CN101425194B - 一种验证钞票来源的方法、相关装置以及系统 - Google Patents

Abstract

本发明公开了一种验证钞票来源的方法，包括：获得交易钞票的原始信息和交易对象信息，所述原始信息包括红外原始信息；根据所述原始信息生成识别特征量；完成交易，并根据交易结果存储所述交易钞票的交易对象信息和识别特征量；获得待验证的钞票的识别特征量；将待验证的钞票的识别特征量与存储的交易钞票的识别特征量进行匹配，获得所述待验证的钞票的来源。本发明还公开了一种验证钞票来源的装置、验证钞票真假的装置以及包含上述部分装置的自动柜员机。由于采用红外识别特征量作为匹配信息，提高了对真钞和伪钞的识别的唯一性，有效的提高了验证钞票来源的正确率。

Description

一种验证钞票来源的方法、相关装置以及系统

技术领域

本发明涉及钞票流通和识别领域，尤其涉及验证钞票来源的方法、相关装置、系统以及包含相关装置的自动柜员机。

背景技术

使用自动柜员机(Automatic Teller Machine，ATM)存储或支出钞票无需柜台工作人员直接参与，钞票的存取可以不受时间和空间的限制，因此ATM的使用变得越来越广泛，随之而来的是对高安全度的钞票识别技术的需求与日俱增。

尽管现在的自动钞票识别技术具有较高的识别率，但是伪钞的制作技术也越来越精良，特别是针对机器识别技术的漏洞的伪钞制造技术层出不穷。因此ATM很有可能由于不能及时识别伪钞而导致银行通过ATM收到或支出伪钞，现在，国内的金融自助设备(如ATM)大多不具有钞票的跟踪功能(即对钞票的来源进行验证的功能)，将会使银行在收到或支出伪钞后无法确定伪钞来源，造成银行与其客户之间的纠纷。

现有的验证钞票来源的方法中，在识别并跟踪钞票方面有很多问题。例如，在只使用钞票的序列号识别钞票并验证其来源的技术中，由于假币大多具有与真币相同的序列号，则现有的验证钞票来源的方法无法识别具有相同序列号的真币和假币，也无法识别具有相同序列号的多张钞票，即对每一张钞票的识别不具有唯一性(不论是真币还是假币)，进而可能导致无法验证钞票的确切来源。

发明内容

本发明所要解决的技术问题在于，提供一种验证钞票来源的方法、相关装置、系统以及包含所述装置的自动柜员机。通过上述方法、相关装置以及系统可以有效的识别收到的钞票，以验证钞票的来源。

为了解决上述技术问题，一方面，本发明的实施例提供了一种验证钞票来源的方法，包括：获得交易钞票的原始信息和交易对象信息，所述原始信息包括红外原始信息，所述红外原始信息是指通过图像传感器从钞票的红外敏感区域采集的图像信息；根据所述交易钞票的原始信息生成识别特征量，根据所述交易钞票的原始信息生成的识别特征量包括红外识别特征量，其中，根据所述交易钞票的原始信息生成红外识别特征量包括：基于FNMF算法和/或核RBF算法和所述交易钞票的原始信息生成交易钞票的红外识别特征信息，并基于所述交易钞票红外识别特征信息采用选择性集成的方法获得所述交易钞票的红外识别特征量；完成交易，根据所述交易结果存储所述交易钞票的识别特征量和交易对象信息；获得待验证的钞票的原始信息，并根据所述待验证的钞票的原始信息生成识别特征量，根据所述待验证的钞票的原始信息生成的识别特征量包括红外识别特征量，其中，根据所述待验证的钞票的原始信息生成红外识别特征量包括：基于FNMF算法和/或核RBF算法和所述待验证的钞票的原始信息生成所述待验证钞票的红外识别特征信息，并基于所述待验证钞票所述红外识别特征信息采用选择性集成的方法获得所述待验证的钞票的红外识别特征量；将所述待验证的钞票的识别特征量与所述存储的所述交易钞票的识别特征量进行匹配，并生成相应的匹配结果；根据所述匹配结果和所述存储的所述交易钞票的交易对象信息，获得所述待验证的钞票的来源。

另一方面，本发明的实施例提供了一种验证钞票来源的装置，包括：获取模块，用于获取交易钞票的交易对象信息；采集模块，用于采集所述交易钞票和待验证钞票的原始信息，其中所述原始信息包括红外原始信息，所述红外原始信息是指通过图像传感器从钞票的红外敏感区域采集的图像信息；第一处理模块，用于根据所述采集模块采集的所述原始信息生成所述交易钞票和待验证钞票的识别特征量，所述识别特征量包括红外识别特征量，所述第一处理模块包括红外识别特征处理模块，所述红外识别特征处理模块包括FNMF模块和/或核RBF模块，其中：所述FNMF模块，用于根据FNMF算法提取所述红外原始信息的红外识别特征信息；所述核RBF模块，用于根据核RBF算法提取所述红外原始信息的红外识别特征信息；所述装置还包括：

存储模块，用于存储所述获取模块获取的所述交易钞票的交易对象信息和第一处理模块生成的所述交易钞票的识别特征量；第一匹配模块，用于将所述第一处理模块获得的待验证的钞票的识别特征量与所述存储模块中存储的交易钞票的识别特征量进行匹配，生成相应的匹配结果，根据所述匹配结果即可知所述待验证的钞票的来源信息；结果输出模块，用于输出所述第一匹配模块获得的待验证钞票的来源信息。

另一方面，本发明的实施例还提供了一种验证钞票真假的装置，包括：采集模块，用于采集交易钞票的原始信息，其中所述原始信息包括红外原始信息；处理模块，用于根据所述采集模块采集的交易钞票的原始信息生成所述交易钞票的防伪特征量，其中所述防伪特征量包括红外防伪特征量；鉴别模块，用于将所述交易钞票的防伪特征量与标准真钞防伪特征量进行匹配鉴别，获知所述交易钞票的真假。

另一方面，本发明的实施例还提供了一种自动柜员机，包括上述的验证钞票来源的装置。

在本发明的具体实施例中，由于采用了钞票的红外识别特征量信息作为匹配信息，提高了对真钞和假钞的识别的唯一性，有效的提高了验证钞票来源的正确率。

附图说明

图1是本发明中验证钞票来源的装置的一种具体实施例的组成示意图；

图2是图1中第一处理模块的一种具体实施例的组成示意图；

图3是本发明中验证钞票来源的装置的另一种具体实施例的组成示意图；

图4是本发明中验证钞票真假的装置的一种具体实施例的组成示意图；

图5是本发明中验证钞票来源的方法的一种具体实施例的流程图；

图6是本发明中RBF网络的一种具体实施例的拓扑结构；

图7是本发明中银行验证假钞来源的一种具体实施例的流程图。

具体实施方式

下面参考附图对本发明的优选实施例进行描述。在所参照的附图中，不同的图中相同的部件使用相同的附图标号来表示。

参见图1，为本发明中验证钞票来源的装置的一种具体实施例的组成示意图。该装置10用于获取交易钞票和待验证的钞票的特征量信息，并根据所述交易钞票和待验证的钞票的识别特征量信息及其交易对象信息验证所述待验证的钞票的来源。

具体实现时，本发明实施例所述的验证钞票来源的装置10可应用于ATM、或在银行为用户进行服务的柜台使用、或是当银行内部进行货币检查时使用。当用户在ATM上存取钞票时，被存储的钞票即为所述交易钞票。此时，ATM上的验证钞票来源的装置10对交易钞票的特征量信息进行采集并存储。当有用户质疑其存取的钞票的真假时，可在同一ATM上进行操作，获得被质疑钞票的识别特征信息(此时，被质疑的钞票即为待验证的钞票)，并获得待验证钞票的验证结果。该验证结果可证明该钞票为从该ATM上存取的钞票，用户可以根据此结果向银行进行证明。当银行盘点时，若发现假钞，也可在其货币检查时使用装置10查验其通过ATM收到的货币。

如图1所示，所述验证钞票来源的装置10包括：获取模块101、采集模块102、第一处理模块103、存储模块104、第一匹配模块105以及结果输出模块106。

其中，获取模块101，用于获取交易钞票的交易对象信息。此时，所述交易钞票指用户通过ATM存入或取出的钞票(如人民币)，所述交易对象信息为相应的存入或取出该钞票的用户的帐户信息(如帐号)和相应的ATM的信息(如ATM所在地，机号等)。

采集模块102，用于采集所述交易钞票的原始信息。原始信息是指通过采集模块102中的传感器或类似装置直接采集的未经过后续处理的信息。其中所述原始信息除包括红外原始信息外，还可进一步包括序列号原始信息、光磁原始信息、纹理原始信息以及交易时间原始信息中的一种或多种。需要注意的是待验证的钞票的时间原始信息是根据用户提供的时间段指定的待验证的钞票的取出时间；对于待验证的钞票的详细的存入时间段，一般来说银行是不知道的，但是可能可以知道大的时间段，如以日期，此时时间原始信息可是待验证的钞票存入的日期。

对于红外原始信息，是指通过图像传感器从钞票的红外敏感区域采集的图像信息。上述红外敏感区域是指：在钞票制造时，为了增加其防伪安全性会使用红外吸收油墨或类似的对红外光敏感的特殊油墨印制货币，在钞票上形成了对红外照射与其他区域相比比较敏感的区域，这些区域即为所述的钞票的红外敏感区域，其具体位置应为本领域技术人员所知。在提取该区域的图像信息时，可先通过图像定位装置进行定位，再提取该区域的图像信息。

光磁原始信息是指：在钞票制造中，为了提高其防伪性，在印制钞票时采用磁性油墨、荧光油墨、蓝光油墨、珠光油墨、变色油墨等特殊油墨增加其光磁特性，或是在钞票中加入荧光线等其他方法获得不同的光磁特性，此处，光磁原始信息即是指钞票所具有上述这些与光或磁有关的通过传感器直接获得的原始信息。

纹理原始信息是指：通过透射光获得的货币的纤维纹理原始图像信息。货币在流通过程中，由于使用者可能对其进行折叠等动作，使货币中的纤维被折断，而使货币中的纤维分布产生变化，这使得每一张流通中的货币都具有独一无二的与上述纤维分布相关的纹理信息，通过透射光照射则可获得所述纹理的图像信息。当使用该纹理识别特征信息辅助确定货币的唯一性时，由于银行介入的过程中不会造成货币的弯折等磨损，因此具有可行性。

时间原始信息是指：交易钞票的具体时间，可以是时刻或是时间段。

第一处理模块103，用于根据所述采集模块采集的所述交易钞票的原始信息生成所述交易钞票的识别特征量，其中所述识别特征量包括红外识别特征量。

第一处理模块103还可进一步包括红外识别特征处理模块1031，所述红外识别特征模块还包括FNMF模块和/或核RBF模块，通过FNMF算法和/或核RBF算法提取图像的多个识别特征信息，其具体实现可见后述具体实施例。

识别特征量相应于所述原始信息还可进一步包括序列号信息、光磁特征信息、纹理识别特征信息以及交易时间段信息中的一种或多种，则如图2所示，第一处理模块103相应于所述原始信息还可进一步包括序列号信息处理模块1032、光磁特征信息处理模块1033、纹理识别特征信息处理模块1034以及交易时间段信息处理模块1035中的一种或多种，其中：

所述序列号信息处理模块1032，用于根据所述序列号原始信息获取所述交易钞票的序列号信息；

此处，所述交易钞票的序列号信息是指钞票发行时用以唯一标识该钞票的序列号。可采用光学字符识别(Optical Character Recognition，OCR)技术获取钞票的序列号，通过该技术获得的序列号可分为正确集和相似集。其中正确集是指可确定识别出的钞票上的序列号。相似集是指字符识别结果不能确定，容易将识别结果认错成其他的字符。例如字符6不能确定识别，但可能识别为6或8，则相似集输出结果为6和8。这样，通过相似集可以更大程度的降低识别的错误率，在通过模糊检索算法进行检索时可提高检索的准确率。

通过采集模块102和序列号信息处理模块1032的结合使用最终可以获得分为正确集和相似集的序列号信息。

其中，光磁识别特征信息处理模块1033，用于根据所述光磁原始信息获取所述交易钞票的光磁识别特征信息；纹理识别特征信息处理模块1034，用于根据所述纹理原始信息获取所述交易钞票的纹理识别特征信息；交易时间段信息处理模块1035，用于根据所述交易时间原始信息获取所述交易钞票的交易时间段。

由于交易时间信息处理比较简单，可以由交易时间段信息处理模块1035直接获取所述的交易时间段，当然，也可以由采集模块102获得交易时间原始信息(可以是直接记录的交易时刻)后再交由交易时间段信息处理模块1035处理(可以是将上述交易时刻根据一定规则，确定为合适的时间段)。

所述验证钞票来源的装置10同时还包括：存储模块104，用于存储获取模块101所获取到的交易钞票的交易对象信息和第一处理模块103生成的所述交易钞票和待验证钞票的识别特征量信息。其中所述交易钞票的识别特征量和交易对象信息可以以交易明细数据库的形式进行存储；

具体实现时，所述存储模块104可通过金融系统网络将所述交易钞票的识别特征量及其交易对象信息上传至集中的交易明细数据库，当然也可以先将所述交易钞票的识别特征量及其交易对象信息保存在本地的数据存储设备中，然后统一上传至集中的交易明细数据库。该交易明细数据库可以是由包括验证钞票来源的装置10的ATM所服务的单家银行、多个银行或其他机构维护的数据库。

第一匹配模块105，用于将所述第一处理模块103获得的待验证的钞票的识别特征量与所述存储模块104中存储的交易钞票的识别特征量进行匹配，生成相应的匹配结果，根据所述匹配结果和存储模块104存储的交易钞票的交易对象信息即可知所述待验证的钞票的来源。

第一匹配模块105可进一步包括一检索模块，该检索模块用于根据第一处理模块103生成的待验证的钞票的识别特征量在交易明细数据库中进行检索，并生成相应的检索结果。可定义相似度函数来表征检索中的交易钞票的识别特征量信息和待验证的钞票的识别特征量信息的相似度，根据相似度函数的结果进行判断，当相似度函数值落入某一阈值或阈值函数范围时即检索成功或检索不成功，直至对交易明细数据库完成检索。

若检索成功，即检索到与待验证的钞票的识别特征量匹配的存储的交易钞票的识别特征量，则在交易明细数据库中查找与匹配成功的存储的交易钞票的识别特征量对应的交易对象信息，并生成匹配成功结果，并可获知该待验证的钞票的具体交易的帐户、ATM的所在地点和/或编号等交易对象信息；若检索不成功，即在整个交易明细数据库中均找不到与待验证的钞票的识别特征量匹配的存储的交易钞票的识别特征量，则生成匹配不成功结果，即待验证的钞票不是从交易明细数据库所涉及的ATM中取出或存入的。

同时，验证钞票来源的装置10还包括：输出模块106，用于将第一匹配模块105获得的匹配结果进行输出。该输出可以是通过液晶屏幕等方式进行实时显示，或是通过打印等输出为有形媒介。该输出的具体内容可参考上述的匹配结果的具体内容。

如图3所示，验证钞票来源的装置20还可进一步包括第二处理模块201和第二匹配模块202。其中第二处理模块201，用于根据所述采集模块102采集的所述交易钞票的红外原始信息生成红外防伪特征量，所述防伪特征量包括红外防伪特征量。第二处理模块201也可进一步包括如第一处理模块103中所述的序列号信息处理模块1032、光磁特征信息处理模块1033、纹理识别特征信息处理模块1034以及交易时间段信息处理模块1035中的一种或多种，但是由于红外防伪特征量与红外识别特征量的差异性，其中某些特征信息的组成不完全相同，这一区别应为本领域普通技术人员所熟知。

第二匹配模块202用于将所述交易钞票的防伪特征量与标准真钞防伪特征量进行匹配鉴别，获知所述交易钞票的真假性。若鉴别结果为所述交易钞票为真钞则完成交易，并将所述交易钞票的识别特征量和交易对象信息至存储模块104(图中，没有显示与此有关的连接线)；若鉴别结果为所述交易钞票为假钞则取消交易。

参考图4，为本发明中验证钞票真假的装置的一种具体实施例的组成示意图，该验证钞票真假的装置30可应用于ATM中，其具体包括：

采集模块300，用于采集交易钞票的原始信息，其中原始信息主要包括红外原始信息。该原始信息还可进一步包括序列号原始信息和/或光磁原始信息。上述原始信息的定义与采集模块102中的相应原始信息的定义一致，

处理模块301，用于根据采集模块300采集的交易钞票的原始信息生成交易钞票的防伪特征量，其中防伪特征量包括红外防伪特征量。其中相应于上述的原始信息，防伪特征量还可进一步包括序列号信息和/或光磁特征信息。其中，序列号信息和光磁特征信息的具体定义与在处理模块303中所述的相应信息的定义一致。

红外防伪特征量是指根据红外原始信息提取的防伪特征量，其具体提取方式应是与红外识别特征量的提取方式不同的。

鉴别模块302，用于将所述交易钞票的防伪特征量与标准真钞防伪特征量进行匹配鉴别，生成鉴别结果，获知所述交易钞票的真假。其中，标准真钞防伪特征量可以是一业内的统一标准，当钞票的防伪特征量与该标准真钞防伪特征量在一定程度上相互匹配时，即认为上述钞票为真钞，否则为假钞。由于防伪特征量还可以包括除红外防伪特征量以外的其他防伪特征量，这种多个特征量同时进行防伪鉴别的方式，可以有效的提高钞票真假鉴别的准确率。

同时，所述验证钞票真假的装置30还可进一步包括存储模块303，用于存储标准真钞防伪特征量；输出模块304，用于将上述鉴别结果进行输出，该输出方式可以是屏幕显示，或是打印在纸介质上。

在实际使用中，单个ATM内可同时包括上述验证钞票来源的装置10和验证钞票真假的装置30，此时，上述两种装置中均具有采集模块用以采集钞票的原始信息，则获取钞票信息的装置10和验证钞票真假的装置30可以使用一个共同的采集模块。或者，ATM中仅单独包括上述验证钞票来源的装置20。

下面详细介绍相应的验证钞票来源的方法的具体实施例。

参考图5，为本发明中验证钞票来源的方法的一种具体实施例的流程图。如图所示，本方法包括以下步骤：

步骤S501、获得交易钞票的原始信息和交易对象信息，原始信息主要包括红外原始信息。

其中，所述交易钞票可以指用户通过ATM自动柜员机存入或取出的钞票(如人民币)，所述交易对象信息为相应的存入或取出该钞票的交易对象信息(如帐号、ATM机号等)。通过银行柜台存取的钞票也可以认为是交易钞票，但是通常认为银行柜台具有完善和及时的假币鉴别设备，此时可以不将通过银行柜台存取的钞票作为所述的交易钞票。

其中，红外原始信息是在钞票的红外敏感区通过图像传感器直接获得的红外图像数据。其红外敏感区域是指在钞票制造时，为了增加其识别度会使用红外吸收油墨或类似的对光敏感的特殊油墨印制货币，使得在钞票上形成了对红外照射与其他区域相比比较敏感的区域。这个区域应是本领域普通技术人员所知的，具体操作时，通常通过图像定位过程进行定位，之后采集该定位的红外敏感区域的图像数据。

步骤S502、根据所述原始信息生成识别特征量，其中，所述识别特征量包括红外识别特征量。

步骤S503、完成交易，根据所述交易结果存储所述交易钞票的识别特征量和交易对象信息。通常，在ATM上还会同时对钞票的真假进行验证，所以该步骤还可包括验证钞票真假的过程，此时步骤S503具体为：步骤S601、根据所述原始信息生成防伪特征量，该防伪特征量可以包括红外防伪特征量、序列号信息以及光磁特征信息中的一种或多种；步骤S602、根据所述交易钞票的防伪特征量鉴别所述交易钞票的真假，生成鉴别结果；步骤S603、若鉴别结果为所述交易钞票为真钞则完成交易，并存储所述交易钞票的识别特征量和交易对象信息；若鉴别结果为所述交易钞票为假钞则取消交易。其中，可通过金融网络将所述交易钞票的识别特征量及其交易对象信息上传至集中的数据库，或将所述交易钞票的识别特征量及其交易对象信息保存在本地的数据存储设备中，然后统一上传至集中的数据库。该数据库通常可称为交易明细数据库，其中可包含识别特征量和交易对象信息，同时还可包含相应的获取所述信息的ATM标识，如ATM机号及其所在地等。

步骤S504、获得待验证的钞票的识别特征量，其识别特征量主要包括红外识别特征量。具体也可分为获得待验证的钞票的原始信息，以及根据所述原始信息生成识别特征量两个步骤。其中，待验证的钞票可是用户质疑的钞票或是银行查验的通过ATM收到的钞票。

步骤S505、将待验证的钞票的识别特征量与存储的交易钞票的识别特征量进行匹配，并生成相应的匹配结果。其中，具体可通过将上述获得的待验证的钞票的识别特征量在交易明细数据库中进行匹配检索。可定义相似度函数来表征检索的交易钞票的识别特征量和待验证的钞票的识别特征量的相似度，根据相似度函数的结果进行判断，当相似度函数值落入某一阈值或阈值函数范围时即检索成功或检索不成功，直至对交易明细数据库完成检索。

若检索成功，即检索到与待验证的钞票的识别特征量匹配的存储的交易钞票的识别特征量，则在交易明细数据库中查找与匹配成功的存储的交易钞票的识别特征量对应的交易对象信息，并生成匹配成功结果，并可获知该待验证的钞票的具体交易的帐户、ATM的所在地点和/或编号等交易对象信息；若检索不成功，即在整个交易明细数据库中均找不到与待验证的钞票的识别特征量匹配的存储的交易钞票的识别特征量，则生成匹配不成功结果，即待验证的钞票不是从交易明细数据库所涉及的ATM中取出或存入的。

步骤S506、根据匹配结果和存储的交易钞票的交易对象信息，获得所述待验证的钞票的来源。

其中，步骤S503和步骤S504的先后顺序可以调整，及步骤S504可以在步骤S503之前执行。在步骤S502和步骤S504中根据红外原始信息生成红外识别特征量具体还包括：

步骤S701、根据原始信息生成红外识别特征信息，其生成算法的具体内容请见其后的描述。

步骤S702、基于红外识别特征信息采用选择性集成的方法获得所述钞票的红外识别特征量。具体来说，由于上述红外识别特征信息通常都是多个特征信息，因此需要将该红外识别特征信息中的部分或全部进行组合形成红外识别特征量。

在获得红外识别特征量时，交易钞票和欲验证钞票的红外识别特征量的获取过程都是类似的。

在步骤S701中可使用Fisher非负矩阵因式分解(Fisher Non-negative Matrix Factorization，FNMF)算法和/或核径向基函数(Kemel Radial Basis Function，Kemel RBF)算法来提取钞票的红外敏感区域的识别特征信息。

1、FNMF算法具体可采用如下实现：

将在定位的红外敏感区域提取的图像数据作为FNMF算法的输入数据；

重复执行上一步骤，获得m张红外敏感区域的图象(每一张有n个像素)，并表示为矩阵nm，做如下矩阵分解：

V≈WH

其中W是基矩阵，H是系数矩阵，V是通过fisher判决得到的矩阵，系数矩阵H的列与矩阵V的列是一一对应的。这样钞票红外敏感区域的图象矩阵nm近似为矩阵V，并可以表示为基向量的线性累加。

其中，fisher判决过程是通过最大化系数矩阵的类间距，最小化系数矩阵的类内距实现的。其目标函数为：

$D\left(V\right|\left|\mathrm{W\; H}\right)=\underset{i,j}{\mathrm{\Σ}}(v_{i,j}\log \frac{v_{i,j}}{y_{i,j}}-v_{i,j}+y_{i,j})+\mathrm{\α}{S}_W-\mathrm{\α}{S}_B$

其中，α＞0为常数，S_W为系数矩阵的类内距：

$S_W=\frac{1}{C}\underset{i=1}{\overset{C}{\mathrm{\Σ}}}\frac{1}{n_i}\underset{j=1}{\overset{n_j}{\mathrm{\Σ}}}(h_j-u_i){(h_j-u_i)}^T$

其中， $u_i=\frac{1}{n_i}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{h}_j$

S_B为系数矩阵的类间距：

$S_B=\frac{1}{C(C-1)}\underset{i=1}{\overset{C}{\mathrm{\Σ}}}\underset{j=1}{\overset{C}{\mathrm{\Σ}}}(u_i-u_j){(u_i-u_j)}^T$

通过上述目标函数即可获得矩阵分解：V≈WH，并获得系数矩阵H，该系数矩阵即可作为从所述红外敏感区域提取的识别特征信息。

2、Kernel RBF算法提取钞票的红外敏感区域的识别特征信息过程如下：

将红外敏感区域的图像数据作为输入数据；

对Kemel RBF网络的进行训练，如图6为RBF网络的拓扑结构：利用kemel k均值(k-means)算法将输入数据在Kernel特征空间内聚类(RBF网络则是利用k-means算法将输入数据聚类)；根据训练数据的每一类来训练RBF函数的参数(中间节点的参数)；训练隐层与输出层的权值；

根据下式计算kemel空间中两点间的距离

D²(u_i，u_j)＝||φ(x_i)-φ(x_j)||²

＝φ²(x_i)-2φ(x_i)·φ(x_j)+φ²(x_j)

＝k(x_i，x_i)-2k(x_i，x_j)+k(x_j，x_j)

上述距离即可作为从所述红外敏感区域提取的识别特征信息。

将上述1和/或2算法作用于钞票的红外敏感区域后，则可获得货币的红外敏感区域的多个红外识别特征信息。其中，FNMF算法，提取有直观意义的特征；Kernel RBF算法，利用RBF网络在Kernel特征空间提取钞票的非线性信息。

对于上述FNMF算法和Kernel RBF算法获得的识别特征信息，可以采用部分或全部的组合作为防伪特征量，具体的组合方式取决于应用中的实际情况。

另一方面，交易钞票和待验证的钞票的原始信息还可进一步包括序列号原始信息、光磁原始信息、纹理原始信息以及交易时间原始信息中的一种或多种，其具体定义与上述采集模块102中提及的相应信息的定义一致。

则相应的，识别特征量还可进一步包括序列号信息、光磁识别特征信息、纹理识别特征信息以及流通时间段信息中的一种或多种。其具体定义与第一处理模块103中提及的相应信息的定义一致。

在步骤S505中，为了提高检索效率，当识别特征量中包含流通时间段信息时，通常将流通时间段信息作为特征量的第一分量；当识别特征量中还包含序列号信息时，可将序列号信息作为第二份量；其他分量依次可为红外识别特征量、光磁识别特征信息、纹理识别特征信息。

当用户通过ATM存入钞票时，执行步骤S501和步骤S502，同时ATM则根据步骤S601至S603鉴别钞票的真假，如鉴别为真钞则存入钞票，同时将该验证为真钞的识别特征量和交易对象信息关联存入数据库中，其中交易对象信息一般是指存取钞票的帐户的帐号和ATM机号等信息；若鉴别为假钞，则ATM将钞票退还给用户。

当银行发现存入的钞票中含有假钞(此时，该假钞即为待验证的钞票)时，执行步骤S504至S506：先获取该待验证的钞票的识别特征量，由于此时无法获知该假钞的具体流通时间段信息，所以进行匹配的识别特征量中可不含流通时间段信息项，但是当可获知该假钞的存入日期时，可将存入日期作为流通时间段信息，这样当在前述的交易明细数据库中进行检索时，可缩小匹配检索的数据库范围，提高检索效率；然后，根据获得的待验证的钞票的识别特征量在上述的数据库中进行匹配(实际上，该匹配过程可以是一个根据特征量在数据库中进行检索的过程)，如果在数据库中找到了相匹配的特征量信息，则可以确定假钞是由哪个用户存入的。具体如图7中所示。

当用户从ATM取出钞票时，类似存款过程，当鉴定取出钞票为真钞时，存储取出钞票的相关信息。如果鉴别为假币则将假币退回。

当用户质疑从ATM中取出的钞票的真假(此时，该用户质疑的钞票为待验证的钞票)时，用户可在同一ATM上对该钞票的来源进行验证(由于仪器精密度的问题，不同ATM上采集的特征信息有一定的系统误差，所以在同一ATM上进行验证的可靠性更高)，并获得验证结果，这样用户就可以根据该验证结果与银行进行交涉。

由于采用了钞票的红外识别特征量作为匹配信息，提高了对真钞和假钞的识别的唯一性，有效的提高了验证钞票来源的正确率；同时，在匹配中，适当的选用多种不同类型的识别特征量共同进行匹配也有利于提高对真钞和假钞的识别的唯一性，提高验证钞票来源的正确率。另一方面，在验证钞票真假的过程中，适当的采用了红外防伪特征量和多个不同类型的防伪特征量的组合共同进行验证，可提高钞票真假检验的正确率，减少ATM存取假钞的可能性，也有利于提高验证钞票来源的正确率。

Claims (12)

1.一种验证钞票来源的方法，包括：

A.获得交易钞票的原始信息和交易对象信息，所述原始信息包括红外原始信息，所述红外原始信息是指通过图像传感器从钞票的红外敏感区域采集的图像信息；

B.根据所述交易钞票的原始信息生成识别特征量，根据所述交易钞票的原始信息生成的识别特征量包括红外识别特征量，其中，根据所述交易钞票的原始信息生成红外识别特征量包括：基于FNMF算法和/或核RBF算法和所述交易钞票的原始信息生成交易钞票的红外识别特征信息，并基于所述交易钞票红外识别特征信息采用选择性集成的方法获得所述交易钞票的红外识别特征量；

C.完成交易，根据所述交易结果存储所述交易钞票的识别特征量和交易对象信息；

D.获得待验证的钞票的原始信息，并根据所述待验证的钞票的原始信息生成识别特征量，根据所述待验证的钞票的原始信息生成的识别特征量包括红外识别特征量，其中，根据所述待验证的钞票的原始信息生成红外识别特征量包括：基于FNMF算法和/或核RBF算法和所述待验证的钞票的原始信息生成所述待验证钞票的红外识别特征信息，并基于所述待验证钞票的红外识别特征信息采用选择性集成的方法获得所述待验证的钞票的红外识别特征量；

E.将所述待验证的钞票的识别特征量与所述存储的所述交易钞票的识别特征量进行匹配，并生成相应的匹配结果；

F.根据所述匹配结果和所述存储的所述交易钞票的交易对象信息，获得所述待验证的钞票的来源。

2.如权利要求1所述的方法，其特征在于，所述步骤C具体为：

根据所述交易钞票的原始信息生成防伪特征量；

根据所述交易钞票的防伪特征量鉴别所述交易钞票的真假，生成鉴别结果；

若鉴别结果为所述交易钞票为真钞则完成交易，并存储所述交易钞票的识别特征量和交易对象信息；若鉴别结果为所述交易钞票为假钞则取消交易。

3.如权利要求2所述的方法，其特征在于，所述交易钞票的防伪特征量主要包括红外防伪特征量；

步骤根据所述交易钞票的防伪特征量鉴别所述交易钞票的真假，生成鉴别结果具体为：

将所述交易钞票的防伪特征量与标准真钞防伪特征量进行匹配鉴别，并获得鉴别结果。

4.如权利要求1所述的方法，其特征在于，在步骤C中存储所述交易钞票的识别特征量和交易对象信息步骤具体为：

存储所述交易钞票的识别特征量和交易对象信息，并生成相应的交易明细数据库。

5.如权利要求4所述的方法，其特征在于，步骤将所述待验证的钞票的识别特征量与所述存储的所述交易钞票的识别特征量进行匹配，并生成相应的匹配结果具体为：

根据所述待验证的钞票的识别特征量在所述交易明细数据库中进行检索；

若检索到与所述待验证的钞票的识别特征量匹配的存储的交易钞票的识别特征量，则生成匹配成功结果，并在所述数据库中查找匹配成功的与存储的交易钞票的识别特征量对应的交易对象信息；

若检索不到与所述待验证的钞票的识别特征量匹配的存储的交易钞票的识别特征量，则生成匹配不成功结果。

6.如权利要求2或3所述的方法，其特征在于，所述原始信息还包括序列号原始信息、光磁原始信息、纹理原始信息以及交易时间原始信息中的一种或多种。

7.如权利要求6中所述的方法，其特征在于，所述识别特征量还包括序列号信息、光磁特征信息、纹理识别特征信息以及交易时间段信息中的一种或多种；所述防伪特征量还包括序列号信息和/或光磁特征信息。

8.一种验证钞票来源的装置，所述装置包括：

获取模块，用于获取交易钞票的交易对象信息；

采集模块，用于采集所述交易钞票和待验证钞票的原始信息，其中所述原始信息包括红外原始信息，所述红外原始信息是指通过图像传感器从钞票的红外敏感区域采集的图像信息；

第一处理模块，用于根据所述采集模块采集的所述原始信息生成所述交易钞票和待验证钞票的识别特征量，所述识别特征量包括红外识别特征量，所述第一处理模块包括红外识别特征处理模块，所述红外识别特征处理模块包括FNMF模块和/或核RBF模块，其中：所述FNMF模块，用于根据FNMF算法提取所述红外原始信息的红外识别特征信息；所述核RBF模块，用于根据核RBF算法提取所述红外原始信息的红外识别特征信息；

所述装置还包括：

存储模块，用于存储所述获取模块获取的所述交易钞票的交易对象信息和第一处理模块生成的所述交易钞票的识别特征量；

第一匹配模块，用于将所述第一处理模块获得的待验证的钞票的识别特征量与所述存储模块中存储的交易钞票的识别特征量进行匹配，生成相应的匹配结果，根据所述匹配结果即可知所述待验证的钞票的来源信息；

结果输出模块，用于输出所述第一匹配模块获得的待验证钞票的来源信息。

9.如权利要求8所述的装置，其特征在于，所述装置还包括：

第二处理模块，用于根据所述采集模块采集的所述交易钞票的原始信息生成所述交易钞票的防伪特征量；

第二匹配模块，用于将所述交易钞票的防伪特征量与标准真钞防伪特征量进行匹配鉴别，获知所述交易钞票的真假性。

10.如权利要求9所述的装置，其特征在于，所述原始信息还包括序列号原始信息、光磁原始信息、纹理原始信息以及交易时间原始信息中的一种或多种。

11.如权利要求10所述的装置，其特征在于，所述第一处理模块和第二处理模块相应于所述原始信息还分别包括序列号信息处理模块、光磁特征信息处理模块、纹理识别特征信息处理模块以及交易时间段信息处理模块中的一种或多种，其中：

所述序列号信息处理模块，用于根据所述序列号原始信息获取所述交易钞票和/或待验证钞票的序列号信息；

所述光磁特征信息处理模块，用于根据所述光磁原始信息获取所述交易钞票和/或待验证钞票的光磁识别特征信息；

所述纹理识别特征信息处理模块，用于根据所述纹理原始信息获取所述交易钞票和/或待验证钞票的纹理识别特征信息；

所述交易时间段信息处理模块，用于根据所述交易时间原始信息获取所述交易钞票和/或待验证钞票的交易时间段。

12.一种自动柜员机，其特征在于，所述自动柜员机在钞票的传输通道上设有如权利要求8所述的验证钞票来源的装置。

Images