CN105184954A - 一种检测纸币的方法及验钞装置 - Google Patents
一种检测纸币的方法及验钞装置 Download PDFInfo
- Publication number
- CN105184954A CN105184954A CN201510501978.0A CN201510501978A CN105184954A CN 105184954 A CN105184954 A CN 105184954A CN 201510501978 A CN201510501978 A CN 201510501978A CN 105184954 A CN105184954 A CN 105184954A
- Authority
- CN
- China
- Prior art keywords
- money
- magnetic
- characteristic information
- bank note
- value
- 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.)
- Granted
Links
Abstract
本发明实施例公开了一种检测纸币的方法及装置,通过获取不同币值的纸币的磁条通道位置;将所述磁条通道位置的磁性信号进行傅里叶变换形成数列,从所述数列中提取不同币值的特征信息;将所述不同币值的特征信息输入分类器训练分类器;根据待检测纸币的特征信息和训练后的分类器获取待检测纸币的币值,从而通过磁条位置的磁性信号的傅里叶变换后的特征进行钞票的币值识别,通过动态自适应的方法定位磁条位置,不需要预先选取钞票不同区域,选取磁性特征信息在频域的特性作为特征信息输入分类器,可以有效快速的识别不同面额钞票的币值。
Description
技术领域
本发明实施例涉及纸币处理的技术领域,尤其涉及一种检测纸币的方法及验钞装置。
背景技术
在验钞过程中,钞票的币值识别是非常重要的步骤。现有的币值识别方案根据钞票的图像信息特征进行提取和识别,针对不同面额的纸币需要提取纸币RGB图像或者UV图像不同区域的信息,识别部分也需要根据钞票版本等的不同进行相应的修改。同时在采集环境改变如图像亮度改变等,出现新版本新币种的时候也会导致需要进行相应的技术方案的修改,因此导致币值识别的不通用性。
发明内容
本发明实施例的目的在于提出一种检测纸币的方法及装置,旨在解决如何快速识别纸币的币值且具有通用性的问题。
为达此目的,本发明实施例采用以下技术方案:
一种检测纸币的方法,所述方法包括:
获取不同币值的纸币的磁条通道位置;
将所述磁条通道位置的磁性信号进行傅里叶变换形成数列,从所述数列中提取不同币值的特征信息;
将所述不同币值的特征信息输入分类器训练分类器;
根据待检测纸币的特征信息和训练后的分类器获取待检测纸币的币值。
优选地,所述获取不同币值的纸币的磁条通道位置,包括:
遍历币值磁性数据的所有通道,计算阈值满足一定条件的磁性数据的宽度,宽度最大值对应的通道为磁条通道位置,所述阈值条件为(0,A)∪(B,4096)。
优选地,所述将所述不同币值的特征信息输入分类器训练分类器,包括:
提取不同币值的特征信息输入分类器来训练分类器,每类币值选取一定数量的样本进行训练,其中,所述分类器为BP神经网络分类器。
优选地,所述将所述不同币值的特征信息输入分类器训练分类器之后,还包括:
保存训练后的网络参数。
优选地,所述根据待检测纸币的特征信息和训练后的分类器获取待检测纸币的币值之前,还包括:
获取待检测纸币的磁条通道位置;
将所述磁条通道位置的磁性信号进行傅里叶变换形成数列,从所述数列中提取带检测纸币的特征信息。
一种验钞装置,所述装置包括:
第一获取模块,用于获取不同币值的纸币的磁条通道位置;
第一提取模块,用于将所述磁条通道位置的磁性信号进行傅里叶变换形成数列,从所述数列中提取不同币值的特征信息;
输入模块,用于将所述不同币值的特征信息输入分类器训练分类器;
第二获取模块,用于根据待检测纸币的特征信息和训练后的分类器获取待检测纸币的币值。
优选地,所述第一获取模块,包括:
计算单元,用于遍历币值磁性数据的所有通道,计算阈值满足一定条件的磁性数据的宽度,宽度最大值对应的通道为磁条通道位置,所述阈值条件为(0,A)∪(B,4096)。
优选地,所述输入模块,包括:
选取单元,用于提取不同币值的特征信息输入分类器来训练分类器,每类币值选取一定数量的样本进行训练,其中,所述分类器为BP神经网络分类器。
优选地,所述装置还包括:
保存模块,用于保存训练后的网络参数。
优选地,所述装置还包括:
第三获取模块,用于获取待检测纸币的磁条通道位置;
第二提取模块,用于将所述磁条通道位置的磁性信号进行傅里叶变换形成数列,从所述数列中提取带检测纸币的特征信息。
本发明实施例通过获取不同币值的纸币的磁条通道位置;将所述磁条通道位置的磁性信号进行傅里叶变换形成数列,从所述数列中提取不同币值的特征信息;将所述不同币值的特征信息输入分类器训练分类器;根据待检测纸币的特征信息和训练后的分类器获取待检测纸币的币值,从而通过磁条位置的磁性信号的傅里叶变换后的特征进行钞票的币值识别,通过动态自适应的方法定位磁条位置,不需要预先选取钞票不同区域,选取磁性特征信息在频域的特性作为特征信息输入分类器,可以有效快速的识别不同面额钞票的币值。
附图说明
图1是本发明实施例一种检测纸币的方法第一实施例的流程示意图;
图2是本发明实施例提供的5元纸币的磁性信号的傅里叶变换频谱的示意图;
图3是本发明实施例提供的10元纸币的磁性信号的傅里叶变换频谱的示意图;
图4是本发明实施例提供的20元纸币的磁性信号的傅里叶变换频谱的示意图;
图5是本发明实施例提供的50元纸币的磁性信号的傅里叶变换频谱的示意图;
图6是本发明实施例提供的100元纸币的磁性信号的傅里叶变换频谱的示意图;
图7是本发明实施例提供的100元纸币的磁性特征信息的示意图;
图8是本发明实施例提供的100元纸币磁条的磁性特征信息;
图9是本发明实施例一种检测纸币的方法第二实施例的流程示意图;
图10是本发明实施例一种检测纸币的方法第三实施例的流程示意图;
图11是本发明实施例验钞装置的功能模块示意图;
图12是本发明实施例第一获取模块的功能模块示意图;
图13是本发明实施例输入模块的功能模块示意图;
图14是本发明实施例验钞装置的功能模块示意图;
图15是本发明实施例验钞装置的功能模块示意图。
具体实施方式
下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明实施例,而非对本发明实施例的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明实施例相关的部分而非全部结构。
实施例一
参考图1,图1是本发明实施例一种检测纸币的方法第一实施例的流程示意图。
在实施例一中,所述检测纸币的方法包括:
步骤101,获取不同币值的纸币的磁条通道位置;
优选地,所述获取不同币值的纸币的磁条通道位置,包括:
遍历币值磁性数据的所有通道,计算阈值满足一定条件的磁性数据的宽度,宽度最大值对应的通道为磁条通道位置,所述阈值条件为(0,A)∪(B,4096)。
具体的,参考图2至图6所示的不同币值的纸币的磁性信号的傅里叶变换频谱的示意图。
图2是本发明实施例提供的5元纸币的磁性信号的傅里叶变换频谱的示意图。
图3是本发明实施例提供的10元纸币的磁性信号的傅里叶变换频谱的示意图。
图4是本发明实施例提供的20元纸币的磁性信号的傅里叶变换频谱的示意图。
图5是本发明实施例提供的50元纸币的磁性信号的傅里叶变换频谱的示意图。
图6是本发明实施例提供的100元纸币的磁性信号的傅里叶变换频谱的示意图。
图7是本发明实施例提供的100元纸币的磁性特征信息的示意图。
图8是本发明实施例提供的100元纸币磁条的磁性特征信息。
具体的,从图2至图6中可以看出不同面额钞票的磁条位置磁性信号傅里叶变换频谱差异比较明显。从图7可以看出,磁性特征信息包括磁条的磁性特征信息和磁块的磁性特征信息,而磁条的信号宽度最大且比磁块的信号稳定。选取磁条位置的信号的傅里叶变换作为识别的依据。从图8可以看出,磁条的磁性特征信息稳定且呈现一定得周期性,适合使用傅里叶变换将时域信号变换到频域分析。
步骤102,将所述磁条通道位置的磁性信号进行傅里叶变换形成数列,从所述数列中提取不同币值的特征信息;
具体的,定位磁条的通道位置。遍历磁性数据的所有通道,计算阈值满足一定条件的磁性数据的宽度,宽度最大值对应的通道即为磁条通道所在的位置。由于磁性数据存在背景信息和噪声信息,阈值条件为(0,A)∪(B,4096)。A与B通过大量统计来确定。不同币值的纸币磁条位置不固定,相同币值的纸币的磁条位置也存在波动。根据输入的磁性数据,动态的定位磁条位置。定位方法简单有效快速,定位精确。
步骤103,将所述不同币值的特征信息输入分类器训练分类器;
优选地,所述将所述不同币值的特征信息输入分类器训练分类器,包括:
提取不同币值的特征信息输入分类器来训练分类器,每类币值选取一定数量的样本进行训练,其中,所述分类器为BP神经网络分类器。
具体的,磁条的磁性特征信息稳定且呈现一定得周期性,傅里叶变换将时域信号变换到频域分析,能够对相同面额不同面向钞票的磁性信息进行统一处理,使磁性数据特征稳定,使相同面额钞票磁性信息的差异最小化同时使不同面额的磁性信息的差异最大化。
提取不同面额的特征信息输入分类器来训练分类器,每类面额的币值选取一定数量的样本进行训练,此处采用BP神经网络分类器进行训练,保存训练好的网络参数,识别阶段加载训练好的网络参数即可。
步骤104,根据待检测纸币的特征信息和训练后的分类器获取待检测纸币的币值。
具体的,假设待检测纸币为100元面额,先提取该100元面额的磁条特征信息,将此特征信息输入至训练后的分类器,分类器利用之前存储的网络参数可以获取待检测纸币为100元纸币的结果。
本发明实施例通过获取不同币值的纸币的磁条通道位置;将所述磁条通道位置的磁性信号进行傅里叶变换形成数列,从所述数列中提取不同币值的特征信息;将所述不同币值的特征信息输入分类器训练分类器;根据待检测纸币的特征信息和训练后的分类器获取待检测纸币的币值,从而通过磁条位置的磁性信号的傅里叶变换后的特征进行钞票的币值识别,通过动态自适应的方法定位磁条位置,不需要预先选取钞票不同区域,选取磁性特征信息在频域的特性作为特征信息输入分类器,可以有效快速的识别不同面额钞票的币值。
实施例二
参考图9,图9是本发明实施例一种检测纸币的方法第二实施例的流程示意图。
在实施例一的基础上,所述将所述不同币值的特征信息输入分类器训练分类器之后,还包括:
步骤105,保存训练后的网络参数。
具体的,本发明实施例定位磁条位置的方法简单快速有效,定位精确;
磁条位置的磁性信号的傅里叶变换后的特征信息,能够对相同面额不同面向钞票的磁性信息进行统一处理,使磁性数据特征稳定,使相同面额钞票磁性信息的差异最小化同时使不同面额的磁性信息的差异最大化;
可以通用的识别不同面额的币值,每种面额的币值只需训练一次;
方案通用性好,在训练阶段增加2015版钞票的磁性特征信息,不需要很大的改动,就可以准确快速的识别2015版钞票的面额。
实施例三
参考图10,图10是本发明实施例一种检测纸币的方法第三实施例的流程示意图。
在实施例一或者实施例二的基础上,在实施例二的基础上,所述根据待检测纸币的特征信息和训练后的分类器获取待检测纸币的币值之前,还包括:
步骤106,获取待检测纸币的磁条通道位置;
步骤107,将所述磁条通道位置的磁性信号进行傅里叶变换形成数列,从所述数列中提取带检测纸币的特征信息。
具体的,通过磁条位置的磁性信号的傅里叶变换后的特征进行钞票的币值识别。一般的币值识别需要根据RGB或者UV图像信息,本发明不同于传统方法,利用钞票磁条位置的磁性信号的傅里叶变换后的特征进行钞票的币值识别,可以针对不同币值保证方法的高度有效性。当本发明与其他方法结合的时,多模态的方法更加提高不同面额钞票币值识别的准确性。
本发明实施例提取特征-训练分类器-识别的模式,通过动态自适应的方法定位磁条位置,不需要预先选取钞票不同区域,选取磁性特征信息在频域的特性作为特征信息输入分类器,可以有效快速的识别不同面额钞票的币值。
实施例四
参考图11,图11是本发明实施例验钞装置的功能模块示意图。
在实施例四中,所述验钞装置包括:
第一获取模块1101,用于获取不同币值的纸币的磁条通道位置;
优选地,参考图12,图12是本发明实施例第一获取模块的功能模块示意图。所述第一获取模块1101,包括:
计算单元1201,用于遍历币值磁性数据的所有通道,计算阈值满足一定条件的磁性数据的宽度,宽度最大值对应的通道为磁条通道位置,所述阈值条件为(0,A)∪(B,4096)。
具体的,参考图2至图6所示的不同币值的纸币的磁性信号的傅里叶变换频谱的示意图。
图2是本发明实施例提供的5元纸币的磁性信号的傅里叶变换频谱的示意图。
图3是本发明实施例提供的10元纸币的磁性信号的傅里叶变换频谱的示意图。
图4是本发明实施例提供的20元纸币的磁性信号的傅里叶变换频谱的示意图。
图5是本发明实施例提供的50元纸币的磁性信号的傅里叶变换频谱的示意图。
图6是本发明实施例提供的100元纸币的磁性信号的傅里叶变换频谱的示意图。
图7是本发明实施例提供的100元纸币的磁性特征信息的示意图。
图8是本发明实施例提供的100元纸币磁条的磁性特征信息。
具体的,从图2至图6中可以看出不同面额钞票的磁条位置磁性信号傅里叶变换频谱差异比较明显。从图7可以看出,磁性特征信息包括磁条的磁性特征信息和磁块的磁性特征信息,而磁条的信号宽度最大且比磁块的信号稳定。选取磁条位置的信号的傅里叶变换作为识别的依据。从图8可以看出,磁条的磁性特征信息稳定且呈现一定得周期性,适合使用傅里叶变换将时域信号变换到频域分析。
第一提取模块1102,用于将所述磁条通道位置的磁性信号进行傅里叶变换形成数列,从所述数列中提取不同币值的特征信息;
具体的,定位磁条的通道位置。遍历磁性数据的所有通道,计算阈值满足一定条件的磁性数据的宽度,宽度最大值对应的通道即为磁条通道所在的位置。由于磁性数据存在背景信息和噪声信息,阈值条件为(0,A)∪(B,4096)。A与B通过大量统计来确定。不同币值的纸币磁条位置不固定,相同币值的纸币的磁条位置也存在波动。根据输入的磁性数据,动态的定位磁条位置。定位方法简单有效快速,定位精确。
输入模块1103,用于将所述不同币值的特征信息输入分类器训练分类器;
优选地,参考图13,图13是本发明实施例输入模块的功能模块示意图。
所述输入模块1103,包括:
选取单元1301,用于提取不同币值的特征信息输入分类器来训练分类器,每类币值选取一定数量的样本进行训练,其中,所述分类器为BP神经网络分类器。
具体的,磁条的磁性特征信息稳定且呈现一定得周期性,傅里叶变换将时域信号变换到频域分析,能够对相同面额不同面向钞票的磁性信息进行统一处理,使磁性数据特征稳定,使相同面额钞票磁性信息的差异最小化同时使不同面额的磁性信息的差异最大化。
提取不同面额的特征信息输入分类器来训练分类器,每类面额的币值选取一定数量的样本进行训练,此处采用BP神经网络分类器进行训练,保存训练好的网络参数,识别阶段加载训练好的网络参数即可。
第二获取模块1104,用于根据待检测纸币的特征信息和训练后的分类器获取待检测纸币的币值。
具体的,假设待检测纸币为100元面额,先提取该100元面额的磁条特征信息,将此特征信息输入至训练后的分类器,分类器利用之前存储的网络参数可以获取待检测纸币为100元纸币的结果。
本发明实施例通过获取不同币值的纸币的磁条通道位置;将所述磁条通道位置的磁性信号进行傅里叶变换形成数列,从所述数列中提取不同币值的特征信息;将所述不同币值的特征信息输入分类器训练分类器;根据待检测纸币的特征信息和训练后的分类器获取待检测纸币的币值,从而通过磁条位置的磁性信号的傅里叶变换后的特征进行钞票的币值识别,通过动态自适应的方法定位磁条位置,不需要预先选取钞票不同区域,选取磁性特征信息在频域的特性作为特征信息输入分类器,可以有效快速的识别不同面额钞票的币值。
实施例五
参考图14,图14是本发明实施例验钞装置的功能模块示意图。
在实施例四的基础上,所述装置还包括:
保存模块1105,用于保存训练后的网络参数。
具体的,本发明实施例定位磁条位置的方法简单快速有效,定位精确;
磁条位置的磁性信号的傅里叶变换后的特征信息,能够对相同面额不同面向钞票的磁性信息进行统一处理,使磁性数据特征稳定,使相同面额钞票磁性信息的差异最小化同时使不同面额的磁性信息的差异最大化;
可以通用的识别不同面额的币值,每种面额的币值只需训练一次;
方案通用性好,在训练阶段增加2015版钞票的磁性特征信息,不需要很大的改动,就可以准确快速的识别2015版钞票的面额。
实施例六
参考图15,图15是本发明实施例验钞装置的功能模块示意图。
在实施例四或者实施例五的基础上,在实施例五的基础上为例进行说明,所述装置还包括:
第三获取模块1106,用于获取待检测纸币的磁条通道位置;
第二提取模块1107,用于将所述磁条通道位置的磁性信号进行傅里叶变换形成数列,从所述数列中提取带检测纸币的特征信息。
具体的,通过磁条位置的磁性信号的傅里叶变换后的特征进行钞票的币值识别。一般的币值识别需要根据RGB或者UV图像信息,本发明不同于传统方法,利用钞票磁条位置的磁性信号的傅里叶变换后的特征进行钞票的币值识别,可以针对不同币值保证方法的高度有效性。当本发明与其他方法结合的时,多模态的方法更加提高不同面额钞票币值识别的准确性。
本发明实施例提取特征-训练分类器-识别的模式,通过动态自适应的方法定位磁条位置,不需要预先选取钞票不同区域,选取磁性特征信息在频域的特性作为特征信息输入分类器,可以有效快速的识别不同面额钞票的币值。
以上结合具体实施例描述了本发明实施例的技术原理。这些描述只是为了解释本发明实施例的原理,而不能以任何方式解释为对本发明实施例保护范围的限制。基于此处的解释,本领域的技术人员不需要付出创造性的劳动即可联想到本发明实施例的其它具体实施方式,这些方式都将落入本发明实施例的保护范围之内。
Claims (10)
1.一种检测纸币的方法,其特征在于,所述方法包括:
获取不同币值的纸币的磁条通道位置;
将所述磁条通道位置的磁性信号进行傅里叶变换形成数列,从所述数列中提取不同币值的特征信息;
将所述不同币值的特征信息输入分类器训练分类器;
根据待检测纸币的特征信息和训练后的分类器获取待检测纸币的币值。
2.根据权利要求1所述的方法,其特征在于,所述获取不同币值的纸币的磁条通道位置,包括:
遍历币值磁性数据的所有通道,计算阈值满足一定条件的磁性数据的宽度,宽度最大值对应的通道为磁条通道位置,所述阈值条件为(0,A)∪(B,4096)。
3.根据权利要求1所述的方法,其特征在于,所述将所述不同币值的特征信息输入分类器训练分类器,包括:
提取不同币值的特征信息输入分类器来训练分类器,每类币值选取一定数量的样本进行训练,其中,所述分类器为BP神经网络分类器。
4.根据权利要求3所述的方法,其特征在于,所述将所述不同币值的特征信息输入分类器训练分类器之后,还包括:
保存训练后的网络参数。
5.根据权利要求1至4任意一项所述的方法,其特征在于,所述根据待检测纸币的特征信息和训练后的分类器获取待检测纸币的币值之前,还包括:
获取待检测纸币的磁条通道位置;
将所述磁条通道位置的磁性信号进行傅里叶变换形成数列,从所述数列中提取带检测纸币的特征信息。
6.一种验钞装置,其特征在于,所述装置包括:
第一获取模块,用于获取不同币值的纸币的磁条通道位置;
第一提取模块,用于将所述磁条通道位置的磁性信号进行傅里叶变换形成数列,从所述数列中提取不同币值的特征信息;
输入模块,用于将所述不同币值的特征信息输入分类器训练分类器;
第二获取模块,用于根据待检测纸币的特征信息和训练后的分类器获取待检测纸币的币值。
7.根据权利要求6所述的装置,其特征在于,所述第一获取模块,包括:
计算单元,用于遍历币值磁性数据的所有通道,计算阈值满足一定条件的磁性数据的宽度,宽度最大值对应的通道为磁条通道位置,所述阈值条件为(0,A)∪(B,4096)。
8.根据权利要求6所述的装置,其特征在于,所述输入模块,包括:
选取单元,用于提取不同币值的特征信息输入分类器来训练分类器,每类币值选取一定数量的样本进行训练,其中,所述分类器为BP神经网络分类器。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
保存模块,用于保存训练后的网络参数。
10.根据权利要求6至9任意一项所述的装置,其特征在于,所述装置还包括:
第三获取模块,用于获取待检测纸币的磁条通道位置;
第二提取模块,用于将所述磁条通道位置的磁性信号进行傅里叶变换形成数列,从所述数列中提取带检测纸币的特征信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510501978.0A CN105184954B (zh) | 2015-08-14 | 2015-08-14 | 一种检测纸币的方法及验钞装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510501978.0A CN105184954B (zh) | 2015-08-14 | 2015-08-14 | 一种检测纸币的方法及验钞装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105184954A true CN105184954A (zh) | 2015-12-23 |
CN105184954B CN105184954B (zh) | 2018-04-06 |
Family
ID=54907002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510501978.0A Active CN105184954B (zh) | 2015-08-14 | 2015-08-14 | 一种检测纸币的方法及验钞装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105184954B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106327663A (zh) * | 2016-08-09 | 2017-01-11 | 深圳怡化电脑股份有限公司 | 一种安全线定位方法及装置 |
CN109727362A (zh) * | 2018-11-15 | 2019-05-07 | 恒银金融科技股份有限公司 | 基于离散傅里叶变换的钞票磁信号识别方法 |
CN114419644A (zh) * | 2021-12-30 | 2022-04-29 | 武汉卓目科技有限公司 | 一种钞票面额识别方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0779604A1 (en) * | 1993-11-30 | 1997-06-18 | Mars Incorporated | Money validator |
WO2004001683A1 (en) * | 2002-06-19 | 2003-12-31 | Mars Incorporated | Currency validator |
WO2004023403A1 (ja) * | 2002-08-30 | 2004-03-18 | Fujitsu Limited | 紙片鑑別装置、紙片鑑別方法及びプログラム |
EP1484719A2 (en) * | 2003-06-06 | 2004-12-08 | Ncr International Inc. | Currency validation |
CN101331526A (zh) * | 2005-12-16 | 2008-12-24 | Ncr公司 | 纸币验证 |
CN101504781A (zh) * | 2009-03-10 | 2009-08-12 | 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装置 |
CN103646464A (zh) * | 2013-12-23 | 2014-03-19 | 尤新革 | 智能点验钞机识别假币自动升级的方法 |
-
2015
- 2015-08-14 CN CN201510501978.0A patent/CN105184954B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0779604A1 (en) * | 1993-11-30 | 1997-06-18 | Mars Incorporated | Money validator |
WO2004001683A1 (en) * | 2002-06-19 | 2003-12-31 | Mars Incorporated | Currency validator |
WO2004023403A1 (ja) * | 2002-08-30 | 2004-03-18 | Fujitsu Limited | 紙片鑑別装置、紙片鑑別方法及びプログラム |
EP1484719A2 (en) * | 2003-06-06 | 2004-12-08 | Ncr International Inc. | Currency validation |
CN101331526A (zh) * | 2005-12-16 | 2008-12-24 | Ncr公司 | 纸币验证 |
CN101504781A (zh) * | 2009-03-10 | 2009-08-12 | 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装置 |
CN103646464A (zh) * | 2013-12-23 | 2014-03-19 | 尤新革 | 智能点验钞机识别假币自动升级的方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106327663A (zh) * | 2016-08-09 | 2017-01-11 | 深圳怡化电脑股份有限公司 | 一种安全线定位方法及装置 |
CN106327663B (zh) * | 2016-08-09 | 2019-03-12 | 深圳怡化电脑股份有限公司 | 一种安全线定位方法及装置 |
CN109727362A (zh) * | 2018-11-15 | 2019-05-07 | 恒银金融科技股份有限公司 | 基于离散傅里叶变换的钞票磁信号识别方法 |
CN114419644A (zh) * | 2021-12-30 | 2022-04-29 | 武汉卓目科技有限公司 | 一种钞票面额识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105184954B (zh) | 2018-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105069900B (zh) | 一种处理纸币信息的方法及装置 | |
CN102324132B (zh) | 一种对紫外光图像进行识别的验钞方法及系统 | |
CN104616392A (zh) | 一种基于局部二值模式的纸币鉴伪方法 | |
CN105354913B (zh) | 一种检测纸币的方法及装置 | |
CN107103683B (zh) | 纸币识别方法和装置、电子设备和存储介质 | |
CN105678273A (zh) | 射频指纹识别技术瞬态信号的起始点检测算法 | |
CN102542660A (zh) | 基于票据水印分布特征的票据防伪鉴别方法 | |
CN106952393B (zh) | 纸币识别方法和装置、电子设备和存储介质 | |
CN105139510A (zh) | 纸币识别方法及系统 | |
CN104867225A (zh) | 一种纸币的面向识别方法及装置 | |
CN104899965A (zh) | 一种基于清分机的多国纸币序列号识别方法 | |
CN105184954A (zh) | 一种检测纸币的方法及验钞装置 | |
CN105551133A (zh) | 一种纸币拼接缝或折痕的识别方法及系统 | |
CN103698687A (zh) | 集成电路中硬件木马检测的信号处理方法及其系统 | |
CN107507330B (zh) | 纸币厚度异常的检测方法、检测装置及终端设备 | |
CN104504802A (zh) | 一种纸币拼接信号的检测方法 | |
CN103886309A (zh) | 人像识别鉴别美元面额的方法 | |
CN108304770A (zh) | 一种基于时频分析算法结合深度学习理论的气液两相流流型的方法 | |
CN110956737A (zh) | 一种安全线识别方法和装置 | |
CN107360577A (zh) | 一种基于机器学习的频谱感知方法及装置 | |
US10109132B2 (en) | Sampling method and sampling apparatus for anti-counterfeiting information about cash note | |
CN106599923B (zh) | 一种对印防伪特征的检测方法及装置 | |
CN105069899A (zh) | 一种验钞的方法及验钞装置 | |
CN103489255A (zh) | 一种钞票污损检测装置和方法 | |
CN107121530B (zh) | 一种局部和全局特征相结合的电子鼻响应谱特征提取方法 |
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 | ||
GR01 | Patent grant |