片形物识别方法和片形物识别装置 【技术领域】
本发明涉及用于识别诸如钞票的片形物的识别方法以及识别装置。
背景技术
当在诸如银行的机构中使用的存款机或自动柜员机(ATM)的存款或取款操作过程中检测到多张馈送钞票或折叠钞票等时，将这种钞票存储在拒收箱中，而不对其进行鉴别处理。
然而，不可能确定拒收箱中存储的这种钞票的种类或数量，除非有资格的人员从箱中取出钞票，并清点或检查这种钞票。
例如，在特开平第10-302112号公报(专利文献1)中提到了一种方法，该方法通过再次使用拒收钞票而减小拒收钞票的数量。钞票由鉴钞装置通过再鉴别过程进行处理，在该再鉴别过程中，将拒收钞票返回到钞票输入装置，然后该钞票输入装置以较低速度馈送这些钞票。
第二专利，即特许第3320386号(专利文献2)，提到了这样一种方法，该方法跟踪正在传输地钞票的种类和数量，从而，即使发生多张馈送，也可以确定钞票的种类和数量。
然而，专利文献1中提到的方法仅仅着眼于通过减小传输速度来提高鉴别准确度，而未鉴别多张馈送的钞票。
专利文献2中提到的方法，仅仅试图利用钞票的厚度并通过跟踪钞票从哪个钞票箱馈送出，来估测钞票的种类和数量。
[专利文献1]特开平第10-302112号公报(图1，第0008段)
[专利文献2]特许第3320386号(图6，第0035、0036段)
【发明内容】
本发明要解决的问题是，使得可以识别存在交叠的介质的种类。
根据本发明的一种片形物识别方法包括以下步骤：读取由片形物构成的介质的透射图像；在存储装置中存储所读取的图像；提取存储装置中存储的图像的轮廓线；基于所提取的轮廓线提取区域；从所提取的区域，剪切透射图像，或者反射图像的交叠部分或非交叠部分；以及通过对剪裁图像与基准图像进行比较来识别介质种类。
根据本发明，可以通过对从交叠图像剪裁的非交叠部分或交叠部分的图像与基准图像进行比较，来识别交叠介质的种类。
根据本发明的另一种片形物识别方法包括以下步骤：读取介质的透射图像；在存储装置中存储所读取的图像；提取存储装置中存储的图像的轮廓线；基于所提取的轮廓线提取区域；计算所提取的区域的像素密度；根据所计算的像素密度是否等于或大于预定值，判定多个交叠区域的图像是否是同一介质的图像；基于图像的交叠部分或非交叠部分的大小，剪裁透射图像、或者反射图像的交叠部分或非交叠部分；以及通过对剪裁图像与基准图像进行比较，来识别介质的种类。
根据本发明，通过对从交叠介质的图像剪裁的非交叠部分或交叠部分的图像与基准图像进行比较，可以识别交叠介质的种类。还可以通过计算图像密度，来识别同一介质或不同介质的图像。
在上述的片形物识别方法中，其中，通过对所提取的轮廓线应用霍夫变换提取了相同的直线，并提取了由所提取的直线包围的矩形。
应用霍夫变换使得可以简单地从提取自介质图像的多条轮廓线中提取一条直线，从而准确地提取该介质的轮廓。
在上述的片形物识别方法中，其中，判定图像的非交叠部分是否小于预定值；并且，如果前述部分小于预定值则剪裁交叠部分的图像，如果前述部分不小于预定值则剪裁该非交叠部分的图像。
这种结构使得可以从交叠介质剪切合适的图像以进行比照。
在上述的片形物识别方法中，其中，分别计算具有交叠部分的多个矩形区域的对角线交点，将相应的对角线交点的坐标处于预定范围内的矩形归为一组，并从每组的一个图像剪裁出比照用的图像。
这种结构使得即使从该介质提取了多个区域，也可以通过将提取的区域一起归为一个，来从介质提取一个区域。注意，通过测量介质的透射图像密度，消除了将两个几乎完全交叠的介质片归为一个的可能性，从而判定这些图像为不同介质的图像。
在上述的片形物识别方法中，其中，对剪裁图像应用Niblack二值化，并通过对经二值化的图像与Niblack二值化基准图像进行比较，来识别钞票种类。
这种利用了Niblack二值化的比照使得能够缩短比照处理，同时改进比照准确度。
图1描述了根据本发明的片形物识别装置的原理。
根据本发明的片形物识别装置包括：图像读取装置1，用于读取由片形物等构成的介质的透射图像；存储装置2，用于存储所读取的图像；轮廓提取装置3，用于提取存储在存储装置2中的图像的轮廓线；区域提取装置4，用于基于提取的轮廓线提取区域；剪裁装置5，用于从提取的区域中剪切透射图像、或者反射图像的交叠部分或非交叠部分；以及识别装置6，用于通过对剪裁图像与基准图像进行比较，来识别介质种类。
根据本发明，可以通过对交叠图像的非交叠部分或交叠部分的图像与基准图像进行比较，来识别存在交叠的介质的种类。
根据本发明的另一种片形物识别装置包括：图像读取装置1，用于读取由片形物等构成的介质的透射图像；存储装置2，用于存储所读取的图像；轮廓提取装置3，用于提取存储在存储装置2中的图像的轮廓线；区域提取装置4，用于基于提取的轮廓线提取区域；密度计算装置7，用于计算所提取的区域的像素密度；判定装置8，用于根据所计算的像素密度是否等于或大于预定值来判定多个交叠区域中的图像是否是同一介质的图像；剪裁装置5，用于基于图像的交叠部分或非交叠部分的大小，剪裁图像的交叠部分或非交叠部分；以及识别装置6，用于通过对剪裁图像与基准图像进行比较来识别介质种类。
根据本发明，可以通过对从交叠图像剪裁的非交叠部分的图像或交叠部分的图像与基准图像进行比较，来识别交叠介质的种类。还可以通过计算图像的像素密度，来判定一个图像是同一介质的图像还是不同介质的图像。
在上述发明中，所述图像读取装置读取所述介质的透射图像或反射图像，所述剪裁装置通过限定与所述透射图像的交叠部分对应的所述反射图像的交叠部分，剪裁所述反射图像的交叠部分或非交叠部分的图像。
这种结构使得可以确定透射图像的交叠部分及与透射图像的交叠部分对应的反射图像的交叠部分，从而从交叠介质的反射图像中剪裁合适的图像以进行比照。
【附图说明】
图1示出本发明的原理；
图2示出根据一实施例的自动柜员机的传输系统和钞票存储装置的结构；
图3示出控制装置的结构；
图4示出钞票识别处理的流程图；
图5示出介质剪裁处理的流程图；
图6示出Niblack二值化处理的流程图；
图7示出图像的密度和阈值；
图8示出矩阵比照处理的流程图；
图9(A)-(C)分别示出反射图像、透射图像以及提取图像的轮廓；
图10(A)和(B)示出基于提取轮廓绘制的矩形；
图11(A)和(B)示出与所绘制的矩形对应的反射图像；
图12(A)和(B)示出已删除交叠部分的图像；
图13中的(A)和(B)示出已旋转并平移到原点的提取矩形，(C)和(D)示出二值化图像；以及
图14示出登记钞票的二值化图像。
【具体实施方式】
下面将参照附图来描述本发明的实施例。图2示出根据本实施例的自动柜员机(ATM)11的传输系统和钞票存储装置的结构。可以将根据本发明的片形物识别装置实现为配备在ATM等中的装置，或者实现为鉴钞机。注意，“片形物”一词的含义是广泛的，包括纸介质，如钞票、银行支票、证券契约等。
存放在存取装置12中的钞票由馈出辊13馈送到内部传输路径，并在鉴钞装置14中经受对于复合馈送的检查、对钞票种类的识别，以及对钞票真伪的鉴别。判定后被拒绝的钞票存储在拒收箱15中。
判定为正常馈送(即，没有复合馈送)的合法货币的钞票叠置在鉴钞装置14处的临时叠存装置16中。在顾客完成对存款数额的确认操作之后，临时叠存装置16中叠置的钞票经鉴钞装置14被再次馈送，并被恰当地馈送到用于千日元钞票的存储叠卡箱17或用于万日元钞票的存储叠卡箱18。如果顾客在将钱输入机器中后进行取消存款操作，则将叠置在临时叠存装置16中的钞票馈出到存取装置12。
如果顾客进行取款操作，则将叠置在钞票盒19和20中的钞票经传输路径馈出到存取装置12。
图3示出控制装置的结构，该控制装置用于控制钞票传输、在鉴钞装置14处识别拒收钞票的种类并鉴别真钞和伪钞。
CPU 31根据存储在ROM 32中的程序执行传输控制、拒收钞票种类识别以及真钞和伪钞的鉴别，指示图像处理器34执行轮廓线提取、图像比照等，并将处理结果数据存储在RAM 33中。
图像处理器34对由鉴钞装置14中配备的透射线传感器35和反射线传感器36成像的钞票图像数据执行轮廓线提取处理、区域提取处理等，并且经由复用器37将所得图像数据存储在RAM 38中。存储在RAM 38中的图像数据可由CPU 31经由复用器37读取。
图4示出鉴钞装置14的处理流程的流程图。CPU 31和图像处理器34执行下面的过程。
首先，透射线传感器35和反射线传感器36检测钞票的图像数据，并将检测到的图像数据存储在RAM 38中(图4，S11)。
然后，该过程执行介质剪裁处理(图4，S12)。介质剪裁处理在图像上执行轮廓和矩形提取，以剪裁交叠介质。
图5示出图4中所示的步骤S12的介质剪裁处理的流程图，该介质剪裁处理对透射线传感器35检测到的钞票透射图像中的每个像素的密度的一次差分进行计算(图5，S21)。
通过对该差分结果与用于提取钞票轮廓线的预定阈值进行比较，对该差分结果简单地进行二值化(图5，S22)。在本实施例中，透射线传感器35通过读取钞票并设置背景为白色，来检测钞票的透射图像。这就最大化了边界与背景之间的密度差，即，沿钞票轮廓线的密度差，因此使得能够通过连接呈现最大密度斜率的点来提取轮廓线。
对二值化的轮廓线应用霍夫变换，将在霍夫平面上经过同一点的轮廓线提取为同一直线(图5，S23)。霍夫变换将直线转换为由到基准点的距离ρ和角度θ表示的点，因此，任意直线都可以通过霍夫平面(ρ-θ平面)上的点(ρ，θ)来表示，而霍夫平面则由横轴上的角度θ和纵轴上的距离ρ限定。
在步骤S24中执行矩形提取处理，其将与霍夫变换获取的点对应的直线分为两组，即，垂直线和水平线，并构建由分别成组的垂直线和水平线包围的x-y坐标上的矩形。
由透射线传感器35或钞票的粗糙边缘引起的读取误差会导致对于一张钞票提取多条轮廓线，这转而又会导致对于同一介质(即，一张钞票)构建多个矩形。在这种情况下，通过各个矩形的对角线的坐标来对这些矩形进行分组，并由一个矩形来表示坐标处于一预定区域内的多个矩形。在矩形的交叠部分计算平均像素密度，并判定平均密度是否高于预定阈值。注意，在本实施例中，灰度图像数据被定义为，白色的密度最高，并且向着黑色密度逐渐降低。
如果平均像素密度低于阈值，也就是说，其密度接近黑色，则判定该图像是多个交叠介质的，因此将这些图像当作不同介质的图像。如果平均像素密度等于或大于阈值，则判定图像是一个介质的，从而随后的过程将它当作同一组的图像。
当完成矩形提取时，如果存在交叠部分，则对非交叠部分(后面称为“非交叠部分”)的像素数量(点数)进行计数，并判定非交叠部分的像素数是否小于预定阈值(图5，S25)。
如果矩形的非交叠部分的像素数量不小于预定阈值(S25处为“否”)，即，非交叠部分的像素数量等于或大于预定阈值，则处理进行到步骤S26，并剪裁该非交叠部分作为介质的图像。
相反，如果非交叠部分的像素数量小于预定阈值(S25处为“是”)，则处理进行到步骤S27，并剪裁交叠部分作为介质的图像。
通过上述的步骤S21到S27的处理，可以提取介质的轮廓并从该轮廓提取矩形(区域)，然后剪裁钞票的非交叠部分或交叠部分的图像作为识别用目标物。
随着介质剪裁的完成，如图4所示执行步骤S13的标记处理，从而将一编号分配给该剪裁介质。
然后，该处理通过检查该介质的长度是否在预定的钞票长侧长度的范围内，来确定它是否是判定范围内的钞票。
如果该介质的长侧长度在钞票的指定范围内(步骤S14处为“是”)，则处理进行到步骤S15，并执行Niblack二值化处理，(参照W.Niblack：An Introduction to Digital Image Processing)，其用于对反射线传感器36读取到的反射图像进行图像剪裁。
图6示出Niblack二值化处理的流程图，图7示出针对Niblack二值化处理的白色、中间色以及黑色的阈值，以及像素密度的分布。
如图7所示，Niblack二值化定义一个白色阈值(即，针对高密度的阈值)、一个黑色阈值(即，针对低密度的阈值)，以及一个中间色阈值。分别基于白色阈值和黑色阈值，来对像素密度进行二值化，以确定哪些像素是白色的、哪些像素是黑色的。已经证实，使用下面描述的经由Niblack二值化的模式匹配，改进了钞票种类的识别准确度。
在图6所示的过程中，首先，从RAM 38中读出钞票的与上述介质剪裁处理中的透射图像的剪裁区域(非交叠或交叠部分)对应的反射图像的图像数据(钞票数据)(图6，S30)。
然后，读取预定的白色阈值和黑色阈值(图6，S31)。
然后，判定剪裁介质的像素密度是否等于或大于白色阈值(图6，S32)。如果像素密度等于或大于白色阈值(S32处为“是”)，则过程进行到步骤S33，并确定该像素为白色。
如果像素密度小于白色阈值(S32处为“否”)，则过程进行到步骤S34，并判定像素密度是否等于或小于黑色阈值。
如果像素密度等于或小于黑色阈值(S34处为“是”)，则过程进行到步骤S35，并确定该像素为黑色。
如果判定像素密度大于黑色阈值(S34处为“否”)，则过程进行到步骤S36，并判定像素密度是否等于或小于中间阈值。
如果像素密度等于或小于中间阈值(S36处为“是”)，则过程进行到上述步骤S35，并确定该像素为黑色。同时，如果像素密度大于中间阈值(S36处为“否”)，则过程进行到步骤S33，并确定该像素为白色。
一旦已通过步骤S33或S35完成对像素值的确定，则将确定的像素值存储在RAM 38中，作为比照用的二值化数据(图6，S37)。
通过对反射图像的剪裁图像(与透射图像的剪裁部分对应的图像)的每个像素应用上述Niblack二值化，可以对从钞票检测到的图像进行二值化。
在图4所示的步骤S15中完成Niblack二值化处理之后，过程执行图4所示的步骤S16中的矩阵比照(“模式匹配”)。
图8示出上述步骤S16中的矩阵比照处理的详细流程图。
首先，从RAM 38中读取反射图像的二值化数据(图8，S41)，作为模式匹配的目标物(“比照用二值化数据”)。
然后，从非易失性存储器如ROM 32中读取用于每类钞票的二值化数据(图8，S42)，作为模式匹配的基准(“登记用二值化数据”)。
最后的步骤计算从钞票读取到的比照用二值化数据与存储在ROM 32中的作为基准的登记用二值化数据之间的一致率(“点比照率”)(图8，S43)。
然后，针对ROM 32中存储的各钞票种类的正面和反面的基本图像以及颠倒钞票的基本图像，如上述步骤S41至S43所述，通过读取二值化图像并计算点比照率，确定表示出高比照率的钞票种类。注意，如图14所示，ROM 32中存储有各钞票种类的正面、反面、颠倒图像的Niblack二值化数据。
当完成矩阵比照时，过程进行到如图4所示的步骤S17，并判定针对所述钞票种类的点比照率与最高比照率之间的差，以及针对所述钞票种类的点比照率与第二高比照率之间的差，是否等于或大于预定阈值。
如果点比照率的差等于或大于阈值(S17处为“是”)，则针对特定钞票种类的比照结果显著不同于其它钞票种类的比照结果，过程进行到步骤S18，确定该钞票种类为目标物，并输出该结果作为识别结果。
相反，如果最高点比照率和第二高点比照率之间的差比所述阈值小(S17处为“否”)，则在比照结果中不存在显著差别，从而不能确定钞票种类，处理进行到步骤S19，并执行差错处理。
根据上述实施例，可以识别如因多张馈送、折叠等而可能发生的交叠钞票种类。在RAM 33中存储识别钞票的种类和数量，这使得远程控制中心等可以获知存储在拒收箱中的钞票的种类和数量，而不需由有资格的人员取回ATM的拒收箱。
接着，参照图9至14来具体描述通过上述的轮廓线和矩形提取以及Niblack二值化而进行的钞票种类识别方法。
图9(A)和(B)例示出分别由鉴钞装置14中包括的反射线传感器36和透射线传感器35读取到的反射图像和透射图像，图9(C)示出从透射图像中提取的轮廓线。注意，虽然图9(C)示出的是直轮廓线，而非锯齿状线，但实际上从一个介质可以提取出多条轮廓线。
对提取的轮廓线施加霍夫变换，对获得的直线进行组合来提取图10(A)和(B)所示的矩形。此外，判定提取矩形的非交叠部分的大小(即，点数)是否等于或大于预定值，如果它等于或大于预定值，则剪裁该非交叠部分；而如果它小于预定值，则剪裁交叠部分。
计算提取矩形的直线的交点的坐标，并且如图11所示确定由反射图像的对应坐标点包围的区域和交叠部分的区域。从RAM 38中读取这些部分的图像数据。
删除来自该读出图像的交叠部分。图12(A)和(B)示出已从反射图像中删除交叠部分之后的图像(渐变数据)。
然后，过程通过旋转和平移这些图像以使各个图像的左上角处的点对应于X-Y坐标系的原点，来将这些图像移动到图13(A)和(B)所示的相应位置处，接着通过Niblack二值化对移动后的图像进行二值化。图13(C)和(D)示出在已删除交叠部分后的二值化图像。
一旦获得了二值化图像，就在删除交叠部分之后，读取存储在ROM 32中的登记用二值化数据，该登记用二值化数据存储了四种图像(即，如图14所示各钞票种类的正面、反面、颠倒正面以及颠倒反面)的Niblack二值化数据。
然后，该过程将已经删除了交叠部分的图像移动到如图13(A)和(B)所示的X-Y坐标系的各个原点处，对上述图像的Niblack二值化图像与针对每个钞票种类的登记二值化图像数据进行比较，并选择表示出最高相似度的钞票种类。然后，判定针对某一钞票种类的最高相似度与针对另一种类的第二高相似度之间的差是否等于或大于预定阈值，如果相似度差等于或大于预定阈值，则确定该钞票种类事实上就是读出的钞票种类。注意，在比较图像时，例如通过遮蔽与删除部分的图像数据对应的登记用二值化数据，或者与仅被读出的剪裁部分对应的登记用数据，可以对比较进行限制。
本发明不受上述实施例限制，它还可以如下构造：
(a)虽然本实施例通过透射图像剪裁交叠部分，并比较对应于该剪裁部分的反射图像与基准图像，但也可以比较透射图像的剪裁图像与基准图像；和/或
(b)本发明不仅可以应用于钞票识别装置，还可以应用于需要识别存在交叠的纸介质(如银行支票、证书或证券契约等)的任何装置。
根据本发明，可以识别存在交叠的纸片的种类。例如，可以确定ATM等中的拒收钞票的种类和数量，因此，可以在远程控制中心获知拒收钞票的种类和数量，而无需亲临ATM设施来核实拒收箱中存储的钞票。