Устройство распознавания бумажного документа и способ распознавания бумажного документа

Изобретение относится к устройству распознавания бумажного документа и способу распознавания бумажного документа для распознавания типа бумажных документов во входном изображении путем сопоставления входного изображения с эталонными изображениями множества бумажных документов. Техническим результатом является обеспечение высокой точности, эффективности и высокой скорости распознавания типа бумажного документа. Устройство распознавания бумажного документа распознает тип бумажного документа во входном изображении путем сопоставления входного изображения бумажного документа с эталонными изображениями множества бумажных документов. Устройство включает в себя узел выбора кандидатов, который выбирает заранее заданное число типов кандидатов бумажного документа на основе признака плотности и признаков направления для каждого блока, полученного равномерным разделением входного изображения, и эталонных изображений; и узел подробного оценивания, который адаптивно разделяет входное изображение на блоки согласно признакам эталонного изображения, соответствующего каждому типу бумажных документов, выбранного узлом выбора кандидатов, и выполняет подробное оценивание на основе значений соответствия между соответствующими блоками разделенного входного изображения и каждого из эталонных изображений. 2 н. и 5 з.п. ф-лы, 16 ил.

 

Область техники, к которой относится изобретение

Настоящее изобретение относится к устройству распознавания бумажного документа и способу распознавания бумажного документа для распознавания типа бумажных документов во входном изображении путем сопоставления входного изображения с эталонными изображениями множества бумажных документов, а конкретнее - к устройству распознавания бумажного документа и способу распознавания бумажного документа, способных точно и эффективно и с высокой скоростью распознавать тип бумажного документа, даже если имеется много типов бумажных документов, подлежащих оцениванию.

Уровень техники

Традиционно, в банкоматах (ATM) или тому подобном в банках при приеме банкноты нужно оценить ее тип. Поэтому известен метод распознавания бумажного документа для очень точного распознавания типа бумажных документов, таких как банкноты и ценные бумаги.

Например, патентный документ 1 раскрывает способ распознавания бумажного документа, в котором для каждой комбинации двух видов оцениваемых кандидатов эффективно считываемая позиция, в которой из множества заранее заданных считываемых позиций выделяемое расстояние между распределениями является наибольшим между распределениями эталонных признаков обоих из оцениваемых кандидатов. Это расстояние от признака подлежащего проверке бумажного документа, которое может быть получено только из эффективно считанной позиции, принимается соответственно для комбинации, в которой расстояние между распределениями в эффективно считываемой позиции, полученное для каждой комбинации двух видов оцениваемых кандидатов, является наибольшим. Затем выполняется процесс уменьшения для исключения вида бумажного документа с полученным расстоянием, являющимся более крупным из оцениваемого кандидата, и вид бумажного документа оценивается путем повторения процесса уменьшения для оставшихся оцениваемых кандидатов.

Патентный документ 1: выложенная заявка на патент Японии №2001-273541

Сущность изобретения

Проблема, подлежащая решению изобретением

Однако в патентном документе 1 вследствие того, что процесс уменьшения для оставления одного из двух оцениваемых кандидатов повторяется, если число N бумажных документов в качестве оцениваемых кандидатов возрастает, обработку распознавания нужно повторить N-1 раз, пока не останется один конечный кандидат, так что может иметь место проблема в задержке обработки. Например, когда оцениваемые кандидаты ограничены банкнотами, циркулирующими в Японии, имеется только четыре вида достоинства, то есть банкноты в 1000 иен, 2000 иен, 5000 иен и 10000 иен. Однако, если в качестве целей распознавания включаются иностранные банкноты, число оцениваемых кандидатов значительно больше, что и вызывает вышеупомянутую проблему.

Поэтому возможно выполнять предобработку конкретизации оцениваемых кандидатов до одного за счет выполнения отличной обработки заранее и сравнивать оцениваемый кандидат, конкретизированный этой предобработкой, с подлежащим оцениванию бумажным документом, благодаря чему выполняется подробное оценивание того, являются ли оба документами одного вида.

Однако, когда оцениваемый кандидат конкретизируется из множества оцениваемых кандидатов путем такой предобработки, если оцениваемый кандидат оценивается как отличный вид от бумажного документа, подлежащего оцениванию, этот оцениваемый кандидат исключается, и ту же самую обработку повторять не нужно. Это потому, что точное оценивание не всегда выполняется при предобработке конкретизации оцениваемого кандидата, и может иметь место ошибка оценивания.

В частности, когда банкнота является целью распознавания, только часть этой банкноты, такая как ее водяной знак, зачастую слегка видоизменяется в качестве противодействия подделке. Поэтому, если только один кандидат конкретизируется при такой предобработке, возможность появления ошибки оценивания в результате не может быть исключена.

Принимая это во внимание, важный вопрос заключается в том, как распознать тип банкнот с высокой точностью и эффективно на высокой скорости, когда имеется много типов подлежащих оцениванию банкнот. Тот же вопрос имеет место и в отношении бумажных документов иных, нежели банкноты, таких как ценные бумаги.

Настоящее изобретение сделано с учетом вышеуказанных проблем, и цель настоящего изобретения состоит в обеспечении устройства распознавания бумажного документа и способа распознавания бумажного документа, которые могут распознавать тип бумажных документов с высокой точностью и эффективно и на высокой скорости, даже если имеется много типов бумажных документов, подлежащих оцениванию.

Средства для решения проблемы

Устройство распознавания бумажного документа, согласно одному аспекту настоящего изобретения, распознает тип бумажного документа во входном изображении путем сопоставления входного изображения бумажного документа с эталонными изображениями множества бумажных документов. Это устройство включает в себя узел выбора кандидатов, который выбирает заранее заданное число типов кандидатов бумажных документов на основе признака плотности и признаков направления в каждом блоке, полученном путем равномерного разделения входного изображения и эталонных изображений; и узел подробного оценивания, который адаптивно разделяет входное изображение на блоки согласно признакам эталонного изображения, соответствующего каждому типу бумажного документа, выбранному узлом выбора кандидатов, и выполняет подробное оценивание на основе сопоставления значений между соответствующими блоками разделенного входного изображения и каждого из эталонных изображений.

Устройство распознавания бумажного документа, согласно настоящему изобретению, может дополнительно включать в себя узел хранения признаков, который сохраняет в себе признаки эталонных изображений для каждого типа бумажных документов. Узел выбора кандидатов может включать в себя первый узел разделения на блоки, который равномерно разделяет входное изображение на блоки во время приема входного изображения; вычислитель признака плотности, который вычисляет признак плотности для каждого блока, на которые разделяет первый узел разделения на блоки; вычислитель признаков направления, который вычисляет признаки направления для каждого блока, на которые разделяет первый узел разделения на блоки; и выбирающий узел, который выбирает заранее заданное число типов кандидатов бумажного документа на основе признака плотности для каждого блока, вычисленного вычислителем признака плотности, признаков направления для каждого блока, вычисленных вычислителем признаков направления, и признаков каждого из эталонных изображений, хранящихся в узле хранения признаков.

Устройство распознавания бумажного документа согласно настоящему изобретению может дополнительно включать в себя память, которая хранит для каждого типа бумажных документов способы разделения на блоки, соответствующие признакам эталонного изображения каждого типа бумажных документов и разделенных эталонных изображений, полученных разделением эталонного изображения на блоки согласно способу разделения на блоки. Узел подробного оценивания может включать в себя: второй узел разделения на блоки, который считывает из памяти способы разделения на блоки и разделенные эталонные изображения, которые соответственно отвечают типам кандидатов бумажного документа, выбранным узлом выбора кандидатов, и разделяет входное изображение на блоки согласно каждому из способов разделения на блоки; вычислитель значений подробного сопоставления, который вычисляет для каждого из типов кандидатов бумажного документа значения подробного сопоставления между соответствующими блоками разделенного входного изображения, разделенного на блоки вторым узлом разделения на блоки, и разделенными эталонными изображениями; и конкретизирующий узел, который конкретизирует тип бумажного документа, соответствующий входному изображению, на основе соответствующих значений подробного сопоставления, вычисленных вычислителем значений подробного сопоставления.

В устройстве распознавания бумажного документа, согласно настоящему изобретению, входное изображение и эталонные изображения могут включать в себя инфракрасное изображение в отраженном свете, инфракрасное изображение в проходящем свете, видимое изображение в отраженном свете и видимое изображение в проходящем свете, полученные путем воспроизведения одного и того бумажного документа, а узел выбора кандидатов может временно уменьшать типы кандидатов бумажного документа за счет использования признака плотности и признаков направления для каждого блока в видимом отраженном изображении, а затем последовательно уменьшать типы кандидатов бумажного документа за счет использования инфракрасного изображения в проходящем свете, инфракрасного отраженного изображения и видимого изображения в проходящем свете от временно уменьшенных типов кандидатов бумажного документа, чтобы выбрать заранее заданное число типов кандидатов бумажного документа из множества типов бумажных документов.

В устройстве распознавания бумажного документа согласно настоящему изобретению, первый узел разделения на блоки может разделять входное изображение равномерно на блоки одного и того же блочного размера, даже если размеры соответствующих бумажных документов различны, в зависимости от типов бумажных документов.

В устройстве распознавания бумажного документа, согласно настоящему изобретению, узел выбора кандидатов может дополнительно включать в себя узел приема числа выборов, который принимает команду установки числа типов кандидатов подлежащего выбору бумажного документа, а выбирающий узел может выбирать установленное число типов кандидатов бумажного документа.

Способ распознавания бумажного документа, согласно другому аспекту изобретения, предназначен для распознавания типа бумажного документа во входном изображении путем сопоставления этого входного изображения бумажного документа с эталонными изображениями множества бумажных документов. Способ включает в себя этапы, на которых: выбирают заранее заданное число типов кандидатов бумажного документа на основе признака плотности и признаков направления для каждого блока, полученного путем равномерного разделения входного изображения и эталонных изображений; и подробно оценивают адаптивное разделение входного изображения на блоки согласно признакам эталонного изображения, соответствующего каждому типу бумажных документов, выбранному на этапе выбора кандидатов, и выполняют подробное оценивание на основе сопоставления значений между соответствующими блоками разделенного входного изображения и каждого из эталонных изображений.

Эффект изобретения

Согласно настоящему изобретению, заранее заданное число типов кандидатов бумажного документа выбирают на основе признака плотности и признаков направления для каждого блока, полученного равномерным разделением входного изображения и множества эталонных изображений на блоки, и входное изображение адаптивно разделяют на блоки согласно признакам эталонного изображения, соответствующего каждому из выбранных типов бумажного документа, для выполнения подробного оценивания на основе сопоставления значений между блоками разделенных входных изображений и блоками каждого из разделенных эталонных изображений. Соответственно, даже если имеется много типов бумажных документов, подлежащих оцениванию, тип бумажного документа может быть распознан с высокой точностью и эффективно, и на высокой скорости.

Согласно настоящему изобретению, признаки эталонного изображения сохраняют заранее для каждого типа бумажных документов, входное изображение равномерно разделяют на блоки во время приема входного изображения, вычисляют признак плотности и признаки направления для каждого из разделенных блоков и выбирают заранее заданное число типов кандидатов бумажного документа на основе вычисленных признака плотности и признаков направления для каждого из блоков и на основе признаков каждого из эталонных изображений, сохраненных заранее. Соответственно, типы кандидатов бумажного документа могут быть выбраны эффективно за счет использования признаков каждого эталонного изображения, созданных заранее узлом иным, нежели узел распознавания бумажного документа.

Согласно настоящему изобретению, способы разделения на блоки, соответствующие каждый признакам эталонного изображения для каждого типа бумажных документов и разделенных эталонных изображений, полученных разделением эталонного изображения на блоки согласно способу разделения на блоки, сохраняются для каждого типа бумажных документов. Способ разделения на блоки, соответственно отвечающие выбранным типам кандидатов бумажных документов и разделенным эталонным изображениям, считывают из памяти, и входное изображение разделяют на блоки соответственно каждому из считанных способов разделения на блоки. Значения подробного сопоставления между соответствующим входным изображением, разделенным на блоки, и разделенными эталонными изображениями вычисляют для каждого типа кандидата бумажного документа. Тип бумажного документа, соответствующего входному изображению, затем конкретизируют на основе вычисленных значений подробного сопоставления. Соответственно, поскольку подробное оценивание нужно выполнять только в отношении заранее заданного числа типов кандидатов бумажного документа, это подробное оценивание можно выполнять с высокой скоростью.

Согласно настоящему изобретению, входное изображение и эталонные изображения включают в себя инфракрасное изображение в отраженном свете, инфракрасное изображение в проходящем свете, видимое изображение в отраженном свете и видимое изображение в проходящем свете, полученные путем воспроизведения одного и того бумажного документа, и типы кандидатов бумажного документа временно сужают за счет использования признака плотности и признаков направления для каждого блока в видимом отраженном изображении, а затем последовательно сужают типы кандидатов бумажного документа за счет использования инфракрасного изображения в проходящем свете, инфракрасного отраженного изображения и видимого изображения в проходящем свете от временно уменьшенных типов кандидатов бумажного документа, чтобы выбрать заранее заданное число типов кандидатов бумажного документа из множества типов бумажных документов. Соответственно, за счет постепенного уменьшения можно реализовать более высокую скорость и лучшую эффективность обработки. В частности, поскольку видимое изображение в отраженном свете имеет наибольшие признаки при оценивании типа бумажного документа, обработку можно выполнять с более высокой скоростью и большей эффективностью за счет использования видимого отраженного изображения для первого уменьшения.

Согласно настоящему изобретению, поскольку входное изображение равномерно разделяют на блоки с одним и тем же блочным размером, даже если размеры каждого бумажного документа различны, блочный размер не нужно изменять для каждого бумажного документа, благодаря чему реализуется высокоскоростная обработка.

Согласно настоящему изобретению, принимают команду установки числа типов кандидатов бумажного документа, а затем выбирают установленное число типов кандидатов бумажного документа. Соответственно, можно выполнять обработку в зависимости от потребностей оператора, так что когда имеется много аналогичных эталонных изображений или когда желательно предотвратить пропуск кандидата, даже жертвуя временем обработки, число выборов можно увеличить, либо когда желательна более высокоскоростная обработка, число выборов можно снизить.

Краткое описание чертежей

Фиг.1 является функциональной блок-схемой конфигурации устройства распознавания банкнот согласно варианту осуществления настоящего изобретения.

Фиг.2 является примером инфракрасного изображения в проходящем свете, инфракрасного отраженного изображения, видимого изображения в проходящем свете и видимого отраженного изображения, вводимых узлом входного изображения, показанным на фиг.1.

Фиг.3 является поясняющей схемой для пояснения процесса выделения краевой точки, выполняемого сжимающим процессором, показанным на фиг.1.

Фиг.4 является поясняющей схемой для пояснения вычисления угла части банкноты с помощью преобразования Хафа сжимающим процессором, показанным на фиг.1.

Фиг.5 является поясняющей схемой для пояснения процесса сжимания части банкноты сжимающим процессором, показанным на фиг.1.

Фиг.6 является поясняющей схемой для пояснения разделения на блоки процессором уменьшения числа кандидатов, показанным на фиг.1.

Фиг.7 является поясняющей схемой для пояснения признака плотности, вычисленного процессором уменьшения числа кандидатов, показанным на фиг.1.

Фиг.8 является поясняющей схемой для пояснения признака направления, вычисленного процессором уменьшения числа кандидатов, показанным на фиг.1.

Фиг.9 является поясняющей схемой для пояснения идеи сопоставления значения, вычисленного процессором уменьшения числа кандидатов.

Фиг.10 является поясняющей схемой для пояснения разделения на блоки процессором подробного оценивания, показанным на фиг.1.

Фиг.11 является поясняющей схемой для пояснения выделения частичного изображения t(a, b) в блочной позиции (а, b) среднего эталонного изображения.

Фиг.12 является поясняющей схемой для пояснения идеи вычисления значения соответствия (разность плотностей) путем сдвига частичного изображения вокруг блочной позиции соответствующего входного изображения на некоторый блок среднего эталонного изображения.

фиг.13 является блок-схемой алгоритма для пояснения процедуры в процессе распознавания банкноты, выполняемой устройством распознавания банкнот, показанным на фиг.1.

Фиг.14 является блок-схемой алгоритма процедуры в процессе сжимания части банкноты, показанной на этапе S102 по фиг.13.

Фиг.15 является блок-схемой алгоритма процедуры в процессе уменьшения числа кандидатов, показанной на этапе S103 по фиг.13.

Фиг.16 является блок-схемой алгоритма процедуры в процессе подробного оценивания, показанной на этапе S104 по фиг.13.

Пояснения буквенных или цифровых позиций

10 - Устройство распознавания банкноты

11 - Узел входного изображения

12 - Сжимающий процессор

13 - Узел хранения

13а - Признаки

13b - Данные эталонного изображения

14 - Процессор уменьшения числа кандидатов

14а - Процессор разделения на блоки

14b - Узел выделения признака плотности

14с - Узел выделения признака направления

14d - Вычислитель значения соответствия

14е - Узел выбора кандидата

15 - Процессор подробного оценивания

15а - Процессор разделения на блоки

15b - Вычислитель значения подробного соответствия

15с - Узел вывода результата распознавания

21 - Инфракрасное изображение в проходящем свете

22 - Инфракрасное изображение в отраженном свете

23 - Видимое изображение в проходящем свете

24 - Видимое изображение в отраженном свете

31 - Инфракрасное частичное изображение в проходящем свете

32 - Инфракрасное частичное изображение в отраженном свете

33 - Видимое частичное изображение в проходящем свете

34 - Видимое частичное изображение в отраженном свете

Наилучшие варианты осуществления изобретения

Ниже будут подробно описаны примерные варианты осуществления устройства распознавания бумажного документа и способа распознавания бумажного документа со ссылкой на сопровождающие чертежи. В данном пояснении предполагается, что тип банкноты распознается как цель распознавания, а признаки и тому подобное в эталонном изображении, подлежащем использованию во время распознавания банкноты, подготавливаются заранее и сохраняются в узле хранения.

Варианты осуществления

Условная конфигурация устройства распознавания банкноты

Сначала поясняется конфигурация устройство 10 распознавания банкноты согласно варианту осуществления настоящего изобретения. Фиг.1 представляет собой функциональную блок-схему конфигурации устройства 10 распознавания банкноты согласно настоящему изобретению. Показанное на фиг.1 устройство 10 распознавания банкноты заранее сохраняет в себе признаки каждой из банкнот (собственный вектор и средний вектор) и данные эталонных изображений (среднее эталонное изображение и способ разделения). Когда получается входное изображение, устройство 10 распознавания банкноты выбирает заранее заданное число типов банкнот из множества типов банкнот в качестве типов кандидатов банкноты (ниже в примере поясняется случай четырех типов) за счет использования признаков, затем выполняет подробное оценивание с помощью данных эталонных изображений для выбранных кандидатов типа банкноты, чтобы конкретизировать один тип банкноты, и выводит конкретный тип банкноты в качестве результата распознавания банкноты.

Как показано на фиг.1, устройство 10 распознавания банкноты включает в себя узел 11 входного изображения, сжимающий процессор 12, узел 13 хранения, процессор 14 уменьшения числа кандидатов и процессор 15 подробного оценивания. Узел 11 входного изображения представляет собой линейный датчик, который извлекает изображение банкноты. Узел 11 входного изображения извлекает за одну операцию считывания четыре вида изображений, таких как инфракрасное изображение 21 в проходящем свете, инфракрасное изображение 22 в отраженном свете, видимое изображение 23 в проходящем свете и видимое изображение 24 в отраженном свете, как показано на фиг.2, и переносит каждое из выделенных изображений в сжимающий процессор 12.

Конкретно, узел 11 входного изображения облучает банкноту как объект считывания инфракрасным светом и видимым светом для выработки инфракрасного изображения 21 в проходящем свете из результата светового приема инфракрасного света, прошедшего через банкноту, для выработки инфракрасного изображения 22 в отраженном свете из результата светового приема инфракрасного света, отраженного от банкноты, для выработки видимого изображения 23 в проходящем свете из результата светового приема видимого света, прошедшего через банкноту, и для выработки видимого изображения 24 в отраженном свете из результата светового приема видимого света, отраженного от банкноты.

Сжимающий процессор 12 сжимает часть банкноты из принятых четырех видов изображений (инфракрасного изображения 21 в проходящем свете, инфракрасного изображения 22 в отраженном свете, видимого изображения 23 в проходящем свете и видимого изображения 24 в отраженном свете) из узла 11 входного изображения. Конкретно, сжимающий процессор 12 получает ширину, высоту и угол части банкноты за счет использования инфракрасного изображения 21 в проходящем свете и выполняет процесс поворота и процесс сжимания каждого изображения за счет использования полученных ширины, высоты и наклона.

Узел 13 хранения сохраняет для каждого типа банкноты признаки (собственный вектор и средний вектор) 13а, данные 13b эталонных изображений (среднее эталонное изображение и способ разделения) и взвешивающий коэффициент (λab) 13с каждой банкноты в качестве целей сравнения со входным изображением. Узел 13 естественным образом сохраняет в себе признаки 13а и данные 13b эталонных изображений для каждого типа банкнот, но далее, для четырех типов изображений одного и того же типа, которые являются инфракрасным проходящим изображением, инфракрасным отраженным изображением, видимым проходящим изображением и видимым отраженным изображением, соответственно.

Признаки (собственный вектор и средний вектор) 13а эталонного изображения для каждого типа банкнот, хранящиеся в узле 13 хранения, используются во время уменьшения типа банкноты процессором 14 уменьшения числа кандидатов. Хотя подробные пояснения, касающиеся признаков (собственного вектора и среднего вектора) 13а будут даны позже, множество эталонных изображений (например, 1000 изображений) равномерно разделяются на блоки, соответственно, как для входного изображения, и получают признак плотности и признаки направления для получения собственного вектора и среднего вектора из их распределения.

Данные эталонных изображений (среднее эталонное изображение и процедура разделения) 13b для каждого типа банкноты, подлежащие сохранению в узле 13 хранения, используются во время выполнения подробного оценивания процессором 15 подробного оценивания. Его подробные пояснения будут даны позже. Способ разделения, на который здесь дается ссылка, представляет собой систему для разделения эталонного изображения в зависимости от размера банкноты или части ее признаков. Этот способ разделения конкретизирует, что характерная область некоторой банкноты разделяется мелко, а нехарактерная область разделяется грубо. Среднее эталонное изображение получается взятием средних пикселов от множества эталонных изображений для каждого типа банкноты и разделением его на блоки согласно упомянутому выше способу разделения.

Процессор 14 уменьшения числа кандидатов является узлом, который выбирает четыре типа кандидатов банкноты (здесь и далее «тип кандидата банкноты»), соответствующих входному изображению при приеме подлежащего распознаванию входного изображения. Конкретно, процессор 14 уменьшения числа кандидатов равномерно разделяет входные изображения (инфракрасное изображение 21 в проходящем свете, инфракрасное изображение 22 в отраженном свете, видимое изображение 23 в проходящем свете и видимое изображение 24 в отраженном свете) на блоки независимо от размера банкноты и выбирает четыре типа кандидата банкноты на основе признака плотности и признаков направления каждого блока.

Как описано выше, процессор 14 уменьшения числа кандидатов не определяет непосредственно и единственным образом тип банкноты, соответствующий входному изображению, как в традиционном уровне техники, но выбирает четыре типа кандидатов банкноты в качестве ее предобработки. Процессор 15 подробного оценивания, описанный далее, оценивает в конце концов тип банкноты из этих четырех типов кандидатов банкноты.

Причина, по которой выполняется эта предобработка, состоит в том, что если тип банкноты оценивать непосредственно и единственным образом, как в традиционном уровне техники, то, когда определено, что подлежащая распознаванию банкнота не соответствует банкноте, полученной как результат последующего оценивания, вышеописанную обработку необходимо повторять вновь путем исключения этого типа банкноты, и требуется некоторое время для получения правильного результата распознавания.

В настоящем варианте осуществления поясняется случай, когда выбирают четыре типа кандидатов банкноты; однако число типов кандидатов банкноты, подлежащих выбору, в процессе выбора может быть изменено по команде, введенной из операционного узла в устройстве или извне устройства. Соответственно, когда имеется много аналогичных узоров между типами банкнот, или когда желательно предотвратить пропуск кандидата, даже жертвуя временем обработки, число подлежащих выбору типов кандидатов банкноты увеличивается, либо когда желательна более высокая скорость обработки, число типов кандидатов банкноты сокращается, что дает возможность выполнять обработку согласно потребностям оператора.

Процессор 15 подробного оценивания выполняет подробное оценивание для определения одного типа банкноты, соответствующего входному изображению, из четырех типов кандидатов банкноты, выбранных процессором 14 уменьшения числа кандидатов. Конкретно, процессор 15 подробного оценивания считывает части данных 13b эталонного изображения, отвечающие соответствующим типам кандидатов банкноты, из узла 13 хранения и разделяет входное изображение на блоки, согласно соответствующему способу разделения в данных 13b эталонного изображения. Затем процессор 15 подробного оценивания вычисляет значения подробного сопоставления между блоками входного изображения, разделенного на блоки, и соответствующими блоками среднего эталонного изображения и конкретизирует среднее эталонное изображение, соответствующее входному изображению, на основе вычисленных значений подробного сопоставления, для выведения типа банкноты, соответствующего конкретизированному среднему эталонному изображению.

Конфигурация устройства 10 распознавания банкноты поясняется ниже со ссылкой на функциональную блок-схему. Однако, когда устройство 10 распознавания банкноты в действительно воплощено за счет использования компьютера, предусмотрен линейный датчик, соответствующий узлу 11 входного изображения и накопитель на жестком диске, соответствующий узлу 13 хранения, а программы, соответствующие сжимающему процессору 12, процессору 14 уменьшения числа кандидатов и процессору 15 подробного оценивания, хранятся в энергонезависимой памяти или тому подобном, так что эти программы загружаются в ЦП и исполняются.

Подробное описание сжимающего процессора

Подробности сжимающего процессора 12, показанного на фиг.1, поясняются далее со ссылкой на фиг.3-5. Фиг.3 представляет собой пояснительную диаграмму для пояснения процесса выделения краевой точки, выполняемого сжимающим процессором 12; фиг.4 представляет собой пояснительную диаграмму для пояснения вычисления угла в части банкноты с помощью преобразования Хафа сжимающим процессором 12, а фиг.5 представляет собой пояснительную схему для пояснения процесса сжимания банкноты в части банкноты сжимающим процессором 12.

Как показано на фиг.3, сжимающий процессор 12 сканирует, начиная сверху, инфракрасное изображение 21 в проходящем свете входного изображения, чтобы обнаружить пиксел с пиксельным значением больше, чем заранее заданный порог, в качестве краевой точки. Сжимающий процессор 12 выполняет такую же обработку снизу, слева и справа, чтобы обнаружить краевую точку и получить приближенный угол θ1 от части угла банкноты из этих краевых пунктов.

После этого, как показано на фиг.4, сжимающий процессор 12 выполняет преобразование Хафа на основе обнаруженных краевых точек и их угла θ1 для получения плоскостей Хафа верхней стороны, нижней стороны, левой стороны и правой стороны, и голосует за угол θ для каждой плоскости Хафа для создания четырех гистограмм (голосует за наклон путем поворота левой и правой сторон на 90 градусов для левой и правой сторон). Затем сжимающий процессор 12 добавляет эти четыре гистограммы для получения угла θ, при котором проголосованное значение добавленной гистограммы максимально, и назначает полученный угол θ в качестве угла скоса банкноты. После этого сжимающий процессор 12 получает позицию ρ, соответствующую углу θ на каждой из плоскостей Хафа верхней стороны, нижней стороны, левой стороны и правой стороны, и выполняет обработку для назначения значения ρ в качестве позиции каждой стороны.

После этого, как показано на фиг.5, сжимающий процессор 12 сжимает часть банкноты от входного изображения и поворачивает часть банкноты на основе полученных позиции (ρ) и угла (θ) скоса каждой стороны для получения частичного изображения. Когда угол θ скоса банкноты и позиция ρ каждой стороны обнаруживаются за счет использования инфракрасного изображения 21 в проходящем свете, сжимающий процессор 12 сжимает часть банкноты из инфракрасного изображения 21 в проходящем свете, инфракрасного изображения 22 в отраженном свете, видимого изображения 23 в проходящем свете и видимого изображения 24 в отраженном свете за счет использования того же самого значения, чтобы получить инфракрасное частичное изображение 31 в проходящем свете, инфракрасное частичное изображение 32 в отраженном свете, видимое частичное изображение 33 в проходящем свете и видимое частичное изображение 34 в отраженном свете, показанные на фиг.5.

При этом сжимающий процессор 12 сжимает частичное изображение (инфракрасное частичное изображение 31 в проходящем свете, инфракрасное частичное изображение 32 в отраженном свете, видимое частичное изображение 33 в проходящем свете и видимое частичное изображение 34 в отраженном свете) части банкноты из принятого входного изображения (инфракрасного изображения 21 в проходящем свете, сжимающий процессор 12 сжимает часть банкноты из инфракрасного изображения 21 в проходящем свете, инфракрасного изображения 22 в отраженном свете, видимого изображения 23 в проходящем свете и видимого изображения 24 в отраженном свете) из узла 11 входного изображения.

Подробности процессора уменьшения числа кандидатов

Подробности процессора 14 уменьшения числа кандидатов, показанного на фиг.1, конкретно поясняются далее со ссылкой на фиг.6-8. Фиг.6 представляет собой пояснительную диаграмму для пояснения разделения на блоки процессором 14 уменьшения числа кандидатов, фиг.7 представляет собой пояснительную диаграмму для пояснения признака плотности, вычисленного процессором 14 уменьшения числа кандидатов, а фиг.8 представляет собой пояснительную диаграмму для пояснения признаков направления, вычисленных процессором 14 уменьшения числа кандидатов.

Как показано на фиг.1, процессор 14 уменьшения числа кандидатов включает в себя процессор 14а разделения на блоки, узел 14b выделения признака плотности, узел 14с выделения признака направления, вычислитель 14d значения соответствия и узел 14е выбора кандидата.

Процессор 14а разделения на блоки разделяет входное изображение на блоки независимо от размера банкноты и ее характерной части и в настоящем варианте осуществления, как показано на фиг.6, разделяет входное изображение на блоки с размером 24×24 пиксела. Процессор 14а разделения на блоки получает следующий блок, сдвинутый на 16 пикселов после получения одного блока, так что смежные блоки перекрывают один другой на восемь пикселов. Таким образом, процессор 14а разделения на блоки разделяет входное изображение на блоки с размером 24×24 пиксела, так что расстояние между центрами смежных блоков составляет 16 пикселов, и смежные блоки перекрывают один другой на восемь пикселов.

Причина, по которой выполняется равномерное разделение на блоки (размер блоков фиксирован) независимо от размера банкноты или ее характерной части, состоит в том выполнении адаптивного процесса, требующего некоторое время на стадии, когда осуществляется процесс уменьшения, вызывает, в свою очередь, задержку обработки. Далее, считается, что, если оценивание, принимающее во внимание размер банкноты и ее характерной части, выполняется в подробном оценивании, осуществляемом позже процессором 15 подробного оценивания, имеется меньше необходимости в выполнении адаптивного разделения в процессе уменьшения.

Узел 14b выделения признака плотности далее разделяет каждый блок, разделенный процессором 14а разделения на блоки, на четыре для получения среднего значения в качестве признака плотности. Например, поскольку среднее значение верхнего левого участка по фиг.7 составляет 78, среднее значение верхнего правого участка составляет 113, среднее значение нижнего левого участка составляет 125, а среднее значение нижнего правого участка составляет 134, признаки плотности в данном случае составляют (78, 113, 125, 134).

Узел 14с выделения признака направления применяет фильтр Габора (четыре направления - по горизонтали, по вертикали, по диагонали вправо и по диагонали влево) к каждому блоку, разделенному процессором 14а разделения на блоки, для получения признаков направления в каждом пикселе. Фильтр Габора применяется к каждому блоку; однако на фиг.8 показан случай, когда фильтр Габора применяется ко всей банкноте, для удобства пояснения.

Полученные таким образом признаки направления соответствующих пикселов нормируются. Например, когда полученные признаки направления составляют (0,7, 0,2, 0,1, 1,2), нормированные признаки направления составляют (0,32, 0,09, 0,05, 0,55), полученные делением каждого компонента на полное значение каждого компонента, т.е. 0,7+0,2+0,1+1,2=2,2.

То есть, когда предполагается, что значение каждого пиксела в изображении направления того блока, к которому применен фильтр Габора, составляет для каждого блока

(где k=0 указывает горизонталь, k=1 указывает диагональ влево, k=2 указывает вертикаль, а k=3 указывает диагональ вправо), нормированные признаки g_k' направления каждого пиксела могут быть получены согласно следующему уравнению:

.

Среднее значение признаков g_k' направления (четыре измерения) каждого пиксела получают в единице блока и назначают в качестве признаков направления каждого блока. Соответственно, число измерений признаков направления на изображение составляет до 32×4×4=512, потому что число блоков равно 32, каждый блок является четырехмерным и имеется четыре вида входных изображений (инфракрасное изображение 21 в проходящем свете, инфракрасное изображение 22 в отраженном свете, видимое изображение 23 в проходящем свете и видимое изображение 24 в отраженном свете).

Вычислитель 14d значения соответствия вычисляет значение соответствия между входным изображением и эталонными изображениями каждой банкноты за счет использования признака плотности, полученного узлом 14b выделения признака плотности, и признаков направления, полученных узлом 14с выделения признаков направления.

Конкретно, вычислитель 14d значения соответствия выполняет обработку для получения признаков плотности и признаков направления 1000 раз для каждого типа банкноты (десять проб для 100 банкнот) и получает их средний вектор M_i и собственный вектор ковариационной матрицы K_i для сохранения этих векторов в узле 13 хранения в качестве признака. Когда получается входное изображение, вычислитель 14d значения соответствия получает признаки плотности и признаки направления путем выполнения вышеуказанной обработки в отношении входного изображения и назначает значение признаков плотности и признаков направления, дополненное проекцией расстояния признака входного изображения до собственного вектора, в качестве значения соответствия.

Фиг.9 представляет собой пояснительную диаграмму для пояснения идеи значения соответствия, вычисленного процессором 14 уменьшения числа кандидатов. Здесь для удобства пояснения поясняется случай двумерного режима. Когда 1000 проб выполняется заранее для некоторого типа банкноты, вследствие того, что имеется разница в полученных признаках плотности и признаках направления, можно получить средний вектор M_i и собственный вектор ковариационной матрицы K_i=Σ(X_i-M_i)(X_i-M_i)^T.

То есть, 1000 проб распределены эллиптически с центром на среднем векторе М_i, показанном на фиг.9 с главной осью Ф_i1 и малой осью Ф_i2. Когда входное изображение считывается для получения признака X_i (признаки плотности и признаки направления), расстояние между средним вектором M_i и признаком X_i составляет ||X_i-M_i|| (||a|| указывает эвклидову норму а).

Поскольку расстояние от точки, в которой признак X_i входного изображения проецируется на главную ось Ф_i1, до среднего вектора M_i составляет ||Ф_i1 ^T(X_i-M_i)||, расстояние d(i) проекции от признака X_i до главной оси Ф_i1 можно получить согласно нижеследующему уравнению. Поскольку здесь предполагается случай, в котором пять осей выбраны из более длинной стороны главной оси, k=1-5.

,

где i=1 указывает признак плотности в 128 измерениях инфракрасного изображения в проходящем свете, i=2 указывает признак плотности в 128 измерениях инфракрасного отраженного изображения, i=3 указывает признак плотности в 128 измерениях видимого изображения в проходящем свете, i=4 указывает признак плотности в 128 измерениях видимого изображения в отраженном свете, i=5 указывает признак плотности в 128 измерениях инфракрасного изображения в проходящем свете, i=6 указывает признак расстояния в 128 измерениях инфракрасного изображения в отраженном свете, i=7 указывает признак расстояния в 128 измерениях видимого изображения в проходящем свете, i=8 указывает признак расстояния в 128 измерениях видимого изображения в отраженном свете.

Подлежащее получению значение Z соответствия является суммой этих величин, т.е. Z=Σd(i) (где i=1-8 и i поясняется выше). Для сокращения времени обработки значение Z соответствия не получают для всех эталонных изображений, но кандидат уменьшается на свое значение расстояния проекции каждый раз, как получается расстояние d(i) проекции. Например, обработку уменьшения выполняют так, что кандидаты сужаются до 128 при d(4), а затем сужаются до 32 при d(2). Соответственно, число типов кандидатов банкноты может быть сужено, например, до примерно шести-восьми кандидатов, и значение соответствия каждого типа банкноты может получено совместно. Предпочтительно выполнять вычисление d(4) сначала, потому что d(4), указывающее признак плотности видимого изображения в отраженном свете, имеет наибольшие признаки в разграничении типа.

Соответственно, в настоящем варианте осуществления описанная выше последовательность обработок выполняется заранее для каждого типа банкноты, чтобы получить, например, 1000 комбинаций признака плотности и признаков направления и чтобы получить их признаки (средний вектор и собственный вектор) 13а, и эти результаты нужно сохранить в узле 13 хранения. Вычисление признаков (среднего вектора и собственного вектора) не нужно выполнять в устройстве 10 распознавания банкноты, а нужно только сохранять в узле 13 хранения данные, полученные отдельным устройством.

Узел 14е выбора кандидата выбирает заранее заданное число (четыре в данном случае) типов кандидатов банкноты, имеющих наибольшее значение соответствия, из типов банкноты, уменьшенных вычислителем 14d значения соответствия. Например, когда значения соответствия шести кандидатов получаются вычислителем 14d значения соответствия, узел 14е выбора кандидата выбирает четыре кандидата, имеющих наибольшее значение соответствия из шести кандидатов. Как пояснено выше, число подлежащих выбору кандидатов может меняться по команде, введенной из операционного узла в устройстве или извне устройства.

Подробности процессора подробного оценивания

Подробности процессора 15 подробного оценивания, показанного на фиг.1, поясняются далее со ссылкой на фиг.10-12. Фиг.10 представляет собой пояснительную диаграмму для пояснения разделения на блоки процессором 15 подробного оценивания, фиг.11 представляет собой пояснительную диаграмму для пояснения выработки среднего эталонного изображения процессором 15 подробного оценивания, а фиг.12 представляет собой пояснительную диаграмму для пояснения вычисления значения соответствия процессором 15 подробного оценивания..

Как показано на фиг.1, процессор 15 подробного оценивания включает в себя процессор 15а разделения на блоки, вычислитель 15b значения подробного соответствия и узел 15с вывода результата распознавания. Процессор 15а разделения на блоки считывает способы разделения, включенные в данные 13b эталонных изображений, соответствующие каждому из четырех типов кандидатов банкноты, выбранных процессором 14 уменьшения числа кандидатов из узла 13 хранения, разделяет входное изображение на блоки согласно каждому из считанных способов разделения.

Процессор 15а разделения на блоки разделяет входное изображение не путем равномерного разделения на блоки, выполняемого процессором 14а разделения на блоки в процессоре 14 уменьшения числа кандидатов, но путем изменения позиции блока и числа блоков для каждого типа банкноты. Это потому, что разделение на блоки выполняется так, чтобы акцентировать часть, имеющую характеристики каждой банкноты. Желательно, чтобы число блоков возрастало, чем в случае процессора 14а разделения на блоки, и выполнялась регулировка для не включения промежутка с равными интервалами. На фиг.10 показано состояние, в котором, когда М блоков предусмотрены в горизонтальном направлении и N блоков предусмотрены в вертикальном направлении, регулировка выполняется для не включения внешней области иной, нежели участок банкноты в дальнем левом блоке. Таким образом, важно вычислить существенное значение соответствия путем выполнения регулировки для не включения промежутка иного, нежели участок банкноты.

Как получить позицию блока, поясняется конкретно. Сначала, когда предполагается, что длины банкноты в горизонтальном и вертикальном направлениях банкноты составляют lenX и lenY, соответственно, число блоков в горизонтальном и вертикальном направлениях банкноты составляют М и N, соответственно, блоковые интервалы в горизонтальном и вертикальном направлениях банкноты составляют disX и disY, соответственно, а подлежащая получению позиция блока равна (Ха, Yb), число блоков в горизонтальном и вертикальном направлениях подсчитываются на 8-пиксельных интервалах по отношению к длине банкноты. Когда предполагается, что размер блока составляет 12×12 пикселов, устанавливается

М=((lenX-12)/8)+1

N=((lenY-12)/8)+l

Блоковые интервалы (равны или меньше восьми пикселов) получаются с помощью числа блоков М и N согласно следующим уравнениям:

disX=(lenX-12)/M

disY=(lenY-12)/N,

а позиция блока, который является а-ым блоком в горизонтальном направлении и b-ым блоком в вертикальном направлении, получается путем использования блоковых интервалов disX и disY согласно следующим вычислительным формулам:

Ха=disX×a

Yb=disY×b.

Вычислитель 15b значения подробного соответствия вычисляет разности плотности между блоками входного изображения и соответствующими блоками среднего эталонного изображения в качестве значений подробного соответствия. Конкретно, когда определяется позиция (а, b) сжатия блока для некоторого блока входного изображения, вычислитель 15b значения подробного соответствия сжимает 49 блоков путем сдвига сжимающей позиции на три пиксела в горизонтальном направлении и три пиксела в вертикальном направлении (а±3, b±3). Вычислитель 15b значения подробного соответствия затем получает разности плотности между сжатыми 49 блоками входного изображения и блоками, сжатыми на основе соответствующей позиции (а, b) блока среднего эталонного изображения. Вычислитель 15b значения подробного соответствия получает минимальное значение из 49 разностей плотности и назначает это минимальное значение в качестве значения соответствия блока. Здесь поясняется случай, когда сжимающая позиция сдвигается на три пиксела в горизонтальном направлении и три пиксела в вертикальном направлении; однако величина сдвига не ограничивается этим.

Причина, по которой вычисляют не только одну разность плотности между блоками в соответствующих сжимающих позициях (а, b) блоков входного изображения и среднего эталонного изображения, но получают разности плотности между 49 блоками входного изображения и соответствующими 49 блоками среднего эталонного изображения путем сдвига сжимающей позиции блока, состоит в том, что во входном изображении может возникать неточное совмещение.

Это свойство поясняется подробнее. Когда определяют позицию (а, b) блока входного изображения, и когда предполагается, что k частей (например, 49 частей) данных изображения, центрированных на позиции блока, указываются как s_x(a, b) (1≤k≤49) и данные изображения среднего эталонного изображения в позиции (а, b) блока равны t(a, b), значение Z_a,b соответствия в каждом блоке получается из нижеследующего уравнения. Это уравнение получает разность плотности, и минимальное значение из 49 разностей плотности с k=1-49 назначается в качестве значения соответствия в позиции блока. Когда предполагается, что s_ki(a, b) обозначает значение i-го пиксела в некотором изображении блока входного изображения, t_i(a, b) обозначает значение i-го пиксела в некотором изображении блока среднего эталонного изображения, n обозначает число пикселов в изображении блока, a Z_a,b обозначает значение соответствия в позиции блока, устанавливается следующее уравнение:

.

На практике, как показано на фиг.11, после того, как сжато частичное изображение в позиции (а, b) блока среднего эталонного изображения, как показано на фиг.12, частичное изображение, сжатое из среднего эталонного изображения, применяется к той же самой позиции (а, b) блока входного изображения, благодаря чему получают разность плотности. После этого приложенная позиция последовательно сдвигается на ±3 пиксела в горизонтальном направлении и ±3 пиксела в вертикальном направлении для получения разностей плотности, и их минимальное значение назначается в качестве значения соответствия в позиции (а, b) блока.

Таким путем после того, как получены значения соответствия всех блоков, значения соответствия всех блоков суммируют, как показано в нижеследующем уравнении, для получения значения Z подробного соответствия с конкретным типом кандидата банкноты, где λ_a,b есть параметр, считанный из узла 13 хранения, и представляет собой взвешивающий коэффициент каждого блока. Взвешивающий коэффициент λ_а,b увеличивается для характерных блоков данного типа банкноты и уменьшается для нехарактерного блока данного типа банкноты. Например, линейный дискриминантный анализ выполняется путем использования данных, полученных из множества оригинальных банкнот и других видов банкноты (иностранных банкнот, других купюр), и взвешивающий коэффициент λ_a,b может быть задан на основе его результата

.

После того, как вычислитель 15b значения подробного соответствия получит значения подробного соответствия для всех типов кандидатов банкноты, узел 15с вывода результата распознавания выводит тип банкноты, имеющий наибольшее значение подробного соответствия, в качестве результата распознавания банкноты. Например, результат распознавания банкноты может быть отображен на узле отображения (не показан) либо может быть распечатан узлом печати (не показан).

Процедура распознавания банкноты, выполняемая устройством распознавания банкноты

Далее поясняется процедура распознавания банкноты, выполняемая устройством 10 распознавания банкноты, показанным на фиг.1. Фиг.13 является блок-схемой алгоритма процедуры распознавания банкноты, выполняемой устройством 10 распознавания банкноты. Предполагается, что признаки (средний вектор и собственный вектор) 13а для каждого типа банкноты заранее сохраняются в узле 13 хранения.

Как показано на фиг.13, в устройстве 10 распознавания банкноты узел 11 входного изображения выполняет обработку введения изображения для извлечения входного изображения подлежащей распознаванию банкноты (этап S101). Входное изображение включает в себя инфракрасное изображение 21 в проходящем свете, инфракрасное изображение 22 в отраженном свете, видимое изображение 23 в проходящем свете и видимое изображение 24 в отраженном свете, показанные на фиг.2.

Сжимающий процессор 12 затем выполняет обработку сжатия для сжатия участка банкноты соответственно из принятого входного изображения (четыре вида изображений) из узла 11 входного изображения (этап S102), а процессор 14 уменьшения числа кандидатов выбирает четыре типа кандидатов банкноты, соответствующих входному изображению (этап S103).

Процессор 15 подробного оценивания затем выполняет подробное оценивание для конкретизации одного типа банкноты, соответствующего входному изображению, из четырех типов кандидатов банкноты, выбранных процессором 14 уменьшения числа кандидатов банкноты (этап S104). Таким образом, один тип банкноты, соответствующий входному изображению, выводится путем подробного оценивания.

Далее, процедура обработки сжатия участка банкноты, показанная на этапе S102, поясняется ниже более подробно. Фиг.14 является блок-схемой алгоритма процедуры сжатия участка банкноты, показанной на этапе S102 на фиг.13.

Как показано на фиг.14, при обработке сжатия участка банкноты выполняют обнаружение краевой точки для обнаружения краевой точки на внешнем крае участка банкноты в четырех видах входного изображения, т.е. в инфракрасном изображении 21 в проходящем свете, инфракрасном изображении 22 в отраженном свете, видимом изображении 23 в проходящем свете и видимом изображении 24 в отраженном свете (этап S201), и приближенный угол θ1 скоса, который указывает наклон участка банкноты, получается за счет использования обнаруженной краевой точки (этап S202). Конкретно, как показано на фиг.3, сканирование выполняется сверху, и обработка обнаружения краевой точки со значением больше заранее заданного значения повторяется в горизонтальном и вертикальном направлении для получения краевой точки, а затем получается показанный на фиг.3 угол θ1.

Как поясняется выше, со ссылкой на фиг.4, затем выполняется преобразование Хафа на основе краевой точки и угла θ1 для получения плоскостей Хафа на верхней стороне, нижней стороне, левой стороне и правой стороне (этап S203), и наибольшее значение получается для каждого угла в плоскости голосования на каждой стороне, чтобы выполнить дополнение гистограммы путем добавления наибольших значений четырех сторон (этап S204). Угол с полученным наибольшим значением гистограммы назначается как угол θ скоса банкноты, чтобы получить наибольшее значение при угле θ скоса из плоскости Хафа на каждой стороне, и выполняется вычисление углов с назначением наибольшего значения в качестве позиции ρ на каждой стороне (этап S205).

Как показано на фиг.5, участок банкноты затем сжимается на основе полученных позиции ρ и угла θ скоса на каждой стороне и поворачивается (этап S206), обработка сжатия участка банкноты выполняется для сжатия участка банкноты из входного изображения (этап S207).

Далее подробно поясняется процедура уменьшения числа кандидатов, показанная на этапе S103 на фиг.13. Фиг.15 является блок-схемой алгоритма процедуры уменьшения числа кандидатов, показанной на этапе S103 на фиг.13.

Как показано на фиг.15, сначала выполняется разделение на блоки для равномерного разделения входного изображения на блоки (этап S301). Конкретно, как показано на фиг.6, блок размером 24×24 пиксела разделяется на блоки в интервалах из 16×16 пикселов.

После этого выполняется обработка выделения признака плотности, в которой каждый блок, разделенный процессором 14а разделения на блоки, разделяется далее на четыре части, чтобы получить их средние значения, и эти средние значения назначаются как признак плотности (этап S302), и фильтр Габора (четыре направления - горизонтальное, вертикальное, по диагонали влево и по диагонали вправо) применяется к каждому блоку входного изображения, посредством чего получают признаки направления в каждом пикселе (этап S303).

После этого вычислитель 14d значения соответствия вычисляет значение соответствия для каждого типа банкноты из входного изображения путем использования признака плотности, полученного узлом 14b выделения признака плотности, и признаков направления, полученных узлом 14с выделения признаков направления (этап S304), и узел 14е выбора кандидатов выбирает четыре кандидата в убывающем порядке значения соответствия (этап S305).

Далее подробно поясняется процедура подробного оценивания, показанная на этапе S104 на фиг.13. Фиг.16 является блок-схемой алгоритма процедуры подробного оценивания, показанной на этапе S104 на фиг.13.

Как показано на фиг.16, процессор 15а разделения на блоки адаптивно разделяет входное изображение на блоки согласно каждому из способов разделения, соответствующих четырем типам кандидатов банкноты, выбранных процессором 14 уменьшения числа кандидатов (этап S401). То есть, процессор 15а разделения на блоки выполняет не равномерное разделение на блоки, выполненное процессором 14а разделения на блоки в процессоре 14 уменьшения числа кандидатов, но выполняет обработку разделения путем изменения позиции блока и числа блоков для каждого типа банкноты.

После этого вычислитель 15b значения подробного соответствия получает разности плотностей между блоками входного изображения и соответствующими блоками среднего эталонного изображения и суммирует разности (значения соответствия) плотностей всех блоков, посредством чего вычисляется значение подробного соответствия (этап S402).

Когда значение подробного соответствия получено для каждого типа кандидатов банкноты, узел 15с вывода результата распознавания выводит тип кандидата банкноты с наибольшим значением подробного соответствия в качестве результата распознавания банкноты (этап S403).

Как описано выше, в настоящем варианте осуществления обработка введения изображения для выявления изображения подлежащей распознаванию банкноты в качестве входного изображения выполняется узлом 11 входного изображения, а сжимающий процессор 12 соответственно сжимает участок банкноты из принятых входных изображений (четыре вида изображений) из узла 11 входного изображения. Процессор 14 уменьшения числа кандидатов выбирает четыре эталонных изображения, соответствующих входному изображению, а процессор 15 подробного оценивания выполняет подробное оценивание для конкретизации одного кандидата эталонного изображения, соответствующего входному изображению, из четырех кандидатов эталонных изображений, выбранных процессором 14 уменьшения числа кандидатов. Поэтому, даже если имеется много типов подлежащих оцениванию бумажных документов, тип бумажного документа можно распознать с высокой точностью и эффективно на высокой скорости.

В настоящем варианте осуществления пояснен случай, когда признаки (собственный вектор и средний вектор) каждого эталонного изображения, используемого в обработке уменьшения числа кандидатов, и средних эталонных изображений, используемых при подробном оценивании, вырабатываются заранее отдельными устройствами и сохраняются в узле 13 хранения. Однако настоящее изобретение не ограничено этим, и данные части информации могут вырабатываться заранее устройством 10 распознавания банкноты и сохраняться в узле 13 хранения, либо эти части информации могут вырабатываться при приеме входного изображения.

В настоящем варианте осуществления пояснено, что используется среднее эталонное изображение 13b, выработанное заранее процессором 15 подробного оценивания. Однако настоящее изобретение не ограничивается этим, и эталонное изображение, извлеченное из идеальной среды, может использоваться вместо среднего эталонного изображения.

В настоящем варианте осуществления пояснен случай, когда процессор 15 подробного оценивания выполняет подробное оценивание путем использования разностей плотности. Однако настоящее изобретение не ограничивается этим, и подробное оценивание можно выполнять иной системой.

В настоящем варианте осуществления пояснен случай, когда настоящее изобретение применено к банкноте. Однако настоящее изобретение не ограничено этим, и данное изобретение можно также применять к случаю, когда распознаванию подлежат иные типы бумажных документов, такие как чеки.

Промышленная применимость

Как описано выше, устройство распознавания бумажного документа и способ распознавания бумажного документа согласно настоящему изобретению полезны, когда входное изображение бумажных документов соотносится с эталонным изображением множества бумажных элементов для распознавания типа бумажного документа во входном изображении. В частности, устройство распознавания бумажного документа и способ распознавания бумажного документа пригодны для распознавания типа бумажного документа с высокой точностью и эффективно и на высокой скорости, даже когда имеется много типов подлежащих оцениванию бумажных документов.

1. Устройство распознавания бумажного документа, которое распознает тип бумажного документа во входном изображении путем сопоставления входного изображения с эталонными изображениями множества бумажных документов, содержащее:
узел выбора кандидатов, который выбирает заранее заданное число типов кандидатов бумажных документов на основе признака плотности и признаков направления в каждом блоке, полученном путем равномерного разделения входного изображения и эталонных изображений; и
узел подробного оценивания, который адаптивно разделяет входное изображение на блоки согласно признакам эталонного изображения, соответствующего каждому типу бумажного документа, выбранному узлом выбора кандидатов, и выполняет подробное оценивание на основе сопоставления значений между соответствующими блоками разделенного входного изображения и каждого из эталонных изображений.

2. Устройство распознавания бумажного документа по п.1, дополнительно содержащее узел хранения признаков, который сохраняет в себе признаки эталонного изображения для каждого типа бумажных документов, при этом
узел выбора кандидатов содержит:
первый узел разделения на блоки, который равномерно разделяет входное изображение на блоки во время приема входного изображения;
вычислитель признака плотности, который вычисляет признак плотности для каждого блока, на которые разделяет первый узел разделения на блоки;
вычислитель признаков направления, который вычисляет признаки направления для каждого блока, на которые разделяет первый узел разделения на блоки; и
выбирающий узел, который выбирает заранее заданное число типов кандидатов бумажного документа на основе признака плотности для каждого блока, вычисленного вычислителем признака плотности, признаков направления для каждого блока, вычисленных вычислителем признаков направления, и признаков каждого из эталонных изображений, хранящихся в узле хранения признаков.

3. Устройство распознавания бумажного документа по п.1, дополнительно содержащее память, которая хранит для каждого типа бумажных документов способы разделения на блоки, соответствующие признакам эталонного изображения каждого типа бумажных документов, и разделенные эталонные изображения, полученные разделением эталонного изображения на блоки согласно способу разделения на блоки, при этом
узел подробного оценивания включает в себя:
второй узел разделения на блоки, который считывает из памяти способы разделения на блоки и разделенные эталонные изображения, которые соответственно отвечают типам кандидатов бумажного документа, выбранным узлом выбора кандидатов, и разделяет входное изображение на блоки согласно каждому из способов разделения на блоки; вычислитель значений подробного сопоставления, который вычисляет для каждого из типов кандидатов бумажного документа значения подробного сопоставления между соответствующими блоками разделенного входного изображения, разделенного на блоки вторым узлом разделения на блоки, и разделенными эталонными изображениями; и конкретизирующий узел, который конкретизирует тип бумажного документа, соответствующий входному изображению, на основе соответствующих значений подробного сопоставления, вычисленных вычислителем значений подробного сопоставления.

4. Устройство распознавания бумажного документа по п.1, в котором:
входное изображение и эталонные изображения включают в себя инфракрасное изображение в отраженном свете, инфракрасное изображение в проходящем свете, видимое изображение в отраженном свете и видимое изображение в проходящем свете, полученные путем воспроизведения одного и того же бумажного документа, и
узел выбора кандидатов временно уменьшает типы кандидатов бумажного документа за счет использования признака плотности и признаков направления для каждого блока в видимом отраженном изображении, а затем последовательно уменьшает типы кандидатов бумажного документа за счет использования инфракрасного изображения в проходящем свете, инфракрасного отраженного изображения и видимого изображения в проходящем свете от временно уменьшенных типов кандидатов бумажного документа, чтобы выбрать заранее заданное число типов кандидатов бумажного документа из множества типов бумажных документов.

5. Устройство распознавания бумажного документа по п.2, в котором: первый узел разделения на блоки разделяет входное изображение равномерно на блоки одного и того же блочного размера, даже если размеры соответствующих бумажных документов различны, в зависимости от типов бумажных документов.

6. Устройство распознавания бумажного документа по п.2, в котором: узел выбора кандидатов дополнительно включает в себя узел приема числа выборов, который принимает команду для установки числа типов кандидатов подлежащего выбору бумажного документа, а выбирающий узел выбирает установленное число типов кандидатов бумажного документа.

7. Способ распознавания бумажного документа, предназначенный для распознавания типа бумажного документа во входном изображении путем сопоставления этого входного изображения бумажного документа с эталонными изображениями множества бумажных документов, содержащий этапы, на которых:
выбирают заранее заданное число типов кандидатов бумажного документа на основе признака плотности и признаков направления для каждого блока, полученного путем равномерного разделения входного изображения и эталонных изображений; и
подробно оценивают адаптивное разделение входного изображения на блоки согласно признакам эталонного изображения, соответствующего каждому типу бумажных документов, выбранному на этапе выбора кандидатов, и выполняют подробное оценивание на основе сопоставления значений между соответствующими блоками разделенного входного изображения и каждого из эталонных изображений.