特開 2025-16357 情報処理装置、情報処理方法及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2025016357

(43)【公開日】2025-01-31

(54)【発明の名称】情報処理装置、情報処理方法及びプログラム

(51)【国際特許分類】

   G06T 7/00 20170101AFI20250124BHJP

【ＦＩ】

G06T7/00 300F

G06T7/00 350B

【審査請求】未請求

【請求項の数】9

【出願形態】ＯＬ

(21)【出願番号】P 2024110932

(22)【出願日】2024-07-10

(31)【優先権主張番号】P 2023118898

(32)【優先日】2023-07-21

(33)【優先権主張国・地域又は機関】JP

(71)【出願人】

【識別番号】000116079

【氏名又は名称】ローレルバンクマシン株式会社

(71)【出願人】

【識別番号】500267170

【氏名又は名称】ローレル機械株式会社

(71)【出願人】

【識別番号】500265501

【氏名又は名称】ローレル精機株式会社

(74)【代理人】

【識別番号】110003177

【氏名又は名称】弁理士法人旺知国際特許事務所

(72)【発明者】

【氏名】小澤 茂樹

(72)【発明者】

【氏名】三村 完

(72)【発明者】

【氏名】寺田 俊行

(72)【発明者】

【氏名】李 想

(72)【発明者】

【氏名】大原 和彦

(72)【発明者】

【氏名】千葉 宏樹

【テーマコード（参考）】

5L096

【Ｆターム（参考）】

5L096BA08

5L096BA18

5L096CA01

5L096FA06

5L096FA52

5L096FA66

5L096KA04

(57)【要約】

【課題】有価証券や非有価証券の識別や分類に必要な情報の生成にかかる手間を削減する。
【解決手段】情報処理装置１０は、識別対象の商品券ＧＴの画像である第１画像を示す第１画像情報を取得する画像情報取得部１２２と、画像の特徴量を示す特徴ベクトルを生成する処理を第１画像に対して実行することにより、第１画像の特徴ベクトルを生成する特徴抽出部１２４と、予め登録された、複数のリファレンスの商品券ＧＴの各々の画像である第２画像の特徴ベクトルと第１画像の特徴ベクトルとの間の距離であるベクトル間距離を算出する距離算出部１２５と、ベクトル間距離に基づいて、識別対象の商品券ＧＴを識別する識別部１２６と、を備えている。
【選択図】図１

【特許請求の範囲】

【請求項1】

識別対象の証券の画像である第１画像を示す第１画像情報を取得する取得部と、
画像の特徴量を示す特徴ベクトルを生成する処理を前記第１画像に対して実行することにより、前記第１画像の前記特徴ベクトルを生成する生成部と、
予め登録された、複数のリファレンスの証券の各々の画像である第２画像の前記特徴ベクトルと、前記第１画像の前記特徴ベクトルとの間の距離であるベクトル間距離を算出する算出部と、
前記ベクトル間距離に基づいて、前記識別対象の証券を識別する識別部と、
を備えていることを特徴とする情報処理装置。

【請求項2】

前記複数のリファレンスの証券の各々の前記第２画像の前記特徴ベクトルは、各リファレンスにおいて１つの証券の前記第２画像から、前記生成部で、距離学習により学習されたモデルを使用することで算出されていることを特徴とする請求項１に記載の情報処理装置。

【請求項3】

前記識別部は、
前記ベクトル間距離が第１距離以下である前記第２画像が特定された場合、前記識別対象の証券の種類が、前記ベクトル間距離が前記第１距離以下である前記第２画像により示される前記リファレンスの証券の種類と同じであると判定する、
ことを特徴とする請求項１又は２に記載の情報処理装置。

【請求項4】

前記ベクトル間距離が前記第１距離以下である前記第２画像が特定された場合に、前記ベクトル間距離が前記第１距離以下である前記第２画像と前記第１画像とを表示装置に表示させる表示制御部をさらに有する、
ことを特徴とする請求項３に記載の情報処理装置。

【請求項5】

前記識別部は、
前記ベクトル間距離が第１距離以下である前記第２画像が特定されない場合、前記第１画像の前記特徴ベクトルを示す特徴情報と前記第１画像情報とを互いに対応付けて、記憶装置に記憶する、
ことを特徴とする請求項１又は２に記載の情報処理装置。

【請求項6】

表面特定部をさらに備え、
前記取得部は、
前記識別対象の証券の第１面の画像を示す第１面画像情報と、前記識別対象の証券の前記第１面の反対側の第２面の画像を示す第２面画像情報とを取得し、
前記表面特定部は、
前記第１面画像情報により示される前記第１面の画像に含まれる輪郭の数と、前記第２面画像情報により示される前記第２面の画像に含まれる輪郭の数とに基づいて、前記識別対象の証券の表面と裏面とを特定し、
前記第１面画像情報及び前記第２面画像情報のうち前記表面の画像を示す画像情報を、前記第１画像情報として特定する、
ことを特徴とする請求項５に記載の情報処理装置。

【請求項7】

識別対象の証券の画像である第１画像を示す第１画像情報を取得し、
画像の特徴量を示す特徴ベクトルを生成する処理を前記第１画像に対して実行することにより、前記第１画像の前記特徴ベクトルを生成し、
リファレンスの証券の画像である第２画像の前記特徴ベクトルと前記第１画像の前記特徴ベクトルとの間の距離であるベクトル間距離を算出し、
前記ベクトル間距離に基づいて、前記識別対象の証券を識別する、
ことを特徴とする情報処理方法。

【請求項8】

登録対象の証券の画像である第１画像を示す第１画像情報を取得し、
画像の特徴量を示す特徴ベクトルを生成する処理を前記第１画像に対して実行することにより、前記第１画像の前記特徴ベクトルを生成し、
前記第１画像情報と、前記生成した特徴ベクトルと、前記登録対象の証券の名称及び額面価格とを、互いに対応付けて登録する、
ことを特徴とする情報処理方法。

【請求項9】

プロセッサを、
識別対象の証券の画像である第１画像を示す第１画像情報を取得する取得部と、
画像の特徴量を示す特徴ベクトルを生成する処理を前記第１画像に対して実行することにより、前記第１画像の前記特徴ベクトを生成する生成部と、
リファレンスの証券の画像である第２画像の前記特徴ベクトルと前記第１画像の前記特徴ベクトルとの間の距離であるベクトル間距離を算出する算出部と、
前記ベクトル間距離に基づいて、前記識別対象の証券を識別する識別部と、
として機能させる、
プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理装置、情報処理方法及びプログラムに関する。

【背景技術】

【0002】

スーパーマーケット等の小売店では、貨幣以外に商品券等の有価証券が取り扱われることがある。例えば、商品券を取り扱う小売店では、営業時間の終了後に、使用された商品券を種類別に仕分けする作業等が行われる。このため、例えば、複数枚の商品券を、第１の種類の商品券の種類及び金額と同じ商品券と、第１の種類の商品券とは種類又は金額が異なる商品券とに振り分ける商品券入金機が提案されている（例えば、特許文献１参照）。

【0003】

また、ＰＯＳ（Ｐｏｉｎｔ Ｏｆ Ｓａｌｅｓ）レジスタ及び釣銭機に商品券入金機を接続することで、小売店等の店員が、顧客から預かった商品券を識別し、購入商品の清算処理を行うことも提案されている（例えば、特許文献２参照）。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１４－０４４６６３号公報

【特許文献2】特開２０１５－２００９３８号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

近年、ＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）を使って商品券を識別する研究が進んでいる。例えば、商品券を振り分ける一般的な方法として、市場に流通している様々な商品券の画像を教師データとして商品券の種類等を学習したモデル（以下、画像識別モデルとも称する）を用いて、商品券の画像を識別する方法が知られている。このような識別方法は、画像識別モデルを作成するために、多くの教師データによる学習が必要である。近年、市場に流通している商品券や地域振興券等の有価証券の種類は増加しており、また有価証券のみでなく、サービス券及びクーポン券等の非有価証券の種類も増加している。このため、画像識別モデルを用いる従来のＡＩを使った識別方法では、教師データによる学習に非常に多くの時間と手間を要してしまい、振り分ける商品券の識別に必要な情報の生成に膨大な労力がかかるという課題があった。以下では、有価証券及び非有価証券を証券と総称する場合がある。

【0006】

また、近年、小売店等では、顧客が購入した商品を清算する際に、セミセルフレジやセルフレジを利用するケースも増えてきている。そのため、商品券等の有価証券やサービス券の識別を、より短時間で高精度に行うことが望まれている。しかしながら、従来の識別方法では、商品券の識別に１０秒以上の時間を要することも有り、また処理時間を短くすると識別の精度が低下してしまうという課題があった。

【課題を解決するための手段】

【0007】

本発明の好適な態様に係る情報処理装置は、識別対象の証券の画像である第１画像を示す第１画像情報を取得する取得部と、画像の特徴量を示す特徴ベクトルを生成する処理を前記第１画像に対して実行することにより、前記第１画像の前記特徴ベクトルを生成する生成部と、予め登録された、複数のリファレンスの証券の各々の画像である第２画像の前記特徴ベクトルと前記第１画像の前記特徴ベクトルとの間の距離であるベクトル間距離を算出する算出部と、前記ベクトル間距離に基づいて、前記識別対象の有価証券を識別する識別部と、を備えている。

【0008】

また、本発明の好適な態様に係る情報処理方法は、識別対象の証券の画像である第１画像を示す第１画像情報を取得し、画像の特徴量を示す特徴ベクトルを生成する処理を前記第１画像に対して実行することにより、前記第１画像の前記特徴ベクトルを生成し、リファレンスの証券の画像である第２画像の前記特徴ベクトルと前記第１画像の前記特徴ベクトルとの間の距離であるベクトル間距離を算出し、前記ベクトル間距離に基づいて、前記識別対象の証券を識別する。

【0009】

また、本発明の好適な態様に係る情報処理方法は、登録対象の証券の画像である第１画像を示す第１画像情報を取得し、画像の特徴量を示す特徴ベクトルを生成する処理を前記第１画像に対して実行することにより、前記第１画像の前記特徴ベクトルを生成し、前記第１画像情報と、前記生成した特徴ベクトルと、前記登録対象の証券の名称及び額面価格とを、互いに対応付紐づけて登録する。

【0010】

また、本発明の好適な態様に係るプログラムは、プロセッサを、識別対象の有価証券の画像である第１画像を示す第１画像情報を取得する取得部と、画像の特徴量を示す特徴ベクトルを生成する処理を前記第１画像に対して実行することにより、前記第１画像の前記特徴ベクトルを生成する生成部と、リファレンスの有価証券の画像である第２画像の前記特徴ベクトルと前記第１画像の前記特徴ベクトルとの間の距離であるベクトル間距離を算出する算出部と、前記ベクトル間距離に基づいて、前記識別対象の有価証券を識別する識別部と、として機能させる。

【発明の効果】

【0011】

本発明によれば、証券の識別を容易にすることができる。

【図面の簡単な説明】

【0012】

【図1】第１の実施形態に係る情報処理システムの概要を説明するための説明図である。

【図2】図２は、図１に示した券種テーブルの一例を説明するための説明図である。

【図3】券種テーブルに新たな商品券を登録する場合の情報処理装置の動作の一例を示すフローチャートである。

【図4】識別対象の商品券を画像入力装置で読み取った際に、表示装置に表示される確認画面の一例を説明するための説明図である。

【図5】図１に示した情報処理装置の動作の一例を示すフローチャートである。

【図6】図５に示した表面特定処理の一例を示すフローチャートである。

【図7】第１変形例に係る情報処理システムの概要を説明するための説明図である。

【発明を実施するための形態】

【0013】

以下、本発明を実施するための形態について図面を参照して説明する。なお、各図において、各部の寸法及び縮尺は、実際のものと適宜に異ならせてある。また、以下に述べる実施の形態は、本発明の好適な具体例であるから、技術的に好ましい種々の限定が付されているが、本発明の範囲は、以下の説明において特に本発明を限定する旨の記載がない限り、これらの形態に限られるものではない。なお、本発明では、情報処理システム１が、商品券ＧＴ等の有価証券を種類ごとに識別し分類する有価証券処理システムである場合を例示するが、本発明はこのような態様に限定されるものではない。例えば、情報処理システム１は、有価証券以外の非有価証券（例えば、サービス券、クーポン券、割引券等）を識別するシステムであってもよい。本発明では、有価証券及び非有価証券を証券と称する。

【0014】

［１．第１の実施形態］
先ず、図１を参照しながら、実施形態に係る情報処理システム１の概要の一例について説明する。

【0015】

図１は、第１の実施形態に係る情報処理システム１の概要を説明するための説明図である。

【0016】

本実施形態では、情報処理システム１が、商品券ＧＴ等の有価証券を識別し種類ごとに分類する有価証券処理システムである場合を想定する。また、本実施形態では、有価証券が商品券ＧＴである場合を想定する。

【0017】

情報処理システム１は、例えば、情報処理装置１０、画像入力装置２０及び表示装置３０を有する。図１に示す例では、情報処理装置１０は、画像入力装置２０及び表示装置３０の各々と通信可能に接続されている。なお、情報処理装置１０と画像入力装置２０との接続、及び、情報処理装置１０と表示装置３０との接続は、有線及び無線の一方を用いた接続であってもよいし、有線及び無線の両方を用いた接続であってもよい。また、情報処理装置１０等を含む複数の要素間の接続は、例えば、複数の要素間を互いに通信可能にする接続であればよく、ネットワークを介する接続であってもよい。ネットワークは、インターネット及びローカルエリアネットワークを含み得る。

【0018】

本実施形態では、例えば、情報処理装置１０、画像入力装置２０及び表示装置３０が、商品券ＧＴを取り扱う小売店に設置される場合を想定する。この場合、画像入力装置２０及び表示装置３０の一方又は両方は、情報処理装置１０に含まれてもよい。

【0019】

画像入力装置２０は、例えば、カメラ及びイメージスキャナ等の光学的な装置である。例えば、画像入力装置２０は、商品券ＧＴを撮像することにより、商品券ＧＴの画像を示す画像情報を生成する。画像入力装置２０により生成された画像情報は、情報処理装置１０に送信される。例えば、画像入力装置２０が設置された小売店の従業員等のユーザは、商品券ＧＴを識別し種類ごとに分類する場合に、識別対象の商品券ＧＴを画像入力装置２０に読み取らせる。画像入力装置２０は、例えば、読み取った商品券ＧＴの画像（識別対象の商品券ＧＴの画像）を示す画像情報を生成し、生成した画像情報を情報処理装置１０に送信する。なお、画像入力装置２０は、画像情報を図示しない共有メモリに記憶してもよい。この場合、情報処理装置１０は、共有メモリから画像情報を読み出してもよい。

【0020】

情報処理装置１０としては、任意の情報処理装置を採用することができる。例えば、情報処理装置１０は、情報処理装置１０の各部を制御する処理装置１２０と、各種情報を記憶する記憶装置１４０と、通信装置１６０とを有する。

【0021】

通信装置１６０は、情報処理装置１０の外部に存在する外部装置との通信を行うためのハードウェアである。

【0022】

記憶装置１４０は、例えば、処理装置１２０の作業領域として機能するＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等の揮発性メモリと、制御プログラムＰＧ１等の各種情報を記憶するＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）等の不揮発性メモリとの、一方又は両方を含む。なお、記憶装置１４０は、情報処理装置１０に着脱可能であってもよい。具体的には、記憶装置１４０は、情報処理装置１０に着脱されるメモリカード等の記憶媒体であってもよい。また、記憶装置１４０は、例えば、情報処理装置１０とネットワーク等を介して通信可能に接続された記憶装置（例えば、オンラインストレージ）であってもよい。

【0023】

本実施形態では、記憶装置１４０は、制御プログラムＰＧ１の他に、券種テーブルＴＢＬを記憶している。なお、券種テーブルＴＢＬについては、後述する図２において説明される。

【0024】

処理装置１２０は、情報処理装置１０の全体を制御するプロセッサであり、例えば、１又は複数のＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を含んで構成される。例えば、処理装置１２０は、記憶装置１４０に記憶された制御プログラムＰＧ１を実行することにより、画像情報取得部１２２、表面特定部１２３、特徴抽出部１２４、距離算出部１２５、識別部１２６、及び、表示制御部１２８として機能する。この結果、情報処理装置１０は、例えば、商品券ＧＴを識別し種類ごとに集計する有価証券処理装置として機能する。なお、制御プログラムＰＧ１は、ネットワークを介して他の装置から送信されてもよい。

【0025】

また、例えば、処理装置１２０が複数のＣＰＵを含んで構成される場合、処理装置１２０の機能の一部又は全部は、これら複数のＣＰＵが制御プログラムＰＧ１等のプログラムに従って協働して動作することで実現されてもよい。また、処理装置１２０は、１又は複数のＣＰＵに加え、又は、１又は複数のＣＰＵのうち一部又は全部に代えて、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、又は、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等のハードウェアを含んで構成されるものであってもよい。この場合、処理装置１２０の機能の一部又は全部は、ＤＳＰ等のハードウェアにより実現されてもよい。

【0026】

このように、本実施形態では、制御プログラムＰＧ１は、処理装置１２０を画像情報取得部１２２、表面特定部１２３、特徴抽出部１２４、距離算出部１２５、識別部１２６、及び、表示制御部１２８として機能させるためのアプリケーションプログラムを含む。なお、制御プログラムＰＧ１は、例えば、処理装置１２０が情報処理装置１０の各部を制御するためのオペレーティングシステムプログラムを含んでもよい。制御プログラムＰＧ１は、「プログラム」の一例である。また、画像情報取得部１２２は、「取得部」の一例であり、特徴抽出部１２４は、「生成部」の一例であり、距離算出部１２５は、「算出部」の一例である。

【0027】

画像情報取得部１２２は、例えば、識別対象の商品券ＧＴの画像である第１画像を示す第１画像情報を、通信装置１６０を介して画像入力装置２０から取得する。なお、画像入力装置２０が第１画像情報を図示しない共有メモリに記憶する場合、画像情報取得部１２２は、第１画像情報を共有メモリから取得してもよい。また、画像情報取得部１２２は、識別対象の商品券ＧＴの第１面の画像を示す第１面画像情報と、識別対象の商品券ＧＴの第１面の反対側の第２面の画像を示す第２面画像情報とを取得してもよい。なお、商品券ＧＴの第１面及び第２面の一方が商品券ＧＴの表面に該当し、第１面及び第２面の他方が商品券ＧＴの裏面に該当する。本実施形態では、画像情報取得部１２２が第１面画像情報及び第２面画像情報を取得する場合を想定する。

【0028】

表面特定部１２３は、第１面画像情報により示される第１面の画像に含まれる輪郭の数と、第２面画像情報により示される第２面の画像に含まれる輪郭の数とに基づいて、識別対象の商品券ＧＴの表面と裏面とを特定する。例えば、表面特定部１２３は、第１面及び第２面のうち、輪郭の数が少ない面を商品券ＧＴの表面として特定し、輪郭の数が多い面を商品券ＧＴの裏面として特定する。そして、表面特定部１２３は、第１面画像情報及び第２面画像情報のうち表面の画像を示す画像情報を、第１画像情報として特定する。なお、画像に含まれる輪郭の数の算出方法としては、例えば、画像に含まれるエッジを検出する既知の方法（例えば、Ｃａｎｎｙ法）を採用することができる。

【0029】

特徴抽出部１２４は、画像の特徴量を示す特徴ベクトルを生成する処理を、画像情報取得部１２２により取得された第１画像情報により示される第１画像（識別対象の商品券ＧＴの表面の画像）に対して実行することにより、第１画像の特徴ベクトルを生成する。そして、特徴抽出部１２４は、第１画像の特徴ベクトルを示す特徴情報を生成する。特徴ベクトルを生成する処理は、例えば、畳み込みニューラルネットワークにおける複数の畳み込み層及びプーリング層を含む。本実施形態では、例えば、特徴抽出部１２４は、互いに同じ券種の複数の画像の特徴ベクトル間の距離を小さくし、互いに異なる券種の複数の画像の特徴ベクトル間の距離を大きくするように学習（距離学習：Ｍｅｔｒｉｃ Ｌｅａｒｎｉｎｇ）されたモデルを用いて、第１画像の特徴ベクトルを生成する。このように、本実施形態では、商品券専用の距離学習が行われたモデルが使用される。

【0030】

距離算出部１２５は、リファレンスの商品券ＧＴの画像である第２画像の特徴ベクトルと第１画像の特徴ベクトルとの間の距離であるベクトル間距離を算出する。ここで、リファレンスの商品券ＧＴは、例えば、商品券ＧＴの表面の画像（第２画像）の特徴ベクトル、及び、商品券ＧＴの種類（券種）が互いに対応付けられて、券種テーブルＴＢＬに登録されている商品券ＧＴである。例えば、リファレンスの商品券ＧＴには、商品券ＧＴの種類を示す券種情報、及び、商品券ＧＴの表面の画像の特徴ベクトルを示す特徴情報が関連付けられている。

【0031】

識別部１２６は、ベクトル間距離に基づいて、識別対象の商品券ＧＴを識別し分類する。例えば、識別部１２６は、ベクトル間距離が第１距離以下であるか否かを判定する。そして、識別部１２６は、ベクトル間距離が第１距離以下である場合、第１画像と第２画像とが同一又は類似している（関連性が高い）と判定し、ベクトル間距離が第１距離よりも大きい場合、第１画像と第２画像とが異なる（関連性が低い）と判定する。

【0032】

ここで、例えば、第１距離は、第１画像の特徴ベクトルと第２画像の特徴ベクトルとの間の距離（ベクトル間距離）が第１距離以下であれば、第１画像及び第２画像によりそれぞれ示される２つの商品券ＧＴの種類が互いに同じであると見なせる値に設定される。従って、本実施形態では、識別部１２６は、ベクトル間距離が第１距離以下である第２画像が特定された場合、識別対象の商品券ＧＴの種類が、ベクトル間距離が第１距離以下である第２画像により示されるリファレンスの商品券ＧＴの種類と同じであると判定する。すなわち、識別部１２６は、ベクトル間距離が第１距離以下である第２画像が特定された場合、特定された第２画像により示されるリファレンスの商品券ＧＴの券種情報を、識別対象の商品券ＧＴの券種情報として特定する。

【0033】

なお、第１距離は任意に設定可能であるが、第１距離を大きく設定すると、識別できる商品券ＧＴの割合は増加するが、誤認識が増えるというリスクがある。一方、第１距離を小さく設定すると、識別できる商品券ＧＴの割合は減少するというリスクがあるが、誤認識を低減させることができる。従って、第１距離は、要求される基準に応じて適切に設定することが好ましい。また、便宜上設定した第１距離を、「１．０」や「１０」、「１００」とすることで、判断基準の理解を容易にすることも可能である。

【0034】

また、識別部１２６は、ベクトル間距離が第１距離以下である第２画像が特定されない場合、第１画像の特徴ベクトルを示す特徴情報と第１画像情報とを互いに対応付けて、券種テーブルＴＢＬに登録することもできる。なお、本実施形態では、特徴情報と第１画像情報とを互いに対応付けて券種テーブルＴＢＬに登録することは、特徴情報と第１画像情報とを互いに対応付けて記憶装置１４０に記憶することに該当する。また、本実施形態では、特徴情報と第１画像情報とを互いに対応付けて記憶装置１４０等のメモリに記憶することを、特徴情報と第１画像情報とを互いに対応付けて券種テーブルＴＢＬに記憶すると称する場合がある。

【0035】

表示制御部１２８は、ベクトル間距離が第１距離以下である第２画像が特定された場合に、特定された第２画像と第１画像とを表示装置３０に表示させる。例えば、表示制御部１２８は、後述する図４に示す確認画面ＳＣを表示装置３０に表示させる。

【0036】

表示装置３０は、外部への出力を実施するディスプレイ等の出力デバイスである。表示装置３０は、例えば、情報処理装置１０の処理装置１２０（より詳細には、表示制御部１２８）による制御のもとで、後述する図４に示す確認画面ＳＣ等の画像を表示する。なお、表示装置３０は、情報処理装置１０の管理者等による操作を受け付ける操作装置と一体となった構成（例えば、タッチパネル）であってもよい。本実施形態では、表示装置３０が操作装置と一体となった構成である場合を想定する。

【0037】

なお、情報処理システム１の構成は、図１に示す例に限定されない。例えば、情報処理装置１０は、情報処理装置１０の管理者等による操作を受け付ける操作装置を有してもよい。

【0038】

また、情報処理装置１０は、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等のネットワークを介して、画像入力装置２０及び表示装置３０と通信可能に接続されてもよい。この場合、情報処理装置１０は、商品券ＧＴを識別し種類ごとに分類するためのサーバとして機能してもよい。例えば、表示装置３０として機能する端末装置等により実行されるアプリケーションが、画像情報取得部１２２、表面特定部１２３、特徴抽出部１２４、距離算出部１２５、識別部１２６、及び、表示制御部１２８の各々の処理に関するＡＰＩを呼び出すことによって、商品券ＧＴを識別し種類ごとに分類する処理が実行されてもよい。

【0039】

次に、図２を参照しながら、券種テーブルＴＢＬの一例について説明する。

【0040】

図２は、図１に示した券種テーブルＴＢＬの一例を説明するための説明図である。券種テーブルＴＢＬは、例えば、１以上のレコードを有する。図２に示す例では、券種テーブルＴＢＬは、券種テーブルＴＢＬに登録される商品券ＧＴの複数の種類と１対１に対応する複数のレコードを有する。

【0041】

券種テーブルＴＢＬの各レコードは、例えば、券種情報、画像情報の格納先を示す情報、及び、特徴情報の格納先を示す情報を有する。また、券種情報は、例えば、識別情報、券種名を示す情報、及び、額面価格を示す情報を含む。識別情報は、商品券ＧＴの複数の種類の中から、各種類を識別するための情報である。券種名は、識別情報と対応する商品券ＧＴの種類の名称である。例えば、券種名は、表示装置３０が設置された小売店の従業員等に当該小売店で使用された商品券ＧＴの種類を容易に認識させるために、後述する図４に示す確認画面ＳＣに表示される。額面価格は、商品券ＧＴに記載された金額である。

【0042】

ここで、商品券ＧＴの種類は、例えば、商品券ＧＴの発行元及び額面価格の組み合わせにより区分される。このため、例えば、識別情報が“００１”、“００２”及び“００３”の３つの券種にそれぞれ対応する３つの商品券ＧＴは、商品券ＧＴの発行元は同じであるが、額面価格が互いに異なるため、互いに異なる種類である。また、例えば、識別情報が“００３”、“００６”及び“０２２”の３つの券種にそれぞれ対応する３つの商品券ＧＴは、額面価格は同じであるが、商品券ＧＴの発行元が互いに異なるため、互いに異なる種類である。

【0043】

なお、商品券ＧＴの種類は、商品券ＧＴの発行元及び額面価格の組み合わせに限定されない。例えば、商品券ＧＴの種類は、商品券ＧＴの発行元により区分されてもよい。あるいは、例えば、商品券ＧＴの発行元となる一の会社が、互いに異なる複数の銘柄の商品券ＧＴを発行している場合、商品券ＧＴの種類は、商品券ＧＴの発行元、額面価格及び銘柄の組み合わせにより区分されてもよい。商品券ＧＴの銘柄には、全国共通の商品券ＧＴ及び地域限定の商品券ＧＴ等が含まれてもよい。

【0044】

画像情報の格納先は、例えば、識別情報により示される券種に対応する商品券ＧＴの表面の画像及び裏面の画像をそれぞれ示す画像情報が格納されている記憶領域を示すアドレスである。また、特徴情報の格納先は、例えば、識別情報により示される券種に対応する商品券ＧＴの表面の画像の特徴ベクトルを示す特徴情報が格納されている記憶領域を示すアドレスである。なお、画像情報及び特徴情報の一方又は両方は、券種テーブルＴＢＬが記憶される記憶装置１４０に記憶されてもよいし、記憶装置１４０と異なる記憶装置に記憶されてもよい。

【0045】

このように、券種テーブルＴＢＬでは、商品券ＧＴの種類、画像及び特徴ベクトルが互いに対応付けされている。

【0046】

次に券種テーブルＴＢＬに新たな商品券ＴＧを登録する方法を、図３のフローチャートを使って説明する。

【0047】

図３は、券種テーブルＴＢＬに新たな商品券ＴＧを登録する場合の情報処理装置１０の動作の一例を示すフローチャートである。なお、最初に登録する商品券ＧＴを、図２の券種テーブルＴＢＬにおいて識別情報が“００１”であるＸＸギフトカード１０００円券として説明する。また、以下では、ｎ枚目の商品券ＧＴを商品券ＧＴｎと称する場合がある。例えば、図３では、図２に示した識別情報“００１”のＸＸギフトカード１０００円券、すなわち、最初に登録する商品券ＧＴは、商品券ＧＴ１とも称される。また、図３に示す動作で券種テーブルＴＢＬに登録された商品券ＴＧは、「リファレンスの証券」に該当する。

【0048】

先ず、ステップＳ５１において、処理装置１２０は、画像情報取得部１２２として機能し、登録対象の商品券ＧＴの第１面及び第２面の画像をそれぞれ示す第１面画像情報及び第２面画像情報を画像入力装置２０から取得する。

【0049】

次に、ステップＳ５２において、処理装置１２０は、表面特定部１２３として機能し、第１面及び第２面のどちらの面が商品券ＧＴの表面であるかを特定する表面特定処理を実行する。詳細は図６において説明されるが、例えば、表面特定部１２３は、第１面の画像内の輪郭の数と第２面の画像内の輪郭の数とに基づいて、商品券ＧＴ１の表面の画像を特定する。

【0050】

なお、ステップＳ５１において、商品券の表面が特定されている場合は、表面の画像のみを取得することで、ステップＳ５２を省略することもできる。

【0051】

次に、ステップＳ５３において、処理装置１２０は、特徴抽出部１２４として機能し、ステップＳ５２で特定された商品券ＧＴ１の表面の画像（第２画像）の特徴量を示す特徴ベクトルを算出する。すなわち、ステップＳ５３の処理により、第２画像の特徴ベクトルが算出される。

【0052】

特徴ベクトルの算出には、前述のＭｅｔｒｉｃ Ｌｅａｒｎｉｎｇ（距離学習）により学習されたモデルを使用する。最初に登録する商品券ＧＴ１の特徴ベクトルは、特定の空間のある領域（第１領域）に位置づけられる。

【0053】

次に、ステップＳ５４において、処理装置１２０は、ステップＳ５２で特定された商品券ＧＴ１の表面の画像情報を、図２に示した画像情報の格納先“ａｂ１２３”に格納する。また、ステップＳ５３で算出された特徴ベクトルを、図２に示した特徴情報の格納先“ｔｋｅ９８”に格納する。なお、処理装置１２０は、商品券ＧＴ１の表面の画像情報を、ステップＳ５２の直後に格納してもよい。

【0054】

次に、ステップＳ５５において、処理装置１２０は、券種テーブルＴＢＬの各項目である、商品券ＧＴ１の識別情報、券種名、額面価格、画像情報の格納先、及び、特徴情報の格納先を互いに対応付けて券種テーブルＴＢＬに記憶する。これにより商品券ＧＴ１の登録は完了する。

【0055】

次に、ステップＳ５６において、処理装置１２０は、続けて登録する商品券ＧＴが有るか否かを確認し、続けて登録する商品券がない場合は登録完了となる。続けて登録する商品券がある場合は、２枚目の商品券ＧＴ２の登録を行う。

【0056】

２枚目に登録する商品券ＧＴ２を、図２の券種テーブルＴＢＬにおいて識別情報が“００２”であるＸＸギフトカード５０００円券とする。処理装置１２０は、商品券ＧＴ１と同様に、ステップＳ５１からステップＳ５５の一連の処理を実行する。商品券ＧＴ２の表面の画像情報は、図２に示した画像情報の格納先“ｋｈ２９６”に格納される。また、ステップＳ５３で算出された特徴ベクトルは、図２に示した特徴情報の格納先“ｒａｗ４７”に格納される。

【0057】

なお、ステップＳ５３の商品券ＧＴ２の表面画像の特徴ベクトルの算出は、すでに登録されている商品券ＧＴ１の特徴ベクトルを示す第１領域から、距離が離れた領域（第２領域）に位置づけられる。

【0058】

以下、同様にステップＳ５３における３枚目以降のｎ枚目の商品券ＧＴｎの特徴ベクトルは、すでに登録されているｎ－１枚の商品券のｎ－１個の領域のそれぞれと、距離が離れた領域（第ｎ領域）に位置づけられる。

【0059】

このようにして券種テーブルＴＢＬには、各商品券ＴＧｎの識別情報、券種名、額面価格、画像情報の格納先、及び、特徴情報の格納先が記憶される。

【0060】

このような、券種テーブルＴＢＬに新たな商品券ＴＧを登録する方法は、登録する商品券ＴＧを１枚読み込ませることで、Ｍｅｔｒｉｃ Ｌｅａｒｎｉｎｇ（距離学習）により、既に登録されている商品券ＧＴの特徴ベクトルの空間領域と、所定の距離を隔てた特徴ベクトルの空間領域に位置づけることができる。

【0061】

なお、図３に示す動作は、情報処理装置１０と通信可能に接続されるサーバにより実行されてもよい。また、券種テーブルＴＢＬの構成は、図２に示す例に限定されない。例えば、券種テーブルＴＢＬの各レコードは、特徴情報の格納先を示す情報の代わりに、特徴情報そのものを含んでもよい。また、例えば、券種テーブルＴＢＬの各レコードは、画像情報の格納先を示す情報の代わりに、画像情報そのものを含んでもよい。

【0062】

次に、図４を参照しながら、識別対象の商品券ＴＧを識別する際に、表示装置３０に表示される確認画面ＳＣの一例について説明する。

【0063】

図４は、識別対象の商品券ＴＧを画像入力装置２０で読み取った際に、表示装置３０に表示される確認画面ＳＣの一例を説明するための説明図である。例えば、表示装置３０は、後述する図５に示す動作を情報処理装置１０が実行した場合に、情報処理装置１０の処理装置１２０（より詳細には、表示制御部１２８）による制御のもとで、確認画面ＳＣを表示する。例えば、識別対象の商品券ＧＴは、券種テーブルＴＢＬに登録された複数の券種のうち、ベクトル間距離が第１距離以下である券種に分類される。

【0064】

確認画面ＳＣには、例えば、読取順、券種名、額面価格、リファレンス画像ＲＩＭＧ、読取画像、及び、ＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）用の複数のボタンＢＴ等が表示される。

【0065】

読取順は、例えば、画像入力装置２０が識別対象の商品券ＧＴを複数読み取った場合の読取順である。券種名は、識別対象の商品券ＧＴの種類の名称である。例えば、券種テーブルＴＢＬに登録された複数の券種のうち、ベクトル間距離が第１距離以下である券種の券種名が、識別対象の商品券ＧＴの券種名として特定される。額面価格は、識別対象の商品券ＧＴの額面価格である。例えば、券種テーブルＴＢＬに登録された複数の券種の額面価格のうち、識別対象の商品券ＧＴと同じ券種の額面価格が、識別対象の商品券ＧＴの額面価格として特定される。また、リファレンス画像ＲＩＭＧは、券種テーブルＴＢＬに登録された複数の券種のうち、識別対象の商品券ＧＴと同じ券種に対応する商品券ＧＴの表面の画像である。例えば、リファレンス画像ＲＩＭＧは、券種テーブルＴＢＬに登録された複数の画像情報の格納先のうち、識別対象の商品券ＧＴと同じ券種の画像情報の格納先から読み出される。

【0066】

読取画像は、識別対象の商品券ＧＴの画像（画像入力装置２０により読み取られた商品券ＧＴの画像）である。図４に示す例では、識別対象の商品券ＧＴの画像として、識別対象の商品券ＧＴの表面の画像ＩＩＭＧｆ及び裏面の画像ＩＩＭＧｂが確認画面ＳＣに表示される。なお、商品券ＧＴの裏面の画像ＩＩＭＧｂ内の番号領域ＮＡＲは、商品券ＧＴを発行したカード会社が、商品券ＧＴを管理するための商品券番号が記載されている領域である。商品券番号が記載される番号領域ＮＡＲは、カード会社又は券種によって異なる。また、商品券番号が記載されていない商品券ＧＴも存在する。本実施形態では、商品券ＧＴの分類を中心に情報処理装置１０の動作が説明されるため、商品券番号が読み取られない場合を想定するが、商品券番号は、後述する第１変形例に示すように、情報処理装置１０により読み取られてもよい。

【0067】

なお、図４に示す券種名が不明の商品券ＧＴ（読取順が“４”の商品券ＧＴ）は、券種テーブルＴＢＬに登録された複数の券種のいずれにも該当しないと判定された商品券ＧＴである。この場合、不明の商品券ＧＴに対応する券種が、券種テーブルＴＢＬに新規に登録されてもよい。券種の新規登録等は、例えば、“新規登録”のボタンＢＴ等を押下することにより、図３に示したフロー（例えば、図３のステップＳ５４及びＳ５５の一連の処理）に従って券種テーブルＴＢＬへの登録を開始してもよい。

【0068】

商品券ＧＴを識別するユーザは、確認画面ＳＣを確認することにより、識別対象の商品券ＧＴが正しく識別されたか等を容易に確認することができる。例えば、ユーザは、正しく分類された商品券ＧＴを確認画面ＳＣ上で選択し、選択した商品券ＧＴの分類を、“確定”のボタンＢＴを押下することにより、確定してもよい。なお、商品券ＧＴの分類は、“確定”のボタンＢＴが押下されることなく、確定されてもよい。また、ユーザは、誤って識別された商品券ＧＴを確認画面ＳＣ上で選択し、選択した商品券ＧＴの識別（分類）を、“削除”のボタンＢＴを押下することにより、取り消してもよい。

【0069】

なお、確認画面ＳＣは、図４に示す例に限定されない。例えば、“削除”、“確定”、及び、“新規登録”等のボタンＢＴは、確認画面ＳＣに表示されなくてもよい。また、券種テーブルＴＢＬへの券種の新規登録、及び、券種テーブルＴＢＬからの券種の削除等の券種テーブルＴＢＬの編集を行うための操作画面は、確認画面ＳＣとは別に表示装置３０に表示されてもよい。

【0070】

次に、図５及び図６を参照しながら、情報処理装置１０の動作の概要について説明する。

【0071】

図５は、図１に示した情報処理装置１０の動作の一例を示すフローチャートである。図５に示す動作は、商品券ＧＴを識別し種類ごとに集計する場合に実行される。

【0072】

先ず、ステップＳ１００において、処理装置１２０は、画像情報取得部１２２として機能し、識別対象の商品券ＧＴの第１面及び第２面の画像をそれぞれ示す第１面画像情報及び第２面画像情報を画像入力装置２０から取得する。

【0073】

次に、ステップＳ２００において、処理装置１２０は、表面特定部１２３として機能し、第１面及び第２面のどちらの面が商品券ＧＴの表面であるかを特定する表面特定処理を実行する。詳細は図６において説明されるが、例えば、表面特定部１２３は、第１面の画像内の輪郭の数と第２面の画像内の輪郭の数とに基づいて、商品券ＧＴの表面の画像を特定する。

【0074】

次に、ステップＳ３００において、処理装置１２０は、特徴抽出部１２４として機能し、ステップＳ２００で特定された商品券ＧＴの表面の画像（第１画像）の特徴量を示す特徴ベクトルを算出する。すなわち、ステップＳ３００の処理により、第１画像の特徴ベクトルが算出される。

【0075】

そして、ステップＳ４００において、処理装置１２０は、距離算出部１２５として機能し、ステップＳ３００において算出された特徴ベクトル（第１画像の特徴ベクトル）と、予め券種テーブルＴＢＬに登録済のリファレンスの商品券ＧＴのリファレンス特徴ベクトルとの間の距離であるベクトル間距離を算出する。リファレンス特徴ベクトルは、例えば、リファレンスの商品券ＧＴの画像である第２画像の特徴ベクトル（券種テーブルＴＢＬに登録された券種の特徴ベクトル）である。例えば、券種テーブルＴＢＬに複数の券種が登録されている場合、距離算出部１２５は、複数の券種の各々の特徴ベクトル（すなわち、複数の第２画像の各々の特徴ベクトル）と、第１画像の特徴ベクトルとの間のベクトル間距離を算出する。従って、券種テーブルＴＢＬに複数の券種が登録されている場合、複数の券種に対応する複数のベクトル間距離が算出される。

【0076】

次に、ステップＳ５００において、処理装置１２０は、識別部１２６として機能し、ベクトル間距離が第１距離以下であるリファレンス特徴ベクトルを検索する。例えば、処理装置１２０は、ステップＳ４００で算出されたベクトル間距離が第１距離以下であるか否かを判定する。なお、例えば、複数のベクトル間距離がステップＳ４００で算出された場合、処理装置１２０は、ステップＳ４００で算出された複数のベクトル間距離の各々に対して、ベクトル間距離が第１距離以下であるか否かを判定する。

【0077】

そして、ステップＳ５２０において、処理装置１２０は、識別部１２６として機能し、ベクトル間距離が第１距離以下であるリファレンス特徴ベクトルが存在するか否かを判定する。

【0078】

ステップＳ５２０における判定の結果が肯定の場合、処理装置１２０は、処理をステップＳ６００に進める。一方、ステップＳ５２０における判定の結果が否定の場合、図４に示す読取順“４”の商品券ＧＴの様に、券種テーブルＴＢＬに登録された複数の券種のいずれにも該当しないと判定され「不明」として登録される。

【0079】

なお、ステップＳ５２０における判定の結果が否定の場合、処理装置１２０は、図５のステップＳ７００に進めることもできる。なお、処理装置１２０は、ステップＳ５２０における判定の結果が否定で、ステップＳ７００の処理を実行しない場合は、図５に示す動作を終了させてもよい。

【0080】

ステップＳ６００において、処理装置１２０は、識別部１２６として機能し、識別対象の商品券ＧＴの種類を特定する。例えば、識別部１２６は、ベクトル間距離が第１距離以下であるリファレンス特徴ベクトルに対応する券種を、識別対象の商品券ＧＴの種類として特定する。なお、ベクトル間距離が第１距離以下である複数のリファレンス特徴ベクトルが存在する場合、識別部１２６は、ベクトル間距離が最小のリファレンス特徴ベクトルに対応する券種を、識別対象の商品券ＧＴの種類として特定してもよい。あるいは、処理装置１２０は、表示制御部１２８として機能し、ベクトル間距離が第１距離以下である複数のリファレンス特徴ベクトルに対応する複数の商品券ＧＴの画像と、識別対象の商品券ＧＴの画像とを確認画面ＳＣに表示し、ユーザに選択させてもよい。そして、識別部１２６は、確認画面ＳＣを介してユーザに選択された商品券ＧＴの種類を、識別対象の商品券ＧＴの種類として特定してもよい。

【0081】

このように、識別対象の商品券ＧＴは、ステップＳ６００で特定された種類に分類される。

【0082】

次に、ステップＳ６２０において、処理装置１２０は、表示制御部１２８として機能し、識別対象の商品券ＧＴの画像等を表示装置３０に表示させる。例えば、表示制御部１２８は、確認画面ＳＣを表示装置３０に表示させる。これにより、例えば、ベクトル間距離が第１距離以下であるリファレンスの商品券ＧＴの画像（例えば、図４のリファレンス画像ＲＩＭＧ）と、識別対象の商品券ＧＴの画像（例えば、図４の商品券ＧＴの画像ＩＩＭＧｆ及びＩＩＭＧｂ）とが表示装置３０に表示される。

【0083】

また、ステップＳ７００において、処理装置１２０は、識別部１２６として機能し、図３に示したフロー（例えば、図３のステップＳ５４及びＳ５５の一連の処理）に従って、識別対象の商品券ＧＴの画像及び特徴ベクトルを互いに対応付けて、券種テーブルＴＢＬに登録する。これにより、例えば、識別対象の商品券ＧＴの画像である第１画像を示す第１画像情報と、第１画像の特徴ベクトルを示す特徴情報とが、互いに対応付けられて記憶装置１４０に記憶される。

【0084】

例えば、ユーザは、図４に示した確認画面ＳＣを介して、種類が特定されなかった商品券ＧＴの券種情報を券種テーブルＴＢＬに登録してもよい。なお、券種情報に含まれる識別情報は、処理装置１２０（例えば、識別部１２６）により自動的に分類されてもよい。

【0085】

また、例えば、ステップＳ７００の処理が実行された場合、識別対象の商品券ＧＴの種類は、特定されずに不明である。このため、処理装置１２０は、当該識別対象の商品券ＧＴの種類が不明である旨をユーザに通知してもよい。この場合、ユーザは、当該識別対象の商品券ＧＴを画像入力装置２０に再度読み取らせることにより、情報処理装置１０に図５に示す動作を再度実行させてもよい。例えば、画像入力装置２０による商品券ＧＴの読み取りの精度によっては、種類が特定されなかった商品券ＧＴであっても、画像入力装置２０により再度読み取られた画像を用いることにより、商品券ＧＴの種類が特定される場合がある。

【0086】

ステップＳ７００の処理が実行された場合は、ステップＳ７００が終了することにより、図５に示す動作が終了する。なお、ステップＳ６００及びＳ６２０の一連の処理が実行された場合は、ステップＳ６２０の処理が終了することにより、図５に示す動作が終了する。

【0087】

このように、本実施形態では、識別部１２６は、ベクトル間距離が第１距離以下である第２画像が特定された場合、識別対象の商品券ＧＴの種類が、ベクトル間距離が第１距離以下である第２画像により示されるリファレンスの商品券ＧＴの種類と同じであると判定する。そして、表示制御部１２８は、ベクトル間距離が第１距離以下である第２画像と第１画像とを表示装置３０に表示させる。また、識別部１２６は、ベクトル間距離が第１距離以下である第２画像が特定されない場合、第１画像の特徴ベクトルを示す特徴情報と第１画像情報とを互いに対応付けて、記憶装置１４０に記憶する。

【0088】

次に、図６を参照しながら、ステップＳ２００の表面特定処理について説明する。

【0089】

図６は、図５に示した表面特定処理の一例を示すフローチャートである。例えば、表面特定部１２３として機能する処理装置１２０は、図５に示したステップＳ２００の表面特定処理として、図６に示すステップＳ２２０からステップＳ２８０までの一連の処理を実行する。従って、ステップＳ２２０の処理は、図５に示したステップＳ１００の処理が実行された後に実行される。また、ステップＳ２８０の処理が実行された後、図５に示したステップＳ３００の処理が実行される。

【0090】

先ず、ステップＳ２２０において、表面特定部１２３は、第１面の画像（第１面画像情報により示される画像）に含まれる輪郭の数（以下、輪郭数Ｎ１とも称する）を算出する。

【0091】

次に、ステップＳ２２２において、表面特定部１２３は、第２面の画像（第２面画像情報により示される画像）に含まれる輪郭の数（以下、輪郭数Ｎ２とも称する）を算出する。

【0092】

そして、ステップＳ２４０において、表面特定部１２３は、輪郭数Ｎ１が輪郭数Ｎ２以下であるか否かを判定する。

【0093】

ステップＳ２４０における判定の結果が肯定の場合、表面特定部１２３は、ステップＳ２６０において、第１面及び第２面のうち、輪郭の数が少ない第１面を商品券ＧＴの表面として特定し、処理をステップＳ２８０に進める。

【0094】

一方、ステップＳ２４０における判定の結果が否定の場合、表面特定部１２３は、ステップＳ２６２において、第１面及び第２面のうち、輪郭の数が少ない第２面を商品券ＧＴの表面として特定し、処理をステップＳ２８０に進める。

【0095】

ステップＳ２８０において、表面特定部１２３は、商品券ＧＴの表面の画像を、特徴ベクトルが算出される画像（第１画像）に特定する。

【0096】

一般的な商品券ＧＴでは、商品券ＧＴの取扱店、及び、注意事項等が裏面に記載されているため、表面の方が裏面よりも輪郭の数が少ない。このため、本実施形態では、上述したように、第１面及び第２面のうち、輪郭の数が少ない面が商品券ＧＴの表面として特定される。

【0097】

なお、例えば、光学文字認識（ＯＣＲ：Ｏｐｔｉｃａｌ ｃｈａｒａｃｔｅｒ ｒｅｃｏｇｎｉｔｉｏｎ）技術を用いて、画像に含まれる文字を認識する文字認識処理により、第１面の文字数及び第２面の文字数を算出する方法が採用されてもよい。この場合、第１面及び第２面のうち、文字数が少ない面が商品券ＧＴの表面として特定される。但し、画像に含まれる文字の数を文字認識処理により算出する処理では、画像に含まれる輪郭の数を算出する処理に比べて、処理にかかる時間が増加する傾向がある。すなわち、画像に含まれる輪郭の数を算出する処理にかかる時間は、画像に含まれる文字の数を文字認識処理により算出する処理にかかる時間に比べて、短くなる。このため、本実施形態では、第１面及び第２面の各々の画像に含まれる文字の数を文字認識処理により算出する態様に比べて、商品券ＧＴの表面を特定する表面特定処理にかかる時間を短くすることができる。

【0098】

また、情報処理装置１０の動作は、図３、図５及び図６に示した例に限定されない。例えば、画像入力装置２０が商品券ＧＴを読み取る際に表面及び裏面が指定される場合、図３に示した動作からステップＳ５２の表面特定処理が省かれ、図５に示した動作からステップＳ２００の表面特定処理が省かれてもよい。また、例えば、商品券ＧＴの裏面に記載された情報（例えば、商品券番号等）を参照しない態様では、画像情報取得部１２２は、識別対象の商品券ＧＴの裏面の画像を示す画像像情報を取得しなくてもよい。例えば、画像情報取得部１２２は、識別対象の商品券ＧＴの表面の画像を示す画像像情報を第１画像情報として画像入力装置２０から取得する。この場合においても、図３に示した動作からステップＳ５２の表面特定処理が省かれ、図５に示した動作からステップＳ２００の表面特定処理が省かれてもよい。また、例えば、図６のステップＳ２２２の処理は、ステップＳ２２０の処理より先に実行されてもよいし、ステップＳ２２０の処理と並列に実行されてもよい。

【0099】

また、図５では、情報処理装置１０の動作を分かり易くするために、識別対象の１つの商品券ＧＴを識別し分類する場合の情報処理装置１０の動作が示されている。従って、複数の商品券ＧＴを分類する場合には、図５に示す動作が繰り返し実行される。なお、複数の商品券ＧＴを分類する場合には、識別対象の複数の商品券ＧＴの画像情報を全て取得した後、ステップＳ２００からＳ６２０までの一連の処理が繰り返し実行されてもよい。

【0100】

また、例えば、図５に示した動作で種類が特定されなかった商品券ＧＴの券種情報を券種テーブルＴＢＬに登録する作業は、ステップＳ７００の処理が実行される度に実行されてもよい。あるいは、図５に示した動作で種類が特定されなかった商品券ＧＴの券種情報を券種テーブルＴＢＬに登録する作業は、ステップＳ１００からステップＳ７００までの一連の処理が複数の商品券ＧＴの全てに対して実行された後に、実行されてもよい。

【0101】

ここで、本実施形態では、上述したように、商品券専用の距離学習が行われたモデルが商品券ＧＴの識別に使用される。なお、商品券ＧＴを識別する一般的な方法（以下、対比例とも称する）では、例えば、商品券ＧＴを種類ごとに識別するように学習した画像識別モデルが使用される。画像識別モデルを使用する対比例では、画像識別モデルを作成するために、商品券ＧＴの種類を識別するための学習を多くの教師データを用いて券種ごとに行う必要である。また、対比例では、画像識別モデルの作成に使用されていない新しい券種を画像識別モデルに学習させる場合、新しい券種用の多くの教師データが必要である。このため、対比例では、学習に必要な時間と手間が増加する。

【0102】

これに対し本実施形態における商品券専用の距離学習では、新しい券種を券種テーブルＴＢＬに追加する場合、１枚の画像で学習が完了する。このため、本実施形態では、新しい券種の追加（リファレンスの券種の追加）をユーザが簡易に実行することができる。すなわち、商品券専用のＭｅｔｒｉｃ Ｌｅａｒｎｉｎｇ（距離学習）により生成されたモデルを使用しているため、券種ごとに多くの教師データを用いて学習させる必要がない。このため、図３のフローチャーで示したように、新規の商品券ＧＴを登録する際は、リファレンスとなる１枚の商品券ＧＴを読み込ませるだけで登録が完了するため、学習に必要な時間と手間を削減させることができる。すなわち、本実施形態では、商品券ＧＴの識別に必要な情報の生成にかかる手間を削減することができる。

【0103】

また、本実施形態では、画像識別モデルに比べて、画像の特徴量を示す特徴ベクトルを生成し、予め登録されたリファレンスの特徴ベクトルとの距離であるベクトル間距離を算出するだけの軽量なモデルを使用している。従って、図５のフローチャートで示した新たな識別対象の商品券ＧＴを識別する際に、従来に比べ高速に処理することが可能である。また、一般的なパーソナルコンピュータを情報処理装置１０として採用することができるため、コスト的にも安価に実現することが可能である。

【0104】

また、本実施形態では、商品券ＧＴ全体の画像から特徴ベクトルが抽出される。そして、２つの特徴ベクトル間の距離（ベクトル間距離）に基づいて、２つの特徴ベクトルに対応する２つの商品券ＧＴが同じ種類であるか否かが判定される。このため、本実施形態では、商品券ＧＴの汚れ、メモ書き及び印影等のノイズによって、商品券ＧＴの種類を特定する精度が低下することを抑制することができる。

【0105】

以上、本実施形態では、情報処理装置１０は、識別対象の商品券ＧＴの画像である第１画像を示す第１画像情報を取得する画像情報取得部１２２と、画像の特徴量を示す特徴ベクトルを生成する処理を第１画像に対して実行することにより、第１画像の特徴ベクトルを生成する特徴抽出部１２４と、予め登録された、複数のリファレンスの商品券ＧＴの各々の画像である第２画像の特徴ベクトルと第１画像の特徴ベクトルとの間の距離であるベクトル間距離を算出する距離算出部１２５と、ベクトル間距離に基づいて、識別対象の商品券ＧＴを識別する識別部１２６と、を備えている。

【0106】

このように、本実施形態では、識別対象の商品券ＧＴの画像である第１画像の特徴ベクトルとリファレンスの商品券ＧＴの画像である第２画像の特徴ベクトルとの間の距離であるベクトル間距離に基づいて、識別対象の商品券ＧＴが識別され分類される。このため、本実施形態では、商品券ＧＴの種類を識別するための学習を多くの教師データを用いて券種ごとに行う必要がない。これにより、本実施形態では、学習に必要な時間と手間とを削減することができる。すなわち、本実施形態では、商品券ＧＴの識別に必要な情報（例えば、学習済モデル）の生成にかかる手間を削減することができる。

【0107】

また、本実施形態では、複数のリファレンスの商品券ＧＴの各々の第２画像の特徴ベクトルは、各リファレンスにおいて１つの商品券ＧＴの第２画像から、特徴抽出部１２４で、距離学習により学習されたモデルを使用することで算出されている。これにより、本実施形態では、リファレンスの商品券ＧＴの追加をユーザが簡易に実行することができる。

【0108】

また、本実施形態では、識別部１２６は、ベクトル間距離が第１距離以下である第２画像が特定された場合、識別対象の商品券ＧＴの種類が、ベクトル間距離が第１距離以下である第２画像により示されるリファレンスの商品券ＧＴの種類と同じであると判定する。このように、本実施形態では、ベクトル間距離が第１距離以下である第２画像により示されるリファレンスの商品券ＧＴの種類が、識別対象の商品券ＧＴの種類として特定される。これにより、本実施形態では、識別対象の商品券ＧＴを種類ごとに容易に識別し分類することができる。

【0109】

また、本実施形態では、情報処理装置１０は、ベクトル間距離が第１距離以下である第２画像が特定された場合に、ベクトル間距離が第１距離以下である第２画像と第１画像とを表示装置３０に表示させる表示制御部１２８をさらに有する。このように、本実施形態では、識別対象の商品券ＧＴの画像（第１画像）、及び、識別対象の商品券ＧＴと同じ種類のリファレンスの商品券ＧＴの画像（第２画像）が、表示装置３０に表示される。これにより、本実施形態では、識別対象の商品券ＧＴが正しく分類されたか等の確認をユーザが容易に実行することができる。この結果、本実施形態では、識別対象の商品券ＧＴが誤って分類された状態で、商品券ＧＴの分類作業等が終了することを抑制することができる。

【0110】

また、本実施形態では、識別部１２６は、ベクトル間距離が第１距離以下である第２画像が特定されない場合、第１画像の特徴ベクトルを示す特徴情報と第１画像情報とを互いに対応付けて、記憶装置１４０に記憶する。この場合、例えば、記憶装置１４０に記憶された第１画像情報及び特徴情報に対応付けて、第１画像情報により示される商品券ＧＴの種類を示す券種情報が記憶装置１４０に記憶されることにより、リファレンスの商品券ＧＴが新たに登録される。このように、本実施形態では、ベクトル間距離が第１距離以下である第２画像が特定されない場合、識別対象の商品券ＧＴをリファレンスの商品券ＧＴとして容易に登録することができる。

【0111】

また、本実施形態では、情報処理装置１０は、表面特定部１２３をさらに有する。画像情報取得部１２２は、識別対象の商品券ＧＴの第１面の画像を示す第１面画像情報と、識別対象の商品券ＧＴの第１面の反対側の第２面の画像を示す第２面画像情報とを取得する。表面特定部１２３は、第１面画像情報により示される第１面の画像に含まれる輪郭の数と、第２面画像情報により示される第２面の画像に含まれる輪郭の数とに基づいて、識別対象の商品券ＧＴの表面と裏面とを特定し、第１面画像情報及び第２面画像情報のうち表面の画像を示す画像情報を、第１画像情報として特定する。

【0112】

このように、本実施形態では、識別対象の商品券ＧＴの第１面及び第２面の各々の画像に含まれる輪郭の数に基づいて、識別対象の商品券ＧＴの表面と裏面とが特定される。これにより、本実施形態では、ベクトル間距離の算出に用いられる第１画像の特徴ベクトルが、商品券ＧＴの裏面の画像から抽出されることを抑制することができる。この結果、本実施形態では、識別対象の商品券ＧＴの種類を効率よく特定することができる。また、例えば、ユーザは、商品券ＧＴの表面及び裏面を意識することなく、画像入力装置２０に商品券ＧＴを読み取らせることができる。このため、本実施形態では、情報処理装置１０に識別対象の商品券ＧＴを分類させる場合の使い勝手を向上させることができる。また、本実施形態では、画像に含まれる輪郭の数に基づいて商品券ＧＴの表面が特定されるため、画像に含まれる文字の数に基づいて商品券ＧＴの表面が特定される場合に比べて、商品券ＧＴの表面を特定する表面特定処理にかかる時間を短縮することができる。

【0113】

［２．変形例］
本発明は、以上に例示した実施形態に限定されない。具体的な変形の態様を以下に例示する。以下の例示から任意に選択された２以上の態様を併合してもよい。

【0114】

［第１変形例］
上述した実施形態において、情報処理装置１０は、カード会社が商品券ＧＴを管理するための商品券番号を、識別対象の商品券ＧＴから読み取ってもよい。

【0115】

図７は、第１変形例に係る情報処理システム１の概要を説明するための説明図である。図１から図６において説明した要素と同様の要素については、同様の符号を付し、詳細な説明を省略する。

【0116】

図７に示す情報処理システム１は、図１に示した情報処理システム１と同一の構成である。例えば、情報処理システム１は、処理装置１２０、記憶装置１４０及び通信装置１６０を含む情報処理装置１０と、画像入力装置２０と、表示装置３０とを有する。但し、情報処理装置１０が有する記憶装置１４０に記憶される制御プログラムＰＧ２は、図１に示した制御プログラムＰＧ１と相違する。なお、制御プログラムＰＧ２は、「プログラム」の一例である。本実施形態では、制御プログラムＰＧ２は、処理装置１２０を画像情報取得部１２２、表面特定部１２３、特徴抽出部１２４、距離算出部１２５、識別部１２６、文字認識部１２７及び表示制御部１２８として機能させるためのアプリケーションプログラムを含む。なお、制御プログラムＰＧ２は、例えば、処理装置１２０が情報処理装置１０の各部を制御するためのオペレーティングシステムプログラムを含んでもよい。また、制御プログラムＰＧ２は、ネットワークを介して他の装置から送信されてもよい。

【0117】

図７に示す処理装置１２０は、図１に示した制御プログラムＰＧ１の代わりに制御プログラムＰＧ２を実行することを除いて、図１に示した処理装置１２０と同様である。例えば、処理装置１２０は、記憶装置１４０に記憶された制御プログラムＰＧ２を実行することにより、画像情報取得部１２２、表面特定部１２３、特徴抽出部１２４、距離算出部１２５、識別部１２６、文字認識部１２７、及び、表示制御部１２８として機能する。すなわち、本変形例では、処理装置１２０が文字認識部１２７として機能する点が、上述した実施形態と相違する。

【0118】

画像情報取得部１２２、画像情報取得部１２２、表面特定部１２３、特徴抽出部１２４、距離算出部１２５、識別部１２６、及び、表示制御部１２８は、上述した実施形態と同様である。以下では、上述した実施形態と相違する文字認識部１２７を中心に説明する。

【0119】

文字認識部１２７は、識別部１２６により識別された商品券ＧＴの裏面の画像ＩＩＭＧｂ内の番号領域ＮＡＲに対して文字認識処理を実行することにより、画像ＩＩＭＧｂ内の番号領域ＮＡＲに記載された商品券番号を認識する。なお、商品券番号が記載される番号領域ＮＡＲは、図４において説明したように、カード会社又は券種によって異なる。このため、文字認識部１２７は、商品券番号の読み取り対象となる商品券ＧＴの種類に基づいて、番号領域ＮＡＲの位置を特定する。そして、文字認識部１２７は、商品券ＧＴの裏面の画像ＩＩＭＧｂ内の番号領域ＮＡＲに対して文字認識処理を実行する。

【0120】

番号領域ＮＡＲに対して文字認識処理が実行されることにより、識別対象の商品券ＧＴの商品券番号が認識される。例えば、文字認識部１２７は、商品券ＧＴの裏面の画像ＩＩＭＧｂ内の番号領域ＮＡＲに対する文字認識処理により認識した商品券番号を示す文字情報を生成する。なお、文字認識部１２７は、例えば、番号領域ＮＡＲに記載された商品券番号を示す文字画像を文字認識処理により文字コードに変換することにより、文字情報を生成してもよい。また、文字認識部１２７は、画像入力装置２０が第１画像情報を図示しない共有メモリに記憶する場合、文字認識処理により認識した商品券番号を示す文字情報を、第１画像情報に対応付けて共有メモリに記憶してもよい。

【0121】

文字認識部１２７による識別対象の商品券ＧＴの商品券番号を認識する文字認識処理は、例えば、図５に示したステップＳ６００の処理が実行された後に、実行される。従って、本変形例では、識別対象の商品券ＧＴの種類が不明である場合、商品券ＧＴの商品券番号を認識する文字認識処理は、実行されない。これにより、本変形例では、商品券ＧＴの商品券番号を認識する文字認識処理を効率よく実行することができる。

【0122】

また、表示制御部１２８は、図５に示したステップＳ６２０において、識別対象の商品券ＧＴの画像等に加えて、文字認識部１２７により認識された商品券番号を表示装置３０に表示させてもよい。

【0123】

以上、本変形例においても、上述した実施形態と同様の効果を得ることができる。さらに、本変形例では、券種が特定された商品券ＧＴから商品券番号が読み取られるため、読み取った商品券ＧＴを使用済の商品券ＧＴとして特定し処理（消込処理）することができ、商品券ＧＴの管理等の作業を効率よく実行することができる。

【0124】

［第２変形例］
上述した実施形態及び変形例において、１つの券種情報に複数の商品券ＧＴの画像が対応付けられてもよい。この場合、例えば、複数の商品券ＧＴの画像から抽出された複数の特徴ベクトルが１つの券種情報に対応付けられる。本変形例では、例えば、デザインの変更等により、同一券種の商品券ＧＴに対して複数のデザインの商品券ＧＴが存在する場合においても、リファレンスの商品券ＧＴの管理が煩雑になることを抑制しつつ、商品券ＧＴを種類ごとに識別することができる。

【0125】

以上、本変形例においても、上述した第２実施形態と同様の効果を得ることができる。

【0126】

［第３変形例］
上述した実施形態及び変形例では、情報処理システム１が商品券ＧＴ等の有価証券を種類ごとに識別する有価証券処理システムである場合を例示したが、本発明はこのような態様に限定されるものではない。例えば、情報処理システム１は、有価証券以外の非有価証券（例えば、サービス券、クーポン券、割引券等）を識別するシステムであってもよい。以上、本変形例においても、上述した実施形態及び変形例と同様の効果を得ることができる。

【0127】

［第４変形例］
上述した実施形態及び変形例では、情報処理システム１が商品券ＧＴ等の有価証券を識別し種類ごとに分類する有価証券処理システムである場合を例示したが、本発明はこのような態様に限定されるものではない。例えば、情報処理システム１は、ＰＯＳレジスタ等の既存のシステム上に組み込まれてもよい。この場合、既存のアプリケーションが、画像情報取得部１２２、表面特定部１２３、特徴抽出部１２４、距離算出部１２５、識別部１２６、及び、表示制御部１２８の各々の処理に関するＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ ＩｎｔｅｒＦａｃｅ）を呼び出すことによって、商品券ＧＴを識別し種類ごとに分類する処理が実行されてもよい。

【符号の説明】

【0128】

１…情報処理システム、１０…情報処理装置、２０…画像入力装置、３０…表示装置、１２０…処理装置、１２２…画像情報取得部、１２３…表面特定部、１２４…特徴抽出部、１２５…距離算出部、１２６…識別部、１２７…文字認識部、１２８…表示制御部、１４０…記憶装置、１６０…通信装置、ＧＴ…商品券。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】