CN103886309A - 人像识别鉴别美元面额的方法 - Google Patents
人像识别鉴别美元面额的方法 Download PDFInfo
- Publication number
- CN103886309A CN103886309A CN201410151861.XA CN201410151861A CN103886309A CN 103886309 A CN103886309 A CN 103886309A CN 201410151861 A CN201410151861 A CN 201410151861A CN 103886309 A CN103886309 A CN 103886309A
- Authority
- CN
- China
- Prior art keywords
- dollar
- vector
- denomination
- denominations
- identifying
- 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.)
- Pending
Links
Images
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
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xc,则该点的差动激励为ε(xc)。首先计算xc和周围区域像素点的不同,如式(1)所示
其中xi(i=0,1,……p-1)表示xc的p个相邻的像素值,如果采用3x3的区域,则p=8;
定义 式(4)
由以上各式得到,差动激励的计算方法为:
根据差动激励ε(xc)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(xc)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ax(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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410151861.XA CN103886309A (zh) | 2014-02-27 | 2014-04-16 | 人像识别鉴别美元面额的方法 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410067857.5 | 2014-02-27 | ||
CN201410067857 | 2014-02-27 | ||
CN201410151861.XA CN103886309A (zh) | 2014-02-27 | 2014-04-16 | 人像识别鉴别美元面额的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103886309A true CN103886309A (zh) | 2014-06-25 |
Family
ID=50955192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410151861.XA Pending CN103886309A (zh) | 2014-02-27 | 2014-04-16 | 人像识别鉴别美元面额的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103886309A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537364A (zh) * | 2015-01-29 | 2015-04-22 | 华中科技大学 | 一种基于纹理分析的美元纸币面额及版本识别方法 |
CN104616392A (zh) * | 2015-01-30 | 2015-05-13 | 华中科技大学 | 一种基于局部二值模式的纸币鉴伪方法 |
CN105243730A (zh) * | 2015-10-28 | 2016-01-13 | 深圳怡化电脑股份有限公司 | 纸币识别方法及系统 |
CN106296975A (zh) * | 2016-08-05 | 2017-01-04 | 深圳怡化电脑股份有限公司 | 一种美元纸币面值的识别方法及装置 |
CN106503694A (zh) * | 2016-12-01 | 2017-03-15 | 重庆大学 | 基于八邻域特征的数字识别方法 |
CN106530482A (zh) * | 2016-11-03 | 2017-03-22 | 深圳怡化电脑股份有限公司 | 纸币币值的识别方法及装置 |
CN106780962A (zh) * | 2016-11-10 | 2017-05-31 | 深圳怡化电脑股份有限公司 | 一种纸币鉴伪的方法及装置 |
CN108492447A (zh) * | 2018-03-20 | 2018-09-04 | 深圳怡化电脑股份有限公司 | 美元面向识别方法、电子装置及计算机可读存储介质 |
-
2014
- 2014-04-16 CN CN201410151861.XA patent/CN103886309A/zh active Pending
Non-Patent Citations (1)
Title |
---|
龚大义: "《湖南大学硕士学位论文》", 27 May 2013 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537364A (zh) * | 2015-01-29 | 2015-04-22 | 华中科技大学 | 一种基于纹理分析的美元纸币面额及版本识别方法 |
CN104616392A (zh) * | 2015-01-30 | 2015-05-13 | 华中科技大学 | 一种基于局部二值模式的纸币鉴伪方法 |
CN105243730A (zh) * | 2015-10-28 | 2016-01-13 | 深圳怡化电脑股份有限公司 | 纸币识别方法及系统 |
CN105243730B (zh) * | 2015-10-28 | 2018-02-09 | 深圳怡化电脑股份有限公司 | 纸币识别方法及系统 |
CN106296975A (zh) * | 2016-08-05 | 2017-01-04 | 深圳怡化电脑股份有限公司 | 一种美元纸币面值的识别方法及装置 |
CN106296975B (zh) * | 2016-08-05 | 2019-12-10 | 深圳怡化电脑股份有限公司 | 一种美元纸币面值的识别方法及装置 |
CN106530482A (zh) * | 2016-11-03 | 2017-03-22 | 深圳怡化电脑股份有限公司 | 纸币币值的识别方法及装置 |
CN106780962A (zh) * | 2016-11-10 | 2017-05-31 | 深圳怡化电脑股份有限公司 | 一种纸币鉴伪的方法及装置 |
CN106503694A (zh) * | 2016-12-01 | 2017-03-15 | 重庆大学 | 基于八邻域特征的数字识别方法 |
CN108492447A (zh) * | 2018-03-20 | 2018-09-04 | 深圳怡化电脑股份有限公司 | 美元面向识别方法、电子装置及计算机可读存储介质 |
CN108492447B (zh) * | 2018-03-20 | 2020-09-15 | 深圳怡化电脑股份有限公司 | 美元面向识别方法、电子装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103886309A (zh) | 人像识别鉴别美元面额的方法 | |
CN104616392B (zh) | 一种基于局部二值模式的纸币鉴伪方法 | |
Guo et al. | A reliable method for paper currency recognition based on LBP | |
Hasanuzzaman et al. | Robust and effective component-based banknote recognition by SURF features | |
Abburu et al. | Currency recognition system using image processing | |
CN104318238A (zh) | 一种验钞模块中对扫描的钞票图提取冠字号的方法 | |
CN104464079A (zh) | 基于模板特征点及其拓扑结构的多币种面值识别方法 | |
Tessfaw et al. | Ethiopian banknote recognition and fake detection using support vector machine | |
CN104298989A (zh) | 基于斑马线红外图像特征的鉴伪方法及其系统 | |
Youn et al. | Efficient multi-currency classification of CIS banknotes | |
Zeggeye et al. | Automatic recognition and counterfeit detection of Ethiopian paper currency | |
Sharan et al. | Detection of counterfeit Indian currency note using image processing | |
CN104574638A (zh) | 一种人民币识别方法 | |
Sharma et al. | Recognition of Indian paper currency based on LBP | |
Ballado et al. | Philippine currency paper bill counterfeit detection through image processing using Canny Edge Technology | |
Sawant et al. | Currency recognition using image processing and minimum distance classifier technique | |
Jadhav et al. | Currency identification and forged banknote detection using deep learning | |
Uddin et al. | Image-based approach for the detection of counterfeit banknotes of Bangladesh | |
CN106683261B (zh) | 一种纸币的鉴伪方法和装置 | |
CN106898078B (zh) | 一种港币版本的识别方法及装置 | |
CN104537364A (zh) | 一种基于纹理分析的美元纸币面额及版本识别方法 | |
CN106599923B (zh) | 一种对印防伪特征的检测方法及装置 | |
WO2018130119A1 (zh) | 一种基于双冠字号的纸币鉴伪方法和系统 | |
CN107527423B (zh) | 纸币防伪识别方法及纸币识别装置 | |
CN106447897A (zh) | 一种检测纸币磁性特征的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140625 |