CN106447905A - 一种纸币币种识别方法与装置 - Google Patents

Abstract

本发明属于纸币币种识别领域，提供了一种纸币币种识别方法与装置。在本发明中，通过获取纸币对应的纸币图像，并从该纸币图像中截取预设识别区域的图像，该预设识别区域为纸币正面正向左上角区域，然后从该预设识别区域的图像中提取相应的特征，并判断是否与预设人民币国徽特征相匹配，是，则确定纸币为人民币；否，则确定纸币不是人民币。因此，本发明采用人民币国徽特征识别人民币币种，能够快速识别人民币币种，从而提高人民币币种识别效率。

Description

一种纸币币种识别方法与装置

技术领域

本发明属于纸币币种识别领域，尤其涉及一种纸币币种识别方法与装置。

背景技术

纸币图像识别是模式识别领域较为活跃的研究课题，具有广阔的应用前景。纸币清分机是应用该项技术的典型设备，其在金融系统中发挥着越来越大的作用。在日常生活中，自动售货机、点钞机同样离不开纸币图像识别技术。一般来讲，自动售货机、点钞机对于实时性的要求比较高，特别是纸币清分机，其一般要求在40ms内完成一次纸币图像的识别。纸币币种的识别是纸币图像识别中一项重要的内容，是纸币图像识别的基础和前提，特别是对于支持多币种的识别装置来说，纸币币种识别显得更加重要和关键。现有技术中，一般根据纸币序列号的位数以及在纸币中所处的位置不同进行纸币币种的识别。针对人民币币种的识别也是基于纸币序列号位数以及纸币序列号在纸币中所处的位置对人民币币种进行识别。但是，由于人民币纸币序列号位数和在纸币中的位置和其它类型的纸币币种差别不大，且包含序列号的纸币类型多样，因此导致人民币币种识别效率较低。

发明内容

本发明提供一种纸币币种识别方法与装置，旨在解决现有技术中存在的人民币币种识别效率低的问题。

本发明是这样实现的，一种纸币币种识别方法，其包括：

获取与纸币相应的纸币图像；

从所述纸币图像中截取预设识别区域的图像；所述预设识别区域为纸币正面正向左上角区域；

对所述预设识别区域的图像进行特征提取，并根据特征提取结果判断是否与预设人民币国徽特征相匹配，是，则确定所述纸币为人民币；否，则确定所述纸币不是人民币。

一种纸币币种识别装置，其包括：

图像获取模块，用于获取与纸币相应的纸币图像；

图像截取模块，用于从所述纸币图像中截取预设识别区域的图像，所述预设识别区域为纸币正面正向左上角区域；

特征提取与匹配模块，用于对所述预设识别区域的图像进行特征提取，并根据特征提取结果判断是否与预设人民币国徽特征相匹配，是，则确定所述纸币为人民币；否，则确定所述纸币不是人民币。

在本发明中，通过获取纸币对应的纸币图像，并从该纸币图像中截取预设识别区域的图像，该预设识别区域为纸币正面正向左上角区域，然后从该预设识别区域的图像中提取相应的特征，并判断是否与预设人民币国徽特征相匹配，是，则确定纸币为人民币；否，则确定纸币不是人民币。因此，本发明采用人民币国徽特征识别人民币币种，能够快速识别人民币币种，从而提高了人民币币种识别效率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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他的附图。

图1是本发明实施例一提供的一种纸币币种识别方法的实现流程图；

图2是本发明实施例一提供的一种纸币币种识别方法的另一实现流程图；

图3是本发明实施例二提供的纸币币种识别方法中步骤S103的一种实现流程图；

图4是本发明实施例三提供的纸币币种识别方法中步骤S103的另一种实现流程图；

图5是本发明实施例四提供的一种纸币币种识别装置的结构示意图；

图6是本发明实施例四提供的一种纸币币种识别装置的另一结构示意图；

图7是本发明实施例五提供的纸币币种识别装置中特征提取与匹配模块的结构框图；

图8是本发明实施例六提供的纸币币种识别装置中特征提取与匹配模块的另一结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例一：

图1示出了本发明第一实施例提供的一种纸币币种识别方法的实现流程，为了便于说明，仅示出了与本发明第一实施例相关的部分，详述如下：

在步骤S101中，获取与纸币相应的纸币图像。

在步骤S102中，从纸币图像中截取预设识别区域的图像；预设识别区域为纸币正面正向左上角区域。

其中，在步骤S101与步骤S102之间，还可包括对上述获取的纸币图像进行纸币正反面、纸币正反向的识别以及对纸币图像进行倾斜校正的步骤。

以一张100元的纸质人民币为例，纸币正面是指包含毛泽东头像以及冠字号的一面为纸币正面；纸币反面是指与纸币正面相对的一面为纸币反面；纸币正向是指纸币上“中国人民银行”字样从左至右延伸的方向为纸币正向；纸币反向是指与纸币正向相反的方向为纸币反向。

其中，在识别出纸币的正反面、正反向以后，还需要对纸币图像进行倾斜校正。

由于在获取纸币图像的过程中，纸币会不可避免的存在各种倾斜，因此会导致采集到的纸币图像存在不同程度的倾斜。如果不对倾斜的纸币图像进行倾斜校正，将会在不同程度上影响纸币图像的识别效果，导致识别效果差。目前的纸币图像识别在对纸币币种或者纸币真伪进行判别之前，都会对获取或者采集的纸币图像进行正反面、正反向的识别以及纸币图像的倾斜校正，根据目前纸币图像识别技术的发展，该步骤在该领域中已经成为一种较为成熟的、常用的预处理方式，因此对于获取的纸币正反面、正反向的识别以及纸币图像的倾斜校正是存在多种实现方式的。鉴于对纸币图像正反面、正反向的识别以及倾斜校正在该领域中较为成熟、常用，并且存在多种现有的实现方式，本领域技术人员可以较为容易的获知该预处理步骤的具体实现方式，并且能够容易实现纸币图像正反面、正反向的识别以及纸币图像的倾斜校正。因此，此处不再对纸币正反面、纸币正反向的识别以及纸币图像倾斜校正的具体的实现方式予以赘述。

在步骤S103中，对预设识别区域的图像中进行特征提取，并根据特征提取结果判断是否与预设人民币国徽特征相匹配，是，则确定该纸币为人民币；否，则确定该纸币不是人民币。

其中，预设人民币国徽特征是指预先采集的与人民币正面正向左上角位置的国徽图案相对应的特征信息，其包括预设人民币国徽轮廓特征和预设人民币国徽区域特征。其中，预设人民币国徽轮廓特征是指预先采集的与人民币正面正向左上角位置的国徽图案的边界轮廓特征；预设人民币国徽区域特征是指预先采集的与人民币正面正向左上角位置的国徽图案中的五角星图形特征和天安门图形特征，所以预设人民币国徽区域特征包括人民币国徽五角星图形特征和人民币国徽天安门图形特征。五角星图形特征是指五角星的数量和五角星的相对位置关系等的特征；天安门图形特征是指天安门图形的直线等特征。

为了进一步提升对人民币币种的识别效率，如图2所示，在步骤S101与步骤S102之间还可包括：

步骤S104.对纸币进行残缺污损检测以判断纸币是否残缺和污损。

步骤S105.当纸币不存在残缺和污损时，转入步骤S102。

步骤S106.当纸币存在残缺和/或污损时，退出纸币币种识别进程。

在目前市场上流通的人民币纸币版本中，存在一些残缺的或者污损的人民币纸币，根据《中国人民银行残缺污损人民币兑换办法》第二条的规定：本办法所称残缺、污损人民币是指票面撕裂、损缺，或因自然磨损、侵蚀，外观、质地受损，颜色变化，图案不清晰，防伪特征受损，不宜再继续流通使用的人民币。因此这些残缺人民币以及污损人民币按照国家规定是无法进入市场流通的，而本实施例在纸币币种识别之前进行残缺污损人民币的检测，可以说降低了残缺污损人民币进入市场流通的概率。当检测到残缺污损人民币时，不再进行纸币币种识别，在一定程度上起到了防止残缺污损人民币进入市场流通的效果。

在本实施例中，当从预设识别区域的图像中提取到的相应的特征与预设人民币国徽特征相匹配时，确定该纸币为人民币。选择国徽特征作为区别人民币币种和其他币种的区别特征，提高了人民币币种的识别效率。另外在多币种支持模式下，识别币种，可以快速进入相应币种的算法鉴伪程式。

实施例二：

本实施例是对本发明第一实施例中的步骤S103进行具体实现方式的说明，图3示出了步骤S103的具体实现流程，详细说明如下：

在步骤S1031中，对预设识别区域的图像进行边缘检测，并获取相应的边缘图像。步骤S1031具体为：根据Sobel算子、罗盘算子或者Canny算子对预设识别区域的图像进行边缘检测，并获取相应的边缘图像。

其中，Sobel算子是一个离散的一阶差分算子，用来计算图像亮度函数的一阶梯度的近似值，在图像的任何一点使用此算子，将会产生该点对应的梯度矢量或是其法矢量。该算子主要用于获得数字图像的一阶梯度，常见的应用和物理意义是边缘检测，是图像边缘检测中较为常用的边缘检测算子。罗盘算子和Canny算子也是常用的边缘检测算子。在上述对预设识别区域的图像进行边缘检测，并获取相应的边缘图像的步骤中也可以采用其他的边缘检测算子，比如Roberts Cross算子，Prewitt算子，Kirsch算子，Laplacian算子，log(Laplacian-Gauss)算子，Kirsch算子等，这些也是图像边缘检测中常用的边缘检测算子。

另外，边缘图像是指利用边缘检测算子对上述预设识别区域的图像进行边缘检测后获取到的图像。该边缘图像主要体现了预设识别区域的图像的边缘特征，反映的是图像中亮度变化明显的点。

在步骤S1032中，对边缘图像或者预设识别区域的图像进行轮廓特征提取。步骤S1032具体为：根据Hough变换类圆检测方法对边缘图像或者预设识别区域的图像进行轮廓特征提取。

Hough变换是图像处理过程中从图像中识别几何形状的基本方法之一，应用很广泛，也有很多改进算法，是图像处理中提取边缘特征最为常用的方法之一。Hough变换的基本原理在于利用点与线的对偶性，将图像空间的线条变为参数空间的聚集点，从而检测给定图像是否存在给定性质的曲线。因此，Hough变换类圆检测方法是指用于检测图像中是否存在类似于圆的曲线。轮廓特征是指依据上述Hough变换类圆检测提取的类似于圆的曲线所确定的轮廓。Hough变换是提取图像边缘特征常用的方法，基于Hough变换产生的变化如上文提到的Hough变换类圆检测以及下文将要提及的Hough变换直线检测也是图像特征提取领域中最为常用的方法。此处不在对具体原理和实现方式进行阐述。

在步骤S1033中，当提取到轮廓特征且该轮廓特征与预设人民币国徽轮廓特征相匹配时，从预设识别区域的图像获取与上述轮廓特征对应的国徽子图。

其中，国徽子图是从预设识别区域的图像中分割确定且与所获取的轮廓特征的边界相对应的国徽图像。

在步骤S1034中，对国徽子图进行区域特征提取。步骤S1034具体为：对国徽子图进行五角星图形特征和天安门图形特征提取，区域特征包括五角星图形特征和天安门图形特征。

其中，对国徽子图进行天安门图形特征提取具体可以是：根据Hough变换直线检测方法对国徽子图进行天安门图形特征提取。Hough变换直线检测方法是指用于检测图像中是否存在直线。

在步骤S1035中，当提取到区域特征时，判断该区域特征与预设人民币国徽区域特征是否匹配，是，则确定纸币为人民币；否，则确定纸币不是人民币。

由于当前进行识别的纸币可能并非是人民币，如果该纸币图像的预设识别区域不存在任何图形或者虽然存在图形但是提取到的图形特征和预设人民币国徽轮廓特征并不匹配，那么在上述步骤S1032提取轮廓特征时就有可能会存在提取不到轮廓特征或者提取到的图形特征和预设人民币国徽轮廓特征并不匹配的情况，所以，如图3所示，步骤S1032之后还包括：

步骤S1036.当提取不到轮廓特征或者提取到的轮廓特征与预设人民币国徽轮廓特征不匹配时，确定该纸币不是人民币。

同理，由于当前进行识别的纸币可能并非是人民币，如果该纸币图像的预设识别区域不存在任何图形，那么在上述步骤S1034提取区域特征时就有可能会存在提取不到区域特征的情况，所以，如图4所示，步骤S1034之后还包括：

步骤S1037.当从国徽子图中提取不到区域特征时，确定该纸币不是人民币。

此外，在步骤S1035中，当提取到区域特征时，判断该区域特征与预设人民币国徽区域特征是否匹配的步骤具体为：

判断该区域特征是否包含与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配的图形特征，是，则匹配；否，则不匹配。

具体的，上述判断该区域特征是否包含与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配的图形特征的过程中，区域特征存在以下几种情况：

(1)该区域特征当中不包含五角星图形特征和/或天安门图形特征。此种情况属于明显不包含与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配的图形特征，所以该区域特征与预设人民币国徽区域特征不匹配。

(2)该区域特征当中包含五角星图形特征和天安门图形特征，但五角星图形特征和天安门图形特征无法均分别与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配，所以该区域特征与预设人民币国徽区域特征不匹配。

(3)该区域特征当中包含五角星图形特征和天安门图形特征，且五角星图形特征和天安门图形特征均分别与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配，所以该区域特征与预设人民币国徽区域特征匹配。

上述判断该区域特征是否包含与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配的图形特征的过程中，如果区域特征中包括五角星图形特征，那么在判断该五角星图形特征是否与人民币国徽五角星图形特征匹配时，可以根据五角星的数量、相对位置关系等因素判断五角星图形特征与人民币国徽五角星图形特征是否匹配。

在本实施例中，通过分别提取特征并进行判断，当提取不到特征或者提取到的特征与预设人民币国徽特征不相匹配时，即可确定纸币不是人民币，无需进行下一步的特征提取与判断。因此，本实施例可以进一步的提高算法，最终达到快速识别人民币币种，提高人民币币种识别的效率。

实施例三：

本实施例是对本发明第一实施例中的步骤S103进行具体实现方式的说明，图4示出了步骤S103的具体实现流程，详细说明如下：

在步骤S2031中，对预设识别区域的图像进行边缘检测，并获取相应的边缘图像。步骤S2031具体为：根据Sobel算子、罗盘算子或者Canny算子对预设识别区域的图像进行边缘检测，并获取相应的边缘图像。

其中，Sobel算子是一个离散的一阶差分算子，用来计算图像亮度函数的一阶梯度的近似值，在图像的任何一点使用此算子，将会产生该点对应的梯度矢量或是其法矢量。主要用于获得数字图像的一阶梯度，常见的应用和物理意义是边缘检测，是图像边缘检测中较为常用的边缘检测算子。罗盘算子和Canny算子也是常用的边缘检测算子。在上述对预设识别区域的图像进行边缘检测，并获取相应的边缘图像的步骤中也可以采用其他的边缘检测算子，比如RobertsCross算子，Prewitt算子，Kirsch算子，Laplacian算子，log(Laplacian-Gauss)算子，Kirsch算子等，这些也是图像边缘检测中常用的边缘检测算子。

另外，边缘图像是指利用边缘检测算子对上述预设识别区域的图像进行边缘检测后获取到的图像。该边缘图像主要体现了预设识别区域的图像的边缘特征，反映的是图像中亮度变化明显的点。

在步骤S2032中，对边缘图像或者预设识别区域的图像进行轮廓特征提取。步骤S2032具体为：根据Hough变换类圆检测方法对边缘图像或者预设识别区域的图像进行轮廓特征提取。

Hough变换是图像处理过程中从图像中识别几何形状的基本方法之一，应用很广泛，也有很多改进算法，是图像处理中提取边缘特征最为常用的方法之一。Hough变换的基本原理在于利用点与线的对偶性，将图像空间的线条变为参数空间的聚集点，从而检测给定图像是否存在给定性质的曲线。因此，Hough变换类圆检测是指检测图像中是否存在类似于圆的曲线。轮廓特征是指依据上述Hough变换类圆检测提取的类似于圆的曲线所确定的轮廓。Hough变换是提取图像边缘特征常用的方法，基于Hough变换产生的变化如上文提到的Hough变换类圆检测以及下文将要提及的Hough变换直线检测也是图像特征提取领域中最为常用的方法。此处不在对具体原理和实现方式进行阐述。

在步骤S2033中，当提取到轮廓特征且该轮廓特征与预设人民币国徽轮廓特征相匹配时，对预设识别区域的图像进行区域特征提取。步骤S2033对预设识别区域的图像进行区域特征提取具体为：对预设识别区域的图像进行五角星图形特征和天安门图形特征提取，区域特征包括五角星图形特征和天安门图形特征。

其中，对预设识别区域的图像进行天安门图形特征提取具体可以是：根据Hough变换直线检测方法对预设识别区域的图像进行天安门图形特征提取。Hough变换直线检测是指检测图像中是否存在直线。

在步骤S2034中，当提取到区域特征时，判断该区域特征与预设人民币国徽区域特征是否匹配，是，则确定纸币为人民币；否，则确定纸币不是人民币。

由于当前进行识别的纸币可能并非是人民币，如果该纸币图像的预设识别区域不存在任何图形或者虽然存在图形但是提取到的图形特征和预设人民币国徽轮廓特征并不匹配，那么在上述步骤S2032提取轮廓特征时就有可能会存在提取不到轮廓特征或者提取到图形特征和预设人民币国徽轮廓特征不匹配的情况，所以，如图4所示，步骤S2032之后还包括：

步骤S2035.当提取不到轮廓特征或者提取到的轮廓特征与预设人民币国徽轮廓特征不匹配时，确定该纸币不是人民币。

同理，由于当前进行识别的纸币可能并非是人民币，如果该纸币图像的预设识别区域不存在任何图形，那么在上述步骤S2033提取区域特征时就有可能会存在提取不到区域特征的情况，所以，如图4所示，步骤S2033之后还包括：

步骤S2036.当从预设识别区域的图像中提取不到区域特征时，确定该纸币不是人民币。

此外，在步骤S2034中，当提取到区域特征时，判断该区域特征与预设人民币国徽区域特征是否匹配的步骤具体为：

判断该区域特征是否包含与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配的图形特征，是，则匹配；否，则不匹配。

具体的，上述判断该区域特征是否包含与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配的图形特征的过程中，区域特征存在以下几种情况：

(1)该区域特征当中不包含五角星图形特征和/或天安门图形特征。此种情况属于明显不包含与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配的图形特征，所以该区域特征与预设人民币国徽区域特征不匹配。

(2)该区域特征当中包含五角星图形特征和天安门图形特征，但五角星图形特征和天安门图形特征无法均分别与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配，所以该区域特征与预设人民币国徽区域特征不匹配。

(3)该区域特征当中包含五角星图形特征和天安门图形特征，且五角星图形特征和天安门图形特征均分别与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配，所以该区域特征与预设人民币国徽区域特征匹配。

上述判断该区域特征是否包含与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配的图形特征的过程中，如果区域特征中包括五角星图形特征，那么在判断该五角星图形特征是否与人民币国徽五角星图形特征匹配时，可以根据五角星的数量、相对位置关系等因素判断五角星图形特征与人民币国徽五角星图形特征是否匹配。

在本实施例中，通过分别提取特征并进行判断，当提取不到特征或者提取到的特征与预设人民币国徽特征不相匹配时，即可确定纸币不是人民币，无需进行下一步的特征提取与判断。因此，本实施例可以进一步的提高算法，最终达到快速识别人民币币种，提高人民币币种识别的效率。

实施例四：

图5示出了本发明第四实施例提供的一种纸币币种识别装置结构示意图，为了便于说明，仅示出与本发明第四实施例相关的部分。

参考图5，该纸币币种识别装置包括：

图像获取模块301，用于获取与纸币相应的纸币图像。其中，在实际应用过程中，图像获取模块301可以是采用图像传感器获取与纸币相应的纸币图像，图像传感器包括但不限于CMOS图像传感器以及CCD图像传感器。

图像截取模块302，用于从纸币图像中截取预设识别区域的图像，预设识别区域为纸币正面正向左上角区域。

特征提取与匹配模块303，用于对预设识别区域的图像进行特征提取，并根据特征提取结果判断是否与预设人民币国徽特征相匹配，是，则确定纸币为人民币；否，则确定纸币不是人民币。

其中，预设人民币国徽特征是指预先采集的与人民币正面正向左上角位置的国徽图案相对应的特征信息，其包括预设人民币国徽轮廓特征和预设人民币国徽区域特征。其中，预设人民币国徽轮廓特征是指预先采集的与人民币正面正向左上角位置的国徽图案的边界轮廓特征；预设人民币国徽区域特征是指预先采集的与人民币正面正向左上角位置的国徽图案中的五角星图形特征和天安门图形特征，所以预设人民币国徽区域特征包括人民币国徽五角星图形特征和人民币国徽天安门图形特征。五角星图形特征是指五角星的数量和五角星的相对位置关系等的特征；天安门图形特征是指天安门图形的直线等特征。

为了尽可能消除纸币倾斜对纸币图像识别带来的影响，进一步提高识别效果，在上述图像获取模块和图像截取模块之间，还可以包括图像预处理模块，用于对上述获取的纸币图像进行纸币正反面、正反向的识别以及对纸币图像进行倾斜校正。

为了进一步提升对人民币币种的识别效率，如图6所示，在图像获取模块与图像截取模块之间还可包括：

残缺污损检测模块304，用于对纸币进行残缺污损检测以判断纸币是否残缺和污损；当纸币不存在残缺和污损时，图像截图模块302从纸币图像中截取预设识别区域的图像，预设识别区域为纸币正面正向左上角区域；当纸币存在残缺和/或污损时，退出纸币币种识别进程。

残缺人民币以及污损人民币按照国家规定是无法进入市场流通的，而本实施例在纸币币种识别之前进行残缺污损人民币的检测，可以说降低了残缺污损人民币进入市场流通的概率。当检测到残缺污损人民币时，不再进行纸币币种识别，在一定程度上起到了防止残缺污损人民币进入市场流通的效果。

在本实施例中，当从预设识别区域的图像中提取到的相应的特征与预设人民币国徽特征相匹配时，确定该纸币为人民币。选择国徽特征作为区别人民币币种和其他币种的区别特征，提高了人民币币种的识别效率。另外在多币种支持模式下，识别币种，可以快速进入相应币种的算法鉴伪程式。

实施例五：

本实施例是本发明第四实施例中特征提取与匹配模块的一种结构框图，图7示出了特征提取与匹配模块的一种结构框图，包括：

边缘检测子模块3031、轮廓特征提取子模块3032、轮廓特征匹配子模块3033、子图获取子模块3034、区域特征提取子模块3035、区域特征匹配子模块3036。

边缘检测子模块3031用于对预设识别区域的图像进行边缘检测，并获取相应的边缘图像。

轮廓特征提取子模块3032用于对边缘图像或者预设识别区域的图像进行轮廓特征提取。

子图获取子模块3034用于当轮廓特征提取子模块3032提取到轮廓特征且轮廓特征匹配子模块3033判断轮廓特征与预设人民币国徽轮廓特征相匹配时，从预设识别区域的图像获取与轮廓特征对应的国徽子图。

区域特征提取子模块3035用于对国徽子图进行区域特征提取。

区域特征匹配子模块3036用于当区域特征提取子模块3035提取到区域特征时，判断区域特征与预设人民币国徽区域特征是否匹配，是，则确定纸币为人民币；否，则确定纸币不是人民币。

由于当前进行识别的纸币可能并非是人民币，如果该纸币图像的预设识别区域不存在任何图形或者虽然存在图形但是提取到的图形特征和预设人民币国徽轮廓特征并不匹配，那么在上述轮廓特征提取子模块3032提取轮廓特征时就有可能会存在提取不到轮廓特征或者提取到的轮廓特征与预设人民币国徽轮廓特征并不匹配的情况，所以，当轮廓特征提取子模块3032提取不到轮廓特征或者轮廓特征匹配子模块3033判断轮廓特征提取子模块3032提取到的轮廓特征与预设人民币国徽轮廓特征不匹配时，确定该纸币不是人民币。

同理，由于当前进行识别的纸币可能并非是人民币，如果该纸币图像的预设识别区域不存在任何图形，那么在上述区域特征提取子模块3035提取区域特征时就有可能会存在提取不到区域特征的情况，所以，当区域特征提取子模块3035从国徽子图中提取不到区域特征时，确定该纸币不是人民币。

此外，上述区域特征匹配子模块3036判断该区域特征与预设人民币国徽区域特征是否匹配具体为：

区域特征匹配子模块3036判断该区域特征是否包含与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配的图形特征，是，则匹配；否，则不匹配。

具体的，上述区域特征匹配子模块3036判断该区域特征是否包含与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配的图形特征的过程中，区域特征存在以下几种情况：

(1)该区域特征当中不包含五角星图形特征和/或天安门图形特征。此种情况属于明显不包含与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配的图形特征，所以该区域特征与预设人民币国徽区域特征不匹配。

(2)该区域特征当中包含五角星图形特征和天安门图形特征，但五角星图形特征和天安门图形特征无法均分别与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配，所以该区域特征与预设人民币国徽区域特征不匹配。

(3)该区域特征当中包含五角星图形特征和天安门图形特征，且五角星图形特征和天安门图形特征均分别与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配，所以该区域特征与预设人民币国徽区域特征匹配。

上述区域特征匹配子模块3036判断该区域特征是否包含与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配的图形特征的过程中，如果区域特征中包括五角星图形特征，那么在判断该五角星图形特征是否与人民币国徽五角星图形特征匹配时，可以根据五角星的数量、相对位置关系等因素判断五角星图形特征与人民币国徽五角星图形特征是否匹配。

在本实施例中，通过分别提取特征并进行判断，当提取不到特征或者提取到的特征与预设人民币国徽特征不相匹配时，即可确定纸币不是人民币，无需进行下一步的特征提取与判断。因此，本实施例可以进一步的提高算法，最终达到快速识别人民币币种，提高人民币币种识别的效率。

实施例六：

本实施例是本发明第四实施例中特征提取与匹配模块的另一结构框图，图8示出了特征提取与匹配模块的另一结构框图，包括：

边缘检测子模块4031、轮廓特征提取子模块4032、轮廓特征匹配子模块4033、区域特征提取子模块4034、区域特征匹配子模块4035。

边缘检测子模块4031用于对预设识别区域的图像进行边缘检测，并获取相应的边缘图像。

轮廓特征提取子模块4032用于对边缘图像或者预设识别区域的图像进行轮廓特征提取。

区域特征提取子模块4034用于当轮廓特征提取子模块4032提取到轮廓特征且轮廓特征匹配子模块4033判断轮廓特征与预设人民币国徽轮廓特征相匹配时，对预设识别区域的图像进行区域特征提取。

区域特征匹配子模块4035用于当区域特征提取子模块4034提取到区域特征时，判断区域特征与预设人民币国徽区域特征是否匹配，是，则确定纸币为人民币；否，则确定纸币不是人民币。

由于当前进行识别的纸币可能并非是人民币，如果该纸币图像的预设识别区域不存在任何图形或者虽然存在图形但是提取到的图形特征和预设人民币国徽轮廓特征并不匹配，那么在上述轮廓特征提取子模块4032提取轮廓特征时就有可能会存在提取不到轮廓特征或者提取到轮廓特征与预设人民币国徽轮廓特征不匹配的情况，所以，当轮廓特征提取子模块4032提取不到轮廓特征或者轮廓特征匹配子模块4033判断轮廓特征提取子模块4032提取到的轮廓特征与预设人民币国徽轮廓特征不匹配时，确定该纸币不是人民币。

同理，由于当前进行识别的纸币可能并非是人民币，如果该纸币图像的预设识别区域不存在任何图形，那么在上述区域特征提取子模块4034提取区域特征时就有可能会存在提取不到区域特征的情况，所以，当区域特征提取子模块4034从预设识别区域的图像中提取不到区域特征时，确定该纸币不是人民币。

此外，当区域特征提取子模块4034提取到区域特征时，上述区域特征匹配子模块4035判断该区域特征与预设人民币国徽区域特征是否匹配具体为：

区域特征匹配子模块4035判断该区域特征是否包含与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配的图形特征，是，则匹配；否，则不匹配。

具体的，上述区域特征匹配子模块4035判断该区域特征是否包含与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配的图形特征的过程中，区域特征存在以下几种情况：

(1)该区域特征当中不包含五角星图形特征和/或天安门图形特征。此种情况属于明显不包含与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配的图形特征，所以该区域特征与预设人民币国徽区域特征不匹配。

(2)该区域特征当中包含五角星图形特征和天安门图形特征，但五角星图形特征和天安门图形特征无法均分别与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配，所以该区域特征与预设人民币国徽区域特征不匹配。

(3)该区域特征当中包含五角星图形特征和天安门图形特征，且五角星图形特征和天安门图形特征均分别与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配，所以该区域特征与预设人民币国徽区域特征匹配。

上述区域特征匹配子模块4035判断该区域特征是否包含与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配的图形特征的过程中，如果区域特征中包括五角星图形特征，那么在判断该五角星图形特征是否与人民币国徽五角星图形特征匹配时，可以根据五角星的数量、相对位置关系等因素判断五角星图形特征与人民币国徽五角星图形特征是否匹配。

在本实施例中，通过分别提取特征并进行判断，当提取不到特征或者提取到的特征与预设人民币国徽特征不相匹配时，即可确定纸币不是人民币，无需进行下一步的特征提取与判断。因此，本实施例可以进一步的提高算法，最终达到快速识别人民币币种，提高人民币币种识别的效率。

关于上述实施例四至实施例六中的纸币币种识别装置，其中各个模块执行操作的具体方式已经在相应的该方法的实施例中进行了详细描述，此处不再详细阐述说明。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种纸币币种识别方法，其特征在于，所述纸币币种识别方法包括：

获取与纸币相应的纸币图像；

从所述纸币图像中截取预设识别区域的图像；所述预设识别区域为纸币正面正向左上角区域；

对所述预设识别区域的图像进行特征提取，并根据特征提取结果判断是否与预设人民币国徽特征相匹配，是，则确定所述纸币为人民币；否，则确定所述纸币不是人民币。

2.如权利要求1所述的纸币币种识别方法，其特征在于，所述对所述预设识别区域的图像进行特征提取，并根据特征提取结果判断是否与预设人民币国徽特征相匹配，是，则确定所述纸币为人民币；否，则确定所述纸币不是人民币包括：

对所述预设识别区域的图像进行边缘检测，并获取相应的边缘图像；

对所述边缘图像或者所述预设识别区域的图像进行轮廓特征提取；

当提取到轮廓特征且所述轮廓特征与预设人民币国徽轮廓特征相匹配时，从所述预设识别区域的图像获取与所述轮廓特征对应的国徽子图；

对所述国徽子图进行区域特征提取；

当提取到区域特征时，判断所述区域特征与所述预设人民币国徽区域特征是否匹配，是，则确定所述纸币为人民币；否，则确定所述纸币不是人民币；

所述预设人民币国徽特征包括所述预设人民币国徽轮廓特征和所述预设人民币国徽区域特征。

3.如权利要求1所述的纸币币种识别方法，其特征在于，所述对所述预设识别区域的图像进行特征提取，并根据特征提取结果判断是否与预设人民币国徽特征相匹配，是，则确定所述纸币为人民币；否，则确定所述纸币不是人民币包括：

对所述预设识别区域的图像进行边缘检测，并获取相应的边缘图像；

对所述边缘图像或者所述预设识别区域的图像进行轮廓特征提取；

当提取到轮廓特征且所述轮廓特征与预设人民币国徽轮廓特征相匹配时，对所述预设识别区域的图像进行区域特征提取；

当提取到区域特征时，判断所述区域特征与所述预设人民币国徽区域特征是否匹配，是，则确定所述纸币为人民币；否，则确定所述纸币不是人民币；

所述预设人民币国徽特征包括所述预设人民币国徽轮廓特征和所述预设人民币国徽区域特征。

4.如权利要求2或3所述的纸币币种识别方法，其特征在于，所述判断所述区域特征与预设人民币国徽区域特征是否匹配具体为：

判断所述区域特征是否包含与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配的图形特征，是，则匹配；否，则不匹配；

所述预设人民币国徽区域特征包括所述人民币国徽五角星图形特征和所述人民币国徽天安门图形特征。

5.如权利要求1所述的纸币币种识别方法，其特征在于，在所述获取与纸币相应的纸币图像与所述从所述纸币图像中截取预设识别区域的图像之间还包括：

对所述纸币进行残缺污损检测以判断所述纸币是否残缺和污损；

当所述纸币不存在残缺和污损时，执行所述从所述纸币图像中截取预设识别区域的图像的步骤。

6.一种纸币币种识别装置，其特征在于，所述纸币币种识别装置包括：

图像获取模块，用于获取与纸币相应的纸币图像；

图像截取模块，用于从所述纸币图像中截取预设识别区域的图像，所述预设识别区域为纸币正面正向左上角区域；

特征提取与匹配模块，用于对所述预设识别区域的图像进行特征提取，并根据特征提取结果判断是否与预设人民币国徽特征相匹配，是，则确定所述纸币为人民币；否，则确定所述纸币不是人民币。

7.如权利要求6所述的纸币币种识别装置，其特征在于，所述特征提取与匹配模块包括：

边缘检测子模块、轮廓特征提取子模块、轮廓特征匹配子模块、子图获取子模块、区域特征提取子模块及区域特征匹配子模块；

所述边缘检测子模块用于对所述预设识别区域的图像进行边缘检测，并获取相应的边缘图像；

所述轮廓特征提取子模块用于对所述边缘图像或者所述预设识别区域的图像进行轮廓特征提取；

所述子图获取子模块用于当所述轮廓特征提取子模块提取到轮廓特征且所述轮廓特征匹配子模块判断所述轮廓特征与预设人民币国徽轮廓特征相匹配时，从所述预设识别区域的图像获取与所述轮廓特征对应的国徽子图；

所述区域特征提取子模块用于对所述国徽子图进行区域特征提取；

所述区域特征匹配子模块用于当所述区域特征提取子模块提取到区域特征时，判断所述区域特征与预设人民币国徽区域特征是否匹配，是，则确定所述纸币为人民币；否，则确定所述纸币不是人民币；

所述预设人民币国徽特征包括所述预设人民币国徽轮廓特征和所述预设人民币国徽区域特征。

8.如权利要求6所述的纸币币种识别装置，其特征在于，所述特征提取与匹配模块包括：

边缘检测子模块、轮廓特征提取子模块、轮廓特征匹配子模块、区域特征提取子模块及区域特征匹配子模块；

所述边缘检测子模块用于对所述预设识别区域的图像进行边缘检测，并获取相应的边缘图像；

所述轮廓特征提取子模块用于对所述边缘图像或者所述预设识别区域的图像进行轮廓特征提取；

所述区域特征提取子模块用于当所述轮廓特征提取子模块提取到轮廓特征且所述轮廓特征匹配子模块判断所述轮廓特征与预设人民币国徽轮廓特征相匹配时，对所述预设识别区域的图像进行区域特征提取；

所述区域特征匹配子模块用于当所述区域特征提取子模块提取到区域特征时，判断所述区域特征与预设人民币国徽区域特征是否匹配，是，则确定所述纸币为人民币；否，则确定所述纸币不是人民币；

所述预设人民币国徽特征包括所述预设人民币国徽轮廓特征和所述预设人民币国徽区域特征。

9.如权利要求7或8所述的纸币币种识别装置，其特征在于，所述区域特征匹配子模块判断所述区域特征与预设人民币国徽特征是否匹配具体为：

所述区域特征匹配子模块判断所述区域特征是否包含与人民币国徽五角星图形特征和人民币国徽天安门图形特征相匹配的图形特征，是，则匹配；否，则不匹配；

所述预设人民币国徽区域特征包括所述人民币国徽五角星图形特征和所述人民币国徽天安门图形特征。

10.如权利要求6所述的纸币币种识别装置，其特征在于，所述纸币币种识别装置还包括：

残缺污损检测模块，用于对纸币进行残缺污损检测以判断所述纸币是否残缺和污损；

当检测到纸币不存在残缺和污损时，所述图像截取模块从所述纸币图像中截取预设识别区域的图像。