CN101923741A

CN101923741A - 一种基于验钞机的纸币号码识别方法

Info

Publication number: CN101923741A
Application number: CN2010102501548A
Authority: CN
Inventors: 徐宏伟; 范婷婷; 李渊; 高倩
Original assignee: Xian University of Technology
Current assignee: SHAOXING RUIQUN TEXTILE MACHINERY TECHNOLOGY CO., LTD.
Priority date: 2010-08-11
Filing date: 2010-08-11
Publication date: 2010-12-22
Anticipated expiration: 2030-08-11
Also published as: CN101923741B

Abstract

本发明公开了一种基于验钞机的纸币号码识别方法，先将COMS传感器安装于验钞机上，COMS传感器与控制系统连接，然后按照以下步骤实施：步骤1、纸币上号码区域的初定位；步骤2、纸币号码分割，包括初步分割十个字符、精确分割十个字符、字符缩放；步骤3、字符识别，包括对分割好的字符求其网格特征矩阵、制作模板矩阵、运用矩阵模板匹配识别法识别字符。本发明的方法主要针对2005版人民币，以计算机视觉检测为重要技术手段，运用数字图像处理技术，集图像采集、号码定位、号码分割以及字符识别为一体，最终完成对26个字母A-Z和十个数字0-9的识别，实现纸币号码的在线自动识别。

Description

一种基于验钞机的纸币号码识别方法

技术领域

本发明属于自动识别技术领域，涉及一种基于验钞机的纸币号码识别方法。

背景技术

纸币作为一种重要的票证，都印有流水号码，其号码具有唯一性，因此可用作区分纸币的一种标识。由于当前假钞的制作越来越精细，但由于其号码固定，所以通过纸币号码来识别假钞也是未来验钞机的一个发展方向。在科技发达的今天，号码自动检测所需要的理论知识和技术以及硬件技术已经十分成熟。纸币号码识别技术尤其在英、日、德等西方发达国家已经比较成熟，相应的产品在银行业务中已经得到广泛的应用。但是对于普通验钞机，通过号码识别来区分假钞尚未得到应用，其主要原因是现有号码识别方法中的算法复杂，整个系统成本高，不适应于面向大众的小型验钞机。

发明内容

本发明的目的是提供一种基于验钞机的纸币号码识别方法，解决现有技术中的识别算法复杂，整个系统成本高的问题。

本发明采用的技术方案是，一种基于验钞机的纸币号码识别方法，先将COMS传感器安装于验钞机上，再将COMS传感器与控制系统连接，然后按照以下步骤实施：

步骤1、纸币号码区域的初定位：

1.1）COMS传感器采集的纸币原始图像为480*640像素，对纸币原始图像中可能的号码区域进行每隔10行以水平方向进行扫描；

1.2）在每条扫描线上，若相邻点的灰度差大于60，则记录跳变点的当前位置，如果某行有连续十个以上跳变点，记录下该行的位置与起始位置和终止点位置；

1.3）如果连续几行存在这样的跳变点，就认为该区域是纸币号码预选区域；

步骤2、纸币号码分割：

对上一步得到的纸币号码预选区域，选取阈值范围0.2-0.4，对号码预选区域进行二值化处理，同时去除孤立点得到二值化图像，该二值化图像中只含有十个字符；

步骤3、字符识别：

针对26个字母A-Z与十个阿拉伯数字0-9进行识别，根据各个字符像素位置分布的不同，采用改进的矩阵模板匹配识别方法，完成了整个纸币号码在线自动识别。

本发明的有益效果是，针对2005版人民币，提出的一种更简单、高效、准确的号码识别计算方法，其中包含26个字母A-Z和十个数字0-9的识别；以计算机视觉检测为重要技术手段，运用数字图像处理技术，集图像采集、预处理、号码定位、号码识别为一体，实现纸币号码的在线自动识别，适应于面向大众的小型验钞机。

附图说明

图1是本发明方法中所采集的原始图像；

图2是本发明方法中的号码区域的初定位图；

图3是本发明方法中的号码区域的二值化图；

图4是本发明方法中的字符初步分割图；

图5是本发明方法中的字符精确分割且统一缩放为30*20的像素图；

图6是本发明方法中的字符识别结果图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明方法的实施准备工作是，在验钞机开启时同时进行纸币在线采集图像，在此针对纸币朝向一致，采集到的均为纸币左下角部位，同时控制系统及时对采集到的图像进行处理，完成号码在线自动识别，具体实施步骤如下：

步骤1、纸币上号码区域的初定位：

如图1，可以看出，纸币上的号码区域只占整个纸币上非常小的一部分，而其余部分都是非相关信息，因而为减少系统识别的时间开销，最好在对纸币的原始图像进行二值化处理前，先对号码区域进行初步定位。

观察到纸币号码区域内字符与背景颜色对照大，背景是灰白色，前景是深黑色，前景与背景存在明显的灰度差，通过对大量纸币图像的灰度值矩阵的分析，统计得到了号码区域前景与背景灰度值的差至少为60。

根据号码区域前景与背景存在明显的灰度差的特点，当用一条水平线穿过号码区域时，直线上点的灰度会在水平方向较小的区域内呈现这种有规律的变化。

根据这一现象，实施步骤如下:

1.1、COMS传感器采集的纸币原始图像为480*640像素，对纸币原始图像中可能的号码区域进行每隔10行（采集的图像为480*640像素）以水平方向进行扫描；

1.2、在每条扫描线上，若相邻点的灰度差大于60，则记录跳变点的当前位置，如果某行有连续十个跳变点以上，记录下该行的位置与起始位置和终止点位置；

1.3、如果连续几行存在这样的跳变点，就认为该区域是号码预选区域。经初定位后的图片如图2所示。

步骤2、纸币号码分割：

经过上一步的实现，得到初步的号码区域，选取适当的阈值（范围是0.2-0.4，此处选0.36），对分割出的号码区域进行二值化处理，同时去除孤立点，以此得到的二值化图像的图中只含有十个字符，如图3所示。

（2.1）初步分割十个字符：

寻找十个字符的右侧位置，根据这十个位置将其粗略的分割开。经过上步的处理，得到的号码区域图像中每个字符都具有一定的连续性，且相邻两字符间是不连通的，在字符所占位置的列上，其相邻两列的像素值不全为1（白），而在字符右侧，紧邻字符的一列像素，其像素值全为1（白），因此通过列扫描寻找像素值的方法，用这三个相邻列的像素值的条件来确定每个字符的右侧位置，

具体步骤是：

对分割出的号码区域进行列扫描，若第j列与j-1列像素值不全为1（白），同时j+1列像素值全为1（白），则记录下j列位置，依次扫描下去，得到十个满足此条件的位置，以此位置对十个字符进行初步的分割，就得到分割出的十个字符，如图4所示。

（2.2）精确分割十个字符：

字符分割的精确度会直接影响到字符识别的准确性，因此，在经过初步分割后，必须进一步精确的对其进行分割。由图4看出，上一步分割出的每个字符的上、下以及左侧位置都有空白区域，因此分别对每个分割出的字符进行行扫描与列扫描，在行扫描线上，记录下最先和最后出现像素为0（黑）的行位置，在列扫描线上，记录下最先出现像素为0（黑）的列位置，根据得到的这三个位置，再精确的分割这十个字符。

（2.3）字符缩放

如图2所示，本发明是针对2005版人民币，其号码区域上十个字符的大小是不一样的，如果将上一步分割好的字符直接进行识别，会增加识别的难度，并且会影响字符识别的准确性。因此，根据此特征，在字符分割后，将其缩放为统一大小，而当图像的大小发生变化时，图像的像素会发生变化，这时要根据原图像进行插值运算得到缩放后的图像。具体步骤是：

在此将分割好的十个字符统一缩放为30*20像素，同时运用插值算法来保证图像的像素，而最邻近插值的算法最快，且通过实验得出采用最邻近插值算法不影响字符识别的准确性，所以采用最近邻插值法进行缩放，得到大小一致的十个字符，如图5所示。

步骤3、字符识别：

针对26个字母（A-Z）与十个数字（0-9）进行识别，根据各个字符像素位置分布的不同，采用一种改进的矩阵模板匹配识别方法，具体步骤是：

（3.1）对分割好的字符，以网格特征对其划分，统计网格中0（黑）像素值的总数。各个字符虽然写法不同，像素分布有差异，但在划分网格时，如果划分的网格数太少，会使其统计的像素数相似性增大，降低识别的准确性，如果划分的网格数太多，则会降低识别的效率，根据实验检验效果，在此将分割好的字符划分为6*5网格状，而每个字符都是30*20像素，因此，每个网格中有20个像素。统计每个网格中0（黑）像素值的总数，将统计出的数据按其相应的网格位置形成一个新的6*5矩阵，称其为网格特征矩阵。

（3.2）运用以上算法，使用大量的2005版人民币做实验，统计A-Z的26个字母与0-9的十个数字的网格特征矩阵。对于每个字符，通过大量的纸币可以得到大量的网格特征矩阵，在此，每个字符都搜集50个网格特征矩阵，然后求其均值，得到一个网格特征均值矩阵，运用同样的方法得到全部36个字符的网格特征均值矩阵，以此作为36个字符的模板矩阵。

（3.3）运用矩阵模板匹配识别法识别字符。对于2005版人民币，十个字符中前两个字符均为大写英文字母，后8个字符均为阿拉伯数字，因此可以根据位置不同这一特征，分别进行识别，先将前两个字符与26个字母的模板矩阵进行匹配，再将后8个字符与十个数字的模板矩阵进行匹配，具体步骤如下：

将采集到的图像根据以上步骤完成一系列的处理算法，得到十个字符的网格特征矩阵，按字符位置依次进行识别，首先是前两位英文字母，分别用得到的前两个网格特征矩阵与26个字母的模板矩阵做差平方，这时两个字母字符都得到26个误差值，对比这26个误差值的大小，误差最小的即认为待识别字符为这一模板字符；同理，剩余的8个数字字符也按这一方法进行识别，得出所有的10个字符的识别结果，就完成了整个纸币号码在线自动识别，识别结果如图6所示。

Claims

1.一种基于验钞机的纸币号码识别方法，其特征在于：先将COMS传感器安装于验钞机上，再将COMS传感器与控制系统连接，然后按照以下步骤实施：

步骤1、纸币号码区域的初定位：

步骤2、纸币号码分割：

步骤3、字符识别：

2. 根据权利要求1所述的基于验钞机的纸币号码识别方法，其特征在于：所述的步骤2中阈值优选0.36。

3. 根据权利要求1所述的基于验钞机的纸币号码识别方法，其特征在于：所述的步骤2的具体步骤是：

2.1）初步分割十个字符：寻找十个字符的右侧位置，根据这十个位置将其粗略的分割开，经过上步的处理，得到的号码区域图像中每个字符都具有一定的连续性，且相邻两字符间是不连通的，在字符所占位置的列上，其相邻列的像素值不全为1，1是白的标记，而在字符右侧，紧邻字符的一列像素，其像素值全为1，通过列扫描寻找像素值的方法，来确定每个字符的右侧位置，具体包括：

对分割出的号码区域进行列扫描，若第j列与j-1列像素值不全为1，同时j+1列像素值全为1，则记录下j列位置，依次扫描下去，得到十个满足此条件的位置，以此位置对十个字符进行初步分割，得到分割出的十个字符；

2.2）精确分割十个字符：上一步分割出的每个字符的上、下以及左侧位置都有空白区域，因此分别对每个分割出的字符进行行扫描与列扫描，在行扫描线上，记录下最先和最后出现像素为0的行位置，0是黑的标记，在列扫描线上，记录下最先出现像素为0的列位置，根据得到的这三个位置，精确的分割这十个字符；

2.3）字符缩放：针对2005版人民币，其号码区域上十个字符的大小是不一样的，根据此特征，在字符分割后，将其缩放为统一大小，而当图像的大小发生变化时，图像的像素会发生变化，这时要根据原图像进行插值运算得到缩放后的图像，具体步骤是：将上步分割好的十个字符统一缩放为30*20像素，采用最近邻插值法进行缩放，得到大小一致的十个字符。

4. 根据权利要求1所述的基于验钞机的纸币号码识别方法，其特征在于：所述的步骤3的具体步骤是：

具体步骤如下：

3.1）对分割好的字符，以网格特征对其划分，统计网格中0像素值的总数，将分割好的字符划分为6*5网格状，而每个字符都是30*20像素，因此，每个网格中有20个像素，统计每个网格中0像素值的总数，将统计出的数据按其相应的网格位置形成一个新的6*5矩阵，称其为网格特征矩阵；

3.2）运用以上算法，使用大量的2005版人民币做实验，统计A-Z的26个字母与0-9的十个数字的网格特征矩阵，运用统计方法得到一个网格特征均值矩阵，得到全部36个字符的网格特征均值矩阵，以此作为36个字符的模板矩阵；

3.3）运用矩阵模板匹配识别法识别字符，对于2005版人民币，十个字符中前两个字符均为大写英文字母，后8个字符均为阿拉伯数字，因此根据位置不同这一特征，分别进行识别，先将前两个字符的网格特征矩阵与上步得到的26个字母的模板矩阵进行匹配，再将后8个字符的网格特征矩阵与上步得到的十个数字的模板矩阵进行匹配，具体步骤是：

将前述得到的十个字符的网格特征矩阵，按字符位置依次进行识别，首先是前两位英文字母，分别用得到的前两个网格特征矩阵与26个字母的模板矩阵做差平方，这时两个字母字符都得到26个误差值，对比这26个误差值的大小，误差最小的即认为待识别字符为这一模板字符；同理，剩余的8个数字字符也按这一方法进行识别，得出所有的10个字符的识别结果。