ES2906422T3

ES2906422T3 - Procedimiento y aparato para detectar intentos de fraude en máquinas expendedoras inversas

Info

Publication number: ES2906422T3
Application number: ES11171368T
Authority: ES
Inventors: Tom Øystein Kavli; Johnny Njåstad; Geir Saether
Original assignee: Tomra Systems ASA
Current assignee: Tomra Systems ASA
Priority date: 2011-06-24
Filing date: 2011-06-24
Publication date: 2022-04-18
Anticipated expiration: 2031-06-24
Also published as: WO2012177149A1; EP2538394A1; US20140147005A1; AU2012273536B2; EP2538394B1; US9189911B2; AU2012273536A1; EP4053811A1; DK2538394T3

Abstract

Un procedimiento para detectar intentos de fraude en una máquina (10) expendedora inversa, comprendiendo la máquina (10) expendedora inversa al menos un sensor (24, 26) de imagen y al menos una unidad de procesamiento de datos, el procedimiento comprende: utilizando dicho al menos un sensor (24, 26) de imagen para obtener al menos dos imágenes de un artículo devuelto insertado en la máquina (10) expendedora inversa, dichas al menos dos imágenes se obtienen en al menos dos momentos diferentes en el tiempo(303); utilizar dicha unidad de procesamiento de datos para aplicar un primer algoritmo de extracción de características para extraer una primera característica indicativa de la presencia y una posición relativa de un primer objeto asociado a dicha primera característica a partir de dichas al menos dos imágenes obtenidas en al menos dos puntos diferentes en el tiempo (305); utilizar dicha unidad de procesamiento de datos para aplicar un segundo algoritmo de extracción de características que es diferente de dicho primer algoritmo de extracción de características, para extraer una segunda característica indicativa de la presencia y una posición relativa de un segundo objeto asociado con dicha segunda característica a partir de dichas dos imágenes obtenidas en al menos dos puntos diferentes en el tiempo (306), siendo dicho segundo objeto diferente de dicho primer objeto; y utilizar dicha unidad de procesamiento de datos para determinar si una posición o un movimiento de dicho primer objeto es inconsistente con una posición o movimiento de dicho segundo objeto (307), y calcular un nivel de confianza de fraude basado en dicha determinación (309), dicha determinación incluye la estimación de movimientos o velocidades relativas para dicho primer y dicho segundo objeto con base en dichas posiciones relativas e intervalos de tiempo entre dichos al menos dos puntos diferentes en el tiempo, e indicando un movimiento inconsistente de dicho primer objeto en relación con dicho segundo objeto si hay una diferencia sustancial entre dichos movimientos relativos estimados o dicha primera y dicha segunda velocidad (308) estimada.

Description

DESCRIPCIÓN

Procedimiento y aparato para detectar intentos de fraude en máquinas expendedoras inversas

La presente invención se refiere a las máquinas expendedoras inversas, y en particular a la detección de fraudes en las máquinas expendedoras inversas.

Antecedentes

Los sistemas de reciclaje de envases retornables, por ejemplo, los envases de bebidas han existido durante muchos años como medio para evitar la basura y conservar los recursos. En un principio, estos sistemas se basaban en la manipulación manual de los envases devueltos por parte de los vendedores, pero el procedimiento se ha hecho más eficiente gracias a la introducción de máquinas de expendedoras inversas, que podían aceptar envases vacíos, verificar la autenticidad del envase y emitir un recibo que puede cambiarse por dinero en efectivo o utilizarse como pago en la tienda donde se encuentra la máquina expendedora inversa.

A lo largo de los años, las máquinas expendedoras inversas se han hecho más eficientes y sofisticadas. En la actualidad, suelen ser capaces de manipular una amplia gama de envases de diversos materiales, en su mayoría de vidrio, PET (politereftalato de etileno), acero y aluminio. Una máquina expendedora inversa suele ser capaz de recibir los envases, validarlos con base en su forma y otras características físicas, así como de los códigos de barras y otras marcas, y clasificarlos con base en el material o el tipo. Algunas máquinas pueden almacenar envases reutilizables, mientras que los envases que sólo se reciclan por su material se trituran y se almacenan por separado. Una máquina expendedora inversa debe ser capaz de rechazar los envases no retornables, detectar y gestionar los intentos de fraude y asignar el valor de devolución de depósito adecuado a una amplia gama de envases. El documento WO9802256A1 divulga tal aparato expendedor inverso para detectar los envases, que se insertan en la máquina y se transportan más allá de una estación del detector para analizar la imagen vídeo mientras que el envase se transporta en la posición que acostada. El analizador de vídeo contiene un componente de cálculo para determinar, cuando el envase se mueve en la imagen de vídeo, si el envase entra en la zona de detección boca primero o fondo primero, y un componente de control. El analizador puede contener, además, un detector de la posición del envase, un circuito de cálculo de la forma del envase y un lector de códigos de barras. Además, el documento WO2005069233A1 divulga un dispositivo para observar una característica en un objeto, por ejemplo, una botella o lata vacía, el dispositivo tiene una entrada de objeto y una salida de objeto, medios diseñados para permitir que el objeto se mueva desde la entrada hacia la salida, una estación de detección dispuesta para observar al menos una característica que es representativa para el objeto, medios adaptados para comparar una característica observada con datos de característica predeterminados, y medios dispuestos, con base en la comparación, para emitir una señal de resultado. Además, el documento DE10063368A1 divulga un procedimiento en el que los envases pasan de una zona de entrada a una cinta transportadora y se clasifican mediante sensores inmediatamente después de que los envases aceptables para los sensores se desvíen a un espacio de recogida y se pague una cantidad de depósito. Si los envases no son aceptables, se devuelven a la zona de entrada. Al mismo tiempo, una máquina debe ser fiable y su mantenimiento regular no debe requerir mucho trabajo ni la sustitución frecuente de piezas.

En consecuencia, es necesario mejorar constantemente las máquinas expendedoras inversas para hacer frente a estos desafíos, así como a los nuevos desafíos resultantes, por ejemplo, de la introducción de nuevos tipos de envases retornables y de intentos de fraude más sofisticados.

Sumario de la invención

La invención se refiere a procedimientos y aparatos para detectar intentos de fraude en máquinas expendedoras inversas. La invención utiliza la detección de características en imágenes y, opcionalmente, datos de otros sensores para detectar inconsistencias relativas al comportamiento y apariencia esperados de un artículo devuelto dentro de una máquina expendedora inversa. En particular, la invención aplica dos algoritmos diferentes de extracción de características a los datos de la imagen con el fin de detectar posiciones inconsistentes de los objetos dentro de la máquina expendedora inversa. En las diversas realizaciones de la invención, los dos algoritmos o procedimientos de extracción de características diferentes pueden extraer características que son representativas de o están asociadas a dos objetos diferentes. Los algoritmos de extracción de características también pueden aplicarse a datos obtenidos del mismo sensor o de diferentes sensores y en el mismo momento o en diferentes momentos.

En consecuencia, en un primer aspecto de la invención se proporciona un procedimiento de acuerdo con la reivindicación 1. Para realizar el procedimiento, una máquina expendedora inversa comprenderá al menos un sensor de imagen y al menos una unidad de procesamiento de datos. El al menos un sensor de imagen se utilizará para obtener un conjunto de dos o más imágenes de un artículo devuelto insertado en la máquina expendedora inversa. Al menos una unidad de procesamiento de datos aplicará entonces un primer algoritmo de extracción de características para extraer una primera característica de al menos un primer subconjunto del conjunto de dos o más imágenes y un segundo algoritmo de extracción de características para extraer una segunda característica de al menos un segundo subconjunto del conjunto de dos o más imágenes. Utilizando la unidad de procesamiento de datos, se determinará entonces si una posición o un movimiento de dicha primera característica es inconsistente con una posición o movimiento de dicha segunda característica.

En algunas realizaciones de la invención, el conjunto de dos o más imágenes incluye al menos dos imágenes obtenidas en al menos dos puntos diferentes en el tiempo, por ejemplo, para detectar un movimiento inconsistente en el tiempo.

De acuerdo con la realización, el primer algoritmo de extracción de características se utiliza para extraer una primera característica indicativa de una posición relativa de un primer objeto asociado a la primera característica a partir de al menos dos imágenes obtenidas en al menos dos puntos diferentes en el tiempo. El segundo algoritmo de extracción de características se utiliza entonces para extraer una segunda característica indicativa de una posición relativa de un segundo objeto asociado a la segunda característica a partir de al menos dos imágenes obtenidas en al menos dos puntos diferentes en el tiempo. La determinación incluirá entonces la estimación de las velocidades relativas para el primer y el segundo objeto con base en las posiciones relativas y los intervalos de tiempo entre los diferentes puntos en el tiempo, e indicando un movimiento inconsistente del primer objeto en relación con el segundo objeto si hay una diferencia sustancial entre dicha primera y dicha segunda velocidad estimada.

Tal determinación puede indicar, por ejemplo, que un objeto que debería estar unido al artículo retornable se está moviendo, en cambio, independientemente del artículo retornable dentro de la máquina expendedora inversa. Por ejemplo, el primer algoritmo de extracción de características puede aplicarse a imágenes obtenidas de un primer sensor de imagen que forma parte de un lector de códigos de barras y el segundo algoritmo de extracción de características puede aplicarse a imágenes obtenidas de un segundo sensor de imagen que forma parte de una cámara de detección de formas. La primera característica será entonces una característica de imagen representativa de un código de barras y la segunda característica es representativa de una forma de un artículo devuelto.

De acuerdo con una realización más detallada, el primer algoritmo de extracción de características incluye la detección de la presencia y la posición de al menos una característica de la forma de un artículo devuelto a partir de al menos dos imágenes del primer conjunto de imágenes, siendo las al menos dos imágenes obtenidas en diferentes momentos. El segundo algoritmo de extracción de características incluye la detección de una posición de un artículo devuelto de al menos dos imágenes del segundo subconjunto de imágenes. La determinación puede entonces indicar una inconsistencia si la característica tiene una posición relativa con respecto a la forma general del artículo devuelto que difiere sustancialmente en las al menos dos imágenes del primer conjunto de imágenes.

La detección de la presencia y posición de al menos una característica de la forma de un artículo devuelto puede incluir el uso de un procedimiento de segmentación de primer plano-fondo para generar una imagen procesada, clasificando cada píxel en dicha imagen procesada como un píxel de objeto o un píxel de fondo, y detectando una característica como un pico en la 1' derivada de una curva que traza el borde entre los píxeles de objeto y los píxeles de fondo. Este tipo de detección de características puede, por ejemplo, detectar los dedos u otros objetos que sostienen o están adheridos al objeto devuelto, y que luego comienzan a moverse independientemente del objeto devuelto.

En algunas realizaciones de la invención, el primer subconjunto de imágenes se obtiene utilizando un sensor de imagen que está configurado para ver un objeto devuelto silueteado contra un fondo que incluye un retroreflector, y donde una fuente de luz y un divisor de haz están configurados de tal manera que la fuente de luz y el sensor de imagen están ópticamente coubicados como se ve desde el retroreflector.

De acuerdo con otro aspecto de la invención, se proporciona una máquina expendedora inversa, de acuerdo con la reivindicación 5.

En una realización de la máquina expendedora inversa, la máquina expendedora inversa puede comprender además un sensor ultrasónico configurado para obtener datos del sensor desde el interior y proporcionar datos a la al menos una unidad de procesamiento de datos. La unidad de extracción de características puede entonces estar configurada para aplicar el segundo algoritmo de extracción de características a los datos recibidos del sensor ultrasónico. La máquina expendedora inversa también puede estar provista con un dispositivo de alcance láser en lugar o además de un sensor ultrasónico. Cualquiera de estos tipos de sensores puede utilizarse para estimar la posición o el movimiento de un artículo devuelto dentro de la máquina expendedora inversa para compararlo con la posición o el movimiento de algún otro objeto que puede o no formar parte del artículo devuelto.

Para determinar o estimar el movimiento (o los cambios de posición en el tiempo), al menos una unidad de procesamiento de datos puede estar configurada para controlar la al menos una cámara para obtener imágenes en al menos dos puntos diferentes en el tiempo.

De acuerdo con todas las realizaciones, la al menos una unidad de extracción de características está configurada para aplicar dicho primer algoritmo de extracción de características y dicho segundo algoritmo de extracción de características a imágenes obtenidas en al menos dos puntos diferentes en el tiempo. Al menos uno de dichos procesadores puede entonces estar configurado para estimar las velocidades relativas de un primer y un segundo objeto asociados a dicha primera y segunda característica, respectivamente, y para indicar un movimiento inconsistente del primer objeto en relación con el segundo objeto si hay una diferencia sustancial entre la primera y la segunda velocidad estimada.

En algunas realizaciones de la invención, la máquina expendedora inversa incluye al menos un sensor de imagen con un campo de visión relativamente estrecho para capturar imágenes de los códigos de barras adheridos a los artículos devueltos al menos parcialmente presentes en dicho interior, y al menos un segundo sensor de imagen con un campo de visión relativamente amplio para capturar imágenes de la forma de los artículos devueltos al menos parcialmente presentes en dicho interior. Por supuesto, el artículo devuelto no tiene que estar totalmente presente en el interior. Mientras al menos una parte del objeto pueda ser vista por al menos una cámara, no importa necesariamente que el objeto esté presente en su totalidad, sólo en parte, que se mueva hacia el interior o que salga del mismo. En su lugar, esto puede dejarse como una opción de diseño en función de las necesidades de una realización concreta.

En algunas realizaciones de la invención, la máquina expendedora inversa puede comprender además un retroreflector, un divisor de haz y una fuente de luz. Al menos un sensor de imagen puede estar configurado para ver un objeto devuelto silueteado contra el retroreflector, y la fuente de luz y el divisor de haz pueden estar configurados de tal manera que la fuente de luz y dicho sensor de imagen estén ópticamente coubicados como se ve desde el retroreflector.

De acuerdo con los principios de la invención, los diversos componentes de la máquina expendedora inversa pueden ser implementados de diferentes maneras. Por ejemplo, la unidad de extracción de características puede ser un conjunto de instrucciones de programa informático almacenadas en un dispositivo de almacenamiento y ejecutables por la al menos una unidad de procesamiento de datos para realizar las diversas operaciones de extracción de características. Alternativamente, la unidad de extracción de características puede implementarse como una Matriz de Puertas Programables en Campo (FPGA) o como un Circuito Integrado de Aplicación Específica (ASIC). La máquina expendedora inversa puede, por supuesto, incluir varias unidades de extracción de características.

Breve descripción de los dibujos

La FIG. 1 muestra una máquina expendedora inversa consistente con los principios de la invención;

La FIG. 2 muestra una vista en sección transversal del interior de una máquina expendedora inversa;

La FIG. 3 es un diagrama de flujo que ilustra los distintos pasos de un procedimiento de acuerdo con la invención;

La FIG. 4 es un diagrama de flujo que muestra con más detalle algunos de los pasos de una realización de un procedimiento que no forma parte de la invención;

La FIG. 5 es un diagrama de flujo que muestra con más detalle algunos de los pasos de otra realización de un procedimiento que no forma parte de la invención;

La FIG. 6 muestra un ejemplo de confianza en el fraude en función de las inconsistencias detectadas en una realización de la invención;

La FIG. 7 es un diagrama de flujo que muestra con más detalle algunos de los pasos de otra realización de un procedimiento que no forma parte de la invención;

La FIG. 8 muestra un ejemplo de confianza en el fraude en función de las inconsistencias detectadas en las posiciones detectadas de un código de barras o de seguridad;

La FIG. 9 es un diagrama de flujo que muestra con más detalle algunos de los pasos de otra realización de un procedimiento que no forma parte de la invención;

La FIG. 10 es un diagrama de flujo que muestra con más detalle algunos de los pasos de otra realización de un procedimiento que no forma parte de la invención;

La FIG. 11 es una ilustración de una realización que incluye una fuente de luz, un divisor de haz y un retroreflector configurado para permitir que una cámara de código de barras funcione para detectar formas; y

La FIG. 12 es un diagrama de bloques que ilustra los diversos componentes de una máquina expendedora inversa configurada para implementar una realización de la invención.

Descripción detallada

En la siguiente descripción se exponen diversos ejemplos y realizaciones de la invención con el fin de proporcionar a la persona experta una comprensión más completa de la invención. Los detalles específicos descritos en el contexto de las diversas realizaciones y con referencia a los dibujos adjuntos no pretenden ser interpretados como limitaciones. Más bien, el alcance de la invención se define en las reivindicaciones adjuntas.

En las realizaciones ejemplares, se muestran diversas características y detalles en combinación. El hecho de que se describan varias características con respecto a un ejemplo concreto no debe interpretarse como que esas características tengan que incluirse necesariamente en todas las realizaciones de la invención. A la inversa, las características que se describen con referencia a diferentes realizaciones no deben interpretarse como mutuamente excluyentes. Como comprenderán fácilmente los expertos en la técnica, las realizaciones que incorporan cualquier subconjunto de características descritas en el presente documento y que no son expresamente interdependientes han sido contempladas por el inventor y forman parte de la divulgación prevista. Sin embargo, la descripción explícita de todas estas realizaciones no contribuiría a la comprensión de los principios de la invención y, por consiguiente, se han omitido algunas permutaciones de características en aras de la simplicidad.

Se hace referencia ahora a la FIG. 1, que ilustra en una vista en perspectiva una máquina 10 expendedora inversa consistente con los principios de la invención. La máquina puede estar situada, por ejemplo, en una tienda que acepte la recepción de artículos retornables y posicionada de tal manera que sea fácilmente accesible para los clientes con artículos retornables, y también de tal manera que los artículos retornables puedan ser convenientemente almacenados en la parte trasera de la máquina, o en un lugar al que puedan ser fácilmente transportados desde la parte trasera de la máquina, ya sea automática o manualmente.

La parte frontal de la máquina incluye una abertura 12 en la que los artículos retornables pueden ser introducidos por el cliente. También se proporciona una pantalla para proporcionar mensajes al cliente y un dispositivo de entrada que permite al cliente introducir comandos simples, por ejemplo, indicando que el cliente ha introducido todos sus artículos retornables. Como se ilustra en la FIG. 1, la pantalla y el dispositivo de entrada pueden combinarse en forma de pantalla 14 táctil . Alternativamente, la pantalla y el dispositivo de entrada pueden ser dispositivos separados. La parte frontal de la máquina 10 también puede incluir un dispositivo 16 de impresión desde el que se puede entregar un recibo al cliente. Sin embargo, también se pueden contemplar formas alternativas de proporcionar al cliente un recibo, incluyendo la transmisión de un recibo electrónico, a través de una red inalámbrica o por cable, para ser recibido por un dispositivo electrónico tal como un teléfono móvil o un smartphone en posesión del cliente. El recibo electrónico también puede enviarse directamente a una caja, o en forma de pago electrónico a la cuenta del cliente. También se puede invitar al cliente a seleccionar una organización benéfica a la que donar el valor de los artículos devueltos, utilizando la funcionalidad de dispositivo de entrada de la pantalla 14 táctil.

La máquina 10 también puede incluir un altavoz 18 o alguna otra forma de alarma audible o visual que puede utilizarse para emitir notificaciones al cliente o a un operador, por ejemplo, en caso de mal funcionamiento, desbordamiento de la capacidad de almacenamiento o algún otro problema que requiera atención.

Cuando un cliente introduce un artículo retornable en la máquina 10 expendedora inversa, el artículo debe ser reconocido, su autenticidad verificada y el valor apropiado debe ser determinado. La FIG. 2 muestra una vista seccional transversal de los componentes más importantes a lo largo del camino recorrido por un artículo retornable que ha sido insertado en la máquina 10. Cuando se devuelve un artículo, se introduce a través de la abertura 12 en una cámara 20. En el interior de la cámara hay un transportador 22 capaz de transportar el artículo desde la abertura 12 en la parte delantera de la máquina 10 hasta la parte trasera de la máquina 10, donde puede ser almacenado o sometido a un tratamiento posterior, tal como por ejemplo la clasificación, el transporte posterior y la destrucción. En otras realizaciones, el transportador 22 puede estar configurado para transportar el artículo en otras direcciones o para entregar el artículo devuelto a medios de transporte adicionales o a medios de destrucción configurados para transportar el artículo devuelto a un almacenamiento más alejado de la máquina expendedora inversa o para ser destruido o compactado. También es coherente con los principios de la invención excluir el transportador y transportar los artículos devueltos por algún otro medio, por ejemplo, manualmente o por gravedad (caída libre o por una rampa o tobogán).

Tradicionalmente, un envase devuelto es observado por una o más cámaras 24 mientras es transportado a través de la cámara 20, y las imágenes son analizadas electrónicamente para determinar la autenticidad del envase. Las imágenes de la cámara o cámaras 24 se utilizan típicamente para analizar la forma de un envase, y para simplificar, esta cámara puede ser referida como cámara 24 de forma en esta memoria descriptiva.

Los desarrollos posteriores han introducido lectores de códigos de barras u otros dispositivos para reconocer las marcas en los envases. Se conocen en la técnica varios tipos de tecnologías para los lectores de códigos de barras, pero las características principales que comparten la mayoría de ellas incluyen una fuente de luz y un sensor de luz. La fuente de luz puede ser, por ejemplo, diodos emisores de luz (LED), láseres o lámparas, y el sensor de luz puede ser uno o más fotodiodos, dispositivos de carga acoplada (CCD) o CMOS, o cualquier otra tecnología de sensores conocida en la técnica para su uso en cámaras. De acuerdo con la realización ejemplar ilustrada en la FIG. 2, las cámaras 26 y las fuentes 28 de luz están dispuestas en un patrón que permite leer un código de barras u otra marca mientras el envase está siendo introducido o transportado a través de la cámara 20. Las configuraciones alternativas incluyen lectores que se colocan dentro de la cámara 20 o en el extremo del transportador 22, o incluso adyacente a la abertura 12. Algunas de estas configuraciones requieren que el envase pueda girar mientras está dentro de la cámara para que cualquier código de barras u otra marca en el envase sea totalmente visible para el lector de códigos de barras. Esto se ha implementado, por ejemplo, como parte de la funcionalidad del transportador 22. En otras realizaciones, la cámara puede estar dispuesta de tal manera que el código de barras pueda ser leído mientras el envase está siendo introducido en la cámara 20, pero antes de que sea depositado en el transportador 22.

Para facilitar la referencia, la cámara o cámaras 26 pueden ser referidas como cámara 26 de código de barras en lo sucesivo. Debe entenderse que las denominaciones de cámara de forma y cámara de código de barras no implican que las imágenes obtenidas de estas cámaras se utilicen exclusivamente o siempre para analizar la forma o leer los códigos de barras, como se verá en la siguiente descripción.

En algunas realizaciones de la invención, la máquina expendedora inversa también puede recibir uno o más sensores 30 adicionales, que por ejemplo pueden estar basados en tecnología de ultrasonidos o láser.

Aunque la tasa o depósito retornable por cada envase individual es relativamente pequeña, es posible el fraude a gran escala, y un reto importante en la venta inversa es detectar y prevenir los intentos de fraude. En este contexto, un intento de fraude es un intento de manipular una máquina expendedora inversa para que acepte un envase que normalmente sería rechazado, de manipular la máquina para que registre el mismo envase repetidamente, o de encontrar alguna otra forma de recibir una tasa de devolución sin haber proporcionado un número correspondiente de envases retornables. En general, los intentos de fraude constituyen algo más sofisticado que la simple presentación de un envase no retornable, quizás por error. Por consiguiente, las medidas antifraude van más allá del simple reconocimiento y distinción de los envases retornables de los no retornables, e incluyen pasos adoptados para detectar intentos de engaño más sofisticados. Sin embargo, esto no quiere decir que los algoritmos o procedimientos utilizados para detectar el fraude no puedan contribuir también a la correcta identificación y clasificación de los envases retornables y no retornables.

Tradicionalmente, las máquinas expendedoras inversas han sido configuradas para aceptar los artículos devueltos si se pueden clasificar adecuadamente, con base en características tales como la forma, el peso y el código de barras. La detección adecuada de fraudes ha estado ausente, o se ha limitado, por ejemplo, a la detección de objetos extraños, tal como una mano, presentes en la cámara 20, donde el artículo es visto por la cámara 24 de forma.

La detección de fraudes no es, por supuesto, necesaria si un artículo devuelto no puede ser reconocido y clasificado correctamente como un artículo retornable en primer lugar; en tal caso, el artículo no será aceptado de todos modos. En consecuencia, la detección de fraudes implica que un artículo devuelto no sea aceptado (y posiblemente que se active una alarma) a pesar de que el artículo esté correctamente clasificado como artículo retornable. La presente invención se basa en la constatación de que puede ser posible engañar a una máquina expendedora inversa para que acepte envases no retornables si la única detección de fraude es la detección de objetos extraños por la cámara de forma, y que la probabilidad de éxito de un esquema de engaño particular puede depender de la configuración de la máquina expendedora inversa. Por consiguiente, la necesidad de procedimientos de detección sofisticados también puede depender de la configuración de la máquina. Muchos esquemas de engaño no requieren el uso de objetos extraños, o los objetos pueden ser tan pequeños que no pueden ser detectados por las cámaras de forma tradicionales y sus correspondientes algoritmos de procesamiento y clasificación de imágenes. Sin embargo, la mayoría de los intentos de fraude implican inconsistencias espaciales o temporales que pueden detectarse si se proporcionan las imágenes necesarias y se analizan adecuadamente.

De acuerdo con la presente invención, esto puede lograrse obteniendo dos o más imágenes en al menos dos puntos diferentes en el tiempo, siendo al menos una de ellas una imagen de un artículo devuelto. A continuación, las imágenes pueden someterse a algoritmos de extracción de características con el fin de extraer al menos dos características de las imágenes, y se puede realizar una determinación con base en cualquier inconsistencia en la posición o el movimiento de una de las características con respecto a la otra.

Además, se ha observado que diferentes características pueden ser indicativas de diferentes tipos de intentos de fraude y, en consecuencia, que se pueden utilizar diferentes algoritmos de extracción de características dependiendo del tipo de fraude que se intente detectar. También es posible combinar diferentes tipos o clases de algoritmos de extracción de características y diferentes procedimientos de obtención de las dos o más imágenes para poder detectar una amplia gama de intentos de fraude diferentes. Cualquiera o todos los procedimientos, algoritmos, disposiciones y configuraciones descritas a continuación pueden combinarse en principio en cualquier máquina expendedora inversa, y pueden configurarse para buscar inconsistencias que se basen estrictamente en la determinación de la posición o el movimiento, o cualquier combinación de estos. Además, se contempla el uso de algoritmos que dan lugar cada uno a una puntuación de confianza particular y la combinación de la puntuación de confianza obtenida por los diversos algoritmos de detección y determinación para obtener una puntuación de confianza combinada, o final, que determine si se ha detectado o no un intento de fraude.

Se hace referencia ahora a la FIG. 3, que ilustra en un diagrama de flujo los diversos pasos de un procedimiento general, donde las realizaciones específicas del procedimiento general son coherentes con los principios de la invención de acuerdo con las reivindicaciones adjuntas. En algunas realizaciones de la invención, en el paso 301 se pueden realizar una o más imágenes de referencia de la cámara 20 sin ningún elemento devuelto. La imagen o imágenes de referencia se almacenan en una memoria del dispositivo. La memoria puede ser un disco duro o cualquier otro tipo de memoria no volátil, o incluso una memoria volátil, tal como por ejemplo la memoria de acceso aleatorio (RAM) de una unidad de procesamiento de imágenes. La memoria puede ser parte de la máquina expendedora inversa como tal, o puede residir en un ordenador diferente accesible a la máquina expendedora inversa a través de una red informática.

En el siguiente paso 302 se recibe un artículo devuelto a través de una abertura 12 de la máquina expendedora inversa. En un siguiente paso 303, se obtienen dos o más imágenes del artículo devuelto en al menos dos puntos diferentes en el tiempo mientras el artículo devuelto se mueve a través de la abertura 12, está presente en la cámara 20, se mueve a través de la cámara 20, o se mueve fuera de la cámara 20. La posición real del elemento devuelto mientras se obtiene la imagen o imágenes puede depender de las elecciones de configuración y algoritmos en un diseño particular, y la invención como tal no está limitada a ninguna selección particular en este sentido. Las imágenes pueden obtenerse utilizando una o más cámaras, como se describe con más detalle a continuación.

Después de que se hayan obtenido al menos dos imágenes en el paso 303, el procedimiento pasa al paso 304 donde se obtienen datos adicionales del sensor 30. Este paso no está presente en las realizaciones de la invención, como se explicará con más detalle a continuación.

En el siguiente paso 305, se aplica un primer algoritmo de extracción de características a al menos dos de las imágenes obtenidas en el paso 303 para extraer una característica de dos o más de las imágenes obtenidas. Cabe señalar que el primer algoritmo de extracción de características puede aplicarse a varias imágenes. También debe tenerse en cuenta que el procedimiento de obtención de imágenes en el paso 303 y de datos del sensor en el paso 304 puede continuar mientras se aplica el primer algoritmo de extracción en el paso 305, por ejemplo para proporcionar imágenes adicionales que se someterán al primer algoritmo de extracción en el paso 305, para proporcionar un segundo subconjunto o datos adicionales del sensor que se someterán al segundo algoritmo de extracción de características en el paso 306, o ambos. El término subconjunto pretende abarcar una, algunas o todas las imágenes que se ponen a disposición de los procedimientos de procesamiento de imágenes, dependiendo de las opciones de diseño y la elección de los algoritmos de extracción de características en cualquier realización particular.

En el paso 306 se aplica un segundo algoritmo de extracción de características a dichas al menos dos...

Cabe señalar que el primer y el segundo algoritmo son dos algoritmos diferentes, y en la terminología adoptada en esta especificación utilizar el mismo algoritmo dos veces para encontrar dos características diferentes, por ejemplo, en dos imágenes diferentes, no sería un uso de un primer y un segundo algoritmo, sino el uso de un primer algoritmo dos veces. Sin embargo, el primer y el segundo algoritmo pueden tener algunas características en común. Por ejemplo, ambos algoritmos pueden utilizar la detección de bordes, o ambos algoritmos pueden utilizar el cálculo de la autocorrelación.

En un siguiente paso 307, los resultados de los algoritmos de extracción de características se combinan o comparan, o se procesan de otro modo, con el fin de determinar si hay alguna inconsistencia que pueda indicar que la máquina expendedora inversa es objeto de un intento de fraude. La determinación se basa en la relación entre los resultados de los dos algoritmos de extracción de rasgos para determinar al menos una posición o un movimiento de una característica con respecto a otra, que es incoherente con una devolución normal de un artículo retornable regular. Una posición puede ser, por ejemplo, la posición relativa de dos objetos (o características indicativas de la presencia de dos objetos) detectados sustancialmente al mismo tiempo. Un movimiento puede ser la posición de un objeto (característica) en relación con la posición de otro objeto (característica) en dos puntos diferentes en el tiempo, lo que indica, por ejemplo, que dos objetos que deberían haber sido parte del mismo objeto más grande, tal como un artículo retornable, no lo son, ya que se están moviendo independientemente dentro o a través de la cámara 20.

Si se determina que se ha detectado una inconsistencia, como indica el punto 308 de ramificación, el procedimiento pasa al paso 309, donde se calcula un nivel de confianza de la detección del fraude. En algunas realizaciones de la invención sólo se utiliza un esquema para la detección del fraude, y la determinación es binaria. En otras palabras, el nivel de confianza es 0 cuando no se ha detectado ninguna inconsistencia (correspondiente a la rama NO del punto 307 de decisión ), o el nivel de confianza se establece siempre en 1 en el paso 308, y se hace una determinación positiva de un intento de fraude para cualquier inconsistencia detectada. Alternativamente, el nivel de confianza se establece entre 0 y 1 dependiendo del grado de inconsistencia determinado en el paso 307. El nivel de confianza resultante puede entonces combinarse con el resultado de otros algoritmos de detección en el paso 309 para un nivel de confianza total resultante. Los algoritmos o procedimientos de detección de fraude adicionales pueden ser variantes de la presente invención, como se describe con más detalle a continuación, pueden ser algoritmos de intento de fraude diferentes que en sí mismos no forman parte de esta invención, o pueden ser una combinación de ambos.

Aquellos con habilidad en la técnica entenderán que la ilustración del punto 308 de ramificación y la ejecución condicional del paso 309 de cálculo es conceptual, y no pretende ser interpretada como una limitación. De hecho, el paso 307 de comparación, el punto 308 de ramificación y el paso 309 de cálculo pueden ser, por ejemplo, una rutina que calcule un valor que represente el nivel de confianza para la detección de fraudes de forma continua a medida que se reciben las imágenes y los datos de los sensores, sin que se determine si dicho cálculo debe tener lugar o no. En otras palabras, la comparación puede ser el cálculo de una confianza. En otros casos, puede ser necesario encontrar realmente las características buscadas para compararlas en el paso 307, y determinar realmente que se observa alguna forma de inconsistencia antes de invocar un algoritmo para calcular un nivel de confianza. Las decisiones tomadas a este respecto se dejan como opciones de diseño, y pueden determinarse con base, por ejemplo, en si las características buscadas están siempre presentes, o sólo en casos especiales, del coste en términos de potencia de cálculo para realizar los diversos pasos, y de otras opciones de diseño.

También debe tenerse en cuenta que los niveles de confianza entre 0 y 1 son una elección arbitraria, y que pueden contemplarse formas alternativas de puntuar la probabilidad, o la confianza, de la detección del fraude sin apartarse de los principios de la invención. En algunas realizaciones de la invención, varios procedimientos de detección de fraude dan lugar a una puntuación de un número de puntos que se suman en el paso 310 a una puntuación total. La decisión en el paso 311 de aceptar o rechazar el artículo devuelto, y posiblemente tomar otra acción como emitir una señal de alarma, puede entonces basarse en uno o más valores de umbral para esta puntuación total.

Una vez que se ha determinado la confianza resultante del fraude, el artículo devuelto ha sido aceptado o rechazado en el paso 311, el procedimiento ha finalizado con respecto a ese conjunto particular de imágenes (y datos del sensor, si procede), pero puede repetirse para el siguiente conjunto. El siguiente conjunto puede seguir refiriéndose al mismo artículo devuelto hasta que éste salga de la cámara 20 (dependiendo de las características que se comparen, del lugar en el que estén montadas las cámaras, etc.), o pueden referirse a un artículo posterior. Es coherente con los principios de la invención procesar datos relativos a más de un elemento al mismo tiempo. Por ejemplo, un primer artículo puede estar en camino a través de la cámara 20 mientras un segundo artículo está siendo insertado a través de la abertura 12. Si ambos elementos están a la vista de las cámaras y/o sensores de manera que proporcionen los datos necesarios para realizar los pasos de la invención para ambos elementos en paralelo, esto está dentro del alcance de la invención. Además, si se busca más de un tipo de inconsistencia, como se discute con respecto al paso 310, los diversos algoritmos de extracción y detección de características pueden ejecutarse secuencialmente o en paralelo, dependiendo de las opciones de configuración y diseño en cada caso.

Llegados a este punto, puede ser conveniente hacer unas palabras sobre la terminología. Aunque las siguientes definiciones no pretenden interpretarse como limitaciones al alcance de la invención, se adoptarán en la descripción de las diversas realizaciones para facilitar la claridad y la comprensión. Por lo tanto, el término "artículo retornable" se utilizará para referirse a un artículo que debe ser aceptado por la máquina expendedora inversa y un reembolso o depósito correspondiente debe ser acreditado a la persona que devuelve el artículo. Un artículo retornable será típicamente una botella vacía, una lata o algún otro recipiente, pero la invención no se limita sólo a esos tipos de artículos. Un artículo devuelto es un artículo que se devuelve y del que queda por determinar si se trata de un intento de fraude o no. En otras palabras, un artículo devuelto puede ser o no un artículo retornable. Un objeto es cualquier cosa o parte de una cosa que se introduce en la máquina expendedora inversa o que está presente en la cámara 20. Un objeto puede ser un artículo devuelto, una parte de un artículo devuelto o un objeto extraño. Una característica es cualquier cosa que pueda observarse o extraerse de una imagen o de una pluralidad de imágenes o de otros datos del sensor utilizando un algoritmo de extracción de características. Una característica puede ser indicativa de la presencia de un objeto o de una parte de un objeto. La posición se utilizará para referirse a la posición de un objeto en la cámara 20, o a la posición de una característica en una imagen.

La FIG. 4 es un diagrama de flujo que ilustra otros detalles de una realización que no forma parte de la invención. Esta realización se basa en la correlación óptica entre al menos dos imágenes para detectar el movimiento dentro de la cámara 20 de retorno que es inconsistente con el funcionamiento normal de una máquina expendedora cuando se recibe un artículo retornable. De acuerdo con esta realización particular no hay necesidad de ninguna imagen de referencia, y el procedimiento comienza en un paso correspondiente al paso 302 de la FIG. 3 cuando se introduce un artículo devuelto en la máquina expendedora. En un paso siguiente, correspondiente al paso 303 de la FIG. 3 se obtienen dos o más imágenes del artículo devuelto. Normalmente, se obtiene una secuencia continua de imágenes tal como, por ejemplo, de una o más cámaras de vídeo, y la probabilidad de fraude, expresada como nivel de confianza, puede ser mayor si se detectan inconsistencias en las imágenes obtenidas de más de una cámara. Sin embargo, sin pérdida de generalidad, la siguiente discusión asumirá que el procedimiento se realiza sobre dos imágenes obtenidas en diferentes puntos en el tiempo, y aquellos con habilidad ordinaria en la técnica se darán cuenta de que las dos imágenes pueden ser las únicas dos imágenes obtenidas, pueden ser parte de una secuencia de imágenes obtenidas mientras el artículo devuelto se está moviendo a través de una sección particular de la trayectoria desde la abertura 12 y a través de la cámara 20, o incluso toda la trayectoria, o las imágenes pueden ser obtenidas continuamente incluso cuando no hay ningún artículo devuelto. También es coherente con esta realización de la invención obtener varias secuencias "paralelas" de imágenes obtenidas de una pluralidad de cámaras.

En una secuencia de pasos 405X correspondientes al primer paso 305 del algoritmo de extracción de características en la FIG. 3, una primera imagen se somete al primer algoritmo de extracción de características para identificar una región interesante en la primera imagen. Una región interesante puede definirse como una región que puede rastrearse de forma fiable de un marco a otro, es decir, que puede encontrarse en una segunda imagen mediante un segundo algoritmo de extracción de características. Para que sea adecuada, la región debe ser lo más única posible dentro de la imagen, y debe tener un pico de correlación razonablemente nítido. Entre las consideraciones que deben tenerse en cuenta a la hora de buscar una región interesante se encuentra que la región no debe correlacionarse con otras regiones de la imagen para evitar un seguimiento incorrecto. Sin embargo, la correlación no debe ser tan nítida como para que cambios sutiles en la iluminación o en la resolución de la cámara que obtiene las imágenes puedan dar lugar a dificultades en el seguimiento de la característica de una imagen a otra. Las esquinas, y los cuadrados en particular, son características ideales para este tipo de identificación de regiones.

En el paso 4051 se realiza la detección de bordes a lo largo de dos ejes para detectar las esquinas. Está dentro del alcance de la invención detectar otras características, pero una ventaja de la detección de bordes a lo largo de dos ejes es que las esquinas son fáciles de rastrear de un marco a otro marco, y que el algoritmo para la detección de códigos de barras, que normalmente ya está implementado en la mayoría de las máquinas expendedoras inversas, puede utilizarse también para realizar esta detección de bordes. La detección de bordes da como resultado dos imágenes binarias, una para cada dirección. En el siguiente paso 4052, estas dos imágenes de los bordes se reducen y la primera imagen se diezma para crear una imagen de baja resolución. La decimación es un procedimiento de dos pasos que incluye un filtrado antialiasing de paso bajo seguido de una reducción de la muestra. En un ejemplo consistente con esta realización de la invención, el filtro de paso bajo es un simple filtro de promedio, y la imagen se reduce con un factor de 8 en cada eje, desde una resolución de imagen original de 296 por 752 píxeles a una resolución resultante de 37 por 94 píxeles. Otras resoluciones y factores de decimación son, por supuesto, consistentes con esta realización de la invención, como será fácilmente entendido por aquellos con habilidad ordinaria en la técnica. Las imágenes de los bordes y la primera imagen original se reducen a la misma resolución.

Después de que las imágenes de los bordes han sido muestreadas, pueden ser combinadas en el paso 4053 usando una operación AND. Ahora puede ser necesario eliminar regiones de la máscara donde el marco de imagen original de la imagen estaba cerca de la saturación o donde el campo de visión de la cámara está oscurecido por partes internas de la máquina expendedora inversa, por ejemplo, rodillos o los LED. La máscara resultante puede utilizarse ahora para identificar las regiones que tienen bordes verticales y horizontales. Sin embargo, encontrar bordes a lo largo de dos bordes sustancialmente ortogonales está dentro del alcance de la invención, y los términos vertical y horizontal se eligen por conveniencia.

En un siguiente paso 4054 se realiza la búsqueda de regiones interesantes. De acuerdo con una realización ejemplar, se utiliza un cuadrado de 8 por 8 en la imagen diezmada para la correlación. Para cada punto de la máscara AND de muestreo reducido con el valor 1, se selecciona un píxel correspondiente en la imagen diezmada, y se utiliza un cuadrado de 8 por 8 con ese píxel en su centro para la correlación. Este cuadrado se correlaciona con los cuadrados correspondientes desplazados un número de píxeles a cada lado. Los cuadrados con un intervalo pequeño de pico a pico de los píxeles que incluye, por ejemplo, menos de 64, pueden ser descartados, ya que típicamente generarán correlaciones de baja calidad y muy probablemente serán imágenes del fondo y no de ningún objeto en la cámara 20. En una realización ejemplar, la correlación se realiza correlacionando el cuadrado con un cuadrado correspondiente desplazado un píxel en cada dirección cardinal (Norte, Sur, Este, Oeste - o arriba, abajo, derecha, izquierda) dentro del mismo cuadro. Los resultados deben ser bastante elevados, por ejemplo, con un valor promedio de los cuatro valores de correlación superior a 0,5. De lo contrario, la precisión necesaria para buscar la misma característica en una imagen diferente puede ser demasiado alta. A continuación, se puede realizar otra autocorrelación, esta vez desplazando el cuadrado desplazado cuatro píxeles. Los resultados de estas correlaciones deben ser bajos, por ejemplo, con un valor máximo para los cuatro valores de correlación no superior a 0,5, de lo contrario puede haber demasiadas correlaciones aceptables en las partes equivocadas de otras imágenes.

Si el cuadrado pasa estas pruebas, contiene una característica con un pico de correlación razonablemente agudo, y entonces puede ser sometido a un algoritmo de puntuación. Antes de puntuar, los ocho píxeles vecinos del punto de valor 1 en la máscara AND pueden ponerse a cero para evitar la evaluación de puntos demasiado cercanos o superpuestos. De acuerdo con algunas realizaciones, un algoritmo de puntuación puede calcularse como el intervalo pico a pico, más 100 veces la suma de las cuatro correlaciones cercanas (desplazadas, por ejemplo, 1 píxel), menos 100 veces la suma de las cuatro correlaciones lejanas (desplazadas, por ejemplo, 4 píxeles). Otros algoritmos de puntuación están, por supuesto, dentro del alcance de la invención.

Este procedimiento se repite con un nuevo cuadrado de 8 por 8 para cada valor 1 de la máscara AND, y en el paso 4055 las cuatro regiones de mayor puntuación se utilizan como las características extraídas del primer algoritmo. En otras realizaciones se seleccionan menos o más de cuatro regiones interesantes.

De acuerdo con el procedimiento descrito anteriormente, la detección de bordes se realiza antes del downsampling, que se realiza antes de la creación de la máscara AND. En otras realizaciones, la secuencia de pasos puede ser diferente. En particular, la detección de bordes no tiene que realizarse a resolución completa, sino que puede llevarse a cabo en la imagen diezmada, en cuyo caso no es necesario reducir la muestra de las imágenes de bordes resultantes. En cambio, ya tendrán la misma resolución que la imagen diezmada.

En una secuencia de pasos 406X correspondiente al segundo paso 306 del algoritmo de extracción de características en la FIG. 3, una segunda imagen se somete al segundo algoritmo de extracción de características para buscar regiones en la segunda imagen que se correspondan con las regiones interesantes de la primera imagen. La segunda imagen puede ser una imagen anterior que ya está almacenada en la memoria de la máquina expendedora inversa, o el procedimiento puede esperar, si es necesario, hasta obtener una imagen posterior y buscar las regiones interesantes en esa imagen. Tanto si la segunda imagen ya se ha obtenido, como si se obtiene mientras se procesa la primera imagen, o si se obtiene después de que se haya procesado la primera imagen y se haya determinado que hay regiones interesantes que cumplen los requisitos, los principios siguen siendo los mismos, y conceptualmente la segunda imagen se ilustra en la FIG. 3 como la obtenida en el paso 303.

En el paso 4061 la segunda imagen es diezmada en un procedimiento correspondiente al que se realiza en la primera imagen. En un paso 4062 posterior la imagen diezmada se somete a la búsqueda real. Esto puede hacerse con base en una estimación de la velocidad con la que el artículo devuelto se mueve a través de la máquina de expendedora inversa. Con esta estimación se puede determinar en qué parte de la segunda imagen se encuentran las cuatro regiones interesantes extraídas de la primera. Para cada una de las cuatro regiones (o el número de regiones que dicte una realización particular de la invención) se busca una característica correspondiente correlacionando la característica extraída de la primera imagen (un bloque de 8 por 8) con un bloque correspondiente de 8 por 8 en la posición estimada. En la mayoría de las realizaciones, la búsqueda se llevará a cabo primero en una región que rodea la posición estimada, por ejemplo, para 16 bloques de 8 por 8 con su centro en una cuadrícula de 4 por 4 píxeles.

Si se determina en el paso 4063 que se ha encontrado una correlación suficientemente buena, la estimación de la velocidad puede actualizarse en el paso 4064 con base en que tan lejos de la posición estimada se encontró la mejor correlación. Si se utiliza más de una cámara, pueden mantenerse varias estimaciones de velocidad, una para cada cámara, ya que diferentes cámaras pueden ver el elemento devuelto desde diferentes perspectivas y distancias. Las estimaciones de velocidad también pueden basarse en otros datos, por ejemplo, una cámara diferente tal como la cámara 24 de forma, un sensor adicional 30, la velocidad con la que el transportador 22 transporta los artículos devueltos, etc. Una coincidencia positiva dentro de la región buscada en primer lugar no es en sí misma una indicación de fraude, pero las velocidades estimadas para las cuatro regiones se procesan posteriormente en el paso 307 y en los siguientes pasos de la FIG. 3.

Si se determina en el paso 4063 que ninguno de los cuadrados en las regiones seleccionadas se correlaciona lo suficientemente bien, la búsqueda puede expandirse en el paso 4065 en otras regiones de 4 por 4 en las cuatro direcciones cardinales, expandiendo la región original de 4 por 4 con un píxel en cada dirección, o de alguna otra manera conveniente. Si aún así no se obtiene una coincidencia positiva, la búsqueda puede ampliarse aún más y realizar una búsqueda de cuadrícula gruesa utilizando inicialmente un umbral más bajo, para luego centrarse en las correlaciones exitosas.

Si se encuentra una buena correlación en la segunda imagen, se puede estimar en el paso 4066 una velocidad para la característica, y por lo tanto la velocidad para un objeto correspondiente presente en la cámara 20. Si esta estimación se desvía demasiado de la velocidad estimada utilizada para iniciar la búsqueda en el paso 4061, o de alguna otra velocidad de referencia, esto en sí mismo puede ser una indicación de fraude. Este puede ser el caso, por ejemplo, si la velocidad estimada es negativa, lo que indica que hay un objeto que se mueve hacia atrás en la cámara 20. Además, si una característica falta por completo, esto puede indicar que un objeto se desplaza a una velocidad sospechosa o está oculto de alguna manera. Esta condición puede contribuir al nivel de confianza final calculado en el paso 309 de la FIG. 3.

Cuando una velocidad puede ser estimada, quizás desde múltiples regiones, la velocidad estimada para esa cámara puede ser actualizada en el paso 4067, correspondiente a la actualización realizada en el paso 4063.

En una secuencia de pasos 409X correspondiente al paso 309 de la FIG. 3, se calcula una puntuación total, representativa de la probabilidad de que haya un intento de fraude en curso, con base en los resultados de los pasos descritos anteriormente. Esta puntuación se denomina nivel de confianza.

En un primer paso 4091 se determina si se ha detectado un código de barras de guardia medio . Si no es así, el procedimiento pasa al paso 4092 y sale. Si otros algoritmos de detección son operados simultáneamente, los resultados de estos pueden ser tomados en consideración en un paso correspondiente al paso 310 de la FIG. 3, pero para los propósitos de esta realización particular, no se hace ninguna contribución al nivel de confianza desde el procedimiento ilustrado en la FIG. 4 antes de que se haya detectado un código de barras de guardia medio. Por supuesto, la invención no está limitada en este sentido, y es consistente con los principios de la invención proceder al paso 4093 incluso si no se ha detectado ningún guardia medio.

En el paso 4093 se puede calcular una puntuación con base en las velocidades estimadas para las características que fueron detectadas en el procedimiento descrito anteriormente. Existen varias posibilidades dentro del alcance de la invención. La puntuación puede basarse, por ejemplo, en la característica con una velocidad estimada que se desvía más de la estimación actual de la velocidad con la que se mueve el elemento devuelto. La puntuación también puede tener en cuenta cualquier diferencia en la velocidad estimada para los rasgos detectados, es decir, en lugar de o además de hacer una comparación con la velocidad estimada para el elemento devuelto, se puede considerar la consistencia interna del movimiento de varias características. La puntuación puede ser incrementada por cualquier resultado del paso 4065, por ejemplo, una característica que viaja con una velocidad negativa o que no se encuentra en la búsqueda en absoluto.

En un siguiente paso 4094 la puntuación se incrementa de nuevo si una condición que indica fraude fue detectada en una ejecución previa del procedimiento, indicando que la condición sospechosa está presente en el tiempo. Por ejemplo, la puntuación puede duplicarse por cada marco que indique un intento de fraude que también se haya indicado en un marco anterior para esa cámara.

En el paso 4095 la puntuación puede volver a incrementarse con base en los resultados paralelos. Por ejemplo, en una realización con varias cámaras, la puntuación puede aumentar en proporción al número de cámaras que detecten el mismo indicio de fraude.

[Finalmente, en el paso 4096 la puntuación puede incrementarse en función del lugar de la cámara 20 en el que se encuentre la característica detectada, o más precisamente su objeto correspondiente. Es más probable que las anomalías se produzcan cerca de la apertura 12 sin que esto sea un claro indicio de fraude, y a la inversa, las anomalías que se produzcan cerca del final de la cámara 20, lo que se traduce en un retraso en la secuencia de imágenes obtenidas de un determinado artículo devuelto, son indicaciones más probables de fraude. De acuerdo con una realización, la puntuación se duplica para las imágenes obtenidas en el tercio medio de la secuencia de imágenes y se triplica para las imágenes obtenidas en el último tercio de la secuencia.

Los expertos en la técnica entenderán que pueden contemplarse otros esquemas de puntuación, y que todos, algunos o ninguno de los procedimientos para aumentar la puntuación pueden utilizarse en cualquier combinación o secuencia.

Se hace referencia ahora a la FIG. 5, que es un diagrama de flujo que ilustra otros detalles de otra realización que no forma parte de la invención. Esta realización se basa en la coherencia en la detección de un código de barras en un artículo devuelto. En particular, esta realización intenta detectar los códigos de barras que se mueven de forma diferente al artículo devuelto a lo largo de la dirección de transporte dentro de la máquina expendedora inversa. Esto puede ocurrir, por ejemplo, si se adjunta un código de barras válido a una barra que se introduce en la máquina expendedor inversa al mismo tiempo que se devuelve un artículo no válido. La intención de la persona que intenta el fraude es que la cámara del código de barras 26 lea el código válido y que, en consecuencia, se acepte el artículo devuelto.

De acuerdo con esta realización, el procedimiento comienza de nuevo en un paso correspondiente al paso 302 de la FIG. 3 con la introducción de un artículo devuelto en la máquina expendedora inversa. En el siguiente paso 5031 se capturan varias imágenes superpuestas de un código de barras en el artículo devuelto mientras el código de barras es visible para la(s) cámara(s) 26 de códigos de barras. El lugar exacto de la cámara 20 depende de la posición de la cámara 26 de código de barras, que puede dejarse como una opción de diseño. En un siguiente paso 5032 se obtiene una pluralidad de imágenes del artículo devuelto desde la cámara 24 de forma.

En el siguiente paso 5041 se obtienen los datos del sensor 30. En algunas realizaciones este paso, que corresponde al paso 304 de la FIG. 3, puede sustituir al paso 5032. Alternativamente, los datos obtenidos en este paso pueden complementar los datos obtenidos en el paso 5032, o se puede omitir el paso 5041.

En una secuencia de pasos 505X correspondiente al paso 305 de la FIG. 3, se extraen características de las imágenes obtenidas de las cámaras de códigos de barras en el paso 5031. Los códigos de barras suelen incluir patrones de protección de una manera bien conocida por el Universal Product Code (UPC) y las variantes de UPC como EAN, JAN e IAN. Los patrones de guardia son un patrón predeterminado de barras y espacios a la izquierda, al centro y a la derecha del código. De acuerdo con los principios de la invención, se intenta detectar al menos uno de los patrones de guarda de un código de barras en una primera imagen en el paso 5051. Si se detecta más de un patrón de guarda en una imagen y son del mismo tipo y están cerca unos de otros, pueden fusionarse en un grupo de patrones de guarda. En el siguiente paso 5052 se realiza una búsqueda de un grupo correspondiente en una segunda imagen. La segunda imagen puede ser una imagen anterior que ya está almacenada en la memoria de la máquina expendedora inversa, o el procedimiento puede esperar, si es necesario, hasta que se obtenga una imagen posterior y la búsqueda puede realizarse entonces en esa imagen posterior. El hecho de que la segunda imagen ya se haya obtenido, que se obtenga mientras se procesa la primera imagen o que se obtenga después de que se haya procesado la primera imagen y se haya detectado el patrón de protección es conceptualmente lo mismo a este respecto. El paso de obtener la segunda imagen es parte de la adquisición de imágenes del paso 303 ilustrado en la FIG. 3.

El grado de coincidencia entre un patrón de guarda o un grupo de patrones de guarda detectados en la primera y la segunda imagen puede basarse, por ejemplo, en que ambos incluyan el mismo tipo de patrón de guarda (izquierdo, medio, derecho), que los grupos tengan una posición vertical similar en las dos imágenes y que haya un mínimo de coincidencia en los dígitos leídos de los dos grupos. A partir de estos criterios, se puede generar una confianza de coincidencia. De acuerdo con una realización, se asigna una confianza de coincidencia en una escala de cero a uno a todas las posibles coincidencias cruzadas de grupos de la primera a la segunda imagen. A continuación, se pueden seleccionar las coincidencias con una confianza de coincidencia suficientemente alta y, en el paso 5053, se puede estimar el movimiento del código de barras con base en el desplazamiento de los grupos de guardias coincidentes de una imagen a la siguiente.

Los algoritmos de extracción de características utilizados para detectar las guardas y los dígitos del código de barras pueden estar ya implementados, al menos en parte, en el algoritmo de lectura del código de barras de la máquina expendedora de devoluciones. Sin embargo, dado que puede ser deseable detectar posibles elementos de código (grupos) en todas las imágenes en todo momento, por ejemplo, para detectar etiquetas con códigos en todas las posiciones posibles en la cámara 20, puede ser necesario un procesamiento adicional en comparación con los requisitos para la lectura de códigos de barras solamente, ya que la lectura de códigos de barras puede terminar tan pronto como se haya leído un código válido.

Pasando al paso 5061, correspondiente al paso 306 de la FIG. 3, se procesan las imágenes de la cámara 24 de forma y se extrae una estimación del movimiento del elemento devuelto. Este procedimiento no se ilustra en detalle, pero puede basarse, por ejemplo, en la detección de características de la forma del artículo devuelto, detectados en las imágenes obtenidas por la cámara de forma.

En el paso 5071, correspondiente al paso 307 de la FIG. 3, se compara el movimiento determinado del código de barras y el artículo devuelto. El procedimiento continúa entonces como se ilustra en el paso 308 de la FIG. 3. Si se indica que hay fraude, la confianza calculada en el paso 309 puede basarse en la desviación del movimiento. La confianza puede ser binaria, en el sentido de que se indica que un intento de fraude está en curso si la desviación está por encima de un determinado umbral, y se determina que está ausente si la desviación está por debajo del umbral. En otras realizaciones, la confianza en el fraude es una función de la desviación. Un ejemplo de dicha función se ilustra en la FIG. 6, que muestra la confianza en el fraude en función de la desviación entre el código de barras y el movimiento del artículo devuelto. La desviación se da en unidades de píxel en las imágenes de los códigos de barras y la puntuación de confianza se da en una escala que va de 0 a 10.

La realización ilustrada en la FIG. 7 que no forma parte de la invención reivindicada, es una forma alternativa de detectar la inconsistencia del código de barras. En esta realización no se mide el movimiento relativo, o la velocidad, del código de barras con respecto al artículo devuelto, sino la posición. El intento de fraude puede ser el mismo, por ejemplo, que se inserte un código de barras válido con un palo o cordel, y se retire después de que lo haya leído la cámara o cámaras 26 de códigos de barras.

La determinación de la velocidad con la que se mueve un código de barras puede ser en algunos casos difícil o poco fiable. Como se ha descrito anteriormente, es necesario detectar los mismos patrones de guardia de una imagen a otra. Por ejemplo, un código de barras que se mueve independientemente del artículo devuelto puede moverse demasiado rápido para que se pueda determinar una estimación fiable de su movimiento, por ejemplo, cuando la persona que intenta el fraude lo extrae de nuevo de la máquina expendedora inversa. En una realización alternativa, que puede ser utilizada como complemento a la realización discutida con referencia a la FIG. 5, no es necesario determinar la velocidad del código de barras. En cambio, es necesario saber aproximadamente en qué parte de un artículo devuelto puede esperarse un código de barras válido, teniendo en cuenta que diferentes artículos tienen códigos de barras situados en diferentes posiciones, y que algunos artículos pueden incluir varios códigos de barras válidos situados en diferentes posiciones del artículo.

Es posible mantener una base de datos en la máquina expendedora inversa, o una que sea accesible a la máquina expendedora inversa, en la que se almacenen las posibles ubicaciones del código en todos los artículos retornables reconocidos. Esta base de datos puede actualizarse continuamente en línea. Alternativamente, se pueden generar estadísticas a corto plazo con base en los datos recogidos durante una sesión de cliente (es decir, el período desde que se inserta un primer artículo devuelto hasta que el cliente indica que todos los artículos han sido devueltos solicitando un recibo), o durante un período de tiempo predeterminado. Estas estadísticas pueden basarse en la suposición de que los artículos del mismo tipo, es decir, los que llevan el mismo código, deben tener el código aproximadamente en la misma posición. Durante una sesión, puede recogerse la posición detectada de un código concreto en cada artículo que lleve ese código, y puede denunciarse un intento de fraude si se detecta el mismo código en varias posiciones diferentes de los artículos devueltos.

De nuevo el procedimiento comienza como en la FIG. 3 cuando se inserta un artículo devuelto en la máquina expendedora inversa en el paso 302. En el paso 7031, se obtiene al menos una imagen del código de barras, y en el paso 7032 se obtiene al menos una imagen del artículo devuelto. Además, o como una alternativa al paso 7032, los datos del sensor se obtienen en el paso 7041. En el paso 7051 se detectan patrones de protección en la imagen del código de barras, y los patrones detectados se utilizan en el paso 7052 para determinar la posición del código de barras en la cámara 20. En el siguiente paso 7061 se determina la posición del artículo devuelto con base en la al menos una imagen del artículo devuelto obtenida de la cámara 24 de forma en el paso 7032 y/o de los datos del sensor obtenidos en el paso 7041. Se entenderá que la posición del código de barras y el artículo devuelto deben determinarse prácticamente al mismo tiempo.

En una secuencia de pasos 707X correspondiente al paso 307 de la FIG. 3, la posición del código de barras se compara con la posición del artículo devuelto y se determina la consistencia de la posición del código de barras en el artículo devuelto. En el paso 7071 se combinan los resultados de los dos pasos anteriores para determinar la posición del código de barras en el artículo devuelto. En el paso 7072 se recupera la posición que se ha establecido como estadísticamente válida, con base en los artículos devueltos anteriormente, para compararla con la posición determinada en el paso 7071. En otras realizaciones, esta posición puede obtenerse de una base de datos de posiciones válidas de códigos de barras, como se ha descrito anteriormente.

En el paso 7073 se determina la consistencia de la posición del código de barras en relación con la posición del artículo devuelto, tal como se determina con base en las estadísticas recogidas. Si no hay ninguna inconsistencia, el procedimiento pasa del punto 7081 de ramificación al paso 7082, donde se actualizan las estadísticas recogidas con la posición detectada en este caso. Sin embargo, si la posición es inconsistente con las detecciones anteriores, el procedimiento procede al paso 7091, correspondiente al paso 309 de la FIG. 3, donde se calcula la confianza en la detección del fraude. La confianza puede ser una función de la desviación entre la posición válida determinada estadísticamente y la posición determinada actualmente. La FIG. 8 ilustra un ejemplo de confianza en el fraude en función de la desviación de posición entre la detección actual y la anterior de un código. La desviación se mide en píxeles en las imágenes de los códigos de barras, y la confianza en el fraude se sitúa en una escala de 0 a 10.

Debe tenerse en cuenta que varias posiciones pueden ser válidas para diferentes artículos que lleven el mismo código, de modo que puede ser pertinente recoger estadísticas sobre la posición incluso si se detecta una inconsistencia (por ejemplo, antes del punto 7081 de ramificación, o como parte del paso 7091 así como del paso 7082). Por ejemplo, todas las posiciones que ya han sido detectadas una vez pueden ser consideradas como aceptables si se repiten, o la posición promedio de cualquier grupo de posiciones dentro de un cierto intervalo entre sí puede ser considerada aceptable en cuanto el grupo incluya un cierto número de posiciones detectadas. Se entenderá que las primeras instancias dentro de dicho grupo, es decir, las posiciones detectadas antes de que se hayan detectado suficientes instancias para determinar que la posición se asume como válida, se detectarán como inconsistentes, pero pueden no contribuir lo suficiente a la confianza de fraude acumulada en el paso 310 para dar lugar a un rechazo del artículo devuelto o a una emisión de cualquier alarma.

Otra realización que no forma parte de la invención se basa en la realización de que muchos intentos de fraude incluyen objetos extraños que son difíciles de detectar porque son muy finos o porque aparecen como parte del artículo devuelto debido a su proximidad. En consecuencia, la detección de objetos o bordes finos y su movimiento en relación con el artículo devuelto puede utilizarse como indicación de un intento de fraude.

La fotografía de Schlieren es un procedimiento visual bien conocido para la visualización del flujo de fluidos de densidad variable. Sin embargo, el procedimiento también es útil para la detección de formas, bordes y objetos finos, y se ha sugerido previamente el uso de cámaras Schlieren o sistemas similares como la cámara 24 de forma en las máquinas expendedoras inversas. La patente de EE.UU. 5.898.169describe un dispositivo donde los envases, tal como las botellas, pasan entre un retroreflector y una lente de Fresnel. La luz procedente de una fuente luminosa pasa a través de un divisor de haz y la lente Fresnel, se refleja en el retroreflector a través de la lente Fresnel y se dirige desde el divisor de haz a una cámara. La cámara verá entonces objetos como botellas que pasan por la zona entre el retroreflector y el objetivo como siluetas oscuras sobre un fondo brillante. Otro sistema similar al de Schlieren para determinar las características de, por ejemplo, una botella colocada en una zona de observación se describe en la patente de EE.UU. 7,633,614. La descripción de la presente realización asumirá que al menos una cámara 26 de código de barras es capaz de operar en un modo similar al de Schlieren o en algún otro modo que facilite la observación de formas, bordes y objetos delgados, como se describirá con más detalle a continuación. Además, la cámara 24 de forma puede formar parte de un sistema tipo Schlieren.

Un procedimiento que implementa esta forma de realización que no forma parte de la invención reivindicada se ilustra en un diagrama de flujo en la FIG. 9. El paso inicial de obtención de una imagen de referencia mientras la cámara 20 está vacía se realiza usando una cámara de código de barras en modo Schlieren. Este paso puede realizarse mientras la máquina expendedora inversa está en modo de reposo, y las imágenes almacenadas pueden actualizarse regularmente repitiendo este paso a intervalos regulares. En un siguiente paso, la máquina expendedora inversa recibe un artículo devuelto. Estos pasos se ilustran como paso 301 y paso 302 en la FIG. 3. A continuación, el procedimiento pasa al paso 9031, en la que se obtiene al menos una imagen utilizando la misma cámara que para la imagen de referencia, por ejemplo, la cámara 24 de forma o una cámara 26 de código de barras que funciona en modo Schlieren. En el siguiente paso 9032 se obtiene al menos una imagen del artículo devuelto utilizando la cámara 26 de forma. Además de, o en lugar de, la imagen obtenida por la cámara de forma, los datos del sensor pueden ser obtenidos por el sensor 30 en el paso 9041.

En un siguiente paso 9051 se procesa la imagen obtenida mediante la cámara 26 de código de barras. La imagen obtenida puede procesarse dividiéndola por la imagen de referencia píxel a píxel para calcular un coeficiente de transmisión en cada píxel. Los procedimientos de procesamiento alternativos incluyen la sustracción de la imagen de referencia de la imagen obtenida, o cualquier otro procedimiento adecuado de segmentación de primer plano-fondo. Los resultados pueden utilizarse para crear una imagen procesada en la que cada píxel se clasifica como objeto (1, o "blanco") o fondo (0, o "negro"). En esta imagen procesada, las secuencias de píxeles con el valor 1 se clasifican como "finas" o "normales" con base en la longitud de la secuencia a través de la dirección del movimiento de los elementos devueltos, y los píxeles "finos" adyacentes se agrupan para representar "objetos finos". Para ser clasificada como "fina", la secuencia debe ser más corta que un valor umbral. Este valor umbral puede ser un parámetro de ajuste que depende de la configuración de la máquina expendedora inversa y de la sensibilidad deseada de la detección. En algunos casos puede ser necesario clasificar como "finos" sólo los objetos que tengan un grosor inferior a uno o dos milímetros, mientras que en otros casos el diseñador o el operador puede desear clasificar objetos que tengan un grosor de quizás 10 mm o 15 mm. El número umbral de píxeles debe elegirse de forma correspondiente, dependiendo de la resolución de las imágenes, de las posiciones de la cámara con respecto a los objetos devueltos, etc. En el paso 9053, se determina la posición de cualquier objeto delgado detectado. El procesamiento de los pasos 9051 - 9053 corresponde al procesamiento del paso 305 en la FIG. 3.

En un siguiente paso 9061 se determina la posición del artículo devuelto con base en al menos en una imagen obtenida mediante la cámara 24 de forma en el paso 9032. La posición de cualquier objeto delgado detectado en relación con la posición del artículo devuelto puede entonces establecerse en el paso 9071. También puede incluirse un procesamiento adicional para detectar objetos finos aceptables, tal como las lengüetas de las tapas. Por ejemplo, la confianza en el fraude para un objeto delgado detectado que se clasifica como muy probable que sea una lengüeta de tapa puede reducirse en proporción a su "puntuación de lengüeta de tapa". Esta puntuación de la lengüeta de la tapa puede basarse en las propiedades medidas en comparación con las propiedades esperadas para las lengüetas de la tapa (u otros objetos finos aceptables) almacenadas en una base de datos o en un archivo.

En el paso 9072 se determina la consistencia de cualquier objeto delgado detectado con la devolución válida de un artículo. La coherencia puede basarse en la posición del objeto delgado en relación con el elemento devuelto. Las métricas pueden incluir si el objeto delgado cambia su posición en relación con el artículo devuelto a lo largo del tiempo (por ejemplo, indicando que se mueve independientemente del artículo devuelto), si parece estar unido al artículo devuelto o no, y si se mueve hacia el artículo devuelto o se aleja de este.

La realización, que no forma parte de la invención reivindicada, ilustrada en la FIG. 10 es similar a la descrita con referencia a la FIG. 9, pero en esta realización el primer algoritmo de extracción de características busca bordes a lo largo del contorno del artículo devuelto en lugar de objetos delgados. En particular, se rastrean las características del borde, tal como los "pasos" o las discontinuidades. Si estas características se mueven de forma diferente al movimiento general del artículo devuelto o simplemente desaparecen de una imagen a otra, esto puede ser un indicio de actividad fraudulenta.

Los pasos iniciales son similares a los de la realización anterior, en el sentido de que se obtiene una imagen de referencia en el paso 301 y se inserta un artículo devuelto en la máquina expendedora inversa en el paso 302 (como se ilustra en la FIG. 3). En el paso 10031 se obtiene una pluralidad de imágenes Schlieren utilizando una cámara 26 de código de barras y en el paso 10032 se obtiene una pluralidad de imágenes del artículo devuelto utilizando la cámara 24 de forma. En algunas realizaciones, los datos del sensor 30 obtenidos en el paso 10041 sustituyen o complementan las imágenes obtenidas con la cámara 24 de forma.

En el paso 10051 las imágenes obtenidas en el paso 10031 se procesan utilizando las imágenes de referencia correspondientes. La imagen compuesta resultante es una imagen en la que todos los píxeles se clasifican como fondo u objeto, como se ha comentado anteriormente. La imagen compuesta se procesa aún más en el paso 10053, donde se detectan los rasgos distintivos del perfil de borde y se determinan sus posiciones. Esto puede hacerse, por ejemplo, calculando la 1ra derivada del perfil de borde, por ejemplo, dibujando una curva que trace el borde entre los píxeles del objeto y los píxeles del fondo y calculando la 1ra derivada de esta curva. En el paso 10061 se determina la posición del artículo devuelto con base en las imágenes obtenidas en el paso 10032 y/o en los datos del sensor obtenidos en el paso 10041.

En el paso 10071, el movimiento de cualquier característica distintica detectada en el paso 10053 (es decir, el cambio de posición a lo largo de dos o más imágenes) se compara con los correspondientes cambios de posición para el elemento devuelto en su conjunto. Por ejemplo, cualquier pico en la 1ra derivada debe permanecer en la misma posición en relación con el elemento devuelto, es decir, las características distintivas no deben mostrar ningún movimiento independiente en relación con el artículo devuelto o desaparecer. Si característica distintiva se desplaza independientemente del artículo devuelto o desaparece, esto puede ser, por ejemplo, el resultado de una etiqueta con un código de barras que se ha fijado a un palo o a un cordel y se ha desplazado de forma independiente hacia la cámara 20, o puede indicar que una persona está sujetando el artículo devuelto y alcanzando la cámara 20 más allá de la zona 12 de abertura donde se supone que el usuario debe soltar y retirar la mano.

Si se puede determinar en el paso 10072 que puede haber un indicio de fraude, es decir, que el movimiento o la pérdida de una característica distintiva del perfil del artículo es inconsistente con la devolución normal de un artículo válido retornable, el procedimiento procede con el paso 308 como se describe con referencia a la FIG. 3. Las métricas utilizadas al calcular el nivel de confianza del fraude, o la puntuación de confianza, pueden incluir dimensiones de una característica distintiva tal como la altura del paso donde la1ra derivada tiene un pico, la posición en el artículo devuelto, la posición en la cámara de tal manera que una inconsistencia que ocurre cerca de la salida de la cámara 20 es más sospechosa que una inconsistencia que ocurre cerca de la apertura 12. También pueden contemplarse otras métricas sin apartarse del alcance de la invención. Además, se pueden realizar cálculos adicionales para no tener en cuenta las inconsistencias que pueden clasificarse como aceptables, por ejemplo, las características del perfil que pueden identificarse como una etiqueta parcialmente suelta.

La FIG. 11 es una ilustración de una realización ejemplar de cómo una cámara de código de barras puede funcionar en un modo dirigido principalmente a la detección de formas, bordes u objetos delgados en lugar de la lectura de códigos de barras. De acuerdo con esta realización, la cámara 26 de código de barras está dirigida hacia la cámara 20, como ya se ha descrito con referencia a la FIG. 2, pero delante de la cámara hay un divisor 32 de haz. Una fuente 28 de luz se sitúa a la misma distancia del divisor 32 de haz que la cámara 26, de manera que, ópticamente hablando, visto desde la cámara 20 la fuente 28 de luz y la cámara 26 están en la misma posición. En el extremo de la cámara 20 hay un retroreflector que refleja la luz directamente hacia la cámara 26. En la realización ilustrada, el retroreflector es un espejo esférico cóncavo. Sin embargo, son posibles otras configuraciones. Alternativamente, se podría utilizar un espejo plano en combinación con una lente Fresnel, como se describe en la patente de EE.UU. 5,898,169.

El resultado de esta configuración es que la imagen capturada por la cámara 26 mostrará un fondo muy brillante, y cualquier objeto en la imagen será, en consecuencia, relativamente mucho más oscuro. Si se procesa la imagen utilizando una imagen de referencia vacía que sólo muestre el fondo, este efecto se puede potenciar aún más, dando lugar a las imágenes comentadas anteriormente.

Se hace referencia ahora a la FIG. 12, que es un diagrama de bloques que ilustra los diversos componentes de una realización ejemplar de una máquina expendedora inversa que funciona de acuerdo con los principios de la invención. Varias fuentes 28 de luz están conectadas a la unidad 40 de procesamiento , que incluye un módulo 42 de sincronización. El módulo 42 de sincronización puede estar configurado para controlar cualquier operación sincronizada requerida de las fuentes 28 de luz, las cámaras 24,26, el sensor 30 y el transportador 22, tal como por ejemplo controlar qué fuente 28 de luz ilumina la cámara cuando se activa una cámara 24,26 en particular, o asegurar que dos o más cámaras se activen simultáneamente o en una secuencia particular, según lo dictado por cualquiera de las realizaciones descritas anteriormente o combinaciones de las mismas. Los datos devueltos por las cámaras (u otros detectores o sensores de luz adecuados) 24,26, el sensor 30 y el transportador 22 son recibidos por los medios 40 de procesamiento. Además, la máquina expendedora inversa puede incluir un módulo 44 de comparación configurado para comparar una imagen detectada por la cámara 24 de forma para reconocer una imagen de contorno de un artículo devuelto en particular y comunicar dicho reconocimiento a la unidad 40 de procesamiento . Las entradas y salidas de un usuario pueden ser recibidas y controladas por la unidad 40 de procesamiento, respectivamente, a través de un dispositivo de visualización y entrada que puede combinarse en una pantalla 14 táctil , una impresora 16 y un altavoz 18.

La máquina expendedora inversa también puede incluir una unidad 46 de lectura de códigos de barras y una unidad 48 de extracción de características. Los expertos en la técnica se darán cuenta de que la unidad 44 de comparación de formas, la unidad 46 de lectura de códigos de barras y la unidad 48 de extracción de características pueden implementarse como software almacenado en un dispositivo de almacenamiento (no mostrado) y configurado para ser ejecutado por la unidad 40 de procesamiento. Estas unidades también pueden implementarse total o parcialmente como procesadores independientes, procesadores gráficos, matrices de puertas programables en campo (FPGA), circuitos integrados de aplicación específica (ASIC), o una combinación de los mismos. Además, varios de los diversos algoritmos, instrucciones y hardware que implementan estas unidades pueden operar como parte de más de una de ellas. Por ejemplo, los algoritmos implementados como módulos de software en la unidad 46 de lectura de códigos de barras, pueden duplicarse como parte de una o más funciones de extracción de características que forman parte de la unidad 48 de extracción de características.

Aquellos con habilidad en la técnica también entenderán que los componentes adicionales que no se ilustran en la FIG. 12 pueden formar parte de una máquina expendedora inversa o de un sistema de máquinas expendedoras inversas. Dichos componentes pueden incluir, por ejemplo, una fuente de alimentación, una interfaz de comunicación para comunicarse con ordenadores o unidades de almacenamiento remotos, diversas unidades de almacenamiento, incluyendo unidades de memoria volátil y no volátil, bases de datos, etc.

Claims

REIVINDICACIONES

1. Un procedimiento para detectar intentos de fraude en una máquina (10) expendedora inversa, comprendiendo la máquina (10) expendedora inversa al menos un sensor (24, 26) de imagen y al menos una unidad de procesamiento de datos, el procedimiento comprende:

utilizando dicho al menos un sensor (24, 26) de imagen para obtener al menos dos imágenes de un artículo devuelto insertado en la máquina (10) expendedora inversa, dichas al menos dos imágenes se obtienen en al menos dos momentos diferentes en el tiempo(303);

utilizar dicha unidad de procesamiento de datos para aplicar un primer algoritmo de extracción de características para extraer una primera característica indicativa de la presencia y una posición relativa de un primer objeto asociado a dicha primera característica a partir de dichas al menos dos imágenes obtenidas en al menos dos puntos diferentes en el tiempo (305);

utilizar dicha unidad de procesamiento de datos para aplicar un segundo algoritmo de extracción de características que es diferente de dicho primer algoritmo de extracción de características, para extraer una segunda característica indicativa de la presencia y una posición relativa de un segundo objeto asociado con dicha segunda característica a partir de dichas dos imágenes obtenidas en al menos dos puntos diferentes en el tiempo (306), siendo dicho segundo objeto diferente de dicho primer objeto; y

utilizar dicha unidad de procesamiento de datos para determinar si una posición o un movimiento de dicho primer objeto es inconsistente con una posición o movimiento de dicho segundo objeto (307), y calcular un nivel de confianza de fraude basado en dicha determinación (309),

dicha determinación incluye la estimación de movimientos o velocidades relativas para dicho primer y dicho segundo objeto con base en dichas posiciones relativas e intervalos de tiempo entre dichos al menos dos puntos diferentes en el tiempo, e indicando un movimiento inconsistente de dicho primer objeto en relación con dicho segundo objeto si hay una diferencia sustancial entre dichos movimientos relativos estimados o dicha primera y dicha segunda velocidad (308) estimada.

2. El procedimiento de la reivindicación 1, en el que dicha determinación del nivel de confianza del fraude es binaria y se establece preferentemente en 0 cuando no se detecta ninguna inconsistencia, o se establece preferentemente en 1 cuando se detecta una inconsistencia.

3. El procedimiento de la reivindicación 1, en el que dicha determinación de dicho nivel de confianza de fraude depende de un grado de inconsistencia de posición o movimiento de dicho primer objeto en relación con dicho segundo objeto.

4. El procedimiento de la reivindicación 1, en el que dicho primer algoritmo de extracción de características se aplica a imágenes obtenidas de un primer sensor de imágenes y dicho segundo algoritmo de extracción de características se aplica a imágenes obtenidas de un segundo sensor de imágenes, y en el que dicha primera característica es representativa de un código de barras y dicha segunda característica es representativa de una forma de un artículo devuelto.

5. Una máquina (10) expendedora inversa con una abertura (12) a través de la cual se pueden insertar artículos en el interior (20) de dicha máquina (10), al menos un sensor (24, 26) de imagen configurado para obtener imágenes de al menos una parte de un artículo insertado, y al menos una unidad de procesamiento de datos, comprendiendo la máquina expendedora inversa:

dicha al menos una unidad de procesamiento de datos configurada para recibir al menos dos imágenes de un artículo devuelto insertado en la máquina (10) expendedora inversa, dichas al menos dos imágenes son obtenidas por dicho al menos un sensor de imagen en al menos dos momentos diferentes;

dicha al menos una unidad de procesamiento de datos configurada para aplicar un primer algoritmo de extracción de características para extraer una primera característica de dichas al menos dos imágenes, siendo dicha primera característica indicativa de la presencia de un primer objeto, y aplicar un segundo algoritmo de extracción de características que es diferente de dicho primer algoritmo de extracción de características, para extraer una segunda característica que es diferente de dicha primera característica de dichas al menos dos imágenes, siendo dicha segunda característica indicativa de la presencia de un segundo objeto; y

dicha al menos una unidad de procesamiento de datos configurada para determinar si una posición o un movimiento de dicho primer objeto es inconsistente con una posición o un movimiento de dicho segundo objeto, y para calcular un nivel de confianza de fraude con base en dicha determinación,

en el que dicha determinación incluye la estimación de movimientos o velocidades relativas para dicho primer y dicho segundo objeto, con base en dichas posiciones relativas e intervalos de tiempo entre dichos al menos dos puntos diferentes en el tiempo, e que indica un movimiento inconsistente de dicho primer objeto en relación con dicho segundo objeto si hay una diferencia sustancial entre dichos movimientos relativos estimados o dicha primera y dicha segunda velocidad estimada.

6. La máquina expendedora inversa de la reivindicación 5, en la que dicho al menos un sensor de imagen incluye al menos un primer sensor de imagen con un campo de visión relativamente estrecho para capturar imágenes de los códigos de barras adheridos a los artículos devueltos al menos parcialmente presentes en dicho interior, y al menos un segundo sensor de imagen con un campo de visión relativamente amplio para capturar imágenes de la forma de los artículos devueltos al menos parcialmente presentes en dicho interior.

7. La máquina expendedora inversa de la reivindicación 5, que comprende, además: un retroreflector, un divisor de haz y una fuente de luz; y en la que al menos un sensor de imagen está configurado para ver un objeto devuelto silueteado contra dicho retroreflector, y dicha fuente de luz y dicho divisor de haz están configurados de tal manera que dicha fuente de luz y dicho sensor de imagen están ópticamente coubicados como se ve desde el retroreflector.

8. La máquina expendedora inversa de la reivindicación 5, en la que la unidad de procesamiento de datos comprende uno o más componentes elegidos del grupo que consiste en: un conjunto de instrucciones de programa informático almacenado en un medio legible por ordenador y configurado para permitir que la al menos una unidad de procesamiento de datos realice funciones de extracción de características, una matriz de puertas programables en campo (FPGA) y un circuito integrado de aplicación específica (ASIC).