CN106846607B - 一种纸币识别方法及装置 - Google Patents
一种纸币识别方法及装置 Download PDFInfo
- Publication number
- CN106846607B CN106846607B CN201710017796.5A CN201710017796A CN106846607B CN 106846607 B CN106846607 B CN 106846607B CN 201710017796 A CN201710017796 A CN 201710017796A CN 106846607 B CN106846607 B CN 106846607B
- Authority
- CN
- China
- Prior art keywords
- image
- bank note
- setting regions
- transformed
- range
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
- G07D7/20—Testing patterns thereon
- G07D7/2008—Testing patterns thereon using pre-processing, e.g. de-blurring, averaging, normalisation or rotation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种纸币识别方法及装置,该方法包括:获取纸币上设定区域的图像,并对所述图像进行radon变换,得到变换后的设定区域的图像;根据所述变换后的设定区域的图像在第一范围之间的变换情况确定纸币面值。本发明实施例能够提高纸币识别速度。
Description
技术领域
本发明实施例涉及纸币检测技术,尤其涉及一种纸币识别方法及装置。
背景技术
为了维护社会的金融秩序,各国纸币识别技术在不断提高。纸币识别包括面值面向识别与纸币真伪鉴别,纸币一般的识别流程是先对纸币进行倾斜校正等预处理,然后识别出纸币的币种与面值面向,再根据纸币的面值面向进行纸币真伪的鉴别。纸币的面值识别在纸币的识别中占有很重要地位,如果不先识别出面值,就谈不上对纸币进行真伪鉴别。由于纸币识别要求实时性,一般要求在40ms内完成纸币的面值面向识别与真伪鉴别,所以就必须对识别算法进行优化处理。
现有技术通过训练神经网络模型来实现对纸币的识别。神经网络对样本的依赖性比较强,比如在不同温度下的样本、在不同新旧程度下的样本、在不同亮度的情况下的样本等。需要采集大量的样本才能够提高纸币识别的准确率,神经网络也需要大量的参数,如网络拓扑结构、权值和阈值的初始值,由于神经网络收敛速度慢,导致纸币识别时间变长。
发明内容
本发明实施例提供一种纸币识别方法及装置,以提高纸币识别速度。
第一方面,本发明实施例提供了一种纸币识别方法,包括:
获取纸币上设定区域的图像,并对所述图像进行radon变换,得到变换后的设定区域的图像;
根据所述变换后的设定区域的图像在第一范围之间的变换情况确定纸币面值。
进一步的,所述根据所述变换后的设定区域的图像在第一范围之间的变换情况确定纸币面值,包括:
检测所述变换后的设定区域的图像在所述第一范围之间的变换值;
判断所述变换值在第二范围之间是否存在第一状态或第二状态,其中,所述第二范围在所述第一范围之内;
若所述变换值在第二范围之间存在第一状态或第二状态,则确定所述纸币面值为与第一状态或第二状态对应的面值。
进一步的,所述第一状态为变换值极小值,所述第二状态为变换值极大值。
进一步的,所述radon变换的变换角度为0度。
进一步的,所述纸币为伊朗币。
第二方面,本发明实施例还提供了一种纸币识别装置,该装置包括:
图像获取与变换模块,用于获取纸币上设定区域的图像,并对所述图像进行radon变换,得到变换后的设定区域的图像;
确定模块,用于根据所述变换后的设定区域的图像在第一范围之间的变换情况确定纸币面值。
进一步的,所述确定模块包括:
检测单元,用于检测所述变换后的设定区域的图像在所述第一范围之间的变换值;
判断单元,用于判断所述变换值在第二范围之间是否存在第一状态或第二状态,其中,所述第二范围在所述第一范围之内;
面值确定单元,用于若所述变换值在第二范围之间存在第一状态或第二状态,则确定所述纸币面值为与第一状态或第二状态对应的面值。
进一步的,所述第一状态为变换值极小值,所述第二状态为变换值极大值。
进一步的,所述radon变换的变换角度为0度。
进一步的,所述纸币为伊朗币。
本发明实施例通过获取纸币上设定区域的图像,并对所述图像进行radon变换,得到变换后的设定区域的图像;根据所述变换后的设定区域的图像在第一范围之间的变换情况确定纸币面值。避免了由于通过神经网络对纸币进行识别收敛速度慢、对样本依赖性强以及需要大量的参数等缺点,能够达到提高纸币识别速度的效果。
附图说明
图1为本发明实施例一中的一种纸币识别方法的流程图;
图2是本发明实施例二中的一种纸币识别方法的流程图;
图3是本发明实施例三中的一种纸币识别装置的结构示意图;
图4是本发明实施例二中纸币设定区域示意图;
图5A是本发明实施例二中变换后的设定区域的绘制图;
图5B是本发明实施例二中变换后的设定区域的绘制图;
图6A是本发明实施例二中纸币示意图;
图6B是本发明实施例二中纸币示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种纸币识别方法的流程图,本实施例可适用于纸币识别的情况,该方法可以由本发明实施例中的纸币识别装置来执行,该装置可采用软件和/或硬件的方式实现,如图1所示,该方法具体包括如下步骤:
S110,获取纸币上设定区域的图像,并对所述图像进行radon变换,得到变换后的设定区域的图像。
其中,所述设定区域为纸币上含有面值标记的区域,所述设定区域的图像为设定区域中的面值标记,例如可以是,若所述纸币为伊朗币50000,则所述设定区域可以为:[355:445,30:82]。所述[355:445,30:82]为分辨率为200*150DPI的情况下截取设定区域的坐标值。设定区域的图像为伊朗币上[355:445,30:82]区域内50000的面值标记。
其中,两维情况下radon变换大致可以这样理解:一个平面内沿不同的直线(直线与原点的距离为d,方向角为α)对f(x,y)做线积分,得到的像F(d,α)就是函数f的Radon变换。也就是说,平面(d,α)的每个点的像函数值对应了原始函数的某个线积分值。一个更直观的理解是,假设你的手指被一个很强的平行光源透射,你迎着光源看到的手指图像就是手指的光衰减系数的三维Radon变换在给定方向(两个角坐标)的时候的值。
具体的,截取纸币上含有面值标记的区域,对截取的区域进行radon变换,获得radon变换后的绘制的图像。
S120,根据所述变换后的设定区域的图像在第一范围之间的变换情况确定纸币面值。
其中,所述第一范围为能够直观确定纸币面值的图像区域,所述变换情况可以为存在极大值,也可以为存在极小值,还可以为在一定的范围内变换。例如可以是,若纸币截取的区域在进行radon变换之后,在第一范围内存在极大值,则根据所述情况确定纸币的面值。
其中,根据所述变换后的设定区域的图像在第一范围之间的变换情况确定纸币面值,需要提前获取不同纸币面值对应的变换后的设定区域的图像在第一范围之间的变换情况,进而根据变换后的设定区域的图像在第一范围之间的变换情况确定纸币面值。
具体的,截取纸币上含有纸币面值标记的区域,对所述区域进行radon变换,获得变换后的绘制的图像,观察变换后的图像在第一范围之间的变换情况,根据变换情况确定纸币面值。
本实施例的技术方案,通过获取纸币上设定区域的图像,并对所述图像进行radon变换,得到变换后的设定区域的图像;根据所述变换后的设定区域的图像在第一范围之间的变换情况确定纸币面值。避免了由于通过神经网络对纸币进行识别收敛速度慢、对样本依赖性强以及需要大量的参数等缺点,导致纸币识别速度降低的情况,能够达到提高纸币识别速度的效果。
实施例二
图2为本发明实施例二中的一种纸币识别方法的流程图,本实施例以上述实施例为基础进行优化,在本实施例中,所述根据所述变换后的设定区域的图像在第一范围之间的变换情况确定纸币面值,包括:检测所述变换后的设定区域的图像在所述第一范围之间的变换值;判断所述变换值在第二范围之间是否存在第一状态或第二状态,其中,所述第二范围在所述第一范围之内;若所述变换值在第二范围之间存在第一状态或第二状态,则确定所述纸币面值为与第一状态或第二状态对应的面值。
由此,通过检测所述变换后的设定区域的图像在所述第一范围之间的变换值;判断所述变换值在第二范围之间是否存在第一状态或第二状态,若所述变换值在第二范围之间存在第一状态或第二状态,则确定所述纸币面值为与第一状态或第二状态对应的面值,能够更加直观的识别出所述纸币的面值,提高纸币识别速度。
如图2所示,本实施例的方法具体包括如下步骤:
S210,获取纸币上设定区域的图像,并对所述图像进行radon变换,得到变换后的设定区域的图像。
具体的,以伊朗币50000为例,获取纸币上设定区域的图像,设定区域的大小无严格规定,但必须包含伊朗币50000的面值标记。例如,图4为获取的纸币上设定区域的图像,纸币的设定区域范围可以选定为:[355:445,30:82]。其中,所示的区域的分辨率本实施例不进行限制,如图4所示,所示的区域为在分辨率为200*150DPI下获得。
S220,检测所述变换后的设定区域的图像在所述第一范围之间的变换值。
其中,所述变换值为变换后的设定区域的绘制的图像对应于第一范围的数值。例如可以是,如图5A所示,将变换后的设定区域的绘制的图像用二维曲线表示,检测坐标值在50到70之间的变换值。
S230,判断所述变换值在第二范围之间是否存在第一状态或第二状态,其中,所述第二范围在所述第一范围之内。
其中,所述第二范围为能够准确判断纸币面值的范围,也就是在第二范围之间,变换值存在特殊的变换情况。所述第一状态可以为极大值,相应的所述第二状态可以为极小值,所述第一状态也可以为极小值,相应的所述第二状态可以为极大值,所述第二范围在第一范围之内。
S240,若所述变换值在第二范围之间存在第一状态或第二状态,则确定所述纸币面值为与第一状态或第二状态对应的面值。
例如可以是,如图5A所示,所示第二范围可以为坐标值在60左右,如果所述变换值在坐标值为60左右存在极小值,则判断所述纸币的面值为伊朗币50000;如图5B所示,所示第二范围可以为坐标值在60左右,如果所述变换值在坐标值为60左右存在极大值,则判断所述纸币的面值为伊朗币100000。
在一个具体的例子中,如图6A所示,所述纸币为伊朗币50000,截取伊朗币50000上的设定区域610,设定区域610的位置为:[355:445,30:82]。如图6A所示的设定区域为在分辨率为200*150DPI下获得,获取纸币上设定区域的图像,对所选的设定区域的图像进行radon变换,其中,变换角度选择0度,变换后的绘制的图像为如图5A所示,检测坐标值在50到70之间的变换值,变换值在坐标为60左右存在极小值,则可以判断所述纸币为伊朗币50000。
在另一个具体的例子中,如图6B所示,所述纸币为伊朗币100000,截取伊朗币100000上的设定区域611,设定区域611的位置为:[355:445,30:82]。如图6B所示的设定区域为在分辨率为200*150DPI下获得,获取纸币上设定区域的图像,对所选的设定区域的图像进行radon变换,其中,变换角度选择0度,变换后的绘制的图像为如图5B所示,检测坐标值在50到70之间的变换值,变换值在坐标为60左右存在极大值,则可以判断所述纸币为伊朗币100000。
本实施例的技术方案,通过检测所述变换后的设定区域的图像在所述第一范围之间的变换值;判断所述变换值在第二范围之间是否存在第一状态或第二状态,若所述变换值在第二范围之间存在第一状态或第二状态,则确定所述纸币面值为与第一状态或第二状态对应的面值,避免了由于通过神经网络对纸币进行识别收敛速度慢、对样本依赖性强以及需要大量的参数等缺点,导致纸币识别速度降低的情况,能够达到提高纸币识别速度的效果。
实施例三
图3为本发明实施例三的一种纸币识别装置的结构示意图。本实施例可适用于纸币识别的情况,该系统可采用软件和/或硬件的方式实现,该系统可集成在任何提纸币识别的设备中,如图3所示,所述纸币识别装置具体包括:图像获取模块310和确定模块320。
其中,图像获取模块310,用于获取纸币上设定区域的图像,并对所述图像进行radon变换,得到变换后的设定区域的图像;
确定模块320,用于根据所述变换后的设定区域的图像在第一范围之间的变换情况确定纸币面值。
可选的,所述确定模块320包括:
检测单元,用于检测所述变换后的设定区域的图像在所述第一范围之间的变换值;
判断单元,用于判断所述变换值在第二范围之间是否存在第一状态或第二状态,其中,所述第二范围在所述第一范围之内;
面值确定单元,用于若所述变换值在第二范围之间存在第一状态或第二状态,则确定所述纸币面值为与第一状态或第二状态对应的面值。
可选的,所述第一状态为变换值极小值,所述第二状态为变换值极大值。
可选的,所述radon变换的变换角度为0度。
可选的,所述纸币为伊朗币。
本实施例的技术方案,通过获取纸币上设定区域的图像,并对所述图像进行radon变换,得到变换后的设定区域的图像;根据所述变换后的设定区域的图像在第一范围之间的变换情况确定纸币面值。避免了由于通过神经网络对纸币进行识别收敛速度慢、对样本依赖性强以及需要大量的参数等缺点,能够达到提高纸币识别速度的效果。
上述产品可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种纸币识别方法,其特征在于,包括:
获取纸币上设定区域的图像,并对所述图像进行radon变换,得到变换后的设定区域的图像,其中,所述设定区域为纸币上含有面值标记的区域,所述设定区域的图像为设定区域中的面值标记;
与提前获取不同纸币面值对应的变换后的设定区域的图像在第一范围之间的变换情况对比,根据所述变换后的设定区域的图像在第一范围之间的变换情况确定纸币面值,其中,所述第一范围是能够直观确定纸币面值的图像区域。
2.根据权利要求1所述的方法,其特征在于,所述根据所述变换后的设定区域的图像在第一范围之间的变换情况确定纸币面值,包括:
检测所述变换后的设定区域的图像在所述第一范围之间的变换值;
判断所述变换值在第二范围之间是否存在第一状态或第二状态,其中,所述第二范围在所述第一范围之内;
若所述变换值在第二范围之间存在第一状态或第二状态,则确定所述纸币面值为与第一状态或第二状态对应的面值。
3.根据权利要求2所述的方法,其特征在于,所述第一状态为变换值极小值,所述第二状态为变换值极大值。
4.根据权利要求2所述的方法,其特征在于,所述radon变换的变换角度为0度。
5.根据权利要求2所述的方法,其特征在于,所述纸币为伊朗币。
6.一种纸币识别装置,其特征在于,包括:
图像获取与变换模块,用于获取纸币上设定区域的图像,并对所述图像进行radon变换,得到变换后的设定区域的图像,其中,所述设定区域为纸币上含有面值标记的区域,所述设定区域的图像为设定区域中的面值标记;
确定模块,用于与提前获取不同纸币面值对应的变换后的设定区域的图像在第一范围之间的变换情况对比,根据所述变换后的设定区域的图像在第一范围之间的变换情况确定纸币面值,其中,所述第一范围是能够直观确定纸币面值的图像区域。
7.根据权利要求6所述的装置,其特征在于,所述确定模块包括:
检测单元,用于检测所述变换后的设定区域的图像在所述第一范围之间的变换值;
判断单元,用于判断所述变换值在第二范围之间是否存在第一状态或第二状态,其中,所述第二范围在所述第一范围之内;
面值确定单元,用于若所述变换值在第二范围之间存在第一状态或第二状态,则确定所述纸币面值为与第一状态或第二状态对应的面值。
8.根据权利要求7所述的装置,其特征在于,所述第一状态为变换值极小值,所述第二状态为变换值极大值。
9.根据权利要求7所述的装置,其特征在于,所述radon变换的变换角度为0度。
10.根据权利要求7所述的装置,其特征在于,所述纸币为伊朗币。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710017796.5A CN106846607B (zh) | 2017-01-11 | 2017-01-11 | 一种纸币识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710017796.5A CN106846607B (zh) | 2017-01-11 | 2017-01-11 | 一种纸币识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106846607A CN106846607A (zh) | 2017-06-13 |
CN106846607B true CN106846607B (zh) | 2019-06-07 |
Family
ID=59118413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710017796.5A Active CN106846607B (zh) | 2017-01-11 | 2017-01-11 | 一种纸币识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106846607B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1912160B1 (en) * | 2006-10-11 | 2012-05-16 | Mitsubishi Electric R&D Centre Europe B.V. | Image descriptor for image recognition |
CN1937698A (zh) * | 2006-10-19 | 2007-03-28 | 上海交通大学 | 图像畸变自动校正的图像处理方法 |
ZA200803184B (en) * | 2007-04-25 | 2009-01-28 | Graphic Security Systems Corp | Object authentication using a portable digital image acquisition device |
CN102708356B (zh) * | 2012-03-09 | 2014-04-09 | 沈阳工业大学 | 一种基于复杂背景下的车牌自动定位和识别方法 |
CN103996296A (zh) * | 2014-05-27 | 2014-08-20 | 浪潮电子信息产业股份有限公司 | 一种基于云计算的违章拍照自动识别方法 |
CN105022992A (zh) * | 2015-06-29 | 2015-11-04 | 叶秀兰 | 一种车牌自动鉴别方法 |
CN105023013B (zh) * | 2015-08-13 | 2018-03-06 | 西安电子科技大学 | 基于局部标准差和Radon变换的目标检测方法 |
-
2017
- 2017-01-11 CN CN201710017796.5A patent/CN106846607B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106846607A (zh) | 2017-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hodges et al. | Single image dehazing using deep neural networks | |
US9196034B2 (en) | Method of fast analysis of the relief elements featuring on the internal surface of a tyre | |
CN102789578B (zh) | 基于多源目标特征支持的红外遥感图像变化检测方法 | |
CN108615014B (zh) | 一种眼睛状态的检测方法、装置、设备和介质 | |
CN104156693A (zh) | 一种基于多模态序列融合的动作识别方法 | |
CN106469483B (zh) | 一种纸币识别的方法及装置 | |
CN104966089B (zh) | 一种二维码图像边缘检测的方法及装置 | |
CN102360503B (zh) | 基于空间贴近度和像素相似性的sar图像变化检测方法 | |
CN103714321A (zh) | 基于距离图像和强度图像的驾驶员人脸定位系统 | |
CN108254727A (zh) | 一种基于轮廓跟踪的雷达点迹凝聚方法 | |
CN109919002A (zh) | 黄色禁停线识别方法、装置、计算机设备及存储介质 | |
Cao et al. | High voltage transmission line detection for uav based routing inspection | |
CN114677655A (zh) | 多传感器目标检测方法、装置、电子设备以及存储介质 | |
KR20180014495A (ko) | 객체 인식 장치 및 방법 | |
CN106846607B (zh) | 一种纸币识别方法及装置 | |
KR101541421B1 (ko) | 손 자세 인식 기반 사용자 인터페이스 방법 및 시스템 | |
CN113034419A (zh) | 面向机器视觉任务的雷达点云客观质量评价方法及装置 | |
US20230095093A1 (en) | Training method and apparatus for a target detection model, target detection method and apparatus, and storage medium | |
US20220004746A1 (en) | Method and device for detecting a user input on the basis of a gesture | |
CN108197628B (zh) | 基于深度神经网络的图像特征的联合判断方法 | |
KR101899993B1 (ko) | 시차 맵으로 한정된 영역에 기반한 객체 인식 방법 | |
CN103955925A (zh) | 基于分块固定最小采样的改进概率霍夫变换曲线检测方法 | |
Ma et al. | Infrared small target energy distribution modeling for 2D subpixel motion and target energy compensation detection | |
JP2016157457A (ja) | 操作入力装置、操作入力方法及び操作入力プログラム | |
WO2021100115A1 (ja) | 対象物検出装置、対象物検出方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |