CN103886309A - 人像识别鉴别美元面额的方法 - Google Patents

Abstract

本发明涉及美元鉴别技术，人像识别鉴别美元面额的方法。现有鉴别美元面额技术的缺点是：对噪声抵抗力差;当特征区域稍有污染，鉴别就极有可能出错。本发明取各种面额的美元纸币，得到其灰度图像，校正归一化到统一尺寸;对人像区域中的每个点，在其八邻域内计算差动激励，每个像素点得到一个值在（-π/2,π/2]之间的角度，将其量化为100等分，将（θ-π/200,θ+π/200]量化为θ；统计角度直方图，得多维向量a；训练各种面额的标准样本，选择一个最优特征向量；将得到的特征向量与标准特征向量相比较。本发明的优点是：识别过程不需人工参与寻找特征；区分度高；可移植性好,可使机器具有快速识别能力。

Description

人像识别鉴别美元面额的方法

技术领域

本发明涉及美元鉴别技术，具体地说是一种人像识别鉴别美元面额的方法。

背景技术

随着经济全球化的发展，各种货币流通量增大，美元在世界的流通量也在不断增大。世界各地的不法分子们为了谋取个人利益，制造各种版本的美元假币，危害金融安全。由于各种面额的美元，其纸张大小都相同，不同面额的美元在颜色上比较接近，无法通过纸张大小或者颜色来确定美元面额大小。现有技术采用识别小区域特征的方法鉴别美元面额：找一小块区域，分析其特征，比如右下角的数字，通过识别出数字来识别面额大小。现有技术的缺点是：对噪声抵抗力差;当特征区域稍有污染，鉴别就极有可能出错，无法识别面额大小，鉴别准确性无法达到要求。所以发明一种识别方法简单，不需要人工参与寻找特征；抗噪声能力强；提取的特征对于各种面额美元区分度高；可移植性很好，广泛用于多光谱点钞机、清分机、存取款机快速、准确识别美元面额的人像识别鉴别美元面额的方法是十分必要的。

发明内容

本发明的目的是提供一种识别方法简单，不需要人工参与寻找特征；抗噪声能力强；提取的特征对于各种面额的区分度高；可移植性很好，广泛用于多光谱点钞机、清分机、存取款机快速、准确识别美元面额的人像识别鉴别美元面额的方法。

本发明的目的是这样实现的：

一种人像识别鉴别美元面额的方法，步骤是：

（1）取各种面额的美元纸币，得到其灰度图像，校正归一化到统一尺寸，宽乘高为300*150，人像区域大约在20行至180行、130列到210列；

（2）对人像区域中的每个点，在其八邻域内计算差动激励，每个像素点得到一个值在（-π/2,π/2]之间的角度，将其量化为100等分，将（θ-π/200,θ+π/200]量化为θ；

（3）统计角度直方图，得多维向量a；

（4）训练各种面额的标准样本，每种面额的美元选择一个最优特征向量，作为该种面值的标准特征向量；

（5）将每张带识别面额的美元，提取其特征向量；

（6）将步骤（5）得到的特征向量与标准特征向量相比较，最接近的那个即为该美元面额值。

鉴于每种面额的美元纸币，在相同的位置，都有一个人像，不同面值的人像不一样，因此可以通过人像识别来识别不同的面额。人像区域大，对噪声抵抗力强；又由于人像区域周围有较复杂的纹理，被污染的可能性比较小；纸币上的人像都是正向人像，没有倾斜，检测识别准确率高，稳定性好。本发明主要用于多光谱点钞机、清分机、存取款机中图像处理模块对美元的面额识别，韦伯局部描述符WLD(Weber Local Descriptions)等人像识别算法对美元图像进行特征提取。该过程不需要人工参与寻找特征；提取的特征对于各种面额区分度高；可移植性很好；识别能力强。只需要将训练结果移植到程序中，即可使机器具有快速、性能高的面额识别能力。本发明方法可应用于世界各地的银行、商场的点钞机、清分机、存取款机中，具有广泛的实用性。

与人民币不同的是，现有算法，大多是不同面额的美元纸币上面，最明显的特征不是数字，而是人像；人像区域大，特征明显；由于区域大，鉴于上述原因，本发明采用人像识别的方法来识别美元面额，具有很好的稳定性。韦伯局部描述符WLD(Weber Local Descriptions)是一种有效的纹理描述算子，它具有旋转不变性和灰度不变性等显著的优点，利用韦伯局部描述符WLD的局部特性和直方图统计特性，对正面人像识别具有极好的识别能力。

本发明方法在获取美元图像后，需要对美元图像进去校正，图片尺寸归一化到统一大小，然后在固定位置挖取人像区域，提取特征，进行人像识别。不同面额的美元，人像图像不一样；100美元券正面是富兰克林；50美元券正面是格兰特；20美元券正面是杰克逊；10美元券正面是汉密尔顿；5美元券正面是林肯。通过检测识别出人像，即可确定面额值。

本发明人像识别方法，不仅仅局限于主成分分析PCA(PrincipalComponent Analysis),韦伯局部描述符WLD(Weber Local Descriptions),局部二值模式LBP（Local Binary Patterns）,FISHER（费希尔）判别,还可用神经网络，模版匹配等等方法。

下面以韦伯局部描述符WLD(Weber Local Descriptions)为例来说明识别过程：

获取美元图像后，需要对美元图像进去校正，图片尺寸归一化到统一大小，宽乘高为300*150，人像区域大约在20行至180行、130列到210列；

对人像区域的每个像素点，在其八邻域内计算WLD算子，每个像素点都可以得到一个角度，这个角度在(-π/2,π/2]之间；

对这角度，进行直方图统计，得到一个多维向量a，这个向量就是当前人像区域的特征；

根据归一化的大小，训练各种面额的标准样本，用聚类的方法为每种面额的美元选择一个最合适的向量，作为该种面额的标准向量,5美元券的特征向量记为a₅,10美元券的特征向量记为a₁₀,20美元券的特征向量记为a₂₀,50美元券的记为a₅₀,100美元券的特征向量记为a₁₀₀；

将待识别面额的美元的特征向量a，与标准向量比较，最相近的那个，即为当前待识别钞票的面额值。

本发明提供了一种稳健的美元面额识别方法，该方法对噪声抵抗力强，能快速准确识别出美元面额，从而有助于后续的鉴伪。

人像图像WLD特征的提取方法，差动激励ε反映的是当前像素点和周围各点像素值的差异，目的是寻找一幅图像在人眼视觉感知中变化比较明显的区域。设当前像素点为x_c，则该点的差动激励为ε(x_c)。首先计算x_c和周围区域像素点的不同，如式（1）所示

$v_s^{00}={\mathrm{\Σ}}_{i=}^{p-1}\left(\mathrm{\Δ}{x}_i\right)={\mathrm{\Σ}}_{i=0}^{p-1}(x_i-x_c)$   式（1）

其中x_i（i=0,1,……p-1）表示x_c的p个相邻的像素值，如果采用3x3的区域，则p=8;

输入人像,其八邻域如右所示：

用左侧模版对其滤波，得到式（2）

用左侧模版对其滤波，得到

式（3）

定义 $\mathrm{\ϵ}\left(x_c\right)=\arctan \left[\frac{v_s^{00}}{v_s^{01}}\right]$   式（4）

由以上各式得到，差动激励的计算方法为：

$\mathrm{\ϵ}\left(x_c\right)=\arctan \left[\frac{v_s^{00}}{v_s^{01}}\right]=\arctan \left[{\mathrm{\Σ}}_{i=0}^{p-1}\left(\frac{x_i-x_c}{x_c}\right)\right]$   式（5）

根据差动激励ε(x_c)的计算方法可知，如果当前像素小于周围点的像素均值，即ε<0，这样我们就可以利用ε的正负有区别的对待局部区域像素点的数值变换。若ε(x_c)为正，说明周围各点的来年孤独大于当前点，反之如果ε为负则表明当前点在该区域的亮度较低。

本发明的优点是：

1.识别过程不需要人工参与寻找特征；

2.提取的特征对于各种面额的区分度高；

3.可移植性很好，只需要将训练结果移植到程序中，即可使机器具有快速识别能力。

4.抗噪声能力强。

附图说明

图1为本发明方法流程图。

具体实施方式

下面通过具体实施方式对本发明做进一步说明。

取各种面额的美元纸币若干，得到其灰度图像，校正归一化到统一尺寸，挖取固定人像区域；对人像区域中的每个点，在其八邻域内计算差动激励，每个像素点都可以得到一个角度，其值在（-π/2,π/2]之间，将其量化为100等分，将（θ-π/200,θ+π/200]量化为θ，例如将（-π/200,π/200]量化为0，（-π/200,3π/200]量化为2π/200；然后统计角度直方图，将其是为一个100维的向量；从上一步骤中训练出韦伯局部描述符WLD特征向量，为每种面额的美元选择一个最优特征向量，作为该种面值的标准特征向量；针对每张带识别面额的美元，提取其特征向量；将得到的特征向量与标准特征向量相比较，比较的时候可以用向量之间的欧式距离作为评判标准，最接近的那个即为该种面额值。

具体实施步骤如下：

步骤一：训练标准样本

1.1分别取各种面值（1、2、5、10、20、50、100）的美元纸币500张

1.2对每张面值为1美元的纸币，挖取人像区域，提取WLD特征向量；由于1美元的纸币有500张，那么就有500个特征向量；在这500个向量中选取最中心的一个向量a₁,a₁作为一美元的标准特征向量；

1.3一次求出2美元、5美元、10美元、20美元、100美元的标准特征向量，分别记为a₂、a₅、a₁₀、a₂₀、a₅₀、a₁₀₀。

步骤二：未知面额的美元面额识别

2.1求出该美元标准人像区域的WLD特征向量，记为a;

2.2将a与a₂、a₅、a₁₀、a₂₀、a₅₀、a₁₀₀比较，采用欧式距离，a与a_x（x=1、2、5、10、20、50、100）距离最近，当前美元面额即为x美元。

上述实施例仅为本发明的部分实施例，并不完全代表本发明，凡在本发明的精神和原则之内，所做的各种变化、修改，均在本发明的保护范围之内。

Claims (1)

1.一种人像识别鉴别美元面额的方法，步骤是：

（1）取各种面额的美元纸币，得到其灰度图像，校正归一化到统一尺寸，宽乘高为300*150，人像区域大约在20行至180行、130列到210列；

（2）对人像区域中的每个点，在其八邻域内计算差动激励，每个像素点得到一个值在（-π/2,π/2]之间的角度，将其量化为100等分，将（θ-π/200,θ+π/200]量化为θ；

（3）统计角度直方图，得多维向量a；

（4）训练各种面额的标准样本，每种面额的美元选择一个最优特征向量，作为该种面值的标准特征向量；

（5）将每张带识别面额的美元，提取其特征向量；

（6）将步骤（5）得到的特征向量与标准特征向量相比较，最接近的那个即为该美元面额值。

Images