CN105046807B - 一种基于智能手机的伪钞识别方法及系统 - Google Patents
一种基于智能手机的伪钞识别方法及系统 Download PDFInfo
- Publication number
- CN105046807B CN105046807B CN201510401052.4A CN201510401052A CN105046807B CN 105046807 B CN105046807 B CN 105046807B CN 201510401052 A CN201510401052 A CN 201510401052A CN 105046807 B CN105046807 B CN 105046807B
- Authority
- CN
- China
- Prior art keywords
- banknote
- image information
- gray level
- counterfeit money
- obtains
- 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
Links
Landscapes
- Image Processing (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
Abstract
本发明提供了一种基于智能手机的伪钞识别方法及系统,其中,该方法包括:对钞票的图像信息进行采集,获取钞票不同角度的图像信息;对钞票不同角度的图像信息进行预处理,获取预处理结果;根据预处理结果,对钞票的水印和隐形数字面额防伪特征进行区域分割,获取分割结果;利用分割结果与真钞模板图像信息的防伪特征进行匹配识别,判断是否匹配识别成功;若是,则对钞票不同角度的图像信息进行光变油墨特性检测识别,获取检测识别结果,根据检测识别结果判别钞票的真伪;若否,则识别钞票为假钞。实施本发明实施例,可以提高识别伪钞准确率,实现随时随地对伪钞进行识别,极大提高了用户的体验感。
Description
技术领域
本发明涉及伪钞识别技术领域,尤其涉及一种基于智能手机的伪钞识别方法及系统。
背景技术
大量伪钞流通可能导致经济问题,例如通胀。在交易中收到伪钞的民众会损失伪钞所标面值的金钱;杜绝伪钞泛滥,政府仅仅是宣导民众留意伪钞是远远不够的,更需要正视问题,提出解决对策,解除民众收到伪钞后的恐惧和降低民众在收到伪钞后的经济损失。
随着科技的进步,钞票的造假技术也日益提高,人们已经很难像以往一样通过肉眼或者简单的红外伪钞识别器来识别钞票的真伪;而大型的伪钞识别器虽然能够以较高的准确率快速识别钞票的真伪,但是大型的伪钞识别器因体积过于庞大、重量过于重和价格过于昂贵,一般的居民使用不起这样伪钞识别器,也不利于使用者随身携带,因而不方便人们使用它们对钞票真伪的检测;所以现在人们急需一种既方便携带又能有较高准确率的假钞识别器。
发明内容
本发明的目的是在于提供一种基于智能手机的伪钞识别方法及系统,无需大型伪钞识别器也能快速识别伪钞,提高准确率,可以实现随时随地对伪钞进行识别,极大提高了用户的体验感。
为了解决上述问题,本发明提出了一种基于智能手机的伪钞识别方法,包括:
对钞票的图像信息进行采集,获取所述钞票不同角度的图像信息;
对所述钞票不同角度的图像信息进行预处理,获取预处理结果;
根据所述预处理结果,对所述钞票的水印和隐形数字面额防伪特征进行区域分割,获取分割结果;
利用所述分割结果与真钞模板图像信息的防伪特征进行匹配识别,判断是否匹配识别成功;
若是,则对所述钞票不同角度的图像信息进行光变油墨特性检测识别,获取检测识别结果,根据所述检测识别结果判别所述钞票的真伪;
若否,则识别所述钞票为假钞。
优选地,所述对钞票图像信息进行采集的步骤包括:
对所述钞票进行旋转,采集旋转后的所述钞票的图像信息,获取所述钞票不同角度的图像信息。
优选地,所述对所述钞票不同角度的图像信息进行预处理的步骤包括:
通过采用灰度等级直方图处理,获取灰度图像信息;
对所述灰度图像信息采用低通滤波处理,获取消除可识别的小点噪声的灰度图像信息;
对所述消除可识别的小点噪声的灰度图像信息进行高通滤波和差分运算方法处理,获取确定上下左右边界的灰度图像信息。
优选地,所述对所述钞票的水印和隐形数字面额防伪特征进行区域分割的步骤包括:
根据所述确定上下左右边界的灰度图像信息,对所述钞票的水印和隐形数字面额的防伪特征位置进行确定;
根据确定的所述钞票的水印和隐形数字面额的防伪特征位置,对所述钞票的水印和隐形数字面额的防伪特征进行分割,获取分割后的所述钞票的水印防伪特征和所述钞票的隐形数字面额防伪特征。
优选地,所述对所述钞票不同角度的图像信息进行光变油墨特性检测的步骤包括:
将所述钞票不同角度的图像信息转换成为灰度图像信息;
将所述灰度图像信息进行量化处理,获取量化处理结果;
根据所述量化处理结果构建对象数据矩阵;
对所述对象数据矩阵进行灰度量化值归一化处理,获取灰度量化值归一化后的对象数据矩阵;
利用所述灰度量化值归一化后的对象数据矩阵与真钞模板不同角度的图像信息的灰度量化值归一化后的对象数据矩阵进行对比识别,获取识别结果。
相应地,本发明还提出一种基于智能手机的伪钞识别系统,所述伪钞识别系统包括:
采集模块:用于对钞票图像信息进行采集,获取所述钞票不同角度的图像信息;
处理模块:用于对所述钞票不同角度的图像信息进行预处理,获取预处理结果;
分割模块:根据所述的预处理结果,将所述钞票的水印和隐形数字面额防伪特征进行区域分割,获取分割结果;
匹配模块:用于对所述分割结果与真钞模板图像信息的防伪特征进行匹配识别,获取匹配识别结果;
光变油墨检测模块:用于根据所述匹配结果,对所述钞票不同角度的图像信息进行光变油墨特性检测,获取检测结果,根据所述检测结果判别所述钞票的真伪。
优选地,所述伪钞识别系统还包括:
存储模块:用于存储真钞模板图像信息的防伪特征和真钞模板不同角度的图像信息的灰度量化值归一化后的对象数据矩阵。
优选地,所述处理模块包括:
图像信息处理单元:用于对所述图像信息进行灰度等级直方图处理,获取灰度图像信息;
降噪单元:用于对所述灰度图像信息采用低通滤波处理,获取消除可识别的小点噪声的灰度图像信息;
边界确定单元:用于对所述消除可识别的小点噪声的灰度图像信息进行高通滤波和差分运算方法处理,获取确定上下左右边界的灰度图像信息。
优选地,所述分割模块包括:
特征位置确定单元:用于根据所述确定上下左右边界的灰度图像信息,对所述钞票的水印和隐形数字面额的防伪特征位置进行确定;
特征分割单元:用于根据确定的所述钞票的水印和隐形数字面额的防伪特征位置,对所述钞票的水印和隐形数字面额的防伪特征进行分割,获取分割后的所述钞票的水印防伪特征和所述钞票的隐形数字面额防伪特征。
优选地,所述光变油墨检测模块包括:
色彩转换单元:用于将所述钞票不同角度的图像信息转换成为灰度图像信息;
量化处理单元:用于将所述灰度图像信息进行量化处理,获取量化处理结果;
矩阵构建单元:用于根据所述量化处理结果构建对象数据矩阵;
矩阵归一化单元:用于对所述对象数据矩阵进行灰度量化值进行归一化处理,获取灰度量化值归一化后的对象数据矩阵;
对比单元:用于利用所述灰度量化值归一化后的对象数据矩阵与真钞模板不同角度的图像信息的灰度量化值归一化后的对象数据矩阵进行对比,获取识别结果。
在本发明实施例中,通过智能手机对钞票进行图像信息的采集,将所得的图像信息进行预处理,对预处理结果进行区域分割处理,将分割结果与真钞模板图像信息防伪特征进行匹配识别,最后钞票不同角度的图像信息采用光变油墨特性检测来判别钞票的真伪;可以快速准确判别钞票的真伪,提高准确率,实现随时随地对钞票的真伪进行判别,极大提高了用户的体验感。
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的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例的基于智能手机的伪钞识别方法的流程示意图;
图2是本发明实施例的对钞票不同角度的图像信息进行光变油墨特性检测的流程示意图;
图3是本发明的基于智能手机的伪钞识别系统的第一实施例的结构组成示意图;
图4是本发明的基于智能手机的伪钞识别系统的第二实施例的结构组成示意图。
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作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。
图1是本发明实施例的基于智能手机的伪钞识别方法的流程示意图,如图1所示,该方法包括:
S11:对钞票图像信息进行采集,获取钞票不同角度的图像信息;
S12:对钞票不同角度的图像信息进行预处理,获取预处理结果;
S13:根据预处理结果,将钞票的水印和隐形数字面额的防伪特征进行区域分割,获取分割结果;
S14:利用分割结果与真钞模板进行图像的防伪特征进行匹配识别,判断是否匹配识别成功;若是,进入S15,若否,进入S18;
S15:对钞票不同角度的图像信息进行光变油墨特性检测识别,获取检测识别结果;
S16:根据检测识别结果,识别是否为真钞;若是,进入S17,若否,进入S18;
S17:识别为真钞;
S18:识别为伪钞。
进一步地,在S11中,获取钞票不同角度的图像信息,在具体实施中,对钞票进行旋转,利用智能手机对旋转后的钞票进行拍照,获取钞票不同角度的图像信息。
其中,对S12作进一步说明:
采用图像增强的方法对图像信息进行预处理,首先采用灰度等级直方图处理,使得原来图像信息变为灰度图像信息;然后通过低通滤波处理,消除灰度等级直方图处理带来的一些可识别的小点噪声,起到降噪的作用;最后通过高通滤波和差分运算的方法,使得图像信息的轮廓线增强,起到确定图像信息的上下左右边界。
其中,对S13作进一步说明:
根据S12预处理确定钞票的上下左右的边界,因为钞票的水印和隐形数字面额的位置相对于该钞票是固定的,即可以确定钞票的水印和隐形数字面额的防伪特征的位置;对确定钞票的水印和隐形数字面额的防伪特征的位置的图像信息进行分割,获取钞票水印的防伪特征和隐形数字面额的防伪特征。
其中,对S14作进一步说明:
利用分割出来的水印防伪特征和隐形数字面额防伪特征与钞票模板的防伪特征进行匹配,匹配水印防伪特征和隐形数字面额防伪特征与钞票模板防伪特征是否相同,若相同率不小于90%,则匹配识别成功,若相同率小于90%,则匹配失败。
进一步地,结合图2对S15进行详细说明:
S151:将钞票不同角度的图像信息转换成为灰度图像信息;
S152:将灰度图像信息进行量化处理,获取量化处理结果;
S153:根据量化处理结果构建对象数据矩阵;
S154:对对象数据矩阵进行灰度量化值进行归一化处理,获取灰度量化值归一化后的对象数据矩阵;
S155:利用灰度量化值归一化后的对象数据矩阵与真钞模板不同角度的图像信息的灰度量化值归一化后的对象数据矩阵进行对比识别,获取识别结果。
其中,对S152作进一步说明:
将灰度图像信息的亮度进行量化处理,按照亮度划分为0~255,共为256个灰度值,0表示最暗(黑),255表示最亮(白),即根据灰度图像的亮度采用数字表示即可实现量化处理。
其中,对S153作进一步说明:
提取灰度图像信息的边、角、水印、隐形数字面额、头像和安全线6个区域的亮度表示数字,利用这些亮度表示数字构建对象数据矩阵。
进一步地,在S154中,对对象数据矩阵进行灰度量化值进行归一化处理,采用Max-Min方法对对象数据矩阵进行归一化处理,把对象数据矩阵的每个元素归一到[0,1];采用Max-Min方法对对象数据矩阵进行归一化处理的原因,是因为Max-Min归一化方法保留了原始信息的分布,改变的仅仅是元素的值域,对后续的对比识别结果不会产生任何的影响。
其中,对S155作进一步说明:
利用灰度量化值归一化后的对象数据矩阵中的每一个元素与真钞模板不同角度的图像信息的灰度量化值归一化后的对象数据矩阵对应的元素进行对比识别,若两个元素的误差范围在5%以后,则认为这个元素识别成功,否则,识别失败;获取最终的识别成功率。
其中,对S16作进一步说明:
根据S155获取的识别成功率,若是识别成功率不小于90%,那么判断该钞票为真钞,若是识别成功率小于90%,那么判断该钞票为假钞。
图3是本发明的基于智能手机的伪钞识别系统的第一实施例的结构组成示意图,如图3所示,该伪钞识别系统包括:
采集模块31:用于对钞票图像信息进行采集,获取钞票不同角度的图像信息;
处理模块32:用于对钞票不同角度的图像信息进行预处理,获取预处理结果;
分割模块33:用于根据预处理结果,将钞票的水印和隐形数字面额防伪特征进行区域分割,获取分割结果;
匹配模块34:用于对分割结果与真钞模板图像信息的防伪特征进行匹配识别,获取匹配识别结果;
光变油墨检测模块35:用于根据匹配结果,对钞票不同角度的图像信息进行光变油墨特性检测,获取检测结果,根据检测结果判别钞票的真伪。
图4是本发明的基于智能手机的伪钞识别系统的第二实施例的结构组成示意图,如图4所示,该伪钞识别系统还包括:
存储模块36:用于存储真钞模板图像信息的防伪特征和真钞模板不同角度的图像信息的灰度量化值归一化后的对象数据矩阵。
其中,处理模块32包括:
图像信息处理单元:用于对图像信息进行灰度等级直方图处理,获取灰度图像信息;
降噪单元:用于对灰度图像信息采用低通滤波处理,获取消除可识别的小点噪声的灰度图像信息;
边界确定单元:用于对消除可识别的小点噪声的灰度图像信息进行高通滤波和差分运算的方法处理,获取确定上下左右边界的灰度图像信息。
其中,分割模块33包括:
位置确定单元:用于根据确定上下左右边界的灰度图像信息,对钞票的水印和隐形数字面额的防伪特征位置进行确定;
分割单元:用于根据确定的钞票的水印和隐形数字面额的防伪特征位置,对钞票的水印和隐形数字面额的防伪点进行分割,获取分割后的钞票的水印防伪特征和钞票的隐形数字面额防伪特征。
其中,光变油墨检测模块35包括:
色彩转换单元:用于将钞票不同角度的图像信息转换成为灰度图像信息;
量化处理单元:用于将灰度的图像信息进行量化处理,获取量化处理结果;
矩阵构建单元:用于根据量化处理结果构建对象数据矩阵;
矩阵归一化单元:用于对对象数据矩阵进行灰度量化值进行归一化处理,获取灰度量化值归一化后的对象数据矩阵;
对比单元:用于根据灰度量化值归一化后的对象数据矩阵与真钞模板不同角度的图像信息的灰度量化值归一化后的对象数据矩阵进行对比识别,获取识别结果。
在本发明实施例中,通过智能手机对钞票进行图像信息的采集,将所得的图像信息进行预处理,对预处理结果进行区域分割处理,将分割结果与真钞模板图像信息防伪特征进行匹配识别,最后钞票不同角度的图像信息采用光变油墨特性检测来判别钞票的真伪;可以快速准确的判别钞票的真伪,提高准确率,实现随时随地对钞票的真伪进行判别,极大提高了用户的体验感。
本领域普通技术人员可以理解上述实施例的各种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来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁盘或光盘等。
另外,以上对本发明实施例所提供的基于智能手机的伪钞识别方法及系统进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,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 (8)
1.一种基于智能手机的伪钞识别方法,其特征在于,所述方法包括:
对钞票的图像信息进行采集,获取所述钞票不同角度的图像信息;
通过采用灰度等级直方图处理,获取灰度图像信息;
对所述灰度图像信息采用低通滤波处理,获取消除可识别的小点噪声的灰度图像信息;
对所述消除可识别的小点噪声的灰度图像信息进行高通滤波和差分运算方法处理,获取确定上下左右边界的灰度图像信息;
根据确定上下左右边界的灰度图像信息,对所述钞票的水印和隐形数字面额防伪特征进行区域分割,获取分割结果;
利用所述分割结果与真钞模板图像信息的防伪特征进行匹配识别,判断是否匹配识别成功;
若是,则对所述钞票不同角度的图像信息进行光变油墨特性检测识别,获取检测识别结果,根据所述检测识别结果判别所述钞票的真伪;
若否,则识别所述钞票为假钞。
2.根据权利要求1所述基于智能手机的伪钞识别方法,其特征在于,所述对钞票的图像信息进行采集的步骤包括:
对所述钞票进行旋转,采集旋转后的所述钞票的图像信息,获取所述钞票不同角度的图像信息。
3.根据权利要求1所述基于智能手机的伪钞识别方法,其特征在于,所述对所述钞票的水印和隐形数字面额防伪特征进行区域分割的步骤包括:
根据所述确定上下左右边界的灰度图像信息,对所述钞票的水印和隐形数字面额的防伪特征的位置进行确定;
根据确定的所述钞票的水印和隐形数字面额的防伪特征的位置,对所述钞票的水印和隐形数字面额的防伪特征进行分割,获取分割后的所述钞票的水印防伪特征和所述钞票的隐形数字面额防伪特征。
4.根据权利要求1所述基于智能手机的伪钞识别方法,其特征在于,所述对所述钞票不同角度的图像信息进行光变油墨特性检测识别的步骤包括:
将所述钞票不同角度的图像信息转换成为灰度图像信息;
将所述灰度图像信息进行量化处理,获取量化处理结果;
根据所述量化处理结果构建对象数据矩阵;
对所述对象数据矩阵进行灰度量化值归一化处理,获取灰度量化值归一化后的对象数据矩阵;
利用所述灰度量化值归一化后的对象数据矩阵与真钞模板不同角度图的像信息的灰度量化值归一化后的对象数据矩阵进行对比识别,获取识别结果。
5.一种基于智能手机的伪钞识别系统,其特征在于,所述伪钞识别系统包括:
采集模块:用于对钞票的图像信息进行采集,获取所述钞票不同角度的图像信息;
处理模块:用于对所述图像信息进行灰度等级直方图处理,获取灰度图像信息后采用低通滤波处理,获得消除可识别的小点噪声的灰度图像信息,并进行高通滤波和差分运算方法处理,获取确定上下左右边界的灰度图像信息;
分割模块:根据所述确定上下左右边界的灰度图像信息,将所述钞票的水印和隐形数字面额防伪特征进行区域分割,获取分割结果;
匹配模块:用于对所述分割结果与真钞模板图像信息的防伪特征进行匹配识别,获取匹配识别结果;
光变油墨检测模块:用于根据所述匹配识别结果,对所述钞票不同角度的图像信息进行光变油墨特性检测,获取检测结果,根据所述检测结果判别所述钞票的真伪。
6.根据权利要求5所述基于智能手机的伪钞识别系统,其特征在于,所述伪钞识别系统还包括:
存储模块:用于存储真钞模板图像信息的防伪特征和真钞模板不同角度的图像信息的灰度量化值归一化后的对象数据矩阵。
7.根据权利要求5所述基于智能手机的伪钞识别系统,其特征在于,所述分割模块包括:
特征位置确定单元:用于根据所述确定上下左右边界的灰度图像信息,对所述钞票的水印和隐形数字面额的防伪特征位置进行确定;
特征分割单元:用于根据确定的所述钞票的水印和隐形数字面额的防伪特征位置,对所述钞票的水印和隐形数字面额的防伪特征进行分割,获取分割后的所述钞票的水印防伪特征和所述钞票的隐形数字面额防伪特征。
8.根据权利要求5所述基于智能手机的伪钞识别系统,其特征在于,所述光变油墨检测模块包括:
色彩转换单元:用于将所述钞票不同角度的图像信息转换成为灰度图像信息;
量化处理单元:用于将所述灰度图像信息进行量化处理,获取量化处理结果;
矩阵构建单元:用于根据所述量化处理结果构建对象数据矩阵;
矩阵归一化单元:用于对所述对象数据矩阵进行灰度量化值进行归一化处理,获取灰度量化值归一化后的对象数据矩阵;
对比单元:用于利用所述灰度量化值归一化后的对象数据矩阵与所述真钞模板不同角度的图像信息的灰度量化值归一化后的对象数据矩阵进行对比,获取对比结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510401052.4A CN105046807B (zh) | 2015-07-09 | 2015-07-09 | 一种基于智能手机的伪钞识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510401052.4A CN105046807B (zh) | 2015-07-09 | 2015-07-09 | 一种基于智能手机的伪钞识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105046807A CN105046807A (zh) | 2015-11-11 |
CN105046807B true CN105046807B (zh) | 2017-12-26 |
Family
ID=54453322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510401052.4A Active CN105046807B (zh) | 2015-07-09 | 2015-07-09 | 一种基于智能手机的伪钞识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105046807B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108320371B (zh) * | 2017-01-17 | 2021-01-01 | 深圳怡化电脑股份有限公司 | 一种纸币鉴伪的方法及装置 |
CN107492185A (zh) * | 2017-07-27 | 2017-12-19 | 上海青橙实业有限公司 | 基于移动终端的货币识别方法和装置 |
CN108230536A (zh) * | 2017-12-28 | 2018-06-29 | 王道顺 | 一种对光可变防伪标识识别方法及装置 |
CN108520055A (zh) * | 2018-04-04 | 2018-09-11 | 天目爱视(北京)科技有限公司 | 一种基于天目点云比对的产品检测鉴定方法 |
CN109389153B (zh) * | 2018-08-31 | 2021-03-02 | 众安信息技术服务有限公司 | 一种全息防伪码校验方法及装置 |
CN109408675B (zh) * | 2018-11-01 | 2021-03-26 | 中山大学 | 一种基于可视化操作的Halin图最大切割方法及平台 |
CN110197548A (zh) * | 2019-03-11 | 2019-09-03 | 王娅雯 | 一种手机端钱币真假检测方法 |
CN110427972B (zh) * | 2019-07-09 | 2022-02-22 | 众安信息技术服务有限公司 | 证件视频特征提取方法、装置、计算机设备和存储介质 |
CN112802017B (zh) * | 2021-03-30 | 2021-08-24 | 佛山隆深机器人有限公司 | 一种基于工作台的产品外部合格性检测方法及装置 |
CN113936374B (zh) * | 2021-09-26 | 2024-03-15 | 中国农业银行股份有限公司四川省分行 | 一种基于双注意力机制的纸币鉴别方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520912A (zh) * | 2008-02-29 | 2009-09-02 | 富士通先端科技株式会社 | 纸张种类鉴别装置及纸张种类鉴别方法 |
CN102194275A (zh) * | 2010-03-15 | 2011-09-21 | 党力 | 一种车票自动检票方法 |
CN102542655A (zh) * | 2011-11-16 | 2012-07-04 | 中钞实业有限公司 | 基于纤维个性化特征的票据防伪鉴别方法 |
CN102750771A (zh) * | 2012-07-13 | 2012-10-24 | 中山大学 | 一种应用于智能手机的第五套人民币面额识别方法 |
KR20130014920A (ko) * | 2011-08-01 | 2013-02-12 | 삼성전자주식회사 | 휴대 단말기를 이용하는 위폐 감별법 |
CN104574638A (zh) * | 2014-09-30 | 2015-04-29 | 上海层峰金融设备有限公司 | 一种人民币识别方法 |
CN104573700A (zh) * | 2015-02-04 | 2015-04-29 | 广州广电运通金融电子股份有限公司 | 一种褶皱票据鉴别方法及装置 |
CN104658097A (zh) * | 2015-03-11 | 2015-05-27 | 华中科技大学 | 一种基于图像的直方图匹配的人民币纸币面额识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7366337B2 (en) * | 2004-02-11 | 2008-04-29 | Sbc Knowledge Ventures, L.P. | Personal bill denomination reader |
-
2015
- 2015-07-09 CN CN201510401052.4A patent/CN105046807B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520912A (zh) * | 2008-02-29 | 2009-09-02 | 富士通先端科技株式会社 | 纸张种类鉴别装置及纸张种类鉴别方法 |
CN102194275A (zh) * | 2010-03-15 | 2011-09-21 | 党力 | 一种车票自动检票方法 |
KR20130014920A (ko) * | 2011-08-01 | 2013-02-12 | 삼성전자주식회사 | 휴대 단말기를 이용하는 위폐 감별법 |
CN102542655A (zh) * | 2011-11-16 | 2012-07-04 | 中钞实业有限公司 | 基于纤维个性化特征的票据防伪鉴别方法 |
CN102750771A (zh) * | 2012-07-13 | 2012-10-24 | 中山大学 | 一种应用于智能手机的第五套人民币面额识别方法 |
CN104574638A (zh) * | 2014-09-30 | 2015-04-29 | 上海层峰金融设备有限公司 | 一种人民币识别方法 |
CN104573700A (zh) * | 2015-02-04 | 2015-04-29 | 广州广电运通金融电子股份有限公司 | 一种褶皱票据鉴别方法及装置 |
CN104658097A (zh) * | 2015-03-11 | 2015-05-27 | 华中科技大学 | 一种基于图像的直方图匹配的人民币纸币面额识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105046807A (zh) | 2015-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105046807B (zh) | 一种基于智能手机的伪钞识别方法及系统 | |
CN104318257B (zh) | 纸币识别方法与系统 | |
CN107085883B (zh) | 一种纸币识别的方法和装置 | |
CN104298989A (zh) | 基于斑马线红外图像特征的鉴伪方法及其系统 | |
CN111126366B (zh) | 一种活体人脸的判别方法、装置、设备及存储介质 | |
Tessfaw et al. | Ethiopian banknote recognition and fake detection using support vector machine | |
Sharan et al. | Detection of counterfeit Indian currency note using image processing | |
CN103729656A (zh) | 印鉴印痕的鉴别方法及鉴别系统 | |
CN107067533A (zh) | 一种纸币鉴别的方法及装置 | |
Suresh et al. | Indian currency recognition and verification using image processing | |
CN107742357A (zh) | 一种纸币冠字号的识别方法及装置 | |
CN104835243A (zh) | 一种纸币防伪点多特征融合的鉴别纸币真伪的方法 | |
CN107527423B (zh) | 纸币防伪识别方法及纸币识别装置 | |
CN106875543B (zh) | 一种基于rgb-d相机的视障人士纸币识别系统及识别方法 | |
AU2013325049B2 (en) | Anti-counterfeiting feature generation method for valuable document and authentication method and device therefor | |
Lamsal | COUNTERFIET PAPER BANKNOTE IDENTIFICATION BASED ON COLOR AND TEXTURE | |
Patil et al. | Fake currency detection using image processing | |
Vidhate et al. | Fake currency detection application | |
US11823521B2 (en) | Image processing method for an identity document | |
Babar et al. | Counterfeit currency detector | |
CN108320371B (zh) | 一种纸币鉴伪的方法及装置 | |
CN113269917B (zh) | 一种磁性介质的识别方法、装置、电子设备以及可读介质 | |
CN107240184A (zh) | 一种塑料币版本识别的方法、装置及设备 | |
CN108074324B (zh) | 一种纸币鉴伪方法及装置 | |
CN106780960B (zh) | 一种伊朗纸币币种的识别方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |