CN101504781B

CN101504781B - 有价文件识别方法及装置

Info

Publication number: CN101504781B
Application number: CN2009100377350A
Authority: CN
Inventors: 梁添才; 牟总斌
Original assignee: Guangdian Yuntong Financial Electronic Co Ltd
Current assignee: GRG Banking Equipment Co Ltd; Guangdian Yuntong Financial Electronic Co Ltd
Priority date: 2009-03-10
Filing date: 2009-03-10
Publication date: 2011-02-09
Anticipated expiration: 2029-03-10
Also published as: US20110320930A1; AU2010223721A1; AU2010223721B2; WO2010102555A1; EP2407936A1; EP2407936A4; CN101504781A; EP2407936B1

Abstract

本发明实施例提供的有价文件识别方法及装置，采集待识别有价文件的多模态信息；根据预先设置的融合策略及所述待识别有价文件的多模态信息，对所述待识别有价文件进行识别并获得识别结果，通过实施本发明实施例，实现了基于多模态信息对有价文件的识别，提高了识别的可靠性和准确度。

Description

有价文件识别方法及装置

技术领域

本发明涉及模式识别领域，尤其涉及一种有价文件识别方法及装置。

背景技术

随着社会经济的发展，人们对有价文件如钞票、有价证券的防伪检测也要求越来越高。

在模式识别领域，对有价文件的识别，以钞票为例，通常根据钞票的一种模态信息如光学信息或物理信息等，对钞票的面额、真假和残缺等进行识别。

在实现本发明的过程中，发明人发现现有技术中至少存在如下问题：

有价文件如钞票的单一模态信息只是从某一层次或某一角度对钞票进行描述，难以全面反映钞票的特性，具有不完备性。且钞票的单一模态信息容易受外界因素的干扰，如，单一模态信息容易被篡改或伪造，具有不确定性和不稳定性。

发明内容

本发明实施例提供了一种有价文件识别方法及装置，实现了基于多模态信息对有价文件的识别，提高了识别的可靠性和准确度。

鉴于上述发明目的，本发明实施例提供了一种有价文件识别方法，该方法包括：

采集待识别有价文件的多模态信息，该多模态信息包括所述待识别有价文件的光学信息、电学信息、磁性信息和物理信息中的两种或多种；

根据预先设置的融合策略及所述待识别有价文件的多模态信息，对所述待识别有价文件进行识别并获得识别结果，其中，所述预先设置的融合策略是根据标准有价文件的固有特性，生成的基于有价文件多模态信息的融合策略；所述融合策略基于采集级、特征级、量化级和决策级的组合对所述有价文件多模态信息进行多级融合；

所述根据预先设置的融合策略及所述待识别有价文件的多模态信息，对所述待识别有价文件进行识别并获得识别结果，具体包括以下步骤：

分析所述待识别有价文件的多模态信息，并提取所述多模态信息的特征，该特征包括待融合特征以及未融合特征；其中，所述待融合特征包括红光信息、红外光信息、紫外光信息的特征，所述未融合特征包括磁性信息、物理信息的特征；

采用加权平均法对所述待融合特征进行融合，获取融合后的多模态信息的新特征；

采用贝叶斯网络分类器、三层前馈网络分类器和决策树分类器分别对所述新特征、所述磁性信息的特征、所述物理信息的特征进行分类，获得与各特征对应的分类结果；

采用AND的方法对所述分类结果进行决策融合，获得决策后的识别结果。

相应的，本发明实施例还提供了一种有价文件识别装置，该识别装置包括：

采集模块，用于采集待识别有价文件的多模态信息，该多模态信息包括所述待识别有价文件的光学信息、电学信息、磁性信息和物理信息中的两种或多种；

存储模块，用于存储预先设置的融合策略以及所述采集模块采集到的多模态信息，其中，所述预先设置的融合策略是根据标准有价文件的固有特性，生成的基于有价文件多模态信息的融合策略；所述融合策略基于采集级、特征级、量化级和决策级的组合对所述有价文件多模态信息进行多级融合；

识别模块，用于根据所述存储模块存储的融合策略及待识别有价文件的多模态信息，对所述待识别有价文件进行识别并获得识别结果；

其中，所述识别模块具体包括：

第一特征提取单元，用于分析所述存储模块存储的待识别有价文件的多模态信息，并提取所述多模态信息的特征，该特征包括待融合特征以及未融合特征；所述待融合特征包括红光信息、红外光信息、紫外光信息的特征，所述未融合特征包括磁性信息、物理信息的特征；

特征融合单元，用于根据所述存储模块存储的融合策略，对所述第一特征提取单元提取的待融合特征进行融合，并获取融合后的多模态信息的新特征；具体的，所述特征融合单元采用加权平均法对所述待融合特征进行融合；

第一识别单元，用于根据所述第一特征提取单元提取的未融合特征以及所述特征融合单元融合后的新特征，对所述待识别有价文件进行识别并获得识别结果；具体的，所述第一识别单元采用贝叶斯网络分类器、三层前馈网络分类器和决策树分类器分别对所述新特征、所述磁性信息的特征、所述物理信息的特征进行分类，获得与各特征对应的分类结果，并采用AND的方法对所述分类结果进行决策融合，获得决策后的识别结果。

本发明实施例的有益效果：

本发明实施例通过采集待识别有价文件的多模态信息；根据预先设置的融合策略及待识别有价文件的多模态信息，对所述待识别有价文件进行识别并获得识别结果，实现了基于多模态信息对有价文件的识别，由于多模态信息可以更全面的反映有价文件的特性如真实性、面额、种类等，因此，采用多模态信息的识别方法，提高了识别的可靠性和准确度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的有价文件在不同波长光照下的光谱图像对照图；

图2是本发明实施例提供的有价文件的光学信息和磁性信息的位置关系参照图；

图3是本发明实施例提供的有价文件识别方法的第一实施例的流程示意图；

图4是本发明实施例提供的有价文件识别方法的第二实施例的流程示意图；

图5是本发明实施例提供的有价文件识别方法的第三实施例的流程示意图；

图6是本发明实施例提供的有价文件识别方法的第四实施例的流程示意图；

图7是本发明实施例提供的有价文件识别装置的第一实施例的组成示意图；

图8是本发明实施例提供的有价文件识别装置的第二实施例的组成示意图；

图9是本发明实施例提供的有价文件识别装置的第三实施例的组成示意图；

图10是本发明实施例提供的有价文件识别装置的第三实施例中的第一识别单元的组成示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在现实世界中，信息是以各种各样的模态存在的。对同一客观事物采用不同途径得到该客观事物的描述信息，这些描述信息称为客观事物的多模态信息。其中，有价文件如钞票的多模态信息能够全面反映出钞票的特性如真实性、状态、种类、面额等。

那么如何根据有价文件的多模态信息进行有价文件特性的识别？首先，根据标准有价文件的固有特性如标准有价文件的光学信息、电学信息、磁性信息、物理信息等信息中的两种或多种信息之间的唯一的、确定的关系，生成基于有价文件多模态信息的融合策略，然后，根据该融合策略对采集到的待识别有价文件的多模态信息进行处理，最终获得对所述有价文件的识别结果，如接受或拒绝该有价文件。

为了便于理解本发明实施例的技术方案，此处，对设置融合策略的方法进行详细说明。

采集标准有价文件的多模态信息，该多模态信息包括有价文件的光学信息、电学信息、磁性信息和物理信息等信息中的两种或多种，可通过综合分析多模态信息，从而获得各模态信息之间的唯一的、确定的关系。利用这些关系形成知识规则，在知识规则的指导下制定融合策略，该融合策略包括采集级融合策略、量化级融合策略、特征级融合策略和决策级融合策略中的一种或多种。

下面以特征级融合以及决策级融合的两个实例进行进一步地说明。

请参照图1，该图为本发明实施例提供的有价文件在不同波长光照下的光谱图像对照图。对于由同一物理材质和物理手段制造的有价文件，在不同波长的光的照射下的成像内容之间具有稳定的关系。如图1所示，对于有价文件中的某一区域A，它在三种波长λ₁、λ₂及λ₃的光照射下的成像内容分别为f(λ₁)11、f(λ₂)12、f(λ₃)13，可以看出，三种成像内容在亮度值上具有稳定的差值，从这些光学信息提取到的特征也将保持这种关系，因而可在特征级对不同波长的光学信息进行融合。

请参照图2，该图为本发明实施例提供的有价文件的光学信息和磁性信息的位置关系参照图；对于带有磁性安全线的有价文件如钞票，磁性安全线会在钞票的可见光信息中突出显示，如图所示，钞票的磁性安全线在光学信息(可见光图像)中的成像为一条深色线，该深色线所在的位置21a为磁性安全线的成像位置。采集磁性信息时，磁性安全线的成像位置21a可作为磁性信息有效性的辅助判据，在与深色线对应的位置21b检测到的磁信息有效；在与深色线不对应的位置22检测到的磁信息，可能为无效信息。反之，磁性信息也可作为磁性安全线成像有效性的辅助判据，此处不再详述。根据磁性安全线的成像与磁信息的相互参考关系可知，利用磁信息对有价文件进行识别的有效性直接影响到利用光信息进行识别的有效性，因而，在决策级可对磁信息和光学信息进行融合。

在获得上述融合策略之后，可根据该融合策略对待识别有价文件进行识别。需要说明的是，对同类或完全相同的有价文件进行多次识别时，融合策略可以只设置一次，进行多次使用。例如，对钞票中100元人民币进行识别时，在进行第一次识别之前，设置融合策略，之后，可以多次利用所设置的融合策略对100元人民币进行识别，不需要在每一次识别之前都进行融合策略的设置。以下实施例将详细介绍对待识别有价文件进行识别的方法。

请参见图3，是本发明实施例提供的有价文件识别方法的第一实施例的流程示意图，该方法包括：

步骤301、采集待识别有价文件的多模态信息，该多模态信息包括所述待识别有价文件的光学信息、电学信息、磁性信息和物理信息等信息中的两种或多种；其中，有价文件包括钞票、有价证券、车票、票据等。该步骤中的光学信息如光谱特性等；电学信息如传导性等；物理信息如材质、版式、印刷图像等信息。

步骤302、根据预先设置的融合策略及所述待识别有价文件的多模态信息，对所述待识别有价文件进行识别并获得识别结果。其中，所述预先设置的融合策略是根据标准有价文件的固有特性，生成的基于有价文件多模态信息的融合策略。

实施本实施例，通过采集待识别有价文件的多模态信息；根据预先设置的融合策略及待识别有价文件的多模态信息，对所述待识别有价文件进行识别并获得识别结果，实现了基于多模态信息对有价文件的识别，提高了识别的可靠性和准确度。

在对有价文件进行多模态识别的过程中，可在四个层级上对多模态信息进行融合：采集级、特征级、量化级、决策级。本发明以下方法项实施例将先后以决策级、特征级、特征级和决策级相结合的融合为例，来介绍有价文件的识别方法。

请参见图4，是本发明实施例提供的有价文件识别方法的第二实施例的流程示意图，该方法包括：

步骤401、采集待识别有价文件的多模态信息，该多模态信息包括有价文件的光学信息、电学信息、磁性信息和物理信息等信息中的两种或多种；其中，所述有价文件包括钞票、有价证券、车票、票据等。

步骤402、分析所述待识别有价文件的多模态信息，并提取所述多模态信息的特征；此处，该多模态信息的特征包括有价文件的光学信息的特征、电学信息的特征、磁性信息的特征和物理信息的特征等特征中的两种或多种。如：分析所述有价文件如钞票的多模态信息，可获得钞票磁性安全线的光学成像位置与磁信息之间稳定的对应关系，这些对应关系可通过钞票光学成像的纹理特性来描述，因此，可选取纹理特性作为光学信息的特征。

步骤403、对提取的多模态信息的各个特征分别进行识别，并获得与所述各个特征对应的识别结果；如，通过分类器来实现对各个特征进行识别，可将有价文件的磁性信息的特征作为分类器的第一个输入特征，物理信息的特征作为分类器的第二个输入特征，然后对上述二个输入的特征分别进行分类计算，并获得经分类后的识别结果。

步骤404、根据预先设置的融合策略，对所述识别结果进行决策融合，并获得决策后的识别结果。此处，该融合策略为决策级的融合策略，如，AND法即所有分类结果都满足决策融合的条件如钞票的光学信息、磁性信息和物理信息都为正确的信息时，才可接受该钞票。

实施本实施例，通过对多模态信息的各个特征对应的识别结果进行决策融合，该识别结果是综合了多个特征经识别后的结果得出的结论，因此，经决策融合后提高了对有价文件识别的可靠性和准确度。

请参见图5，是本发明实施例提供的有价文件识别方法的第三实施例的流程示意图，该方法包括：

步骤501、采集待识别有价文件的多模态信息；

步骤502、分析所述待识别有价文件的多模态信息，并提取所述多模态信息的特征，该特征包括待融合特征以及未融合特征；此处，待融合特征为将会进行融合的特征，特征的数量至少有两个；未融合特征是指不需要进行融合的特征，特征的数量不限，当然也可以为0个。

步骤503、根据预先设置的融合策略，对待融合特征进行融合，并获取融合后的多模态信息的新特征；如，可对不同波长下的光学信息如红光、红外光及紫外光进行融合，从而获得蕴含了待识别有价文件的三种光学信息的新特征。需要说明的是，本步骤的融合策略为特征级融合策略，如加权平均法等。

步骤504、根据未融合特征以及融合后的新特征，对待识别有价文件进行识别并获得识别结果。需要说明的是，当未融合特征为0个时，可仅根据融合后的新特征，对待识别有价文件进行识别并获得识别结果。

实施本实施例，对有价文件的多模态信息的特征进行融合，获得了融合后的新特征，该新特征蕴含了有价文件的多种模态信息，可更准确和全面的反映有价文件的特性。

请参见图6，是本发明实施例提供的有价文件识别方法的第四实施例的流程示意图，该方法中的步骤601～603与有价文件识别方法的第三实施例中的步骤501～503相同，不再赘述。除此之外，第三实施例中的步骤504具体包括本实施例中的步骤604及步骤605：

步骤604、对未融合特征以及融合后的新特征分别进行识别，并获得与各特征对应的识别结果；如，融合后的新特征为红光、红外光及紫外光三者融合后形成的新的光学信息特征；未融合特征包括有价文件的磁性信息的特征以及物理信息特征。可将有价文件新的光学信息特征作为分类器的一个输入特征，将有价文件的磁性信息的特征作为分类器的第二个输入特征，物理信息的特征作为分类器的第三个输入特征，然后对上述三个输入的特征分别进行分类计算，并获得经分类后的结果。

步骤605、根据预先设置的融合策略，对识别结果进行决策融合，并获得决策后的识别结果。

实施本实施例，对有价文件的多模态信息的特征进行融合，以及对特征识别结果进行决策级的融合，获得决策后的识别结果，经过两级融合，提高了对有价文件识别的可靠性和准确度。

为了便于理解本发明实施例的技术方案，下面以有价文件中的钞票为例，对本发明实施例的具体实现进行详细介绍。

第一步：利用传感器采集钞票的多模态信息，本实施例选用以下信息作为钞票的模态信息。

1、钞票的红光信息；

2、钞票的红外光信息；

3、钞票的紫外光信息；

4、钞票的磁信息；

5、钞票的物理信息(厚度、版式等)。

第二步：分析多模态信息的联系，形成知识规则，并保存到存储器中。根据该步骤的知识规则，可以制定融合策略和提取多模态信息的特征。

由同一物理材质和物理手段制造的印刷文件，在不同波长光照射下的成像内容之间具有稳定的关系。据此制定特征级融合规则，此处称为融合规则1：在特征级对不同波长的光学信息进行融合，且采用加权平均法的融合策略。

由于钞票的光学信息、磁性信息以及物理信息具有统一性，在识别过程中，只要发现它们其中一个不符合条件，就可拒识该钞票。据此制定决策级融合规则，此处称为融合规则2：在决策级对光学信息、磁性信息、物理信息进行融合，且采用AND的融合策略。

由于钞票磁性安全线的光学成像位置与磁性信息具有稳定的对应关系，这些对应关系可由钞票光学成像的纹理特性来体现，因此，本实施例选取了纹理特性作为光学信息的特征。

第三步：提取钞票多模态信息的特征，该特征为钞票光学成像的纹理特性。

1、从钞票的红光信息中提取特征X₁＝{x₁₁，x₁₂，…，x_1n}；

2、从钞票的红外光信息中提取特征X₂＝{x₂₁，x₂₂，…，x_2n}；

3、从钞票的紫外光信息中提取特征X₃＝{x3₁，x₃₂，…，x_3n}；

4、从钞票的磁性信息中提取特征X₄＝{x₄₁，x₄₂，…，x_4n}；

5、从钞票的物理信息中提取特征X₅＝{x₅₁，x₅₂，…，x_5n}。

其中，符号X_k(k＝1，2，3，4，5)表示特征向量；符号x_ki(i＝1，2，…，n)表示特征向量中的特征分量。

第四步：特征融合。

根据融合规则1，采用加权平均法对钞票光信息的特征X₁、X₂、X₃进行融合。加权平均法的计算公式如下：

x′_i＝f(x_1i，x_2i，…，x_mi)＝W₁x_1i+W₂x_2i+…+W_mx_mi (1)

其中，x′_i为融合后的新特征X′的特征分量；x_ki为特征X_k特征分量，且x_ki∈X_k；W_k为权值系数，W_k＞0，且

根据公式(1)，对X₁、X₂、X₃进行融合，这里m＝3，则有：X′＝{x′₁，x′₂，…，x′_n}

执行该步骤的有益效果为：对三种光信息(红光、红外光、紫外光)的特征进行融合，得到新的特征X′，该新的特征X′同时蕴含了钞票的三种光学信息，可对钞票做出更准确和全面的描述。

第五步：对特征进行分类

1、分类器

(1)分类器描述

设D＝{D₁，D₂，D₃}代表一组分类器；其中，D_i(i＝1，2，3)表示分量分类器。

本实施例选用贝叶斯网络作为分类器D₁，选用三层BP网络即三层前馈网络作为分类器D₂，选用决策树作为分类器D₃。

(2)输入

输入特征向量

不同的分量分类器对应不同的输入特征向量。

分类器D₁的输入为：光学信息的融合特征X′；

分类器D₂的输入为：磁性信息的特征X₄；

分类器D₃的输入为：物理信息的特征X₅。

(3)类别描述

设Θ＝{ω₁，ω₂，…，ω_L}代表一组类别标记，ω_i表示第i类。

(4)输出

分量分类器输出为长度L的向量：D_i(X)＝[d_i1(X)，d_i2(X)，…，d_iL(X)]^T；

其中，d_ij(X)代表D_i对X属于ω_j的支持度，且

分类器D₁的输出为：D₁(X′)＝[d₁₁(X′)，d₁₂(X′)，…，d_1L(X′)]^T；

分类器D₂的输出为：D₂(X₄)＝[d₂₁(X4)，d₂₂(X₄)，…，d_2L(X₄)]^T；

分类器D₃的输出为：D₃(X₅)＝[d₃₁(X₅)，d₃₂(X₅)，…，d_3L(X₅)]^T。

各分量分类器的分类结果为：

其中，O_i为类别，i＝1，2，3，j＝1，2，…，L。

2、训练

选一批钞票作为训练样本，设有N个样本的样本集为：Ω＝{B₁，B₂，…，B_N}，

其中，B_k(k＝1，2，…，N)表示第k个样本。

给训练样本集Ω中的样本B_k(k＝1，2，…，N)赋上类别标记；设B_k标记为ω_i，那么，分量分类器的输出满足以下约束条件：

(1)分类器D₁：

(2)分类器D₂：

(3)分类器D₂：

用训练样本集训练各分量分类器D_i(i＝1，2，3)，直到对于任一样本B_k，各分量分类器的输出都满足上述三个约束条件为止。

3、分类

用训练好的分类器对目标也即待识别钞票的多模态信息的特征进行计算，获得一组分类输出结果O₁、O₂、O₃。

执行该步骤的有益效果：通过对分类器的训练，获得各分量分类器的一种实现；利用训练获得的分量分类器对目标钞票的多模态信息的特征进行计算，可得到一组候选分类结果O₁、O₂、O₃，这组候选分类结果用于决策融合。

第六步：决策融合

根据融合规则2，采用AND的方法进行决策融合，决策融合计算公式如下：

其中，B表示待识别目标如钞票，O_i(B)(i＝1，2，3)表示分量分类器的分类结果，ω_t表示类别。

将经分类器分类后的结果按公式(3)进行决策融合，得到最终识别结果，也即当光信息特征的分类结果O₁、磁性信息特征的分类结果O₂、物理信息特征的分类结果O₃同时满足决策融合公式中的条件时，才可以接受目标钞票，当有一个不满足条件时，将会拒绝接受目标钞票。

执行该步骤，通过对一组候选分类结果作决策融合，提高最终识别结果的可靠性和准确度。

实施本实施例，利用钞票的多模态信息，通过两级融合的方法，实现对钞票的识别，由于在识别的过程中，综合了钞票的多种模态信息，该多模态信息更准确和全面地反映了钞票的特性，从而提高了钞票识别的可靠性和准确度。

请参见图7，是本发明实施例提供的有价文件识别装置的第一实施例的组成示意图；如图所示，所述识别装置包括：

采集模块71，用于采集待识别有价文件的多模态信息，该多模态信息包括待识别有价文件的光学信息、电学信息、磁性信息、物理信息等信息中的两种或多种；其中，所述有价文件包括钞票、有价证券、车票、票据等。

存储模块72，用于存储预先设置的融合策略以及所述采集模块71采集到的多模态信息；其中，所述预先设置的融合策略是根据标准有价文件的固有特性，生成的基于有价文件多模态信息的融合策略。

识别模块73，用于根据所述存储模块72存储的融合策略及待识别有价文件的多模态信息，对所述待识别有价文件进行识别并获得识别结果。

请参见图8，是本发明实施例提供的有价文件识别装置的第二实施例的组成示意图；如图所示，本实施例中的识别装置与有价文件识别装置的第一实施例相比，除了采集模块71与存储模块72相同之外，所述识别模块73包括：

第二特征提取单元731，用于分析存储模块72存储的待识别有价文件的多模态信息，并提取所述多模态信息的特征；

第二识别单元732，用于对所述第二特征提取单元731提取的多模态信息的各个特征分别进行识别，并获得与所述各个特征对应的识别结果；

决策融合单元733，用于根据存储模块72存储的融合策略，对所述第二识别单元732的识别结果进行决策融合，并获得决策后的识别结果。此处，该融合策略为决策级的融合策略。

需要说明的是，识别模块73中以上各单元所执行的功能请参照有价文件识别方法的第二实施例中相应的描述。

请参见图9，是本发明实施例提供的有价文件识别装置的第三实施例的组成示意图；如图所示，本实施例中的识别装置与有价文件识别装置的第一实施例相比，除了采集模块与存储模块相同之外，所述识别模块73包括：

第一特征提取单元734，用于分析存储模块72存储的待识别有价文件的多模态信息，并提取所述多模态信息的特征，该特征包括待融合特征以及未融合特征；

特征融合单元735，用于根据存储模块72存储的融合策略，对所述第一特征提取单元734提取的待融合特征进行融合，并获取融合后的多模态信息的新特征；

第一识别单元736，用于根据所述第一特征提取单元734提取的未融合特征以及所述特征融合单元735融合后的新特征，对所述待识别有价文件进行识别并获得识别结果。

需要说明的是，识别模块73中以上各单元所执行的功能请参照有价文件识别方法的第三实施例中相应的描述。

请参见图10，是本发明实施例提供的有价文件识别装置的第三实施例中的第一识别单元的组成示意图；请一并参考图9，该实施例中，第一识别单元736包括：

识别子单元7361，用于对第一特征提取单元734提取的未融合特征以及特征融合单元735融合后的新特征分别进行识别，并获得与各特征对应的识别结果；

决策子单元7362，用于根据存储模块72存储的融合策略，对所述识别子单元7361识别后的结果进行决策融合，并获得决策后的识别结果。

需要说明的是，第一识别单元736中以上各子单元所执行的功能请参照有价文件识别方法的第四实施例中相应的描述。

在本发明的其他实施例中，有关识别有价文件的产品，包含了本发明实施例中的识别装置中各单元的部分或全部。如，控制传感器为本发明实施例中的采集模块71；存储器为本发明实施例中的存储模块72；处理器为本发明实施例中的识别模块73，进一步地，处理器也包括第二特征提取单元731、第二识别单元732、决策融合单元733、第一特征提取单元734、特征融合单元735、第一识别单元736、识别子单元7361及决策子单元7362。

需要说明的是，除了以上各实施例介绍的基于特征级及决策级的单级或两级融合之外，在本发明的其他实施例中，还可以在采集级对多模态信息进行融合或/和在量化级对有价文件的多模态信息进行融合。综之，可以自由组合的结合四个层级即采集级、特征级、量化级、决策级对有价文件的多模态信息进行融合。其中，量化级融合分为两个步骤：归一化和融合；特征级的融合策略不局限于以上实施例中涉及到的加权平均法，还包括平均加和法、最大值和最小值法等；决策级融合策略也不局限于以上实施例中涉及到的AND法，其融合策略主要分为两类：一类是不需要训练参数的方法，如投票法、AND法、OR法等；另外一类是需要训练参数的方法，如D-S证据理论、贝叶斯估计法、模糊聚类法等。

以上所揭露的仅为本实用新型较佳实施例而已，当然不能以此来限定本实用新型之权利范围，因此依本实用新型权利要求所作的等同变化，仍属本实用新型所涵盖的范围。

Claims

1.一种有价文件识别方法，其特征在于，所述方法包括：

采集待识别有价文件的多模态信息，该多模态信息包括所述待识别有价文件的光学信息、电学信息、磁性信息和物理信息中的两种或多种；所述物理信息为材质、版式或印刷图像信息；

2.根据权利要求1所述的有价文件识别方法，其特征在于，所述有价文件包括钞票、有价证券、车票。

3.一种有价文件识别装置，其特征在于，所述识别装置包括：

采集模块，用于采集待识别有价文件的多模态信息，该多模态信息包括所述待识别有价文件的光学信息、电学信息、磁性信息和物理信息中的两种或多种；所述物理信息为材质、版式或印刷图像信息；

其中，所述识别模块具体包括：

4.根据权利要求3所述的有价文件识别装置，其特征在于，所述第一识别单元包括：

识别子单元，用于对所述第一特征提取单元提取的未融合特征以及所述特征融合单元融合后的新特征分别进行识别，并获得与各特征对应的识别结果；

决策子单元，用于根据所述存储模块存储的融合策略，对所述识别子单元识别后的结果进行决策融合，并获得决策后的识别结果。

5.根据权利要求3或4所述的有价文件识别装置，其特征在于，所述有价文件包括钞票、有价证券、车票。