CN103996239B - 一种基于多线索融合的票据定位识别方法及系统 - Google Patents

一种基于多线索融合的票据定位识别方法及系统 Download PDF

Info

Publication number
CN103996239B
CN103996239B CN201410263710.3A CN201410263710A CN103996239B CN 103996239 B CN103996239 B CN 103996239B CN 201410263710 A CN201410263710 A CN 201410263710A CN 103996239 B CN103996239 B CN 103996239B
Authority
CN
China
Prior art keywords
character
ocr
bill
position parameter
identification module
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.)
Active
Application number
CN201410263710.3A
Other languages
English (en)
Other versions
CN103996239A (zh
Inventor
郑伟锐
肖助明
关玉萍
刘光禄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdian Yuntong Financial Electronic Co Ltd
Original Assignee
Guangdian Yuntong Financial Electronic Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdian Yuntong Financial Electronic Co Ltd filed Critical Guangdian Yuntong Financial Electronic Co Ltd
Priority to CN201410263710.3A priority Critical patent/CN103996239B/zh
Publication of CN103996239A publication Critical patent/CN103996239A/zh
Priority to AU2014397297A priority patent/AU2014397297B2/en
Priority to PCT/CN2014/088898 priority patent/WO2015188556A1/zh
Priority to US14/917,245 priority patent/US20160196476A1/en
Priority to EP14894534.8A priority patent/EP3156981A4/en
Priority to CL2016000798A priority patent/CL2016000798A1/es
Application granted granted Critical
Publication of CN103996239B publication Critical patent/CN103996239B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/04—Testing magnetic properties of the materials thereof, e.g. by detection of magnetic imprint
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/22—Character recognition characterised by the type of writing
    • G06V30/224—Character recognition characterised by the type of writing of printed characters having additional code marks or containing code marks
    • G06V30/2253—Recognition of characters printed with magnetic ink
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/004—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency using digital security elements, e.g. information coded on a magnetic thread or strip
    • G07D7/0047—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency using digital security elements, e.g. information coded on a magnetic thread or strip using checkcodes, e.g. coded numbers derived from serial number and denomination
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/06—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency using wave or particle radiation
    • G07D7/12—Visible light, infrared or ultraviolet radiation
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/20—Testing patterns thereon
    • G07D7/2016—Testing patterns thereon using feature extraction, e.g. segmentation, edge detection or Hough-transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Character Discrimination (AREA)
  • Inspection Of Paper Currency And Valuable Securities (AREA)
  • Character Input (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明实施例公开了一种基于多线索融合的票据定位识别方法及系统，利用一维MICR磁信号与票据OCR图像信号的坐标映射关系，将MICR信号识别模块内置信度较高的处理数据通过几何转换的方式转换成OCR信号识别模块适用的参数的方式，能够提高OCR字符定位效率和可靠性，从而节省运算时间及提高OCR识别精度，进而提高字符识别系统的准确性和处理效率。

Description

一种基于多线索融合的票据定位识别方法及系统
技术领域
本发明实施例涉及金融自助设备技术领域，具体涉及一种基于多线索融合的票据定位识别方法及系统。
背景技术
在互联网快速发展的今天，资本流动量急速提升，资本流动更加灵活，同时资本流动也更加隐秘。总之，在互联网给资本运作带来了巨大便利的同时，也给资本的管理带来了巨大挑战性。在资本运作中占有重要地位的票据，都会拥有唯一的序列号，它是由一串字符组合形成的，而序列号是票据身份的一种象征，具备防欺诈性、统一管理性以及流动时的追踪性等特性。因此，如何有效准确地记录票据序列号可以给票据的有效管理提供很大的帮助。
现有的金融自助设备，一般都有一个识别系统，对进入的票据进行序列号识别。对序列号信号的采集与其印制时所用技术手段相关，一般分为两类：MICR(Magnetic Ink Character Recognition，磁印记字符识别)磁信号采集、OCR(Optical Character Recognition,光学字符识别)光学信号采集。相对应的就有MICR识别单元和OCR识别单元，它们可以单独作为识别系统的识别单元，也可两相结合共同组成识别系统的混合识别单元。
目前，为了提高票据序列号识别的识别准确度，基本都会选择混合识别单元。而对于每一个序列号识别单元，又包含字符检测定位模块、字符分割模块、字符特征提取模块、字符分类决策模块。因此，对于混合识别单元中的每一个识别组成单元，都将单独地根据对应采集到的信号进行上述四个过程，然后再将各自的输出结果进行简单的融合表决处理。然而这样的混合识别单元，不仅在时间上花费的代价比较大，而且对丰富的信号资源没有进行充分挖掘利用，导致整个识别系统效率低下。
发明内容
本发明实施例提供了一种基于多线索融合的票据定位识别方法及系统，利用一维MICR磁信号与票据OCR图像信号的坐标映射关系来改进字符定位方法，能够提高OCR字符定位效率和可靠性，从而节省运算时间及提高OCR识别精度，进而提高字符识别系统的准确性和处理效率。
本发明实施例提供的基于多线索融合的票据定位识别方法，包括：
S1、采集输入票据的MICR磁信号和CIS图像信号，得到采集信息；
S2、通过MICR识别模块内序列号检测单元对所述采集信息进行序列号检测，得到字符串几何位置参数；
S3、通过MICR识别模块内字符分割单元对所述字符串几何位置参数进行字符分割，得到字符几何位置参数；
S4、通过MICR识别模块内字符特征提取单元对所述字符几何位置参数进行字符特征提取，得到特征字符；
S5、通过MICR识别模块内字符分类决策单元对所述特征字符进行决策分类，得到MICR评估分数并保存；
S6、分别将所述字符串几何位置参数及所述字符几何位置参数通过几何转换成OCR识别模块内序列号检测单元及字符分割单元所需的OCR字符串几何位置参数及OCR字符几何位置参数；
S7、通过OCR识别模块内字符特征提取单元对所述OCR字符几何位置参数进行字符特征提取，得到OCR特征字符；
S8、通过OCR识别模块内字符分类决策单元对所述OCR特征字符进行决策分类，得到OCR评估分数并保存；
S9、根据所述MICR评估分数及所述OCR评估分数得出字符识别结果；
S10、根据所述字符识别结果得到输入票据识别结果，并根据所述输入票据识别结果对所述输入票据进行处理。
优选的，在所述步骤S1之前还包括：
检测所述输入票据是否到达采集位置，若是触发信号采集。
优选的，
在步骤所述检测所述输入票据是否到达采集位置之前还包括：
对所述输入票据进行纠偏。
优选的，
在所述步骤S1之后及所述步骤S2之前还包括：
对所述输入票据进行重叠检测，若票据重叠则对所述输入票据进行票据重叠处理，否则执行步骤S2。
优选的，
所述步骤S9包括：
计算MICR识别模块及OCR识别模块识别所述输入票据的置信度；
将置信度高的识别模块识别所述输入票据的评估分数作为所述输入票据的字符识别结果。
优选的，
所述步骤S10包括：
对所述字符识别结果进行真伪鉴别得到输入票据识别结果；
若所述输入票据结果为真，则接收所述输入票据，否则执行退回操作。
本发明实施例提供的基于多线索融合的票据定位识别系统，包括：
信号采集装置，包括采集模块，用于采集输入票据的MICR磁信号和CIS图像信号，得到采集信息；
信号识别装置，与所述信号采集装置相连，包括MICR信号识别模块和OCR信号识别模块；
所述MICR信号识别模块包括序列号检测单元、字符分割单元、字符特征提取单元及分类决策单元，其中所述序列号检测单元用于对所述采集信息进行序列号检测，得到字符串几何位置参数，所述字符分割单元用于对所述字符串几何位置参数进行字符分割，得到字符几何位置参数，所述字符特征提取单元用于对所述字符几何位置参数进行字符特征提取，得到特征字符，所述分类决策单元用于对所述特征字符进行决策分类，得到MICR评估分数并保存；
所述OCR信号识别模块包括几何转换单元、序列号检测单元、字符分割单元、字符特征提取单元及分类决策单元，其中几何转换单元用于将所述字符串几何位置参数及所述字符几何位置参数通过几何转换成OCR识别模块内序列号检测单元及字符分割单元所需的OCR字符串几何位置参数及OCR字符几何位置参数，所述字符特征提取单元用于对所述OCR字符几何位置参数进行字符特征提取，得到OCR特征字符，所述分类决策单元用于对所述OCR特征字符进行决策分类，得到OCR评估分数并保存；
处理装置，与所述信号识别装置相连，用于根据所述字符识别结果得到输入票据识别结果，并根据所述输入票据识别结果对所述输入票据进行处理。
优选的，
所述信号采集装置还包括：
检测模块，用于检测所述输入票据是否到达采集位置，若是触发信号采集。
优选的，
所述信号采集装置还包括：
纠偏模块，用于对所述输入票据进行纠偏。
优选的，
所述信号采集装置还包括：
重叠检测模块，用于对重叠票据进行检测。
本发明实施例提供的基于多线索融合的票据定位识别方法及系统，利用一维MICR磁信号与票据OCR图像信号的坐标映射关系，将MICR信号识别模块内置信度较高的处理数据通过几何转换的方式转换成OCR信号识别模块适用的参数的方式，能够提高OCR字符定位效率和可靠性，从而节省运算时间及提高OCR识别精度，进而提高字符识别系统的准确性和处理效率。
附图说明
图1为本发明基于多线索融合的票据定位识别方法第一实施例流程图；
图2为本发明基于多线索融合的票据定位识别方法第二实施例流程图；
图3为本发明基于多线索融合的票据定位识别系统实施例第一结构示意图；
图4为本发明基于多线索融合的票据定位识别系统实施例第二结构示意图。
具体实施方式
本发明实施例提供了一种基于多线索融合的票据定位识别方法及系统，利用一维MICR磁信号与票据OCR图像信号的坐标映射关系来改进字符定位方法，能够提高OCR字符定位效率和可靠性，从而节省运算时间及提高OCR识别精度，进而提高字符识别系统的准确性和处理效率。
请参阅图1，本发明实施例中基于多线索融合的票据定位识别方法的第一实施例包括：
S1、采集输入票据的MICR磁信号和CIS图像信号，得到采集信息；
票据进入采集装置之后，可以采集输入票据的MICR磁信号和CIS图像信号，得到采集信息。
S2、通过MICR识别模块内序列号检测单元对采集信息进行序列号检测，得到字符串几何位置参数；
得到采集信息之后，可以通过MICR识别模块内序列号检测单元对采集信息进行序列号检测，得到字符串几何位置参数。
S3、通过MICR识别模块内字符分割单元对字符串几何位置参数进行字符分割，得到字符几何位置参数；
得到字符串几何位置参数之后，可以通过MICR识别模块内字符分割单元对字符串几何位置参数进行字符分割，得到字符几何位置参数。
S4、通过MICR识别模块内字符特征提取单元对字符几何位置参数进行字符特征提取，得到特征字符；
得到字符几何位置参数之后，可以通过MICR识别模块内字符特征提取单元对字符几何位置参数进行字符特征提取，得到特征字符。
S5、通过MICR识别模块内字符分类决策单元对特征字符进行决策分类，得到MICR评估分数并保存；
得到特征字符之后，可以通过MICR识别模块内字符分类决策单元对特征字符进行决策分类，得到MICR评估分数并保存。
S6、分别将字符串几何位置参数及字符几何位置参数通过几何转换成OCR识别模块内序列号检测单元及字符分割单元所需的OCR字符串几何位置参数及OCR字符几何位置参数；
完成步骤S5之后，可以分别将字符串几何位置参数及字符几何位置参数通过几何转换成OCR识别模块内序列号检测单元及字符分割单元所需的OCR字符串几何位置参数及OCR字符几何位置参数。
S7、通过OCR识别模块内字符特征提取单元对OCR字符几何位置参数进行字符特征提取，得到OCR特征字符；
接着可以通过OCR识别模块内字符特征提取单元对OCR字符几何位置参数进行字符特征提取，并得到OCR特征字符。
S8、通过OCR识别模块内字符分类决策单元对OCR特征字符进行决策分类，得到OCR评估分数并保存；
得到OCR特征字符之后，可以通过OCR识别模块内字符分类决策单元对OCR特征字符进行决策分类，得到OCR评估分数并保存。
S9、根据MICR评估分数及OCR评估分数得出字符识别结果；
得到MICR评估分数及OCR评估分数之后，可以根据MICR评估分数及OCR评估分数得出字符识别结果。
S10、根据字符识别结果得到输入票据识别结果，并根据输入票据识别结果对输入票据进行处理。
得到字符识别结果之后，可以根据字符识别结果得到输入票据识别结果，并根据输入票据识别结果对输入票据进行处理。
本发明实施例提供的基于多线索融合的票据定位识别方法，利用一维MICR磁信号与票据OCR图像信号的坐标映射关系，将MICR信号识别模块内置信度较高的处理数据通过几何转换的方式转换成OCR信号识别模块适用的参数的方式，能够提高OCR字符定位效率和可靠性，从而节省运算时间及提高OCR识别精度，进而提高字符识别系统的准确性和处理效率。
上面简单介绍了本发明基于多线索融合的票据定位识别方法的第一实施例，下面对本发明基于多线索融合的票据定位识别方法第二实施例进行详细的描述，请参阅图2，本发明实施例中基于多线索融合的票据定位识别方法第二实施例包括：
201、对输入票据进行纠偏；
输入票据在进入采集装置的时候，有可能会出现进入方向偏移的情况，进而可能会导致输入票据不能正确进入采集装置，因此可以在输入票据进入采集装置之前对上述输入票据进行纠偏处理。
202、检测输入票据是否到达采集位置，若是触发信号采集；
经过纠偏的输入票据不断靠近采集装置，采集装置可以实时监测输入票据是否到达采集位置，并在输入票据到达采集位置后触发信号采集。
203、采集输入票据的MICR磁信号和CIS图像信号，得到采集信息；
输入票据到达采集位置后，采集装置开始工作，并采集输入票据的MICR磁信号和CIS图像信号，得到采集信息。
204、对输入票据进行重叠检测，若票据重叠则对输入票据进行票据重叠处理，否则执行步骤205；
得到采集信息之后，可以对输入票据进行重叠检测，并在票据重叠时对输入票据进行票据重叠处理，在票据未重叠时执行步骤205。
205、通过MICR识别模块内序列号检测单元对采集信息进行序列号检测，得到字符串几何位置参数；
对输入票据进行重叠检测之后，可以通过MICR识别模块内序列号检测单元对采集信息进行序列号检测，得到字符串几何位置参数。上述序列号检测单元所需的时间周期为TM(1)，检测置信度为pM(1)。
206、通过MICR识别模块内字符分割单元对字符串几何位置参数进行字符分割，得到字符几何位置参数；
得到字符串几何位置参数之后，可以通过MICR识别模块内字符分割单元对字符串几何位置参数进行字符分割，得到字符几何位置参数。上述字符分割单元所需的时间周期为TM(2)，字符分割置信度为pM(2)。
207、通过MICR识别模块内字符特征提取单元对字符几何位置参数进行字符特征提取，得到特征字符；
得到字符几何位置参数之后，可以通过MICR识别模块内字符特征提取单元对字符几何位置参数进行字符特征提取，得到特征字符。上述字符特征提取单元所需的时间周期为TM(3)，字符分割置信度为pM(3)。
208、通过MICR识别模块内字符分类决策单元对特征字符进行决策分类，得到MICR评估分数并保存；
得到特征字符之后，可以通过MICR识别模块内字符分类决策单元对特征字符进行决策分类，得到MICR评估分数并保存。上述分类决策单元所需的时间周期为TM(4)，字符决策分类置信度为pM(4)。
209、分别将字符串几何位置参数及字符几何位置参数通过几何转换成OCR识别模块内序列号检测单元及字符分割单元所需的OCR字符串几何位置参数及OCR字符几何位置参数；
完成步骤S5之后，可以分别将字符串几何位置参数及字符几何位置参数通过几何转换成OCR识别模块内序列号检测单元及字符分割单元所需的OCR字符串几何位置参数及OCR字符几何位置参数。上述过程所需的时间周期为TO(M)，置信度为pO(M)(pO(M)＝pM(1)*pM(2))。
210、通过OCR识别模块内字符特征提取单元对OCR字符几何位置参数进行字符特征提取，得到OCR特征字符；
接着可以通过OCR识别模块内字符特征提取单元对OCR字符几何位置参数进行字符特征提取，并得到OCR特征字符。上述OCR识别模块内字符特征提取单元所需的时间周期为TO(3)，置信度为pO(3)。
211、通过OCR识别模块内字符分类决策单元对OCR特征字符进行决策分类，得到OCR评估分数并保存；
得到OCR特征字符之后，可以通过OCR识别模块内字符分类决策单元对OCR特征字符进行决策分类，得到OCR评估分数并保存。上述OCR识别模块内字符分类决策单元所需的时间周期为TO(4)，置信度为pO(4)
212、根据MICR评估分数及OCR评估分数得出字符识别结果；
得到MICR评估分数及OCR评估分数之后，可以根据MICR评估分数及OCR评估分数得出字符识别结果。
步骤212的具体过程可以包括：计算MICR识别模块及OCR识别模块识别输入票据的置信度；将置信度高的识别模块识别输入票据的评估分数作为输入票据的字符识别结果。
213、根据字符识别结果得到输入票据识别结果，并根据输入票据识别结果对输入票据进行处理。
得到字符识别结果之后，可以根据字符识别结果得到输入票据识别结果，并根据输入票据识别结果对输入票据进行处理。
步骤213的具体过程可以包括：对字符识别结果进行真伪鉴别得到输入票据识别结果；若输入票据结果为真，则接收输入票据，否则执行退回操作。
下面对本发明基于多线索融合的票据定位识别方法进行详细的分析：
MICR中的磁信号与OCR中的光学信号在几何表现形式上具有相关性，而这些相关性在识别单元中某些模块是可以共用的，如可以将MICR信号识别模块中序列号检测单元和字符分割单元计算得到的几何参数，通过几何运算转换为OCR信号识别模块中序列号检测单元和字符分割单元要计算的参数。而这些参数的转换，在时间花费上是极低的，相对于OCR信号识别模块再独立计算这些参数，基本可以忽略不计。同时，由于MICR信号识别模块中的字符磁信号具有以下优点：1、几何表现形式上构成简单易区分，且十分稳定；2、抗外界干扰能力强。因而使得MICR信号识别模块中的序列号检测单元和字符分割单元精确度极高(接近100％)，因而将这些参数映射到OCR信号识别模块当中得到的精确度要比OCR信号识别模块本身计算得到的精确度高许多，从而保证了OCR信号识别模块当中后续分类决策单元的输入环境，提高了OCR信号识别模块识别率。这不仅节约了系统的时间花费，还能提高OCR的识别性能，进一步加强了混合识别单元的鲁棒性，提升了识别系统的整体性能，使资源得到有效的融合与利用。
假定MICR信号识别模块中的序列号检测单元所需的时间周期为TM(1)，置信度为pM(1)；字符分割单元所需的时间周期为TM(2)，置信度为pM(2)；字符特征提取单元所需的时间周期为TM(3)，置信度为pM(3)；分类决策单元所需的时间周期为TM(4)，置信度为pM(4)。而OCR信号识别模块中的序列号检测单元所需的时间周期为TO(1)(TO(1)＞TM(1))，置信度为pO(1)(pO(1)＜pM(1))；字符分割单元所需的时间周期为TO(2)(TO(2)＞TM(2))，置信度为pO(2)(pO(2)＜pM(2))；字符特征提取单元所需的时间周期为TO(3)，置信度为pO(3)；分类决策单所需的时间周期为TO(4)，置信度为pO(4)。那么混合识别单元的总时间花费周期为：
T＝TM(1)+TM(2)+TM(3)+TM(4)+TO(1)+TO(2)+TO(3)+TO(4) (1)
识别单元的置信度：
P＝α*pO(1)*pO(2)*pO(3)*pO(4)+β*pM(1)*pM(2)*pM(3)*pM(4) (2)
其中α为OCR信号识别模块在混合识别单元中权重系数，而β为MICR信号识别模块在混合识别单元中权重系数，且α+β＝1。
若将MICR信号识别模块中序列号检测单元和字符分割单元计算得到的几何参数，通过几何运算转换为OCR信号识别模块中序列号检测单元和字符分割单元要计算的参数，其所需时间周期为TO(M)(TO(M)＜＜(TO(1)+TO(2)))，置信度为pO(M)(pO(M)＝pM(1)*pM(2))，且pM(1)*pM(2)＞pO(1)*pO(2)。因而基于多线索融合的OCR分割定位方法的混合识别单元所需时间总周期为：
T'＝TM(1)+TM(2)+TM(3)+TM(4)+TO(M)+TO(3)+TO(4) (3)
识别单元的置信度：
P'＝α*pO(M)*pO(3)*pO(4)+β*pM(1)*pM(2)*pM(3)*pM(4) (4)
很显然，T'＜T，而P'＞P。因而基于多线索融合的OCR分割定位方法的混合识别系统不仅节约了时间的花费，而且提高了整个识别系统的识别性能。
本发明实施例提供的基于多线索融合的票据定位识别方法，利用一维MICR磁信号与票据OCR图像信号的坐标映射关系，将MICR信号识别模块内置信度较高的处理数据通过几何转换的方式转换成OCR信号识别模块适用的参数的方式，能够提高OCR字符定位效率和可靠性，从而节省运算时间及提高OCR识别精度，进而提高字符识别系统的准确性和处理效率。
上面对本发明基于多线索融合的票据定位识别系统的第二实施例作了详细描述，特别是根据MICR评估分数及OCR评估分数得出字符识别结果的过程，下面介绍本发明基于多线索融合的票据定位识别系统实施例，请参阅图3及图4，本发明实施例中基于多线索融合的票据定位识别系统实施例包括：
信号采集装置31，包括采集模块311，用于采集输入票据的MICR磁信号和CIS图像信号，得到采集信息；
信号识别装置32，与信号采集装置31相连，包括MICR信号识别模块321和OCR信号识别模块322；
MICR信号识别模块321包括序列号检测单元3211、字符分割单元3212、字符特征提取单元3213及分类决策单元3214，其中序列号检测单元3211用于对采集信息进行序列号检测，得到字符串几何位置参数，字符分割单元3212用于对字符串几何位置参数进行字符分割，得到字符几何位置参数，字符特征提取单元3213用于对字符几何位置参数进行字符特征提取，得到特征字符，分类决策单元3214用于对特征字符进行决策分类，得到MICR评估分数并保存；
OCR信号识别模块322包括几何转换单元3221、序列号检测单元3222、字符分割单元3223、字符特征提取单元3224及分类决策单元3225，其中几何转换单元3221用于将字符串几何位置参数及字符几何位置参数通过几何转换成OCR识别模块内序列号检测单元3222及字符分割单元3223所需的OCR字符串几何位置参数及OCR字符几何位置参数，字符特征提取单元3224用于对OCR字符几何位置参数进行字符特征提取，得到OCR特征字符，分类决策单元3225用于对OCR特征字符进行决策分类，得到OCR评估分数并保存；
处理装置33，与信号识别装置32相连，用于根据字符识别结果得到输入票据识别结果，并根据输入票据识别结果对输入票据进行处理。
请参阅图3，本发明基于多线索融合的票据定位识别系统实施例为与本发明基于多线索融合的票据定位识别方法第一实施例及第二实施例相对应的实施例，因此也具有本发明基于多线索融合的票据定位识别方法第一实施例及第二实施例所具有的特点，在此处不再累述。
优选的，
信号采集装置31还包括：
检测模块312，用于检测输入票据是否到达采集位置，若是触发信号采集。
优选的，
信号采集装置还包括：
纠偏模块313，用于对输入票据进行纠偏。
优选的，
信号采集装置还包括：
重叠检测模块314，用于对重叠票据进行检测。
请参阅图4，信号采集装置31可以包括检测模块311，纠偏模块312及重叠检测模块313。此外，本发明基于多线索融合的票据定位识别系统还可以包括存储模块和控制模块等，其中存储模块存储有输入票据的标准数据，控制模块用以控制和协调系统内各模块正常工作，由于这些模块在现有系统中也普遍存在，因此不再赘述。
本发明实施例提供的基于多线索融合的票据定位识别系统，利用磁信号不受票据背景图案和签名墨迹影响的现象，及一维MICR磁信号与票据OCR图像信号的坐标映射关系，将MICR信号识别模块内置信度较高的处理数据通过几何转换的方式转换成OCR信号识别模块适用的参数的方式，能够提高OCR字符定位效率和可靠性，从而节省运算时间及提高OCR识别精度，进而提高字符识别系统的准确性和处理效率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成，其中的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上对本发明所提供的一种基于多线索融合的票据定位识别方法及系统进行了详细介绍，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于多线索融合的票据定位识别方法，其特征在于，包括：
S1、采集输入票据的MICR磁信号和CIS图像信号，得到采集信息；
S2、通过MICR识别模块内序列号检测单元对所述采集信息进行序列号检测，得到字符串几何位置参数；
S3、通过MICR识别模块内字符分割单元对所述字符串几何位置参数进行字符分割，得到字符几何位置参数；
S4、通过MICR识别模块内字符特征提取单元对所述字符几何位置参数进行字符特征提取，得到特征字符；
S5、通过MICR识别模块内字符分类决策单元对所述特征字符进行决策分类，得到MICR评估分数并保存；
S6、分别将所述字符串几何位置参数及所述字符几何位置参数通过几何转换成OCR识别模块内序列号检测单元及字符分割单元所需的OCR字符串几何位置参数及OCR字符几何位置参数；
S7、通过OCR识别模块内字符特征提取单元对所述OCR字符几何位置参数进行字符特征提取，得到OCR特征字符；
S8、通过OCR识别模块内字符分类决策单元对所述OCR特征字符进行决策分类，得到OCR评估分数并保存；
S9、根据所述MICR评估分数及所述OCR评估分数得出字符识别结果；
S10、根据所述字符识别结果得到输入票据识别结果，并根据所述输入票据识别结果对所述输入票据进行处理。
2.根据权利要求1所述的基于多线索融合的票据定位识别方法，其特征在于，在所述步骤S1之前还包括：
检测所述输入票据是否到达采集位置，若是触发信号采集。
3.根据权利要求2所述的基于多线索融合的票据定位识别方法，其特征在于，在步骤所述检测所述输入票据是否到达采集位置之前还包括：
对所述输入票据进行纠偏。
4.根据权利要求1至3中任一项所述的基于多线索融合的票据定位识别方法，其特征在于，在所述步骤S1之后及所述步骤S2之前还包括：
对所述输入票据进行重叠检测，若票据重叠则对所述输入票据进行票据重叠处理，否则执行步骤S2。
5.根据权利要求1至3中任一项所述的基于多线索融合的票据定位识别方法，其特征在于，所述步骤S9包括：
计算MICR识别模块及OCR识别模块识别所述输入票据的置信度；
将置信度高的识别模块识别所述输入票据的评估分数作为所述输入票据的字符识别结果。
6.根据权利要求1至3中任一项所述的基于多线索融合的票据定位识别方法，其特征在于，所述步骤S10包括：
对所述字符识别结果进行真伪鉴别得到输入票据识别结果；
若所述输入票据结果为真，则接收所述输入票据，否则执行退回操作。
7.一种基于多线索融合的票据定位识别系统，其特征在于，包括：
信号采集装置，包括采集模块，用于采集输入票据的MICR磁信号和CIS图像信号，得到采集信息；
信号识别装置，与所述信号采集装置相连，包括MICR信号识别模块和OCR信号识别模块；
所述MICR信号识别模块包括序列号检测单元、字符分割单元、字符特征提取单元及分类决策单元，其中所述序列号检测单元用于对所述采集信息进行序列号检测，得到字符串几何位置参数，所述字符分割单元用于对所述字符串几何位置参数进行字符分割，得到字符几何位置参数，所述字符特征提取单元用于对所述字符几何位置参数进行字符特征提取，得到特征字符，所述分类决策单元用于对所述特征字符进行决策分类，得到MICR评估分数并保存；
所述OCR信号识别模块包括几何转换单元、序列号检测单元、字符分割单元、字符特征提取单元及分类决策单元，其中几何转换单元用于将所述字符串几何位置参数及所述字符几何位置参数通过几何转换成OCR识别模块内序列号检测单元及字符分割单元所需的OCR字符串几何位置参数及OCR字符几何位置参数，OCR信号识别模块内的字符特征提取单元用于对所述OCR字符几何位置参数进行字符特征提取，得到OCR特征字符，OCR信号识别模块内的分类决策单元用于对所述OCR特征字符进行决策分类，得到OCR评估分数并保存；
处理装置，与所述信号识别装置相连，用于根据所述字符识别结果得到输入票据识别结果，并根据所述输入票据识别结果对所述输入票据进行处理。
8.根据权利要求7所述的基于多线索融合的票据定位识别系统，其特征在于，所述信号采集装置还包括：
检测模块，用于检测所述输入票据是否到达采集位置，若是触发信号采集。
9.根据权利要求7所述的基于多线索融合的票据定位识别系统，其特征在于，所述信号采集装置还包括：
纠偏模块，用于对所述输入票据进行纠偏。
10.根据权利要求7所述的基于多线索融合的票据定位识别系统，其特征在于，所述信号采集装置还包括：
重叠检测模块，用于对重叠票据进行检测。
CN201410263710.3A 2014-06-13 2014-06-13 一种基于多线索融合的票据定位识别方法及系统 Active CN103996239B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201410263710.3A CN103996239B (zh) 2014-06-13 2014-06-13 一种基于多线索融合的票据定位识别方法及系统
AU2014397297A AU2014397297B2 (en) 2014-06-13 2014-10-20 Multi-cue fusion based ticket positioning recognition method and system
PCT/CN2014/088898 WO2015188556A1 (zh) 2014-06-13 2014-10-20 一种基于多线索融合的票据定位识别方法及系统
US14/917,245 US20160196476A1 (en) 2014-06-13 2014-10-20 Multi-cue fusion based ticket positioning recognition method and system
EP14894534.8A EP3156981A4 (en) 2014-06-13 2014-10-20 Multi-cue fusion based ticket positioning recognition method and system
CL2016000798A CL2016000798A1 (es) 2014-06-13 2016-04-06 Metodo y sistema de colocacion e identificacion de billetes basado en una combinacion multi-indicacion.

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410263710.3A CN103996239B (zh) 2014-06-13 2014-06-13 一种基于多线索融合的票据定位识别方法及系统

Publications (2)

Publication Number Publication Date
CN103996239A CN103996239A (zh) 2014-08-20
CN103996239B true CN103996239B (zh) 2016-08-24

Family

ID=51310389

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410263710.3A Active CN103996239B (zh) 2014-06-13 2014-06-13 一种基于多线索融合的票据定位识别方法及系统

Country Status (6)

Country Link
US (1) US20160196476A1 (zh)
EP (1) EP3156981A4 (zh)
CN (1) CN103996239B (zh)
AU (1) AU2014397297B2 (zh)
CL (1) CL2016000798A1 (zh)
WO (1) WO2015188556A1 (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103996239B (zh) * 2014-06-13 2016-08-24 广州广电运通金融电子股份有限公司 一种基于多线索融合的票据定位识别方法及系统
CN107123185A (zh) * 2017-06-20 2017-09-01 深圳怡化电脑股份有限公司 一种有价文件磁性字符的识别装置及方法
CN107393115A (zh) * 2017-08-03 2017-11-24 恒银金融科技股份有限公司 一种纸币冠字号识别与鉴伪方法
CN108664897A (zh) * 2018-04-18 2018-10-16 平安科技（深圳）有限公司 票据识别方法、装置及存储介质
CN109034837B (zh) * 2018-06-29 2020-12-29 山东华夏维康农牧科技有限公司 多码溯源防伪的方法及系统
CN109101970B (zh) * 2018-07-18 2020-04-07 北京医联蓝卡在线科技有限公司 一种医学单据智能识别方法与智能识别系统
CN109241826B (zh) * 2018-07-18 2019-10-15 北京索米科技有限公司 一种基于ocr技术的识别医学单据系统和方法
US10586133B2 (en) * 2018-07-23 2020-03-10 Scribe Fusion, LLC System and method for processing character images and transforming font within a document
CN110619056A (zh) * 2019-06-19 2019-12-27 深圳壹账通智能科技有限公司 发票录入方法、装置、设备及计算机存储介质
CN110348346A (zh) * 2019-06-28 2019-10-18 苏宁云计算有限公司 一种票据分类识别方法及系统
CN110781877B (zh) * 2019-10-28 2024-01-23 京东方科技集团股份有限公司 一种图像识别方法、设备及存储介质
CN111368505A (zh) * 2020-02-21 2020-07-03 成都卫士通信息产业股份有限公司 一种pdf文档手写签名方法、装置、设备、介质
CN111401221B (zh) * 2020-03-12 2023-04-25 重庆农村商业银行股份有限公司 一种卡票识别方法、装置、设备及存储介质
CN116486418B (zh) * 2023-06-19 2023-10-03 恒银金融科技股份有限公司 钞票冠字号图像的生成方法和装置

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5191525A (en) * 1990-01-16 1993-03-02 Digital Image Systems, Corporation System and method for extraction of data from documents for subsequent processing
JPH06318281A (ja) * 1993-03-10 1994-11-15 Toshiba Corp 紙葉類処理装置
US7653600B2 (en) * 1997-05-30 2010-01-26 Capital Security Systems, Inc. Automated document cashing system
GB9723306D0 (en) * 1997-11-05 1998-01-07 Ncr Int Inc System for detecting superposed sheets
US6504946B1 (en) * 1998-10-26 2003-01-07 Ncr Corporation Method of processing misoriented items in an image-based item processing system and an apparatus therefor
GB9920501D0 (en) * 1999-09-01 1999-11-03 Ncr Int Inc Imaging system
US7051206B1 (en) * 2000-11-07 2006-05-23 Unisys Corporation Self-authentication of value documents using digital signatures
US7295694B2 (en) * 2002-02-22 2007-11-13 International Business Machines Corporation MICR-based optical character recognition system and method
US20040071333A1 (en) * 2002-10-15 2004-04-15 Electronic Imaging Systems Corporation System and method for detecting cheque fraud
JP4438387B2 (ja) * 2003-02-03 2010-03-24 セイコーエプソン株式会社 磁気インク文字読取装置
US20050094861A1 (en) * 2003-10-31 2005-05-05 International Business Machines Corporation Positional synchronization in a multivoting character recognition environment
US7606408B2 (en) * 2004-06-21 2009-10-20 Seiko Epson Corporation Magnetic ink character reading method and program
US7480403B2 (en) * 2004-11-16 2009-01-20 International Business Machines Corporation Apparatus, system, and method for fraud detection using multiple scan technologies
US7264163B2 (en) * 2005-01-06 2007-09-04 International Business Machines Corporation On-line correction of check code line recognition in point-of-sale stations
US7702143B2 (en) * 2006-01-20 2010-04-20 Larry Adelberg Method and apparatus for identifying MICR characters
KR101059143B1 (ko) * 2006-02-03 2011-08-25 노틸러스효성 주식회사 지폐류 자동 수납처리기의 지폐정렬장치
US8351678B1 (en) * 2008-06-11 2013-01-08 United Services Automobile Association (Usaa) Duplicate check detection
US8155425B1 (en) * 2008-08-11 2012-04-10 Microsystems Technology, Inc. Automated check detection and image cropping
JP2010079725A (ja) * 2008-09-26 2010-04-08 Canon Electronics Inc 磁気インク文字読取装置
US8376231B2 (en) * 2009-04-14 2013-02-19 Document Capture Technologies, Inc. Infrared and visible imaging of documents
CN102254146B (zh) * 2010-05-18 2013-04-24 山东新北洋信息技术股份有限公司 磁墨水字符的识别方法、装置及系统
CN101916470B (zh) * 2010-08-03 2013-04-24 广州广电运通金融电子股份有限公司 纸质有价文件识别方法及其识别系统
WO2012120587A1 (ja) * 2011-03-04 2012-09-13 グローリー株式会社 文字列切出方法及び文字列切出装置
CN102289857B (zh) * 2011-05-19 2013-09-25 广州广电运通金融电子股份有限公司 有价文件识别方法及系统
CN102324138B (zh) * 2011-09-08 2013-11-06 广州广电运通金融电子股份有限公司 纸页类堆叠回收装置及具有该装置的纸页类处理设备
CN102324134A (zh) * 2011-09-19 2012-01-18 广州广电运通金融电子股份有限公司 有价文件鉴别方法及其鉴别装置
CN102324154B (zh) * 2011-09-23 2012-11-14 广州广电运通金融电子股份有限公司 一种钞票偏斜校正装置及自动柜员机
CN103440507A (zh) * 2013-09-03 2013-12-11 北京中电普华信息技术有限公司 一种票据信息验审设备和一种对票据信息进行验审的方法
US9317745B2 (en) * 2013-10-29 2016-04-19 Bank Of America Corporation Data lifting for exception processing
CN103996239B (zh) * 2014-06-13 2016-08-24 广州广电运通金融电子股份有限公司 一种基于多线索融合的票据定位识别方法及系统

Also Published As

Publication number Publication date
AU2014397297A1 (en) 2016-04-07
US20160196476A1 (en) 2016-07-07
WO2015188556A1 (zh) 2015-12-17
CN103996239A (zh) 2014-08-20
AU2014397297B2 (en) 2017-01-19
CL2016000798A1 (es) 2016-10-07
EP3156981A4 (en) 2017-08-23
EP3156981A1 (en) 2017-04-19

Similar Documents

Publication Publication Date Title
CN103996239B (zh) 一种基于多线索融合的票据定位识别方法及系统
CN105184778B (zh) 一种检测方法及装置
CN109308476B (zh) 票据信息处理方法、系统及计算机可读存储介质
KR101873576B1 (ko) 자동차 번호판 정보 인식 시스템 및 방법
CN109325538B (zh) 目标检测方法、装置和计算机可读存储介质
US10062008B2 (en) Image based object classification
US10824832B2 (en) Barcode tag detection in side view sample tube images for laboratory automation
CN104464079B (zh) 基于模板特征点及其拓扑结构的多币种面值识别方法
CN107122806A (zh) 一种敏感图像识别方法及装置
CN108921166A (zh) 基于深度神经网络的医疗票据类文本检测识别方法及系统
CN104217203B (zh) 复杂背景卡面信息识别方法及系统
CN110348441A (zh) 增值税发票识别方法、装置、计算机设备及存储介质
CN105930159A (zh) 一种基于图像的界面代码生成的方法及系统
CN102129555A (zh) 基于第二代身份证进行身份验证的方法及系统
CN104809452A (zh) 一种指纹识别方法
CN103778409A (zh) 基于人脸特征数据挖掘的人脸识别方法与装置
EP2620920B1 (en) Valuable document identification method and system
CN104809453A (zh) 一种基于指纹的认证方法
CN103544491A (zh) 一种面向复杂背景的光学字符识别方法及装置
CN110427962A (zh) 一种测试方法、电子设备及计算机可读存储介质
CN110363790A (zh) 目标追踪方法、装置和计算机可读存储介质
CN102306415A (zh) 便携式有价文件识别装置
CN117037198A (zh) 一种银行对账单的识别方法
CN108109680A (zh) 一种保险理赔影像包分拣的方法
CN112001318A (zh) 一种身份证件信息采集方法及其系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant