[go: up one dir, main page]

ES2923881T3 - Detección de irregularidades superficiales en monedas - Google Patents

Detección de irregularidades superficiales en monedas Download PDF

Info

Publication number
ES2923881T3
ES2923881T3 ES17814381T ES17814381T ES2923881T3 ES 2923881 T3 ES2923881 T3 ES 2923881T3 ES 17814381 T ES17814381 T ES 17814381T ES 17814381 T ES17814381 T ES 17814381T ES 2923881 T3 ES2923881 T3 ES 2923881T3
Authority
ES
Spain
Prior art keywords
coin
feature
interest
vector
topographic data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
ES17814381T
Other languages
English (en)
Inventor
Serge Levesque
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ultra Electronics Forensic Technology Inc
Original Assignee
Ultra Electronics Forensic Technology Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ultra Electronics Forensic Technology Inc filed Critical Ultra Electronics Forensic Technology Inc
Application granted granted Critical
Publication of ES2923881T3 publication Critical patent/ES2923881T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/20—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring contours or curvatures, e.g. determining profile
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/586—Depth or shape recovery from multiple images from multiple light sources, e.g. photometric stereo
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D5/00—Testing specially adapted to determine the identity or genuineness of coins, e.g. for segregating coins which are unacceptable or alien to a currency
    • G07D5/005—Testing the surface pattern, e.g. relief
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D5/00—Testing specially adapted to determine the identity or genuineness of coins, e.g. for segregating coins which are unacceptable or alien to a currency
    • G07D5/10—Testing the rim, e.g. the milling of the rim
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30136—Metal

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Testing Of Coins (AREA)

Abstract

Detección de irregularidades superficiales en monedas. Los datos topográficos tridimensionales de al menos una superficie de una moneda, que tiene al menos una característica, se adquieren y utilizan para determinar las características de las características de la moneda, basándose en componentes vectoriales de vectores normales en varios puntos de la superficie de la moneda. A continuación, las características de las características se comparan con las características de las características de referencia. Con base en esta comparación, se proporciona una indicación de irregularidad si se encuentran diferencias entre las características de la característica y las características de referencia. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN
Detección de irregularidades superficiales en monedas
Campo técnico
La presente divulgación se refiere en general al procesamiento de imágenes y, más específicamente, al uso del procesamiento de imágenes tridimensionales para detectar monedas falsificadas.
Antecedentes de la técnica
Todavía hoy, las monedas se utilizan como un componente importante de muchas divisas mundiales. Las modernas técnicas de acuñación han mejorado la precisión con la que se fabrican las monedas y han permitido diseños cada vez más complejos y medidas contra la falsificación. Sin embargo, la forja y la falsificación de monedas es una industria que se adapta rápidamente, ya que las monedas falsas se parecen cada vez más a las monedas reales y engañan a las estrategias contra la falsificación existentes.
Específicamente, las monedas falsificadas modernas a menudo tienen un tamaño y una masa precisos para engañar a los sistemas contra la falsificación tradicionales basados en dimensiones. Además, las técnicas modernas de falsificación corrigen problemas que comúnmente afectaban a las monedas falsificadas, como superficies oxidadas y efectos magnéticos inesperados. Por lo tanto, los sistemas tradicionales contra la falsificación, que pueden usar detectores ópticos para determinar las dimensiones de una moneda o sistemas magnéticos para validar la composición de la moneda, a menudo son derrotados por las monedas forjadas modernas.
Como tal, existe la necesidad de nuevas estrategias contra la falsificación que no sean derrotadas fácilmente por las técnicas modernas de falsificación. El documento US2015355102 describe un aparato de inspección de imágenes, un método de inspección de imágenes, un programa de inspección de imágenes, un medio de grabación legible por ordenador y un dispositivo de grabación.
Compendio
La presente divulgación proporciona métodos, sistemas y medios legibles por ordenador para detectar irregularidades superficiales en monedas. Los datos topográficos tridimensionales de al menos una superficie de una moneda, que tiene al menos un rasgo, se adquieren y utilizan para determinar las características de los rasgos de moneda, basándose en componentes vectoriales de vectores normales en diversos puntos de la superficie de la moneda. A continuación, las características de los rasgos se comparan con las características de rasgo de referencia. Con base en esta comparación, se proporciona una indicación de irregularidad si se encuentran diferencias entre las características de rasgo y las características de referencia.
De acuerdo con un aspecto amplio, se proporciona un método para detectar una irregularidad en una moneda que tiene al menos un rasgo. El método comprende: adquirir datos topográficos 3D de al menos una superficie de la moneda, comprendiendo los datos topográficos 3D al menos una región de interés; determinar componentes vectoriales de un vector normal para al menos algunos puntos de la al menos una región de interés; determinar al menos una característica de rasgo basada en los componentes vectoriales de cada vector normal; comparar la al menos una característica de rasgo con las características de rasgo de referencia; y proporcionar una indicación de irregularidad cuando una diferencia entre la al menos una característica de rasgo y las características de rasgo de referencia está fuera de una tolerancia predeterminada, en donde determinar al menos una característica de rasgo basada en los componentes vectoriales comprende al menos uno de un contorno de un rasgo, un área de superficie de un rasgo y la distancia entre dos rasgos.
En algunas realizaciones, adquirir datos topográficos 3D de al menos una superficie de la moneda comprende adquirir datos para al menos dos de una superficie superior, una superficie inferior y una superficie periférica de la moneda.
En algunas realizaciones, adquirir los datos topográficos 3D comprende adquirir una imagen de mapa de elevación bidimensional.
En algunas realizaciones, determinar los componentes vectoriales de un vector normal comprende determinar los componentes de los ejes x, y, z de los vectores normales.
En algunas realizaciones, determinar componentes vectoriales de un vector normal comprende determinar un ángulo de inclinación y una dirección de inclinación para al menos algunos puntos de la al menos una región de interés.
En algunas realizaciones, determinar al menos una característica de rasgo basada en los componentes vectoriales comprende generar una imagen de ángulo basada en el ángulo de inclinación de cada vector normal y una imagen de dirección basada en la dirección de inclinación de cada vector normal.
En algunas realizaciones, el método comprende además determinar al menos uno de una divisa y una denominación de la moneda.
En algunas realizaciones, el método comprende además identificar al menos una región de interés sobre la base de al menos una de la divisa y la denominación de la moneda, antes de adquirir los datos topográficos 3D de al menos una superficie.
En algunas realizaciones, el método comprende además repetir el método sobre la base de al menos uno de los datos topográficos 3D de una resolución más alta y los datos topográficos 3D de al menos otra región de interés.
De acuerdo con otro aspecto amplio, se proporciona un sistema para detectar una irregularidad en una moneda que tiene al menos un rasgo. El sistema comprende una unidad de procesamiento; y una memoria no transitoria acoplada comunicativamente a la unidad de procesamiento y que comprende instrucciones de programa legibles por ordenador. Las instrucciones de programa son ejecutables por la unidad de procesamiento para adquirir datos topográficos 3D de al menos una superficie de la moneda, comprendiendo los datos topográficos 3D al menos una región de interés; determinar componentes vectoriales de un vector normal para al menos algunos puntos de la al menos una región de interés; determinar al menos una característica de rasgo basada en los componentes vectoriales de cada vector normal; comparar la al menos una característica de rasgo con las características de rasgo de referencia; y proporcionar una indicación de irregularidad cuando una diferencia entre la al menos una característica de rasgo y las características de rasgo de referencia está fuera de una tolerancia predeterminada, en donde determinar al menos una característica de rasgo basada en los componentes vectoriales comprende al menos uno de un contorno de un rasgo, un área de superficie de un rasgo y la distancia entre dos rasgos.
En algunas realizaciones, adquirir datos topográficos 3D de al menos una superficie de la moneda comprende adquirir datos para al menos dos de una superficie superior, una superficie inferior y una superficie periférica de la moneda. En algunas realizaciones, adquirir los datos topográficos 3D comprende adquirir una imagen de mapa de elevación bidimensional.
En algunas realizaciones, determinar los componentes vectoriales de un vector normal comprende determinar los componentes de los ejes x, y, z de los vectores normales.
En algunas realizaciones, determinar componentes vectoriales de un vector normal comprende determinar un ángulo de inclinación y una dirección de inclinación para al menos algunos puntos de la al menos una región de interés. En algunas realizaciones, determinar al menos una característica de rasgo basada en los componentes vectoriales comprende generar una imagen de ángulo basada en el ángulo de inclinación de cada vector normal y una imagen de dirección basada en la dirección de inclinación de cada vector normal.
En algunas realizaciones, las instrucciones de programa son además ejecutables para determinar al menos una de una divisa y una denominación de la moneda.
En algunas realizaciones, las instrucciones de programa son además ejecutables para identificar la al menos una región de interés sobre la base de al menos una de la divisa y la denominación de la moneda, antes de adquirir los datos topográficos 3D de al menos una superficie.
En algunas realizaciones, las instrucciones de programa son además ejecutables para repetir el método basado en al menos uno de los datos topográficos 3D de una resolución más alta y los datos topográficos 3D de al menos otra región de interés.
Los rasgos de los sistemas, dispositivos y métodos descritos en esta memoria se pueden usar en diversas combinaciones, y también se pueden usar para el sistema y el medio de almacenamiento legible por ordenador en diversas combinaciones.
Breve descripción de los dibujos
Otros rasgos y ventajas de las realizaciones descritas en esta memoria pueden resultar evidentes a partir de la siguiente descripción detallada, tomada en combinación con los dibujos adjuntos, en los que:
La Figura 1A es un mapa de elevación de una moneda de ejemplo.
La Figura 1B es una representación tridimensional (3D) de ejemplo de la moneda de la Figura 1 A.
La Figura 1C es una colección de partes de imágenes de mapa de elevación de la moneda de la Figura 1 A.
Las Figuras 2A-B son ejemplos de representaciones gráficas de vectores normales.
La Figura 3A es una imagen renderizada en 3D de un rasgo de ejemplo de la moneda de la Figura 1A.
La Figura 3B es una imagen de ángulo de inclinación de vector normal del rasgo de ejemplo de la Figura 3A.
La Figura 3C es una imagen de dirección de inclinación de vector normal del rasgo de ejemplo de la Figura 3A.
La Figura 4 es una imagen de dirección de inclinación de vector normal de la moneda de la Figura 1A.
Las Figuras 5A-C son imágenes de componentes de vector normal de los ejes x, y, z del rasgo de ejemplo de la Figura 3A.
La Figura 6 es un diagrama de bloques de un sistema de detección de irregularidades de monedas de ejemplo.
La Figura 7 es un diagrama de bloques de una aplicación de ejemplo que se ejecuta en el sistema de la Figura 6.
La Figura 8 es un diagrama de flujo de un método para detectar irregularidades en una moneda de acuerdo con una realización.
La Figura 9 es un gráfico de valores de ejemplo de rasgos extraídos para dos monedas.
La Figura 10 es un gráfico 3D que indica valores de ejemplo de 3 rasgos extraídos de diversas monedas.
Se observará que a lo largo de los dibujos adjuntos, los rasgos similares se identifican mediante números de referencia similares.
Descripción detallada
Las monedas para uso como divisa son objetos que usualmente tienen dos superficies y una periferia exterior. Típicamente, se hacen de metal, como cobre, níquel, plata, etc., o sus aleaciones, y se acuñan para proporcionar rasgos en las superficies y/o en la periferia exterior. Estos rasgos pueden incluir letras que forman palabras o frases, números, por ejemplo para indicar un año de acuñación e imágenes de personas, animales, objetos y similares. La orientación particular de los rasgos, o más específicamente los vectores normales a los rasgos (descritos con mayor detalle a continuación), se utilizan como base contra la que se comparan las monedas potencialmente falsificadas.
Con referencia a la Figura 1A, se muestra una imagen tridimensional (3D) de la superficie de una moneda, específicamente el lado frontal de una moneda de 20 coronas de Dinamarca de la edición de 1990, se muestra en forma de imagen de mapa de elevación 102. La imagen de mapa de elevación 102 es una posible representación visual de datos topográficos 3D representativos de la superficie de una moneda física real. En algunas realizaciones, la imagen de mapa de elevación 102 transmite la altura relativa de las diferentes regiones de la moneda en escala de grises, donde los tonos más claros representan las partes más altas y los tonos más oscuros representan las partes más bajas. En algunas otras realizaciones, la imagen de mapa de elevación 102 usa una escala basada en colores para transmitir la altura relativa; la altura relativa de las diferentes regiones de la moneda se puede transmitir de acuerdo con cualquier escala adecuada.
Con referencia a la Figura 1B, los datos topográficos 3D también pueden ser interpretados por un motor de representación u otro programa informático que simule el reflejo de una fuente de luz virtual en la superficie 3D para producir una imagen 104 renderizada en 3D.
Los datos topográficos tridimensionales (3D) pueden adquirirse mediante un sensor óptico 3D, como un sensor confocal, un sensor de variación de enfoque, un sensor de interferometría de luz blanca y similares, u otra herramienta o cámara de adquisición de imágenes, como un escáner basado en láser, un escáner basado en ondas electromagnéticas, un escáner basado en sonido y similares. En algunas realizaciones, la imagen de mapa de elevación 102 se puede generar sobre la base de una pluralidad de imágenes bidimensionales adquiridas con herramientas de adquisición de imágenes bidimensionales, como métodos estereofotométricos y similares. Los datos topográficos 3D pueden implementarse de cualquier manera adecuada, usando tantos o tan pocos bits como sea apropiado para representar con precisión la superficie de la moneda. Se analizan con más adelante en esta memoria métodos para adquirir los datos topográficos 3D.
Los datos topográficos 3D pueden usarse como base para identificar una o más regiones de interés en la superficie de la moneda. Las regiones de interés incluyen, por ejemplo, una letra, un número, un grupo de letras y/o números, un símbolo o grupo de símbolos, una cara, un animal, un objeto o cualquier parte de los mismos. En algunas realizaciones, una cara marcada en una superficie de la moneda incluye varias regiones de interés, por ejemplo, una oreja, una nariz, un mentón y similares. La identificación de las regiones de interés se puede realizar usando una o más técnicas de procesamiento de imágenes, como detección de bordes, un algoritmo de combinación de escala, un algoritmo de similitud estructural, detección de rasgos o cualquier otro algoritmo adecuado o combinación de algoritmos.
En algunas realizaciones, los datos topográficos 3D pueden ser adquiridos por la herramienta de adquisición de imágenes como datos compuestos. Con referencia a la Figura 1C, la herramienta de adquisición de imágenes puede, en lugar de capturar la superficie de la moneda como un conjunto de datos topográficos 3D, adquirir una secuencia de conjuntos de datos topográficos 3D, representados por imágenes 1021-102n, cada uno de una parte diferente de la moneda, y luego unir los conjuntos de datos topográficos 3D y las imágenes asociadas 1021-102n, de las diferentes partes para crear una imagen de mapa de elevación completa 102 de toda la superficie de la moneda sobre la base de una secuencia de conjuntos de datos topográficos 3D. En algunas realizaciones, unir las imágenes 1021-102n se realiza yuxtaponiendo las imágenes 1021-102n, y en otras realizaciones unir las imágenes 1021-102n se realiza superponiendo parcialmente las imágenes 102i -102n . En algunas otras realizaciones, en lugar de capturar datos topográficos 3D de la totalidad de la superficie de la moneda, se adquieren datos topográficos 3D de solo partes de la superficie de la moneda. Estas partes de datos topográficos 3D adquiridos pueden seleccionarse sobre la base de la presencia de regiones particulares de interés ubicadas en estas partes.
Las regiones particulares de interés para cada moneda pueden variar de una moneda a otra, así como de una evaluación de una moneda a otra. Una lista o índice de regiones relevantes de interés para una moneda dada puede almacenarse en una base de datos (descrita con mayor detalle a continuación) u otro depósito de datos. En algunos casos, el orden de las entradas para una moneda dada es indicativo de una prioridad de las regiones de interés. Por ejemplo, una primera evaluación de una moneda se enfoca en una primera región de interés que incluye una letra, y si se va a realizar una segunda evaluación, la segunda evaluación se enfoca en una curvatura particular de un animal representado en la moneda.
Los vectores normales a los rasgos de las monedas se utilizan como base con la que se comparan las monedas potencialmente falsificadas. Con referencia a la Figura 2, un vector 200 se considera un vector normal, o simplemente una "Normal", a una superficie S formada entre los puntos x1, y1, z1 si el vector 200 es perpendicular a la superficie S. Cuando la superficie S es curva, el vector 200 se considera normal en un punto P de la superficie S si el vector 200 es perpendicular a un plano que es tangente a la superficie S en el punto P. Un vector normal puede tener cualquier magnitud adecuada, y un tipo específico de vector normal, llamado vector unitario normal, se define como que tiene una magnitud de 1.
Con referencia a la Figura 2B, un ejemplo de vector normal 210 puede definirse en términos de componentes. Por ejemplo, el vector normal 210 puede definirse por una magnitud y dos ángulos: un ángulo de inclinación 220, que representa la inclinación del vector normal 210 desde un eje vertical (en este caso, un eje y), y una dirección de inclinación 230, que representa un rumbo del vector normal 210 en un plano bidimensional (en este caso definido por el eje x y el eje z). En algunas realizaciones, el vector normal 210 es un vector normal unitario que tiene una magnitud de 1. Para determinar la dirección de inclinación 230, se puede usar una proyección horizontal 212 del vector normal 210, donde la dirección de inclinación 230 es el ángulo entre la horizontal proyección 212 y un eje predeterminado. Mientras que en la Figura 2B la dirección de inclinación 230 se muestra en relación con el eje z, se debe tener en cuenta que esto es simplemente para fines ilustrativos, y que la dirección de inclinación 230 puede ser relativa a cualquier línea de referencia adecuada. En otras realizaciones, se pueden usar otras definiciones de componentes para definir el vector normal 210, tales como componentes de los ejes x, y, z, coordenadas polares y similares.
Al determinar los componentes de vector normal para una pluralidad de puntos de una región de interés dada, se puede generar una imagen de componente vectorial. En el siguiente análisis, los vectores normales pueden ser vectores unitarios normales o vectores normales que tengan cualquier magnitud adecuada. Con fines ilustrativos, y con referencia a la Figura 3A, se muestra una imagen renderizada en 3D de un rasgo en forma de M 302 de la moneda ilustrada en la Figura 1A, que se utilizará como ejemplo. Los datos topográficos 3D en los que se basan la imagen renderizada en 3D de la Figura 3A y/o el modelo antes mencionado pueden usarse para generar la imagen de ángulo y la imagen de dirección. Con referencia a la Figura 3B, se puede generar una imagen de ángulo de inclinación de los vectores normales para el rasgo 302 en forma de M, donde el ángulo de inclinación varía entre 0°, en negro, y 90°, en blanco. La Figura 3C muestra una imagen de dirección de inclinación del rasgo 402 en forma de M, donde la dirección de inclinación en cada punto se ilustra mediante un vector. En algunas realizaciones, la magnitud del vector de dirección de inclinación se representa mediante un color, una sombra, un grosor o cualquier otro mecanismo adecuado. En algunas realizaciones adicionales, las imágenes de componentes vectoriales pueden ser imágenes basadas en los componentes vectoriales. Por ejemplo, el ángulo de inclinación de diversos puntos en una región de interés se usa para definir una superficie particular, como una superficie de un rasgo particular, y la imagen de componente vectorial puede ser una representación de esa superficie particular.
Con referencia a la Figura 4, también se puede generar una imagen de dirección de toda la superficie de la moneda. En algunas realizaciones, la resolución de la imagen de ángulo y la imagen de dirección cambia dependiendo del tamaño de la región de interés. Por tanto, cuando se genera una imagen de dirección para el rasgo 402 en forma de M, el número de puntos para los que se determinan los componentes normales del vector puede ser diferente que cuando se genera una imagen de dirección para la moneda en su conjunto. Alternativamente, puede usarse una resolución constante independientemente del área de la moneda para la que se genera una imagen componente de la moneda, o independientemente del tamaño de la región de interés. En algunas realizaciones, se determinan menos componentes de vector normal para regiones de interés más pequeñas y, en otras realizaciones, se determinan componentes vectoriales más normales para regiones de interés más pequeñas.
Se pueden usar otras escalas para la imagen de ángulo y la imagen de dirección, y también se consideran otras implementaciones de la imagen de ángulo y la imagen de dirección. Por ejemplo, la imagen de dirección podría representar la dirección de inclinación como un gradiente de color, o como un mapa de calor, y similares.
En una realización alternativa, y con referencia a las Figuras 5A-C, pueden usarse componentes de los ejes x, y, z de los vectores normales en lugar de ángulos de inclinación y direcciones de inclinación. Por lo tanto, los vectores normales se pueden definir en términos de sus componentes de eje x, y, z y se puede realizar un procesamiento similar en la imagen tridimensional adquirida para determinar estos componentes. La Figura 5A muestra una imagen del componente de eje x de los vectores normales para el rasgo 302 en forma de M. En este ejemplo, los valores del componente de eje x pueden variar entre -1, representado por negro, y 1, representado por blanco, y donde el gris indica 0 o ningún componente de eje x. La Figura 5B muestra una imagen de componente de eje y de los vectores normales para el rasgo 302 en forma de M que utiliza la misma escala que la imagen del componente de eje x de la Figura 5A. La Figura 5C muestra una imagen del componente de eje z de los vectores normales para el rasgo 302 en forma de M. En este ejemplo, los valores del componente de eje z pueden variar entre 0, en negro, y 1, en blanco. En otras realizaciones, los componentes de ejes x, y, z de los vectores normales pueden representarse de otras formas, incluidas escalas basadas en colores y similares. Además, los vectores normales pueden expresarse usando diferentes componentes, como componentes de coordenadas polares y similares.
La imagen de ángulo y la imagen de dirección, o cualquier otra imagen de componente vectorial, se utiliza como base para localizar irregularidades en los rasgos de la moneda. Específicamente, la imagen de ángulo y la imagen de dirección se comparan con imágenes de referencia basadas en monedas válidas conocidas o cualquier otra referencia adecuada, como una pieza en bruto para marcar usada para acuñar monedas. Las imágenes de referencia también se pueden generar utilizando técnicas de aprendizaje de máquina aplicadas a monedas válidas conocidas, o utilizando cualquier otra técnica adecuada.
La comparación se puede efectuar utilizando cualquier algoritmo de procesamiento de imágenes adecuado, incluidas las comparaciones punto por punto, píxel por píxel, vóxel por vóxel (es decir, píxel por píxel 3D), comparaciones basadas en artefactos y similares. Las imágenes de referencia para una región de interés dada pueden implementarse de manera fundamentalmente similar a la imagen de ángulo y la imagen de dirección. Es decir, en una realización donde la imagen de ángulo es un mapa monocromático donde el negro es 0° y el blanco es 90°, la imagen de ángulo de referencia es un mapa monocromático similar que se basa en los rasgos de moneda de monedas válidas. La comparación puede revelar diferencias entre la imagen de ángulo y la imagen de dirección y sus respectivas imágenes de referencia: si las diferencias superan un umbral dado, se puede concluir que hay irregularidades en los rasgos de la moneda, lo que puede ser indicativo de que la moneda es falsificada.
Los componentes vectoriales de los vectores normales se utilizan para determinar otras características de los rasgos presentes en la moneda. Por ejemplo, los vectores normales pueden analizarse para determinar el contorno de un rasgo dado en una moneda, el área de superficie de un rasgo dado, la distancia entre dos rasgos y similares. Cualquier característica de rasgo adecuada se puede utilizar como base para la comparación con las características de rasgo de referencia.
Con referencia a la Figura 6, cualquier dispositivo informático adecuado 600 puede implementar un sistema de detección de irregularidades de monedas que utilice las técnicas analizadas en esta memoria. El dispositivo informático 600 comprende cualquier tipo adecuado de procesador 620, por ejemplo, cualquier tipo de microprocesador o microcontrolador de propósito general, un procesador de procesamiento de señales digitales (DSP), un circuito integrado, una matriz de puertas programables en campo (FPGA), un procesador reconfigurable, una memoria de solo lectura programable (PROM), o cualquier combinación de los mismos. El dispositivo informático 600 también comprende cualquier tipo adecuado de memoria informática 610, estando situada la memoria informática 610 interna o externamente. Por ejemplo, el dispositivo informático 600 incluye memoria de acceso aleatorio (RAM), memoria de solo lectura (ROM), memoria de solo lectura basada en disco óptico, memoria electroóptica, memoria magnetoóptica, memoria de solo lectura programable y borrable (EPROM), memoria de solo lectura programable borrable eléctricamente (EEPROM), RAM ferroeléctrica (FRAM) y similares. El dispositivo informático 600 comprende una interfaz de red (no ilustrada) para comunicarse con otros componentes, incluidas bases de datos, para acceder y conectarse a recursos de red, y para realizar otras aplicaciones informáticas al conectarse a una o más redes capaces de transportar datos.
El dispositivo informático 600 se configura para ejecutar o poner en marcha cualquier número de aplicaciones 6301-630n . Las aplicaciones 6301-630n se almacenan en la memoria 610 y se ejecutan en el procesador 620. Una aplicación de este tipo, por ejemplo, la aplicación 6301, implementa el sistema de detección de irregularidad de monedas. En realizaciones donde el sistema de detección de irregularidades de monedas se configura para clasificar monedas según su validez, el dispositivo informático 600 puede configurarse para conectarse o para operar un mecanismo de clasificación mecánico (no ilustrado) utilizado para clasificar las monedas. En algunas realizaciones, la aplicación 6301 opera dentro del contexto de una operación más grande de validación y clasificación de monedas, que recibe monedas, evalúa las monedas usando el sistema de detección de irregularidades de monedas y clasifica las monedas sobre la base de uno o más factores. En estas realizaciones, la aplicación 6301 evalúa una o más monedas y proporciona una salida relacionada con la evaluación de la moneda a un componente exterior o aplicación de la operación de validación y clasificación de monedas. En otras realizaciones, la aplicación 6301 comprende rasgos además de los descritos a continuación para controlar la operación de validación y clasificación de monedas más grandes.
Con referencia a la Figura 7, la aplicación 6301, que implementa el sistema de detección de irregularidades de monedas, comprende ilustrativamente una unidad de adquisición de imágenes 710, una unidad de procesamiento de imágenes 720 y una unidad de comparación 730, y opcionalmente comprende una unidad de identificación de monedas 740 y una unidad de validación 750. Con referencia a la Figura 8, el aplicación 6301 también se configura para implementar un método 800 para detectar una irregularidad en una moneda sobre la base de vectores normales en diversos lugares de una región de interés en la superficie de la moneda.
La unidad de adquisición de imágenes 710 se configura para acoplarse comunicativamente a una cámara 702 para adquirir datos topográficos 3D de al menos una superficie de la moneda desde la cámara 702 de acuerdo con la etapa 802 del método 800. Los datos topográficos 3D capturan al menos una región de interés, y la moneda en cuestión tiene al menos un rasgo. La cámara 702 puede ser cualquier cámara o sistema óptico adecuado configurado para adquirir datos topográficos 3D de la superficie de una moneda, como una cámara de barrido láser, una cámara de microscopía confocal, una cámara de variación focal y similares. La cámara 702 proporciona datos de imagen a la unidad de adquisición de imágenes 710 en cualquier forma y formato adecuados. La unidad de adquisición de imágenes 710 puede acoplarse comunicativamente a la cámara 702 a través de medios cableados o inalámbricos, por ejemplo a través de la interfaz de red, y puede adquirir datos de imágenes de la cámara 702 utilizando cualquier protocolo de transmisión de datos adecuado, incluidos RS-232, USB™, USB-C™, SATA, Lightning™, Ethernet, Bluetooth™, ZigBee™, Wi-Fi, y similares. En realizaciones alternativas, la unidad de adquisición de imágenes 710 puede recuperar los datos topográficos 3D de una memoria, o puede recibir los datos topográficos 3D a través de un transmisor de otra fuente, como otra aplicación o una entidad remota al sistema informático 600.
Los datos topográficos 3D adquiridos por la unidad de adquisición de imágenes 710 pueden ser cualquier forma o tipo de datos de imagen adecuados para representar la superficie de la moneda. Los datos topográficos 3D pueden ser datos de elevación de la superficie de la moneda donde la altura z de la superficie de la moneda es una función de las coordenadas (x, y) a lo largo de la superficie de la moneda. Alternativamente, los datos topográficos 3D pueden ser una colección de puntos 3D, o vóxeles, que juntos forman un modelo 3D u otra representación 3D de la moneda. Por ejemplo, los datos topográficos 3D son una colección de vóxeles que representan la superficie de la moneda y que almacenan un '0' para falta de superficie y un '1' para presencia de superficie. Todavía alternativamente, los datos topográficos 3D pueden ser una colección de puntos que tienen coordenadas (x, y, z) representativas de la superficie.
La unidad de adquisición de imágenes 710 se configura así para adquirir datos topográficos 3D de al menos una superficie de una moneda de la cámara 702. Alternativamente, la unidad de adquisición de imágenes 710 se configura para adquirir los datos topográficos 3D de la base de datos 704. En algunas realizaciones, la unidad de adquisición de imágenes 710 se configura para instruir a la cámara 702 para que adquiera los datos topográficos 3D y almacene los datos topográficos 3D en la base de datos 704. Alternativamente, la unidad de adquisición de imágenes 710 se configura para adquirir los datos topográficos 3D de alguna fuente externa, que puede ser local o remoto del sistema informático 600.
Los datos topográficos 3D corresponden al menos a una región de interés y se componen por una pluralidad de píxeles o vóxeles. En algunas realizaciones, solo se adquiere una de las dos superficies (es decir, la superficie superior y la superficie inferior) de la moneda, y en otras realizaciones se adquieren las superficies superior e inferior de la moneda. En algunas realizaciones, los datos topográficos 3D de la superficie de la moneda incluyen además la superficie periférica de la moneda. Los datos topográficos 3D de la superficie de la moneda pueden adquirirse como una sola imagen o pueden ser una imagen compuesta basada en una secuencia de imágenes.
La unidad de adquisición de imágenes 710 también se configura para comunicarse con la cámara 702 para instruir a la cámara 702 para que adquiera imágenes que incluyan regiones particulares de interés. Por ejemplo, la unidad de adquisición de imágenes 710 instruye a la cámara 702 para que adquiera datos topográficos 3D que incluyen una parte particular de la moneda donde se ubica una región de interés deseada. Las instrucciones a la cámara 702 desde la unidad de adquisición de imágenes 710 pueden basarse en el índice de regiones de interés, que puede adquirirse de la base de datos 704. En tales realizaciones, la cámara 702 se puede mover, por ejemplo, a través de ejes motorizados u otros medios componentes adecuados. En algunas realizaciones, la unidad de adquisición de imágenes 710 recibe instrucciones de otros componentes del sistema de detección de irregularidades de monedas, por ejemplo, la unidad de comparación 730, que indica regiones particulares de interés que deberían estar presentes en los datos topográficos 3D adquiridos por la cámara 702, y la unidad de adquisición de imágenes 710 se configura para proporcionar estas instrucciones a la cámara 702.
La unidad de adquisición de imágenes 710 se configura para proporcionar los datos topográficos 3D a la unidad de procesamiento de imágenes 720. Alternativamente, la unidad de adquisición de imágenes 710 se configura para almacenar los datos topográficos 3D en la base de datos 704 y para instruir a la unidad de procesamiento de imágenes 720 para que adquiera los datos topográficos 3D de la base de datos 704. En realizaciones en las que los datos topográficos 3D se proporcionan como una secuencia de imágenes para unir, la unidad de adquisición de imágenes 710 puede configurarse para realizar la unión de imágenes y proporcionar la imagen compuesta a la unidad de procesamiento de imágenes 720. En otras realizaciones, la unidad de adquisición de imágenes 710 proporciona a la unidad de procesamiento de imágenes 720 una secuencia de imágenes sin unir.
La unidad de procesamiento de imágenes 720 se configura para recibir los datos topográficos 3D de la superficie de la moneda desde la unidad de adquisición de imágenes 710 o desde la base de datos 704 luego de recibir instrucciones de la unidad de adquisición de imágenes 710. La unidad de procesamiento de imágenes 720 también se configura para determinar componentes vectoriales de vectores normales para al menos algunos puntos de las regiones de interés, de acuerdo con la etapa 804 del método 800. En algunas realizaciones, la unidad de procesamiento de imágenes 720 recibe una secuencia de imágenes que une para formar una imagen compuesta. La unidad de procesamiento de imágenes 720 también se configura para procesar los datos topográficos 3D para identificar regiones de interés y para seleccionar puntos para los que se determinará el vector normal. En algunas realizaciones, la unidad de procesamiento de imágenes 720 accede a la base de datos 704 para obtener el índice de regiones de interés para determinar qué área de los datos topográficos 3D debe procesarse. En algunas realizaciones adicionales, la unidad de procesamiento de imágenes 720 se configura para recibir instrucciones de la unidad de adquisición de imágenes 710 relacionadas con regiones particulares de interés que deben procesarse. Los vectores normales para los puntos seleccionados se pueden determinar, por ejemplo, creando un modelo de la superficie de la moneda basado en los datos topográficos 3D recibidos de la unidad de adquisición de imágenes 710 y usando el modelo para determinar los vectores normales. Alternativamente, o además, los vectores normales para los puntos seleccionados se pueden determinar directamente a partir de los datos topográficos 3D. Luego, los vectores normales se descomponen en componentes de ángulo de inclinación y dirección de inclinación. Alternativamente, se puede usar cualquier componente vectorial adecuado.
La unidad de procesamiento de imágenes 720 se configura además para determinar al menos una característica de rasgo basada en los componentes vectoriales de cada vector normal, de acuerdo con la etapa 806 del método 800. En algunas realizaciones, la unidad de procesamiento de imágenes 720 se configura para generar el ángulo la imagen y la imagen de dirección sobre la base de los ángulos de inclinación y las direcciones de inclinación, y para proporcionar la imagen de ángulo y la imagen de dirección a la unidad de comparación 730. Opcionalmente, la unidad de procesamiento de imágenes 720 puede almacenar los datos topográficos 3D, la imagen de ángulo y/o imagen de dirección en una base de datos 704, lo que se puede hacer además de proporcionar a la unidad de comparación 730 las imágenes de ángulo y dirección, o en lugar de proporcionar las imágenes de ángulo y dirección a la unidad de comparación 730.
La unidad de comparación 730 se configura para recibir la imagen de ángulo y la imagen de dirección de una de la unidad de procesamiento de imágenes y la base de datos 704, y para recuperar características de rasgo de referencia de la base de datos 704. La unidad de comparación 730 se configura además para realizar una comparación de las características de rasgo determinadas frente a las características de rasgo de referencia, según la etapa 808 del método 800. Las comparaciones se pueden realizar mediante cualquier técnica de comparación de imágenes adecuada, incluidas las comparaciones basadas en valores, punto por punto, píxel por píxel, comparaciones vóxel por vóxel (es decir, píxel por píxel 3D), comparaciones basadas en artefactos, comparaciones de rasgos extraídos y similares. Por ejemplo, la unidad de comparación 730 realiza una comparación punto por punto y luego genera una distribución de valores, cada uno correspondiente a un punto dado, donde 0 indica que no hay diferencia y un valor distinto de cero indica la existencia de una diferencia, y opcionalmente la magnitud de la diferencia. También se consideran otros tipos de comparaciones y formas de representar las comparaciones. Alternativamente, o además, la unidad de comparación 730 también puede configurarse para almacenar una representación de las diferencias entre las imágenes de ángulo y dirección y sus respectivas imágenes de referencia en la base de datos 704.
La unidad de comparación 730 se configura además para proporcionar una indicación de irregularidad basada en las diferencias entre la característica de rasgo determinada y las características de rasgo de referencia si las diferencias están fuera de un umbral predeterminado, según la etapa 810 del método 800. La indicación de irregularidad puede ser en forma de señal, comando, bandera o cualquier otra salida adecuada proporcionada por el sistema de detección de irregularidades de monedas. La indicación de irregularidad se puede pasar a un sistema posterior o a otra aplicación o programa, o se puede usar para realizar evaluaciones adicionales, como se analiza con mayor detalle a continuación.
La diferencia entre la imagen de ángulo y la imagen de ángulo de referencia y/o entre la imagen de dirección y la imagen de dirección de referencia se basa en la comparación efectuada por la unidad de comparación 730. La diferencia puede cuantificarse como un número de puntos con diferentes componentes de vector normal, como tamaño de una región de interés donde los puntos no coinciden con la imagen de referencia, o de cualquier otra forma adecuada. La tolerancia se puede expresar de manera similar: así, cuando la diferencia se cuantifica como un número de puntos diferentes, la tolerancia se puede expresar como un límite superior permisible de puntos diferentes. Por ejemplo, en una realización en la que el sistema de adquisición de imágenes 710 adquiere datos topográficos 3D que tienen una única región de interés compuesta por 100 puntos, la tolerancia se establece como un límite superior permisible de 5 puntos diferentes.
En algunas realizaciones, si la diferencia entre la imagen de ángulo y la imagen de ángulo de referencia y la diferencia entre la imagen de dirección y la imagen de dirección de referencia está dentro de la tolerancia predeterminada, la unidad de comparación 730 no proporciona ninguna indicación de irregularidad y, en cambio, no proporciona ninguna indicación o proporciona una indicación diferente, como una indicación de conformidad. En otras realizaciones, el sistema de detección de irregularidades de monedas aún produce una indicación de irregularidad si las diferencias están dentro de la tolerancia predeterminada. Esta indicación de irregularidad puede indicar puntos diferentes e indica además que las diferencias se encuentran dentro de la tolerancia predeterminada.
Opcionalmente, la unidad de comparación 730 se configura para almacenar la indicación de irregularidad en la base de datos 704, por ejemplo en asociación con un identificador de la moneda evaluada. El identificador puede ser un número de serie de la moneda, un número de serie de la evaluación realizada o cualquier otro identificador adecuado.
Opcionalmente, la unidad de comparación 730 puede proporcionar instrucciones a la unidad de adquisición de imágenes 710 para que se adquieran uno o más conjuntos diferentes de datos topográficos 3D para repetir el método 800. En algunas realizaciones, las instrucciones para la unidad de adquisición de imágenes 710 incluyen un código o otra información que instruye a la unidad de adquisición de imágenes 710 sobre regiones particulares de interés para las cuales se deben adquirir datos topográficos 3D. Por ejemplo, si una primera ejecución del método 800 por parte de la aplicación 6301 adquiere datos topográficos 3D con solo una primera región dada de interés, como una palabra inscrita en una parte de una moneda, la unidad de comparación 730 puede instruir a la unidad de adquisición de imágenes 710 que ciertas segundas regiones de interés deben estar presentes en conjuntos de datos topográficos 3D adquiridas posteriormente. al repetir el método 800. La selección de las segundas regiones de interés puede basarse en la naturaleza de la indicación de irregularidad proporcionada por la unidad de comparación 730, en el índice de regiones de interés de la base de datos 704, o en cualquier otro criterio adecuado. Alternativamente, o además, se repite el método 800 pero la unidad de adquisición de imágenes 710 adquiere un conjunto de datos topográficos 3D de mayor resolución. Aún se consideran otras modificaciones a la repetición del método 800, como determinar ciertas regiones de interés que deberían estar presentes en los datos topográficos 3D adquiridos por la unidad de adquisición de imágenes 710.
Opcionalmente, la aplicación 6301 comprende además la unidad de identificación de monedas 740 configurada para identificar monedas para su evaluación. Aunque se ilustra como incluida en la aplicación 6301, en algunas realizaciones, la unidad de identificación de monedas es externa a la misma. Específicamente, la unidad de identificación de monedas 740 se configura para determinar la divisa a la que pertenece una moneda, la denominación de la moneda y cualquier otra información de importancia para la aplicación 6301, como un número de serie de la moneda y similares. Por ejemplo, en una jurisdicción hipotética donde se acepta una pluralidad de divisas como moneda de curso legal y la aplicación 6301 se integra en una máquina expendedora, la unidad de identificación de monedas 740 determina a cuál de las divisas pertenece una moneda insertada, y determina la denominación de la moneda.
La unidad de identificación de monedas 740 puede usar cualquier técnica adecuada para realizar la identificación de monedas, incluidas pruebas basadas en dimensiones, pruebas basadas en respuestas magnéticas y similares. Con este fin, la unidad de identificación de monedas 740 puede acoplarse comunicativamente a la cámara 702 y/o a los sensores 706. La unidad de identificación de monedas 740 se configura para dar instrucciones a la cámara 702 para que adquiera imágenes para ayudar en la identificación de la moneda. De manera similar, la unidad de identificación de monedas 740 se configura para dar instrucciones a los sensores 706 para que obtengan datos de sensores para ayudar en la identificación de la moneda. Los sensores 706 pueden incluir una báscula u otro sensor de detección de peso, un sensor de medición basado en láser u otro sensor óptico, un sensor basado en respuesta magnética y similares. Además, la unidad de identificación de monedas 740 se configura para proporcionar información de identificación sobre la moneda a la unidad de adquisición de imágenes 710, la unidad de procesamiento de imágenes 720 y la unidad de comparación 730. La unidad de identificación de monedas 740 también se configura para almacenar información de identificación de monedas en la base de datos 704.
En algunas realizaciones, la unidad de identificación de monedas 740 se configura para proporcionar el índice de regiones de interés a la unidad de adquisición de imágenes 710 para dar instrucciones a la cámara 702 para que adquiera ciertos conjuntos de datos topográficos 3D y/o a la unidad de procesamiento de imágenes 720 para determinar qué área debe procesarse de los datos topográficos 3D. En otras realizaciones, la unidad de identificación de monedas 740 se configura para proporcionar instrucciones a la unidad de adquisición de imágenes 710 indicando regiones particulares de interés que deberían estar presentes en los datos topográficos 3D adquiridos por la cámara 702. En realizaciones adicionales, la unidad de identificación de monedas se configura para instruir a la unidad de adquisición de imágenes 710 para que repita el método 800 y adquiera subsiguientes conjuntos de datos topográficos 3D en los que están presentes ciertas segundas regiones de interés.
En algunas realizaciones, hay más de una imagen de referencia con la que se compara la imagen de ángulo y/o la imagen de dirección, y el sistema de detección de irregularidades de monedas puede configurarse para seleccionar una de las comparaciones o promediar o combinar las comparaciones. Por ejemplo, la unidad de comparación 730 puede obtener de la unidad de identificación de monedas 740 un identificador de imágenes de referencia específicas que coincidan con las regiones de interés y/o los vectores normales calculados para una evaluación particular de la moneda.
Opcionalmente, la aplicación 6301 comprende además la unidad de validación 750 configurada para recibir la indicación de irregularidad de la unidad de comparación 730, y para proporcionar una indicación de validez de la moneda basada en la indicación de irregularidad según la etapa opcional 812 del método 800. La unidad de validación 750 puede proporcionarse con una serie de reglas que dictan si una moneda dada debe considerarse válida o no, sobre la base de la naturaleza y/o la gravedad de la indicación de irregularidad proporcionada por la unidad de comparación 730.
En algunas realizaciones, la aplicación 6301 se configura además para interactuar con una pantalla u otro dispositivo de visualización, un altavoz u otro dispositivo productor de sonido y/o un mecanismo de clasificación mecánica para proporcionar una o más salidas visuales, audibles o físicas basadas en la indicación de irregularidad y/o la indicación de validez proporcionada por la unidad de comparación 730 y la unidad de validación 750, respectivamente. Por ejemplo, el sistema de detección de irregularidades de monedas puede tener una pantalla u otro dispositivo de salida, y la indicación de validez puede expresarse en forma de símbolo, por ejemplo, una marca de verificación o una X, en la pantalla. El sistema de detección de irregularidades de monedas también puede proporcionar la indicación de validez de cualquier otra forma adecuada, por ejemplo, una señal de audio, o puede hacer que la moneda se clasifique de acuerdo con la indicación de validez, en realizaciones en las que el sistema de detección de irregularidades de monedas incluye el mecanismo de clasificación mecánico.
Además, en algunas realizaciones, las diversas unidades de la aplicación 6301 se configuran para realizar sus tareas respectivas en una pluralidad de monedas sustancialmente al mismo tiempo. Por ejemplo, se puede colocar un número predeterminado de monedas en una bandeja u otro implemento de sujeción y procesarlas de manera sustancialmente simultánea mediante el sistema de detección de irregularidades de monedas para ejecutar el método 800. Luego, las monedas se colocan en pilas, contenedores o bandejas subsiguientes, sobre la base de la indicación de validez de cada una de las monedas. También se consideran otras realizaciones.
En algunas realizaciones, la unidad de procesamiento de imágenes 720 genera imágenes en los ejes x, y, z, la unidad de comparación 730 compara estas imágenes de ejes con imágenes de ejes de referencia, y la unidad de comparación 730 proporciona una indicación de irregularidad cuando las diferencias entre las imágenes de ejes y las imágenes de eje de referencia están fuera de una tolerancia predeterminada. En algunas realizaciones, se puede usar una combinación de componentes de ángulo/dirección de inclinación y componentes de eje x, y, z. Realizaciones adicionales pueden usar cualquier componente vectorial adecuado, o cualquier combinación adecuada de componentes vectoriales, incluyendo, por ejemplo, coordenadas polares.
En algunas realizaciones adicionales, el sistema de detección de irregularidades de monedas y la aplicación 6301 se configuran para ser operativos para un tipo de moneda dado. Por ejemplo, un sistema particular de detección de irregularidades de monedas que ejecuta una instancia particular de la aplicación 6301 se configura para procesar monedas de 20 coronas, y otro sistema particular de detección de irregularidades de monedas que ejecuta otra instancia particular de la aplicación 6301 se configura para procesar monedas de 10 coronas. Alternativamente, un sistema particular de detección de irregularidades de monedas que ejecuta una aplicación particular 6301 se configura para procesar solo monedas de una divisa en particular, como la corona danesa. Alternativamente aún, diferentes sistemas y/o aplicaciones de detección de irregularidades de monedas 6301 se configuran para evaluar ciertos aspectos de las monedas: por ejemplo, un primer sistema y/o aplicación de detección de irregularidades de monedas 6301 se configura para evaluar las superficies de las monedas, o un subconjunto particular de los rasgos de las mismas, y un segundo sistema y/o aplicación de detección de irregularidades de monedas 6301 se configura para evaluar la periferia exterior de las monedas. En algunas realizaciones, se proporciona un sistema de detección de irregularidades de monedas que ejecuta una aplicación 6301 que puede evaluar cualquier número de aspectos de cualquier número de denominaciones de monedas de cualquier número de divisas simultáneamente.
Se puede usar una implementación de ejemplo del sistema de detección de irregularidades de monedas para detectar monedas falsificadas. Se utiliza una o más cámaras adecuadas para adquirir datos topográficos 3D para una moneda de prueba dada. Los datos topográficos 3D adquiridos son del lado de la "cara" de la moneda de prueba, donde los rasgos incluyen una vista de perfil de una persona y una o más letras, por ejemplo, el lado frontal de la moneda de 20 coronas de la edición de 1990 de Dinamarca de las Figuras 1A-B. Con referencia a la Figura 1A, los datos topográficos 3D se procesan luego para aislar una región anular periférica 112, delimitada por las líneas discontinuas. Una o más letras se ubican en la región anular periférica 112. Una vez que la región anular periférica 112 está aislada, cada una de las letras ubicadas en la región anular periférica 112 se segmentan y se determinan los perímetros respectivos de las letras. La región anular periférica 112 y las letras ubicadas en ella se pueden aislar usando cualquier técnica de procesamiento de imágenes adecuada, como formación de imágenes de radiación, formación de imágenes de elevación, formación de imágenes de componentes normales o cualquier combinación adecuada de las mismas.
Luego, se determinan los componentes vectoriales para cada punto dentro del perímetro de cada letra. Los componentes vectoriales pueden ser componentes de los ejes x, y, z, componentes de dirección y ángulo de inclinación, componentes de coordenadas polares o cualquier otro componente vectorial adecuado. Luego, se determina un contorno para cada letra, donde uno o más componentes vectoriales alcanzan un umbral dado. En un ejemplo, los componentes de dirección y ángulo de inclinación se determinan para cada punto dentro del perímetro de cada letra. El contorno de una letra está definido por la región donde el ángulo de inclinación 0 cae dentro del ángulo de umbral 0límite, o puede definirse de cualquier otra forma adecuada.
Una vez que se encuentra el contorno de cada letra, se determina la superficie del contorno para cada letra. La superficie de cada contorno de letra puede ser, por ejemplo, cierto número de píxeles, y se le asigna un identificador, como un número secuencial. Por ejemplo, la moneda de 20 coronas de la edición de 1990 tiene 27 letras, por lo que los identificadores van del 1 al 27. Las superficies se procesan para determinar un promedio y una desviación típica del ángulo de inclinación de los puntos ubicados dentro de las superficies de contorno. Opcionalmente, se pueden determinar otros componentes vectoriales para los puntos ubicados dentro de las superficies S i, como la dirección de inclinación promedio, una desviación típica de la dirección de inclinación y similares.
El ejemplo descrito anteriormente también se puede usar en piezas de referencia conocidas para acumular datos sobre las piezas de referencia conocidas, por ejemplo, para usar como base contra la que se pueden comparar las piezas de prueba.
Para comparar los componentes vectoriales de la moneda de prueba con los datos de referencia, los datos topográficos 3D se procesan para determinar, para cada letra, una letra de referencia correspondiente. Las letras de referencia pueden ser las letras de una pieza de referencia conocida o pueden ser letras de referencia simuladas basadas en datos de referencia. Cada una de las letras de referencia correspondientes tiene datos de referencia indicativos de los componentes vectoriales para las letras de referencia. Los componentes vectoriales de referencia pueden incluir cualquier componente del vector adecuado. Luego, para cada letra de la moneda de prueba, una diferencia o proporción (o cualquier otra relación adecuada) entre los valores numéricos de los componentes vectoriales para la moneda de prueba y los valores numéricos de los componentes vectoriales de referencia. Por ejemplo, las áreas superficiales de los contornos y las desviaciones típicas del ángulo de inclinación de los puntos ubicados dentro de los contornos se comparan con los valores de referencia de la moneda de referencia.
Con referencia a la Figura 9, se muestra una comparación entre una pieza de prueba falsificada conocida y una pieza de referencia, con las características de contorno de 27 letras de la pieza de prueba mostradas como puntos, y las características de contorno de 27 letras de la pieza de referencia mostradas como cruces. El eje horizontal muestra las relaciones de área de superficie y el eje vertical muestra la desviación típica de los ángulos de inclinación de los puntos en el contorno de las superficies. Determinar si la pieza de prueba es válida sobre la base de los puntos de datos de la Figura 9 se puede realizar manualmente o mediante un algoritmo o programa informático, que puede utilizar aprendizaje de máquina, aprendizaje profundo, soporte de vector de máquina, redes neuronales y similares. En algunas realizaciones, se realiza un análisis de componentes principales para determinar qué tipos de componentes vectoriales tienen más probabilidades de variar de una moneda a otra, con el fin de aislar más fácilmente los componentes vectoriales a comparar. En algunas realizaciones, se usa un método estadístico, como el método de estimación de la densidad del núcleo, o una variante del mismo, para determinar la validez de la moneda de prueba sobre la base de la ubicación de los puntos de datos de la moneda de prueba con respecto a los datos de referencia. Por ejemplo, se puede usar un método estadístico para determinar una "nube" de puntos de datos para monedas válidas conocidas, y la determinación de la validez de la moneda de prueba se puede basar en una serie de componentes vectoriales que caen dentro de los límites de la nube. La nube puede ser bidimensional, tridimensional o puede expresarse en cualquier número adecuado de dimensiones, dependiendo del número de componentes vectoriales evaluados.
Con referencia a la Figura 10, las comparaciones también pueden efectuarse en monedas de prueba en su conjunto, por ejemplo, usando tres variables basadas en los componentes vectoriales. Por ejemplo, la comparación se puede realizar sobre la base de las relaciones de área de superficie de contorno promedio (etiquetadas como "Mean Surface Ratio"), la desviación típica de las relaciones de área de superficie (etiquetada como "Surface Ratio std DeV) y el promedio de las desviaciones típicas de los ángulos de inclinación del contorno de las superficies (etiquetadas como "Mean of edge slope std dev"). Cada cruz representa una pieza de prueba falsificada conocida diferente, y cada punto representa una pieza de referencia conocida diferente. Nuevamente, la determinación de si una pieza de prueba dada es válida se puede realizar manualmente, examinando la ubicación gráfica de cada pieza de prueba con respecto a las piezas de referencia, o mediante técnicas de aprendizaje de máquina.
En algunas realizaciones, los valores de los puntos de datos para la pieza de prueba se usan para clasificar la moneda de prueba en una o más de una pluralidad de categorías, sobre la base de su validez probable y/o sobre la base de los tipos particulares de irregularidades encontradas en las monedas. El sistema de clasificación puede elaborarse una vez que se haya recopilado una cantidad suficiente de datos de componentes vectoriales para monedas falsificadas. Si bien el ejemplo anterior se centró en los datos topográficos 3D del lado de la cara de una moneda, debe entenderse que una implementación de ejemplo similar podría usar datos topográficos 3D del lado opuesto ("cruz") de la moneda.
Cada aplicación informática 630i -630n descrita en esta memoria puede implementarse en un lenguaje de secuencias de comandos o programación orientada a objetos o procedimental de alto nivel, o una combinación de los mismos, para comunicarse con un sistema informático. Alternativamente, las aplicaciones informáticas 630i -630n Puede implementarse en lenguaje ensamblador o máquina. El lenguaje puede ser un lenguaje compilado o interpretado. Cada una de estas aplicaciones informáticas 630i -630n puede almacenarse en medios o un dispositivo de almacenamiento, por ejemplo, una ROM, un disco magnético, un disco óptico, una unidad flash o cualquier otro medio o dispositivo de almacenamiento adecuado. Las aplicaciones informáticas 630i -630n pueden ser legibles por un ordenador programable de propósito general o especial para configurar y operar el ordenador cuando el ordenador lee medios o el dispositivo de almacenamiento para realizar los procedimientos descritos en esta memoria. También se puede considerar que las realizaciones del sistema se implementan por medio de un medio de almacenamiento legible por ordenador no transitorio que tiene un programa informático almacenado en el mismo. El programa informático puede comprender instrucciones legibles por ordenador que hacen que un ordenador, o más específicamente la al menos una unidad de procesamiento del ordenador, opere de una manera específica y predefinida para realizar las funciones descritas en esta memoria.
Las instrucciones ejecutables por ordenador pueden tener muchas formas, incluidos módulos de programa, ejecutadas por uno o más ordenadores u otros dispositivos. Generalmente, los módulos de programa incluyen rutinas, programas, objetos, componentes, estructuras de datos, etc., que realizan tareas particulares o implementan tipos de datos abstractos particulares. Típicamente, la funcionalidad de los módulos de programa puede combinarse o distribuirse según se desee en diversas realizaciones.

Claims (13)

REIVINDICACIONES
1. Un método para detectar una irregularidad en una moneda que tiene al menos un rasgo, que comprende: adquirir datos topográficos 3D de al menos una superficie de la moneda, comprendiendo los datos topográficos 3D al menos una región de interés;
determinar componentes vectoriales de un vector normal para al menos algunos puntos de la al menos una región de interés;
determinar al menos una característica de rasgo basada en los componentes vectoriales de cada vector normal; comparar la al menos una característica de rasgo con las características de rasgo de referencia; y proporcionar una indicación de irregularidad cuando una diferencia entre al menos una característica de rasgo y las características de rasgo de referencia está fuera de una tolerancia predeterminada, caracterizado por que determinar al menos una característica de rasgo basada en los componentes vectoriales comprende al menos uno de un contorno de un rasgo, un área de superficie de una característica y una distancia entre dos rasgos.
2. El método de la reivindicación 1, en donde adquirir datos topográficos 3D de al menos una superficie de la moneda comprende adquirir datos para al menos dos de una superficie superior, una superficie inferior y una superficie periférica de la moneda, y/o adquirir una imagen de mapa de elevación bidimensional.
3. El método de una cualquiera de las reivindicaciones 1 a 2, en donde determinar componentes vectoriales de un vector normal comprende determinar componentes de ejes x, y, z de los vectores normales y/o determinar un ángulo de inclinación y una dirección de inclinación para al menos algunos puntos de la al menos una región de interés.
4. El método de una cualquiera de las reivindicaciones 1 a 3, en donde determinar al menos una característica basada en los componentes vectoriales comprende generar una imagen de ángulo basada en el ángulo de inclinación de cada vector normal y una imagen de dirección basada en la dirección de inclinación de cada vector normal.
5. El método de una cualquiera de las reivindicaciones 1 a 4, que comprende además determinar al menos una de una divisa y una denominación de la moneda.
6. El método de la reivindicación 5, que comprende además identificar al menos una región de interés sobre la base de al menos una de la divisa y la denominación de la moneda, antes de adquirir los datos topográficos 3D de al menos una superficie.
7. El método de una cualquiera de las reivindicaciones 1 a 6, que comprende además repetir el método sobre la base de al menos uno de los datos topográficos 3D de mayor resolución y datos topográficos 3D de al menos otra región de interés.
8. Un sistema para detectar una irregularidad en una moneda que tiene al menos un rasgo, comprendiendo el sistema:
una unidad de procesamiento; y
una memoria no transitoria acoplada comunicativamente a la unidad de procesamiento y que comprende instrucciones de programa legibles por ordenador ejecutables por la unidad de procesamiento para:
adquirir datos topográficos 3D de al menos una superficie de la moneda, comprendiendo los datos topográficos 3D al menos una región de interés;
determinar componentes vectoriales de un vector normal para al menos algunos puntos de la al menos una región de interés;
determinar al menos una característica de rasgo basada en los componentes vectoriales de cada vector normal;
comparar la al menos una característica de rasgo con las características de rasgo de referencia; y proporcionar una indicación de irregularidad cuando una diferencia entre al menos una característica de rasgo y las características de rasgo de referencia está fuera de una tolerancia predeterminada, caracterizado por que
determinar al menos una característica de rasgo basada en los componentes vectoriales comprende al menos uno de un contorno de un rasgo, un área de superficie de un rasgo y una distancia entre dos rasgos.
9. El sistema de la reivindicación 8, en donde adquirir datos topográficos 3D de al menos una superficie de la moneda comprende adquirir datos para al menos dos de una superficie superior, una superficie inferior y una superficie periférica de la moneda, y/o adquirir una imagen de mapa de elevación bidimensional.
10. El sistema de una cualquiera de las reivindicaciones 8 a 9, en donde determinar los componentes vectoriales de un vector normal comprende determinar los componentes de los ejes x, y, z de los vectores normales y/o determinar un ángulo de inclinación y una dirección de inclinación para al menos algunos puntos de la al menos una región de interés.
11. El sistema de una cualquiera de las reivindicaciones 8 a 10, en donde determinar al menos una característica de rasgo basada en los componentes vectoriales comprende generar una imagen de ángulo basada en el ángulo de inclinación de cada vector normal y una imagen de dirección basada en la dirección de inclinación de cada vector normal.
12. El sistema de una cualquiera de las reivindicaciones 8 a 11, en donde las instrucciones de programa son además ejecutables para determinar al menos una de una divisa y una denominación de la moneda.
13. El sistema de la reivindicación 12, en donde las instrucciones de programa son además ejecutables para identificar al menos una región de interés sobre la base de en al menos una de la divisa y la denominación de la moneda, antes de adquirir los datos topográficos 3D de al menos una superficie.
ES17814381T 2016-06-23 2017-06-22 Detección de irregularidades superficiales en monedas Active ES2923881T3 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201662353756P 2016-06-23 2016-06-23
PCT/CA2017/050760 WO2017219141A1 (en) 2016-06-23 2017-06-22 Detection of surface irregularities in coins

Publications (1)

Publication Number Publication Date
ES2923881T3 true ES2923881T3 (es) 2022-10-03

Family

ID=60783129

Family Applications (1)

Application Number Title Priority Date Filing Date
ES17814381T Active ES2923881T3 (es) 2016-06-23 2017-06-22 Detección de irregularidades superficiales en monedas

Country Status (14)

Country Link
US (1) US10902584B2 (es)
EP (1) EP3475926B1 (es)
CA (1) CA3029069A1 (es)
DK (1) DK3475926T3 (es)
ES (1) ES2923881T3 (es)
HR (1) HRP20220883T1 (es)
HU (1) HUE059751T2 (es)
LT (1) LT3475926T (es)
MX (1) MX2019000214A (es)
PL (1) PL3475926T3 (es)
PT (1) PT3475926T (es)
SI (1) SI3475926T1 (es)
SM (1) SMT202200320T1 (es)
WO (1) WO2017219141A1 (es)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL295078B2 (en) * 2020-02-16 2025-10-01 Orbotech Ltd System and method for testing multiple characteristics of sample objects in the production of electrical circuits
US11852980B2 (en) 2021-03-05 2023-12-26 Taiwan Semiconductor Manufacturing Company, Ltd. Techniques for correction of aberrations

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5624019A (en) * 1991-04-18 1997-04-29 Mars Incorporated Method and apparatus for validating money
US6685000B2 (en) * 2000-05-19 2004-02-03 Kabushiki Kaisha Nippon Conlux Coin discrimination method and device
DE10051009A1 (de) 2000-10-14 2002-05-02 Nat Rejectors Gmbh Verfahren zur Erkennung eines Prägebilds einer Münze in einem Münzautomaten
DE10202383A1 (de) 2002-01-16 2003-08-14 Nat Rejectors Gmbh Verfahren zur Erkennung eines Prägebildes einer Münze in einem Münzautomaten
DE10300608B4 (de) 2003-01-10 2004-09-30 National Rejectors, Inc. Gmbh Verfahren zur Erkennung eines Prägebildes einer Münze in einem Münzautomaten
US7019826B2 (en) 2003-03-20 2006-03-28 Agilent Technologies, Inc. Optical inspection system, apparatus and method for reconstructing three-dimensional images for printed circuit board and electronics manufacturing inspection
US20040184653A1 (en) 2003-03-20 2004-09-23 Baer Richard L. Optical inspection system, illumination apparatus and method for use in imaging specular objects based on illumination gradients
KR101333278B1 (ko) 2004-03-09 2013-12-02 카운슬 오브 사이언티픽 앤드 인더스트리얼 리서치 시각적인 반사 스펙트럼 반응을 이용한 향상된 위조 화폐 검출기
US20060032726A1 (en) * 2004-08-10 2006-02-16 Vook Dietrich W Optical inspection system for reconstructing three-dimensional images of coins and for sorting coins
WO2008051537A2 (en) * 2006-10-20 2008-05-02 Coin Acceptors, Inc. A method of examining a coin for determining its validity and denomination
ATE529836T1 (de) 2007-08-13 2011-11-15 Aqsense S L Verfahren und system zur ausrichtung dreidimensionaler oberflächen
US20090296365A1 (en) 2008-04-18 2009-12-03 Coinsecure, Inc. Calibrated and color-controlled multi-source lighting system for specimen illumination
CN101819692B (zh) 2010-04-12 2012-08-15 高新现代智能系统股份有限公司 硬币图像识别方法及装置
ES2742264T3 (es) 2010-06-16 2020-02-13 Ultra Electronics Forensic Tech Inc Adquisición de imágenes topográficas en 3D de marcas de herramientas usando un método estéreo fotométrico no lineal
US8615123B2 (en) * 2010-09-15 2013-12-24 Identicoin, Inc. Coin identification method and apparatus
US8615125B2 (en) 2010-10-08 2013-12-24 Omron Corporation Apparatus and method for inspecting surface state
EP2702570B1 (en) * 2011-04-29 2023-07-05 Monnaie Royale Canadienne/Royal Canadian Mint Method and apparatus for authentication of a coin
US20120293623A1 (en) 2011-05-17 2012-11-22 Gii Acquisition, Llc Dba General Inspection, Llc Method and system for inspecting small manufactured objects at a plurality of inspection stations and sorting the inspected objects
US9053595B2 (en) * 2012-02-02 2015-06-09 Jared Grove Coin identification system and method using image processing
US9595091B2 (en) * 2012-04-19 2017-03-14 Applied Materials Israel, Ltd. Defect classification using topographical attributes
KR20130119196A (ko) 2012-04-23 2013-10-31 에스케이하이닉스 주식회사 반도체 장치
WO2013176750A1 (en) * 2012-05-25 2013-11-28 Security Pacific Capital Corporation Methods, systems and apparatus for automated authentication
CN105474276B (zh) * 2013-01-24 2019-07-23 加拿大皇家造币厂 硬币或其它对象的唯一标识
AT514749A1 (de) 2013-09-09 2015-03-15 Economa Automatisierungstechnik Gmbh Verfahren zum Prüfen der Oberfläche von Gegenständen und Münze mit Echtheitsmerkmal
GB2526866A (en) * 2014-06-05 2015-12-09 Univ Bristol Apparatus for and method of inspecting surface topography of a moving object
JP6408259B2 (ja) 2014-06-09 2018-10-17 株式会社キーエンス 画像検査装置、画像検査方法、画像検査プログラム及びコンピュータで読み取り可能な記録媒体並びに記録した機器

Also Published As

Publication number Publication date
PT3475926T (pt) 2022-08-01
EP3475926B1 (en) 2022-04-27
EP3475926A4 (en) 2020-02-26
HRP20220883T1 (hr) 2022-10-28
EP3475926A1 (en) 2019-05-01
HUE059751T2 (hu) 2022-12-28
WO2017219141A1 (en) 2017-12-28
MX2019000214A (es) 2019-08-01
US10902584B2 (en) 2021-01-26
DK3475926T3 (da) 2022-07-25
US20200184616A1 (en) 2020-06-11
LT3475926T (lt) 2022-08-25
SMT202200320T1 (it) 2022-09-14
SI3475926T1 (sl) 2022-10-28
CA3029069A1 (en) 2017-12-28
PL3475926T3 (pl) 2022-10-24

Similar Documents

Publication Publication Date Title
JP6503569B2 (ja) 製品を認証するための画像分析
CN101339607B (zh) 人脸识别方法及系统、人脸识别模型训练方法及系统
US20230044043A1 (en) Method and system for automated grading and trading of numismatics and trading cards
KR20190098262A (ko) 심층적으로 적층된 층들을 갖는 웨이퍼들에서 결함 분류기를 트레이닝하고 적용하기 위한 시스템, 방법
US20170258391A1 (en) Multimodal fusion for object detection
US20150016679A1 (en) Feature extraction device, feature extraction method, and feature extraction program
JP2008180722A (ja) 光要素をマッピングするための装置
EP4254349A2 (en) Methods for generating a dataset of corresponding images for machine vision learning
JP2018521377A (ja) 人工３ｄ再構成を用いてセキュリティパターンを識別する方法
US11176651B2 (en) Computer-controlled 3D analysis of collectible objects
US20160259034A1 (en) Position estimation device and position estimation method
CN115909309A (zh) 一种喷码字符检测的方法，装置及系统
ES2923881T3 (es) Detección de irregularidades superficiales en monedas
KR20240141764A (ko) 이미지로부터 추출된 재질 데이터를 포함하는 얼굴 인증
JP2021086432A (ja) 情報処理装置、情報処理方法、コンピュータプログラム、計測装置、システムおよび物品の製造方法
CN113436735A (zh) 基于人脸结构度量的体重指数预测方法、设备和存储介质
CN106442539B (zh) 利用图像信息测量工件表面缺陷的方法
US7653219B2 (en) System and method for image attribute recording an analysis for biometric applications
Alonso-Fernandez et al. Quality factors affecting iris segmentation and matching
KR20240141766A (ko) 재질 정보 결정을 위한 이미지 조작
HK40005935B (en) Detection of surface irregularities in coins
Nurunnabi et al. Development of a precise tree structure from LiDAR point clouds
JP5374787B2 (ja) 鋼球の刻印認識システム
JP7078386B2 (ja) 画像処理装置
US10341555B2 (en) Characterization of a physical object based on its surface roughness