High-speed pca-based identification of banknotes
Marc González Capdevila · Dialnet (Universidad de la Rioja) · 2018
Els bitllets son utilitzats en la majoria de paisos del mon per a tot tipus de transaccions. Existeixen maquines contadores encarregades de contar i analitzar aquests bitllets de forma automatica. En l'ambit de visio per computador i el reconeixement de patrons s'han realitzat diferents estudis i s'han proposat diferents tecniques per al seu reconeixement obtenint uns indexs d'identificacio satisfactoris. Aquesta Tesis Doctoral contribueix en l'ambit del reconeixement de patrons, presentant una nova metodologia, que basada en la tecnica de descomposicio en components principals, engloba les fases d'extraccio de caracteristiques i classificacio en un mateix proces disminuint d'aquesta forma la complexitat de la solucio aixi com els temps de processament. La metodologia proposta, que s'ha orientat per ser aplicada a la identificacio de bitllets en maquines contadores, s'implementa amb algoritmes que poden ser paral·lelitzats i operen amb temps de processament curts mantenint l'eficacia del classificador. Finalment, els processos desenvolupats s'han provat sobre 40 divises diferents de forma aillada, conseguint uns indexs d'identificacio proxims al 100\%, aixi com un metode que permet el reconeixement simultani de diverses divises al mateix temps. Per un altre banda, tambe s'han proposat tecniques per augmentar la velocitat del reconeixement i conseguir una major robustesa en el sistema d'identificacio. Los billetes son usados en todo el mundo para todo tipo de transacciones. Existen maquinas contadoras encargadas de contar y analizar estos billetes de forma automatica. En el ambito de la vision por computador y el reconocimiento de patrones se han realizado diferentes estudios y se han propuesto diferentes tecnicas para su reconocimiento obteniendo unos indices de identificacion satisfactorios Esta Tesis Doctoral contribuye en el ambito del reconocimiento de patrones, presentando una nueva metodologia, que basada en la tecnica de descomposicion en componentes principales, engloba las fases de extraccion de caracteristicas y clasificacion en un mismo proceso disminuyendo de este modo la complejidad de la solucion asi como los tiempos de procesamiento. La metodologia propuesta, que se ha orientado para ser aplicada a la identificacion de billetes en maquinas de alta velocidad, se implementa con algoritmos que pueden ser paralelizados y que operan con tiempos de procesamiento cortos manteniendo la eficacia del clasificador en niveles muy elevados. Finalmente, el sistema desarrollada se ha provado sobre 40 monedas distintas consiguiendo un indice de correcta identificacion proxima al 100% en casi todos los casos, asi como tambien un metodo que permite el reconocimiento simultaneo de billetes pertenecientes a diferentes monedas. Por otro lado, tambien se han propuesto tecnicas para aumentar la velocidad del reconocimiento y conseguir una mayor robustez en el proceso de identificacion. Banknotes are used for transactions in most of the countries in the world. When large numbers of banknotes have to be analyzed, counting machines are in charge of counting and identifying them automatically. In the field of computer vision and pattern recognition, several studies have been done with satisfactory identification rates. This doctoral thesis contributes to the field of pattern recognition, presenting a new methodology based on decomposition into principal components, combining the feature extraction and classification phases into one reducing the complexity of the solution proposed and also the processing times. The methodology developed focuses on being applied to the identification processes in banknote counting machines. The algorithms developed can also be parallelized and enable shorter processing times to be obtained, maintaining the effectiveness of the classifier. Finally, all the processes were proved on 40 different currencies individually, obtaining identification rates of 100\%, as well as a method to recognize multiple currencies simultaneously. Furthermore, tools are proposed to improve the processing speed of the classifier and make the identification system more robust.