Способ классификации банкнот (варианты)

Способ классификации банкнот (варианты)

Иллюстрации

Показать все

Реферат

Область техники

Изобретение относится к способам определения основных характеристик банкнот, таких как вид валюты и номинал. Способ может быть реализован в устройствах, производящих детектирование, подсчет либо сортировку банкнот.

Описываемый способ основан на вычислительной обработке цифрового образа банкноты, который формируется в устройстве при сканировании транспортируемой через него банкноты, ориентированной произвольным образом. В результате вычислительной обработки цифрового образа, называемой классификацией, определяется один или несколько классов, к которым банкнота, возможно, принадлежит. Под классом банкноты понимается уникальная совокупность из валюты, номинала и ориентации банкноты. Поддельные банкноты, а также иные документы, на обработку которых способ не настроен, определяются как не относящиеся ни к одному классу.

Если результатом классификации являются несколько возможных классов, то необходимо провести дополнительное уточнение класса, к которому в действительности принадлежит банкнота. На основе определенного класса банкноты устройство принимает решение о последующем перемещении банкноты и выдаче информации о ней пользователю в соответствии со своими настройками и алгоритмом работы. Классификация, даже если она не решает полностью задачу о точном отнесении банкноты к тому или иному классу, позволяет существенно ускорить обработку банкноты за счет исключения большинства классов из рассмотрения на финальном этапе дополнительного определения.

Предшествующий уровень техники

Способ классификации в составе устройства, производящего обработку банкнот, описан в международной заявке на изобретение WO 2007/068867 (опубл. 21.06.2007 г., МПК G07D 7/20). Устройство сканирует банкноту, получая цифровой образ, состоящий из двумерных изображений банкноты. Для проведения вычислительной обработки цифрового образа устройство оснащено вычислительным блоком.

Согласно этому способу для автоматической валидации используется набор классификаторов одного класса, каждый из которых применяется к набору из величин средних значений отдельных областей изображения. Области для усреднения выделяются в соответствии с определенной схемой разбиения, задаваемой индивидуально для каждого классификатора. Классификатор одного класса представляет собой вычислительный процесс, результатом которого является оценочная статистическая характеристика. Для каждого из известных классов имеется критерий принадлежности банкноты к определенному классу, основанный на сравнении значении оценочной статистической величины для этого класса с предопределенным пороговым значением. В соответствии с данным способом классификаторы для всех известных классов последовательно применяются к образу банкноты, и только после этого анализируются их результаты и выносится суждение о принадлежности банкноты к тому или иному классу.

Одним из недостатков способа, описанного в вышеназванной заявке, является использование отдельной схемы разбиения по областям для каждого из классификаторов. Соответственно, вычисление средних значений областей нужно делать в отдельности для каждого классификатора. Другим недостатком данного способа является то, что основная вычислительная обработка (вычисление средних значений и применение классификаторов) проводится в неизменном объеме для каждого возможного класса, и только затем производится анализ результата. Оба указанных недостатка приводят к большой вычислительной сложности, особенно если число применяемых классификаторов велико. Большая вычислительная сложность, в свою очередь, требует применения вычислительного блока повышенной производительности.

В известном способе происходит практически линейное увеличение требований к производительности вычислительного блока устройства при увеличении числа классов, к которым может относиться банкнота. Это происходит из-за того, что соответствие банкноты каждому возможному классу проверяется независимо. Таким образом, для реализации известного способа затруднительно создать устройство, способное работать с большим количеством валют различных государств.

Раскрытие изобретения

Задачей настоящего изобретения является разработка способа классификации банкнот, относящихся к большому числу возможных классов, с применением вычислительного блока средней производительности.

Техническим результатом является снижение вычислительных затрат при обработке банкноты.

Этот результат достигается тем, что в способе классификации банкнот в соответствии с первым вариантом сканируют банкноту для получения двумерного образа, состоящего из пикселей, разделяют полученный образ на области по заданной схеме разделения, для каждой области по определенному алгоритму вычисляют функцию, так что ее значение зависит от значений пикселей, входящих в область, из вычисленных значений составляют вектор признаков банкноты, используя значения функции для каждой из областей в качестве координат в пространстве признаков, выносят суждение о возможности принадлежности банкноты к, по меньшей мере, одному заранее известному классу банкнот, для чего находят расстояние в пространстве признаков между банкнотой и классом, причем класс представляется заранее известным вектором центроида класса, заранее известным вектором допустимого отклонения, а также максимально допустимым расстоянием до класса, при этом для вычисления расстояния между банкнотой и заранее известным классом для каждой отдельной координаты в пространстве признаков находят модуль разности между значениями этой координаты вектора признаков банкноты и вектора центроида и вычитают из него значение данной координаты вектора допустимого отклонения, вычисляют расстояние, суммируя только те из полученных значений, которые являются положительными, при этом для вынесения суждения сравнивают расстояние между банкнотой и данным классом с максимально допустимым расстоянием до данного класса, если найденное расстояние не превышает максимально допустимого расстояния до данного класса, приходят к выводу о возможности принадлежности банкноты к данному классу, если же найденное расстояние превышает максимально допустимое расстояние до данного класса, приходят к выводу о невозможности принадлежности банкноты к данному классу.

В одной из реализаций способа при вычислении функции для каждой области производят преобразование, которое обеспечивает уменьшение разброса значения этой функции для одной и той же области для различных банкнот, относящихся к одному и тому же классу.

В одной из реализаций способа в ходе вычисления расстояния между банкнотой и заранее известным классом проверяют, не превысило ли значение суммы величины максимально допустимого расстояния до данного класса, в случае превышения прекращают дальнейшие вычисления и выносят суждение о невозможности принадлежности банкноты к данному классу.

В одной из возможных реализаций способа в соответствии с первым вариантом дополнительно находят сигнатуру образа банкноты в виде двоичного числа, для чего каждому разряду сигнатуры сопоставляют определенную пару областей, для каждой такой пары областей сравнивают соответствующие этим областям значения функций, устанавливают значение каждого разряда сигнатуры в соответствии с логическим результатом сравнения, а перед нахождением расстояния в пространстве признаков между банкнотой и классом дополнительно находят второе расстояние до этого класса, для чего класс представляется заранее известной сигнатурой центроида класса, заранее известной битовой маской сравнения, а также максимально допустимым вторым расстоянием до центроида, при этом находят двоичные разряды сигнатуры банкноты, отличающиеся от соответствующих разрядов сигнатуры центроида класса, из них отбрасывают те разряды, которые маскируются битовой маской сравнения, находят второе расстояние между банкнотой и данным классом, для чего подсчитывают количество отличающихся разрядов, которые не замаскированы битовой маской сравнения, сравнивают найденное расстояние с максимально допустимым вторым расстоянием до данного класса, если найденное расстояние превышает максимально допустимое, то выносят суждение о непринадлежности банкноты к данному классу и переходят к рассмотрению следующего известного класса.

Заявленный технический результат достигается тем, что в способе классификации банкнот в соответствии со вторым вариантом сканируют банкноту для получения двумерного образа банкноты, состоящего из пикселей, разделяют полученный образ на области по заданной схеме разделения, для каждой области по определенному алгоритму вычисляют функцию, так что ее значение зависит от значений пикселей, входящих в область, находят сигнатуру образа банкноты в виде двоичного числа, для чего каждому разряду сигнатуры сопоставляют определенную пару областей, для каждой такой пары областей сравнивают соответствующие этим областям значения функций, устанавливают значение каждого разряда сигнатуры в соответствии с логическим результатом сравнения, производят сопоставление сигнатуры с заранее известными классами банкнот, причем каждый класс представляется заранее известным центроидом класса, заранее известной битовой маской сравнения, а также максимально допустимым расстоянием до центроида, при этом для известного каждого класса находят двоичные разряды сигнатуры, отличающиеся от соответствующих разрядов центроида класса, из них отбрасывают те разряды, которые маскируются битовой маской сравнения, находят расстояние между банкнотой и данным классом, для чего подсчитывают количество отличающихся разрядов, которые не замаскированы битовой маской сравнения, сравнивают найденное расстояние с максимально допустимым расстоянием до данного класса, если найденное расстояние не превышает максимально допустимого расстояния до данного класса, выносят суждение о возможности принадлежности банкноты к данному классу, если же найденное расстояние превышает максимально допустимое расстояние до данного класса, то выносят суждение о невозможности принадлежности банкноты к данному классу.

В одной из реализаций второго варианта способа для нахождения расстояния до класса дополнительно вычисляют заданную функцию, аргументами которой являются количество отличающихся разрядов, которые не замаскированы битовой маской сравнения, а также количество маскирующих разрядов в битовой маске класса.

В одной из реализаций второго варианта способа пары областей составляются из областей, имеющих общую границу.

Для обоих вариантов способа возможна реализация, при которой после вынесения суждения о возможности принадлежности банкноты к известным классам дополнительно сравнивают между собой расстояния от банкноты до тех классов, принадлежность к которым признана возможной, находят тот класс, расстояние до которого является минимальным, и выносят суждение о принадлежности банкноты к найденному классу.

Классы, принадлежность к которым можно проверить по заявленному способу, будем называть известными классами. Состав известных классов определяется особенностями области применения устройства. Так, если устройство предназначено только для обработки банкнот одного государства, то для него в состав известных классов должны входить все номиналы банкнот данного государства, каждый в 4 возможных ориентациях. Для многовалютных устройств состав известных классов должен быть соответственно увеличен, чтобы охватить все номиналы и ориентации заданного набора валют. Заявленный способ при реализации для конкретного устройства настраивается на определенный набор известных классов за счет соответствующего выбора параметров (заранее известных). Заявленный способ выявляет принадлежность банкноты к одному из известных классов либо дает заключение о том, что банкнота не принадлежит ни к одному из известных классов.

В соответствии с обоими вариантами способа определение возможного класса, к которому принадлежит банкнота, происходит за счет вычисления меры соответствия банкноты тому или иному классу и ее последующей оценки. В отличие от прототипа цифровой образ банкноты разбивают на области по схеме разбиения, общей для всех известных классов. Поэтому вычисление входных данных для оценки меры соответствия происходит однократно, а его вычислительная сложность не увеличивается с ростом числа известных классов. Оба варианта способа при вычислении меры соответствия предусматривают только выполнение логических операций, а также сложения и вычитания, которые наиболее быстро выполняются процессором. В прототипе в отличие от предложенного метода предполагается использование матричной арифметики, содержащей большое количество операций умножения и потому являющейся более сложной вычислительно. В обоих вариантах способа используется вычисление меры соответствия как интегральной характеристики, в целом отражающей степень принадлежности банкноты определенному классу. За счет этого локальные отличия банкноты от типового представителя ее класса не приводят к существенному ухудшению меры соответствия. Напротив, общие отличия в цифровом образе, характерные для банкнот других классов, приводят к ухудшению меры соответствия. Таким образом, снижается вероятность неправильной классификации.

Первый вариант изобретения позволяет вычислять меру соответствия, которая учитывает не только средние значения пикселей в отдельных областях банкноты, но и допустимые отклонения от этих значений. Таким образом, отличия от типовой банкноты данного класса, связанные с естественной изменчивостью определенных областей банкноты, не приводят к ухудшению меры соответствия банкноты данному классу. В качестве таких областей можно назвать зоны расположения номеров банкнот и защитных металлизированных лент, область центрального сгиба, края и углы. С другой стороны, отличия в тех областях, где банкноты одного класса являются сходными, приводят к ухудшению меры соответствия. За счет этого выявляются банкноты других классов, имеющие сравнительно небольшие отличия от банкнот данного класса, а также подделки. Таким образом, снижается вероятность неправильной классификации и обеспечивается повышенная точность принятия решения о принадлежности данному классу.

По второму варианту изобретения мера соответствия вычисляется путем побитовой обработки всего лишь трех двоичных слов, что обеспечивает особенно высокую скорость классификации. Применение маски сравнения позволяет исключить из рассмотрения пары областей, соотношение значений функции между которыми нестабильно в пределах одного класса. Таким образом, аналогично первому варианту уменьшается влияние естественной изменчивости банкноты на меру соответствия.

Первый вариант обеспечивает несколько более высокую точность классификации в сравнении со вторым, поскольку степень отличия областей характеризуется целым числом, а не одним двоичным разрядом. Поэтому при обработке банкнот первый вариант может использоваться с несложной процедурой уточнения либо без таковой. За счет этого обеспечивается высокое быстродействие. С другой стороны, суммарное быстродействие обработки банкнот, состоящей из классификации по второму варианту и последующего уточнения класса, оказывается весьма высоким, поскольку классификация проходит крайне быстро, а уточнение проводится только для малой оставшейся части известных классов. Таким образом, оба варианта обеспечивают высокое быстродействие обработки банкнот.

В обоих вариантах изобретения классификацию начинают с получения цифрового образа банкноты в устройстве для обработки банкнот. Цифровой образ банкноты может быть сформирован на основе различных физических принципов. Соответственно, в устройствах для обработки банкнот применяются датчики, регистрирующие разные физические характеристики банкноты. Наиболее распространенными являются оптические датчики, фиксирующие характеристики пропускания или отражения излучения банкнотой на определенных длинах волн в видимом, инфракрасном и ультрафиолетовом диапазонах. Кроме того, оптические датчики используются для регистрации различных видов люминесценции. Помимо оптических датчиков, широкое распространение получили магнитные датчики, регистрирующие магнитную проницаемость или остаточную намагниченность банкноты. Применение также находят датчики, измеряющие электрическую проницаемость и толщину банкноты.

Обычно датчики фиксируют последовательности отсчетов при линейном перемещении банкноты. Этот процесс называется сканированием банкноты. С точки зрения геометрической привязки к поверхности банкноты в цифровом образе результаты работы датчиков могут представляться в виде одномерных или двумерных массивов. Они содержат оцифрованные отсчеты величин, регистрируемых датчиками.

Одномерные массивы описывают распределение того или иного параметра на поверхности банкноты вдоль прямолинейной полосы, которая определенным образом расположена на поверхности банкноты. Примером такого массива является массив значений сигнала датчика намагниченности, область чувствительности которого при перемещении по поверхности банкноты формирует прямолинейную полосу.

Двумерные массивы описывают распределение того или иного параметра по прямоугольным областям, расположенным на поверхности банкноты в виде рядов и колонн. Примером двумерного массива является результат оптического сканирования поверхности банкноты в режиме измерения уровня отраженного света. Часто двумерный оптический компонент цифрового образа банкноты называют изображением, а элементы двумерного массива - пикселями. Несмотря на то что в большинстве случаев двумерные массивы формируются оптическими датчиками, известны также устройства, регистрирующие двумерные массивы остаточной намагниченности.

Процесс обработки банкнот может осуществляться как на основе одномерных, так и двумерных массивов, а также их сочетания. При этом использование только одномерных массивов не позволяет достаточно надежно охарактеризовать различные классы банкнот, так как характерные признаки банкнот определенных классов могут оказаться вне пределов полос, регистрируемых датчиками. Поэтому в большинстве практических приложений, где необходимо высокое качество обработки банкнот различных классов, применяют устройства, регистрирующие двумерные массивы. Для увеличения надежности идентификации банкнот и отклонения подделок к двумерным массивам иногда добавляют одномерные. Согласно заявленному способу для классификации используются данные двумерных массивов. Данные одномерных массивов могут использоваться на стадии дополнительного уточнения класса, если она предусмотрена после завершения классификации.

Когда цифровой образ банкноты получен, для проведения классификации производится извлечение признаков. Под признаком понимают числовое значение, характеризующее цифровой образ банкноты. Каждый из признаков вычисляется на основе двумерных данных цифрового образа по определенному алгоритму. Для извлечения признаков, согласно заявленному изобретению, разделяют полученный образ на области по заданной схеме разделения. Области могут иметь любую форму. Допускается взаимное перекрытие двух и более областей. Для каждой области по определенному алгоритму вычисляют функцию, значение которой зависит от значений пикселей, входящих в область. Простейшим примером такой функции является усредненное значение тех пикселей из определенного двумерного массива, которые попадают в область. Конкретный выбор областей и соответствующих им функций должен делаться таким образом, чтобы при их помощи в максимально возможной степени охарактеризовать взаимные различия банкнот всех известных классов. В терминологии, принятой в теории распознавания образов, признаки должны выбираться таким образом, чтобы обеспечить уверенное разделение классов. Как показывает практический опыт, это возможно в большинстве случаев.

При использовании большого количества областей удается более точно охарактеризовать различия между банкнотами разных классов. Однако последующая вычислительная обработка признаков усложняется с ростом количества признаков. В заявленном изобретении этот рост имеет линейный характер, в то время как в прототипе вычислительная сложность обработки растет по квадратичному закону от количества признаков. Очевидно, что количество признаков имеет предел, при превышении которого вычислительная сложность обработки признаков уже не позволяет достичь необходимого быстродействия устройства.

Каждому образу банкноты ставится в соответствие точка в n-мерном пространстве признаков, координатами которой являются значения соответствующих признаков. Для определения классов, к которым, возможно, принадлежит банкнота, вычисляют расстояние от каждого из известных классов до анализируемой банкноты. Под расстоянием до класса здесь понимается некоторая математическая характеристика, которая тем меньше, чем более банкнота похожа на типичного представителя заданного класса. Расстояние вычисляется на основании вектора признаков банкноты.

Это расстояние используется как мера соответствия банкноты заданному классу. Варианты 1 и 2 используют различные способы вычисления расстояния.

Описание чертежей

На фиг.1 изображено расположение класса в пространстве признаков.

На фиг.2 показано взаимное расположение известных классов в пространстве признаков.

На фиг.3 показано упорядоченное регулярное разбиение цифрового образа банкноты на квадратные зоны 10х10 пикселей на примере образа купюры 500 Евро в инфракрасном свете.

На фиг.4а изображен график изменения уровней пропускания (отражения) банкноты при износе.

На фиг.4b изображен график перемещения банкноты в пространстве признаков по мере износа.

На фиг.5 (а-d) показано изменение гистограммы банкноты по мере износа, на фиг.5е показан вид гистограммы после линейного преобразования интервала значений пикселей.

На фиг.6а показано расположение класса в пространстве признаков до линейного преобразования интервала значений пикселей, на фиг.6b - после линейного преобразования.

На фиг.7 изображена блок-схема алгоритма классификации по способу 1.

На фиг.8а изображена схема разбиения банкноты, на фиг.8b приведены значения признаков, на фиг.8с - значения полученных битов сигнатуры.

На фиг.9 изображена блок-схема алгоритма классификации по способу 2.

На фиг.10, 11 изображена блок-схема алгоритма классификации с использованием сигнатуры и манхеттенского расстояния.

На фиг.12 изображена блок-схема последовательности действий при пересчете банкнот в устройстве.

Варианты реализации изобретения

Вычисление расстояния от банкноты до заданного класса по варианту 1 проиллюстрировано на фиг.1, фиг.2. С целью упрощения для изображения пространства признаков используется плоская прямоугольная система координат с двумя координатными осями. В реальности размерность «n» пространства признаков может достигать 100 и более, однако изобразить его на чертеже практически невозможно. Изображение трехмерного пространства происходит с потерей наглядности, а для пространств большей размерности изображение вовсе невозможно. Тем не менее, заключения, сделанные для двумерного пространства, без потери общности можно распространить и на общий случай n-мерного пространства.

Каждая банкнота на чертеже представляется точкой Х=(Х1, Х2). Класс задается центроидом С=(С1, С2) и вектором допустимого отклонения Δ=(Δ1, Δ2). Эти величины определяются в ходе анализа большого количества банкнот, принадлежащих данному классу, так называемых обучающих банкнот. Каждая обучающая 1 банкнота на чертеже изображена крестиком. В ходе обучения необходимо построить минимально возможный по размерам прямоугольник 2, охватывающий все имеющиеся обучающие 1 банкноты. Такой прямоугольник мы в дальнейшем будем называть моделью класса. В n-мерном пространстве модель класса является гиперпараллелепипедом. Центр модели класса является центроидом класса С=(С1, С2), а половина размера модели класса по каждой координате дает соответствующий компонент вектора отклонения Δ=(Δ1, Δ2). Модель класса можно представить как декартово произведение интервалов ([С1-Δ1, С1+Δ1], [С2-Δ2, С2+Δ2]).

Элементы вектора центроида С характеризуют средние значения признаков банкнот одного класса. Элементы вектора допустимого отклонения Δ, напротив, характеризуют изменчивость отдельных признаков в совокупности обучающих 1 банкнот. Из-за описанной изменчивости отдельные признаки банкноты заданного класса, соответствующие изменчивым зонам, могут иметь большее отклонение от центроида С, чем другие, которые соответствуют мало изменчивым зонам. При помощи компонентов вектора Δ задаются индивидуальные пределы отклонения признаков в пределах модели класса.

Банкноты 1, взятые для обучения, полностью попадают в пределы модели 2 класса. Банкноты 3 из оборота обозначены звездочкой. Большая часть из них попадает в пределы модели класса. Однако отдельные банкноты 3 из оборота не будут попадать в пределы модели 2 класса, а будут выходить за ее пределы. Это связано с изменчивостью признаков в пределах очень большого количества банкнот, находящихся в обращении. Такая изменчивость не может быть учтена в ходе обучения.

Для нахождения расстояния между банкнотой и заданным классом по варианту 1 применяется так называемое «манхеттенское расстояние». По определению «манхеттенское расстояние» между двумя точками А=(А1, А2) и В=(В1, В2) вычисляется как сумма модулей разностей соответствующих координат точек |А1-В1|+|А2-В2|. «Манхеттенское расстояние» известно в математике как одна из альтернатив традиционному понятию «евклидова расстояния», вычисляемого как . Для нахождения «манхеттенского расстояния» используются только вычислительные операции сложения, вычитания и сравнения. «Евклидово расстояние» дополнительно требует для своего вычисления более сложных операций возведения в квадрат и взятия квадратного корня. Поэтому вычислительные затраты для нахождения «манхеттенского расстояния» значительно ниже, чем затраты на нахождение «евклидового расстояния». Как характеристика близости «манхеттенское расстояние» практически не уступает «евклидовому».

В качестве расстояния от банкноты 3 до класса для варианта 1 мы будем использовать «манхеттенское расстояние» между банкнотой 3 и моделью 2 этого класса. Поскольку класс представляется моделью 2 класса в виде прямоугольника (гиперпараллелепипеда), а банкнота 3 представляется точкой, то расстояние между моделью 2 класса и банкнотой 3 есть минимальное «манхеттенское расстояние» между этой точкой и множеством точек прямоугольника (гиперпараллелепипеда) модели. Для его обозначения мы будем использовать символ DM.

Для вычисления расстояния между банкнотой В=(В1, В2) и заданным классом для каждой отдельной координаты в пространстве признаков находят модуль разности между значениями этой координаты вектора признаков банкноты В и вектора центроида С и вычитают из него значение данной координаты вектора отклонения А. Значение расстояния находят суммируя только те из полученных значений, которые являются положительными. Фактически, этот вычислительный процесс находит наименьшее из «манхеттенских расстояний» между банкнотой В и точками модели ([С1-Δ1, С1+Δ1], [С2-Δ2, С2+Δ2]) заданного класса.

Банкноты 1 из обучающей совокупности всегда имеют нулевое расстояние DM от банкноты до класса. Банкноты 3 из обращения, принадлежащие заданному классу, имеют нулевое расстояние DM до этого класса, только если они лежат внутри его модели 2. Те банкноты, которые не попадают в пределы модели 2 класса, будут иметь некоторое положительное расстояние DM до этого класса. Когда банкнота 3 из обращения принадлежит заданному классу, значение расстояния DM будет невелико. Банкнота 5, относящаяся к другому классу, имеет большое расстояние DM до заданного класса. Это свойство используется для классификации банкнот согласно заявленному способу.

На Фиг.1 при помощи восьмиугольников 4 показаны границы областей, для внутренних точек которых расстояние DM до заданного класса меньше определенного значения. В n-мерном пространстве эти области будут ограничены многогранными гиперповерхностями. Для исключения банкноты, не относящейся к заданному классу, следует определить максимально допустимое значение DM=DMTH, при котором все банкноты заданного класса будут находиться внутри соответствующего многоугольника. Чтобы проверить, относится ли банкнота к заданному классу, вычисляют расстояние от нее до этого класса и проверяют, что оно не превосходит максимально допустимого значения DMTH до этого класса. Если оно не превосходит DMTH, то делают вывод о том, что банкнота может принадлежать к заданному классу. Если же расстояние больше, чем DMTH, то делают вывод о том, что банкнота не может принадлежать заданному классу.

На Фиг.2 изображено расположение известных классов а-h в пространстве, причем каждый класс изображается в виде его модели и семейства ограничивающих линий (гиперповерхностей). Внешняя ограничивающая линия (гиперповерхность) для каждого класса соответствует максимально допустимому расстоянию DMTH и называется границей класса. Точка, соответствующая классифицируемой банкноте, может попасть в пределы внутри границы того или иного класса. В этом случае делается вывод о том, что банкнота может принадлежать этому классу. Если точка не попадает в границы ни для одного класса, то делается вывод о том, что банкнота не принадлежит ни одному из известных классов.

Для уменьшения последующей обработки банкноты после классификации наиболее предпочтительным является такое расположение классов, при котором их границы не пересекаются. В этом случае всегда является возможным сделать вывод о принадлежности одному классу либо непринадлежности ни одному известному классу. На основе подобного вывода устройство может произвести необходимые действия по обработке банкноты, например переместить ее в выходной карман, соответствующий тому классу, к которому принадлежит банкнота.

При оптимальном выборе признаков, как показывает опыт, в большинстве случаев удается достигнуть такого расположения классов, при котором их границы не пересекаются. Однако в определенных случаях это невозможно, например для похожих друг на друга версий банкнот одного и того же номинала, которые обычно различаются только небольшими деталями. Классы с и f, как показано на чертеже, пересекаются своими границами. Точка 6, соответствующая банкноте, попадает в пределы обоих классов. Поэтому результатом ее классификации являются два класса: с и f. В этом случае в устройстве необходимо провести дополнительные действия по уточнению, к какому же из найденных классов все-таки относится банкнота.

Уточнение может быть проведено на основании дополнительных данных, извлекаемых из цифрового образа банкноты. Однако имеется возможность провести классификацию таким образом, что в ее результате будет определен только один класс. Для этого сравнивают между собой расстояния от банкноты до тех классов, принадлежность к которым признана возможной. Затем находят тот класс, расстояние до которого является минимальным, и выносят суждение о принадлежности банкноты к найденному классу. Так, из двух классов с и f расстояние от точки 6 до класса f меньше, чем до с. Поэтому делается вывод о принадлежности банкноты к классу f. При неоптимальном выборе признаков классы будут плохо разделяться в пространстве и пересекаться своими границами. При этом качество классификации упадет, поскольку многие классы одновременно могут признаваться в качестве возможных, а выбор по минимальному расстоянию не даст уверенности в правильном определении класса. В результате будет требоваться проведение дополнительного, затратного в вычислительном смысле, уточнения результатов классификации.

Выбор признаков складывается из выбора областей и выбора функции вычисления признака. Выбор областей можно оптимизировать под улучшение определения одного класса или нескольких классов, если расположить области в тех местах банкноты, которые наиболее отличают банкноту от других классов. Однако когда количество известных классов велико, то области необходимо располагать таким образом, чтобы они в равной степени могли зарегистрировать отличительные особенности банкнот всех известных классов. Поэтому близким к оптимальному является упорядоченное регулярное разделение на области одинаковой формы и равного размера. Пример такого разбиения приведен на Фиг.3, где квадратные области расположены в виде рядов и колонн.

Усреднение значения пикселей из двумерного массива, попадающих в заданную область, является быстрым и достаточно эффективным способом вычисления признака. Однако в случае сильного износа банкнот значения признака для одной и той же области, вычисленного для банкнот разной степени износа, могут существенно отличаться. Это приводит к увеличению размера модели класса и необходимого значения максимально допустимого расстояния до класса DMTH.

Существует способ видоизменения функции вычисления признака для каждой области таким образом, чтобы уменьшить разброс значения этой функции для одной и той же области для различных банкнот, относящихся к одному и тому же классу. При этом становится возможным уменьшить размер модели класса и его границы, за счет чего сокращается возможность пересечения границ классов и улучшается их разделение. В результате улучшается качество классификации.

В качестве первого шага вычисляют усредненное значение пикселей из заданного двумерного массива, которые попадают в заданную область. Затем преобразуют полученное значение, чтобы учесть различия между банкнотами одного класса, находящимися в обороте. Различия между банкнотами по выходе с печатной фабрики относительно невелики и начинают увеличиваться по мере их износа. Износ банкнот можно разделить на общий, происходящий во всех областях банкноты, и локальный, относящийся к отдельным зонам банкноты. Локальный износ плохо поддается моделированию и учету, так как связан с индивидуальными повреждениями банкнот: получению пятен, проколов, разрывов, отгибу уголков, появлению посторонних надписей. Общий износ, напротив, происходит достаточно единообразно у всех банкнот, и включает два основных процесса: истирание красочного слоя и загрязнение.

Особенности общего износа банкноты, в первом приближении, учитываются линейной моделью износа банкноты, как проиллюстрировано графиками 7-10 на Фиг.4а. Линейная модель износа непосредственно применима к характеристикам оптического пропускания и отражения. За счет загрязнения снижается общее пропускание или отражение излучения бумагой. В свою очередь, истирание красочного слоя приводит к уменьшению общего контраста банкноты. На графике Фиг.4а показано отображение начальных значений оптической плотности на различных участках совершенно новой банкноты (ось абсцисс) в значения оптической плотности на тех же участках после износа банкноты (ось ординат). При помощи Ibm обозначено значение пропускания чистой банкнотной бумаги неизношенной банкноты. Imax обозначает максимальный отклик датчика. Прямая 8 соответствует практически неизношенной банкноте, прямая 7 - банкноте с истертым красочным слоем, прямая 10 - банкноте с равномерным загрязнением, прямая 9 - загрязненной банкноте с истертым красочным слоем. Данная модель не отражает нелинейные искажения в передаче градаций оптической плотности. Однако, как показывает опыт, применение данной модели дает возможность существенно уменьшить различия признаков для банкнот одного класса и разной степени износа.

На Фиг.4b показано, каким образом видоизменяется положение банкноты в пространстве признаков по мере износа. Предполагается, что признаки X1, Х2 вычислены при помощи функции уср