을 산출한다. 상기 합연산, 가중합연산, 곱연산, 가중곱연산, SVM 연산 등의 연산방법은 널리 알려진 연산방법이므로 여기서는 구체적인 설명은 생략한다.
정사판단부(150)는 상기 최종 결합값이 속하는 구간 레벨을 확인하여 화폐의 정사를 판단한다. 화폐의 정사를 판단하기 위하여 상기 최종 결합값이 속하는 구간 레벨을 복수의 단계로 나누어 그 단계별 정사판단 기준을 미리 설정해 놓을 수 있다. 가령, 최종 결합값의 값이 0~100 사이의 값을 가질 수 있다면, 이를 3개의 구간 레벨로 나누어 0~33은 부적합 구간(unfit), 34~66은 정상 구간(normal), 67~100은 적합 구간(fit) 등으로 나눌 수 있다. 상기 최종 결합값이 부적합 구간에 속하는 화폐는 발행된 후 시간의 흐름이나 유통 환경 등에 의해 훼손되어 더 이상 유통하기에는 문제가 있는 화폐를 의미하고, 정상 구간에 속하는 화폐는 신권화폐는 아니지만 시중에서 정상적으로 유통하기에는 아무런 문제점이 없는 정상화폐를 의미하며, 적합 구간에 속하는 화폐는 최근 발행된 신권화폐인 것을 의미한다.
물론, 화폐 정사를 판단하기 위한 상기 구간 레벨의 폭이나 구간 레벨의 갯수는 사용자의 설정이나 시스템 설계자의 의도에 따라 다양하게 설정될 수 있다. 특히, 상기 구간 레벨의 폭이나 상기 스코어 레벨 퓨전시 적용되는 각종의 가중치 등의 값은 화폐의 정사 판단(적합, 부적합, 정상...)을 위한 최적의 경계 조건을 찾기 위하여 특정 화폐의 투입면과 방향 등에 대하여 수많은 학습을 통하여 얻어질 수 있다.
이상 살펴 본 바와 같이, 본 실시예에 따른 화폐 식별장치 및 방법은 각 식별장치의 종류나 식별 환경에 따라 식별 오차가 비교적 크게 발생할 수 있는 가시광반사 이미지값, 적외선투과 이미지값, 적외선반사 이미지값 등과 같은 각 센서의 값을 그대로 이용하는 것이 아니라, 상기 각 센서의 이미지값들보다 표준화가 가능한 색차계값으로 변환한 값을 이용함으로써 정사식별 능력을 보다 향상시킬 수 있다. 또한, 이에 더 나아가 이미지 패턴 확인이나 식별 능력에 탁월한 효과를 나타내는 주성분 분석방법, 및 스코어 레벨 퓨전을 적용함으로써 정사 식별의 정확성을 높일 수 있다.
결과적으로, 본 실시예에 따른 화폐 식별 방법 및 장치는, 복잡한 영상분석장치를 이용하지 않고 색차계 변환, 주성분 분석이라는 비교적 간단한 이미지 분석 방법에 의해 화폐의 정사를 포함한 화폐의 식별을 정확하고 효율적으로 수행할 수 있을 뿐만 아니라, 화폐 식별 소요 시간도 단축시킬 수 있다.
이상에서 본 발명의 실시 예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고, 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
110 : 이미지 취득부 120 : 색차계 변환부
130 : 분석부 140 : 메모리부
150 : 정사판단부
130 : 분석부 140 : 메모리부
150 : 정사판단부
Claims (18)
- 입력되는 화폐의 특정 영역에 대한 복수 유형의 이미지값들 중 적어도 둘을 취득하는 단계;
상기 취득된 이미지값들 각각에 대응하는 색차계값들을 산출하는 단계;
상기 색차계값들에 대해 주성분 분석을 실시하여 복수의 특징값을 산출하는 단계; 및
상기 복수의 특징값에 대해 스코어 레벨 퓨전을 실시하여 화폐의 정사를 판단하는 단계를 포함하는 것을 특징으로 하는 화폐 식별방법.
- 제 1항에 있어서,
상기 복수 유형의 이미지값들은 상기 화폐의 특정 영역에 대한 가시광반사 이미지값, 적외선투과 이미지값 및 적외선반사 이미지값인 것을 특징으로 하는 화폐 식별방법.
- 제 2항에 있어서,
상기 산출된 색차계값들의 각각은 가시광반사 이미지값, 적외선투과 이미지값 및 적외선반사 이미지값 중 어느 하나와 색차계값 간의 회귀분석에 의한 함수로부터 얻어지는 것을 특징으로 하는 화폐 식별방법.
- 제 3항에 있어서,
상기 회귀분석에 의한 함수는 선형함수 또는 2차 이상의 고차함수인 것을 특징으로 하는 화폐 식별방법.
- 제 2항에 있어서,
상기 가시광반사 이미지값, 적외선투과 이미지값 및 적외선반사 이미지값은 상기 특정 영역에 대응하는 이미지에 포함된 픽셀들의 휘도의 평균값인 것을 특징으로 하는 화폐 식별방법.
- 제 1항에 있어서,
상기 주성분 분석을 실시하여 복수의 특징값을 산출하는 단계는,
메모리부로부터 고유 벡터 행렬을 호출하는 단계; 및
상기 산출된 색차계값들과 상기 고유 벡터 행렬 간 연산에 기초하여 상기 복수의 특징값을 산출하는 단계를 포함하는 것을 특징으로 하는, 화폐 식별방법.
- 제 6항에 있어서,
상기 고유 벡터 행렬은 복수의 행(row)을 포함하고, 상기 각 행 성분은 고유 벡터(eigen vector)를 나타내되,
상기 고유 벡터는 복수의 화폐에 대한 색차계값들로부터 생성된 공분산 행열(covariance matrix)의 복수의 고유값(eigen value)에 대응하여 얻어지는 것을 특징으로 하는, 화폐 식별방법.
- 제 1항에 있어서,
상기 스코어 레벨 퓨전은 상기 복수의 특징값에 대하여 합연산(sum), 가중합 연산(weighted sum), 곱연산(product), 가중곱연산(weighted product), SVM(support vector machine) 연산 중 적어도 2개를 실시하여 얻어지는 결과값을 결합하는 것임을 특징으로 하는, 화폐 식별방법.
- 제 1항에 있어서,
상기 화폐의 정사를 판단하는 단계는, 정사판단을 위해 미리 설정되어 있는 복수의 구간 레벨 중 상기 스코어 레벨 퓨전의 결과값이 속하는 구간 레벨을 식별하는 것에 의해 정사를 판단하는 것임을 특징으로 하는, 화폐 식별방법.
- 입력되는 화폐의 특정 영역에 대한 복수 유형의 이미지값들 중 적어도 둘을 취득하는 이미지 취득부;
상기 취득된 이미지값들 각각에 대응하는 색차계값들을 산출하는 색차계 변환부;
상기 색차계값들에 대해 주성분 분석을 실시하여 복수의 특징값을 산출하는 분석부; 및
상기 복수의 특징값에 대해 스코어 레벨 퓨전을 실시하여 화폐의 정사를 판단하는 정사판단부를 포함하는 것을 특징으로 하는 화폐 식별장치.
- 제 10항에 있어서,
상기 복수 유형의 이미지값들은 상기 화폐의 특정 영역에 대한 가시광반사 이미지값, 적외선투과 이미지값 및 적외선반사 이미지값인 것을 특징으로 하는 화폐 식별장치.
- 제 11항에 있어서,
상기 색차계 변환부는 가시광반사 이미지값, 적외선투과 이미지값 및 적외선반사 이미지값 중 어느 하나와 색차계값 간의 회귀분석에 의한 함수를 이용하여 상기 산출된 색차계값들을 산출하는 것을 특징으로 하는 화폐 식별장치.
- 제 12항에 있어서,
상기 회귀분석에 의한 함수는 선형함수 또는 2차 이상의 고차함수인 것을 특징으로 하는 화폐 식별장치.
- 제 11항에 있어서,
상기 가시광반사 이미지값, 적외선투과 이미지값 및 적외선반사 이미지값은 상기 특정 영역에 대응하는 이미지에 포함된 픽셀들의 휘도의 평균값인 것을 특징으로 하는 화폐 식별장치.
- 제 10항에 있어서,
고유 벡터 행렬을 저장하는 메모리부를 더 포함하고,
상기 분석부는, 상기 메모리부로부터 고유 벡터 행렬을 호출하여, 상기 산출된 색차계값들과 상기 고유 벡터 행렬 간 연산에 기초하여 상기 복수의 특징값을 산출하는 것을 특징으로 하는, 화폐 식별장치.
- 제 15항에 있어서,
상기 고유 벡터 행렬은 복수의 행(row)을 포함하고, 상기 각 행 성분은 고유 벡터(eigen vector)를 나타내되,
상기 고유 벡터는 복수의 화폐에 대한 색차계값들로부터 생성된 공분산 행열(covariance matrix)의 복수의 고유값(eigen value)에 대응하여 얻어지는 것을 특징으로 하는, 화폐 식별장치.
- 제 10항에 있어서,
상기 스코어 레벨 퓨전은 상기 복수의 특징값에 대하여 합연산(sum), 가중합 연산(weighted sum), 곱연산(product), 가중곱연산(weighted product), SVM(support vector machine) 연산 중 적어도 2개를 실시하여 얻어지는 결과값을 결합하는 것임을 특징으로 하는, 화폐 식별장치.
- 제 10항에 있어서,
상기 정사판단부는, 정사판단을 위해 미리 설정되어 있는 복수의 구간 레벨 중 상기 스코어 레벨 퓨전의 결과값이 속하는 구간 레벨을 식별하는 것에 의해 정사를 판단하는 것을 특징으로 하는, 화폐 식별장치.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140033014A KR101557421B1 (ko) | 2014-03-20 | 2014-03-20 | 화폐 식별 방법 및 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140033014A KR101557421B1 (ko) | 2014-03-20 | 2014-03-20 | 화폐 식별 방법 및 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20150111401A KR20150111401A (ko) | 2015-10-06 |
KR101557421B1 true KR101557421B1 (ko) | 2015-10-13 |
Family
ID=54344810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020140033014A KR101557421B1 (ko) | 2014-03-20 | 2014-03-20 | 화폐 식별 방법 및 장치 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101557421B1 (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020004815A1 (ko) * | 2018-06-25 | 2020-01-02 | 주식회사 수아랩 | 데이터의 어노말리 감지 방법 |
KR20200105295A (ko) * | 2019-02-28 | 2020-09-07 | 주식회사 푸른기술 | 딥러닝 기반 지폐 감별 시스템 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001041899A (ja) | 1999-07-27 | 2001-02-16 | Toshiba Corp | 紙葉類の汚れ具合識別装置 |
KR101141312B1 (ko) | 2011-05-16 | 2012-05-04 | 동국대학교 산학협력단 | 영상의 융합 기법을 이용한 의료용 혈관영상 처리방법 |
-
2014
- 2014-03-20 KR KR1020140033014A patent/KR101557421B1/ko active IP Right Grant
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001041899A (ja) | 1999-07-27 | 2001-02-16 | Toshiba Corp | 紙葉類の汚れ具合識別装置 |
KR101141312B1 (ko) | 2011-05-16 | 2012-05-04 | 동국대학교 산학협력단 | 영상의 융합 기법을 이용한 의료용 혈관영상 처리방법 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020004815A1 (ko) * | 2018-06-25 | 2020-01-02 | 주식회사 수아랩 | 데이터의 어노말리 감지 방법 |
KR20200105295A (ko) * | 2019-02-28 | 2020-09-07 | 주식회사 푸른기술 | 딥러닝 기반 지폐 감별 시스템 |
KR102163107B1 (ko) | 2019-02-28 | 2020-10-07 | 주식회사 푸른기술 | 딥러닝 기반 지폐 감별 시스템 |
Also Published As
Publication number | Publication date |
---|---|
KR20150111401A (ko) | 2015-10-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115294113B (zh) | 一种木饰面板质量检测方法 | |
EP2518684B1 (en) | Fake finger determination device | |
CN104867225B (zh) | 一种纸币的面向识别方法及装置 | |
CN108596128B (zh) | 对象识别方法、装置及存储介质 | |
WO2006081437A2 (en) | Method and system for identifying illumination flux in an image | |
US8488878B2 (en) | Sky detection system used in image extraction device and method using sky detection system | |
US20130071033A1 (en) | Classifier for use in generating a diffuse image | |
US8483480B2 (en) | Method and system for factoring an illumination image | |
KR20200078548A (ko) | 컬러 형성 반응에 기초하여 분석 측정을 수행하기 위한 방법들 및 디바이스들 | |
US8385655B2 (en) | Method and system for generating intrinsic images using single reflectance technique | |
CN115619787B (zh) | 一种uv胶缺陷检测方法、***、设备及介质 | |
CN105787429B (zh) | 采用机器视觉用于检查物体的方法和设备 | |
KR101557421B1 (ko) | 화폐 식별 방법 및 장치 | |
CN117474029B (zh) | 基于区块链的ai偏振增强图码波频采集成像识别方法 | |
US10319168B2 (en) | Quality control method for paper money authentication and system therefor | |
US8934735B2 (en) | Oriented, spatio-spectral illumination constraints for use in an image progress | |
KR20190119470A (ko) | 지폐 일련번호 인식 장치 및 방법 | |
CN107067034B (zh) | 一种快速识别红外光谱数据分类的方法及*** | |
WO2023034441A1 (en) | Imaging test strips | |
US8787662B2 (en) | Method and system for identifying tokens in an image | |
KR101379782B1 (ko) | 화폐 식별 방법 및 장치 | |
KR101388552B1 (ko) | 화폐 식별 방법 및 장치 | |
US8842907B2 (en) | Method for performing a multi-clustering merge for use in an image process | |
US8849018B2 (en) | Log-chromaticity clustering pipeline for use in an image process | |
KR101158329B1 (ko) | 자동 지폐 검사를 위한 형광 패턴 추출 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20180928 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20190830 Year of fee payment: 5 |