CN106803091A - 一种纸币币值的识别方法和系统 - Google Patents
一种纸币币值的识别方法和系统 Download PDFInfo
- Publication number
- CN106803091A CN106803091A CN201510830729.6A CN201510830729A CN106803091A CN 106803091 A CN106803091 A CN 106803091A CN 201510830729 A CN201510830729 A CN 201510830729A CN 106803091 A CN106803091 A CN 106803091A
- Authority
- CN
- China
- Prior art keywords
- value
- money
- gray level
- image
- level image
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Physiology (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种纸币币值的识别方法和系统,方法包括:获取纸币的币值特征区域灰度图像;对所述币值特征区域灰度图像进行二值化处理,得到二值化图像;使用遗传算法获取所述二值化图像的二进制字符串;使用序贯相似匹配算法将所述二进制字符串与币值模板进行匹配,得到匹配结果;根据所述匹配结果获取所述纸币的币值。不同币值的纸币,币值特征区域的特征不一致,本发明根据纸币的币值特征区域来识别纸币的币值,识别方法简单,有效,结果准确。
Description
技术领域
本发明涉及纸币币值识别技术领域,特别是一种纸币币值的识别方法和系统。
背景技术
现有某些币种(例如伊朗币)的纸币不同面值钞票大小无差异,同时钞票的面值数字信息只有钞票的反面有比较明显的面额数字,正面仅有面额数字的一部分(胶印对印数字)。这种情况的钞票的面额识别无法采用与人民币或者其他两面具有面额且不同面额纸币大小不一致的币种识别方法相同的方法,从而无法直接根据大小或者不同传感器下图像的面额信息直接识别,增大了面额识别的难度。
在验钞识别的过程中,通常需要通过两类传感器分别获取纸币的可见光图像和纸币UV图像,获取的图像再通过不同的DSP进行采集处理,分别对可见光图像和纸币UV图像进行币值识别,最后通过对两种图像识别得到的公共信息(版本信息、面值信息)进行比对,若这些公共信息匹配才认为该纸币识别正确,若公共信息不匹配则会认为识别错误。
因此,需要在UV图像下的纸币进行面值识别,UV图像通常包括:红外透射图,红外反射图,紫外反射图,绿光反射图和绿光透射图。红外和紫外图像主要用于防伪信息的识别,而绿光反射图的与可见光图像较为接近可以用于面值识别。然而对于仅在钞票的反面有比较明显的面额数字,正面仅有面额数字的一部分(胶印对印数字)的情况下,且不同面值钞票大小无差异的情况,采用单面的绿光反射图难以识别纸币币值。
发明内容
本发明提出一种纸币币值的识别方法和方法,根据纸币的币值特征区域来识别纸币的币值。
为达此目的,本发明采用以下技术方案:
第一方面,一种纸币币值的识别方法,其特征在于,包括:
获取纸币的币值特征区域灰度图像;
对所述币值特征区域灰度图像进行二值化处理,得到二值化图像;
使用遗传算法获取所述二值化图像的二进制字符串;
使用序贯相似匹配算法将所述二进制字符串与币值模板进行匹配,得到匹配结果;
根据所述匹配结果获取所述纸币的币值。
其中,所述获取纸币的币值特征区域灰度图像,包括:获取伊朗纸币在绿光反射下的横向分辨率为100DPI、纵向分辨率为100DPI的反面灰度图像,从所述反面灰度图像中截取位置为X=[W-180:W-5],Y=[5:60]的反面数字区域灰度图像;其中,以反面灰度图像正向时右上角为原点建立直角坐标系,X轴的正向向左,Y轴的正向向下,W、X和Y的单位均为毫米,W为反面灰度图像沿X轴方向的长度;
所述对所述币值特征区域灰度图像进行二值化处理,得到二值化图像,包括:对所述反面数字区域灰度图像进行二值化处理,得到反面数字二值化图像;
所述使用遗传算法获取所述二值化图像的二进制字符串,包括:使用遗传算法获取所述反面数字二值化图像的二进制字符串;
所述使用序贯相似匹配算法将所述二进制字符串与币值模板进行匹配,得到匹配结果,包括:使用序贯相似匹配算法将所述反面数字二值化图像的二进制字符串与币值模板进行匹配,获取匹配度最高的币值模板;
所述根据所述匹配结果获取所述纸币的币值,包括:获取所述匹配度最高的币值模板对应的币值,将所述币值作为所述纸币的币值。
其中,所述获取纸币的币值特征区域灰度图像,包括:获取伊朗纸币在绿光反射下的横向分辨率为100DPI、纵向分辨率为100DPI的正面灰度图像,从所述正面灰度图像中截取位置为X=[W-100:W-10],Y=[70:130]的正面数字区域灰度图像;其中,以所述正面灰度图像正向时左上角作为原点建立直角坐标系,X轴的正向向右,Y轴的正向向下,W、X和Y的单位均为毫米,W为所述正面灰度图像沿X轴方向的长度;
所述对所述币值特征区域灰度图像进行二值化处理,得到二值化图像,包括:对所述正面数字区域灰度图像进行二值化处理,得到正面数字二值化图像;
所述使用遗传算法获取所述二值化图像的二进制字符串,包括:使用遗传算法获取所述正面数字二值化图像的二进制字符串;
所述使用序贯相似匹配算法将所述二进制字符串与币值模板进行匹配,得到匹配结果,包括:使用序贯相似匹配算法将所述正面数字二值化图像的二进制字符串与币值模板进行匹配,获取匹配度最高的币值模板;
所述根据所述匹配结果获取所述纸币的币值,包括:
判断所述匹配度最高的币值模板是否对应50万币值;
若是,则所述纸币的币值为50万。
其中,所述判断所述匹配度最高的币值模板是否对应50万币值之后,还包括:
若否,从所述正面灰度图像中截取位置为X=[40:100],Y=[H-50:H-10]的正面胶印对印数字区域灰度图像;H为所述述正面灰度图像沿Y轴方向的宽度,单位为毫米;
对所述正面胶印对印数字区域灰度图像进行二值化处理,得到正面胶印对印数字二值化图像;
使用遗传算法获取所述正面胶印对印数字二值化图像的二进制字符串;
使用序贯相似匹配算法将所述正面胶印对印数字二值化图像的二进制字符串与币值模板进行匹配,获取匹配度最高的币值模板;
获取所述匹配度最高的币值模板对应的币值,将所述币值作为所述纸币的币值。
第二方面,一种纸币币值的识别系统,包括:
第一获取模块,用于获取纸币的币值特征区域灰度图像;
处理模块,用于对所述币值特征区域灰度图像进行二值化处理,得到二值化图像;
第二获取模块,用于使用遗传算法获取所述二值化图像的二进制字符串;
匹配模块,用于使用序贯相似匹配算法将所述二进制字符串与币值模板进行匹配,得到匹配结果;
第三获取模块,用于根据所述匹配结果获取所述纸币的币值。
其中,所述第一获取模块用于:获取伊朗纸币在绿光反射下的横向分辨率为100DPI、纵向分辨率为100DPI的反面灰度图像,从所述反面灰度图像中截取位置为X=[W-180:W-5],Y=[5:60]的反面数字区域灰度图像;其中,以反面灰度图像正向时右上角为原点建立直角坐标系,X轴的正向向左,Y轴的正向向下,W、X和Y的单位均为毫米,W为反面灰度图像沿X轴方向的长度;
所述处理模块具体用于:对所述反面数字区域灰度图像进行二值化处理,得到反面数字二值化图像;
所述第二获取模块用于:使用遗传算法获取所述反面数字二值化图像的二进制字符串;
所述匹配模块具体用于:使用序贯相似匹配算法将所述反面数字二值化图像的二进制字符串与币值模板进行匹配,获取匹配度最高的币值模板;
所述第三获取模块具体用于:获取所述获取匹配度最高的币值模板对应的币值,将所述币值作为所述纸币的币值。
其中,所述第一获取模块用于:获取伊朗纸币在绿光反射下的横向分辨率为100DPI、纵向分辨率为100DPI的正面灰度图像,从所述正面灰度图像中截取位置为X=[W-100:W-10],Y=[70:130]的正面数字区域灰度图像;其中,以所述正面灰度图像正向时左上角作为原点建立直角坐标系,X轴的正向向右,Y轴的正向向下,W、X和Y的单位均为毫米,W为所述正面灰度图像沿X轴方向的长度;
所述处理模块用于:对所述正面数字区域灰度图像进行二值化处理,得到正面数字二值化图像;
所述第二获取模块用于:使用遗传算法获取所述正面数字二值化图像的二进制字符串;
所述匹配模块用于:使用序贯相似匹配算法将所述正面数字二值化图像的二进制字符串与币值模板进行匹配,获取匹配度最高的币值模板;
所述第三获取模块用于:
判断所述第二匹配币值模板是否对应50万币值;
若是,则所述纸币的币值为50万。
其中,所述第一获取模块还用于:当所述匹配度最高的币值模板不对应50万币值,从所述正面灰度图像中截取位置为X=[40:100],Y=[H-50:H-10]的正面胶印对印数字区域灰度图像;H为所述述正面灰度图像沿Y轴方向的宽度,H的单位为毫米;
所述处理模块还用于:对所述正面胶印对印数字区域灰度图像进行二值化处理,得到正面胶印对印数字二值化图像;
所述第二获取模块还用于:使用遗传算法获取所述正面胶印对印数字二值化图像的二进制字符串;
所述匹配模块还用于:使用序贯相似匹配算法将所述正面胶印对印数字二值化图像的二进制字符串与币值模板进行匹配,获取匹配度最高的币值模板;
所述第三获取模块还用于:获取匹配度最高的币值模板对应的第币值,将所述币值作为所述纸币的币值。
本发明公开了一种纸币币值的识别方法和系统,方法包括:获取纸币的币值特征区域灰度图像;对所述币值特征区域灰度图像进行二值化处理,得到二值化图像;使用遗传算法获取所述二值化图像的二进制字符串;使用序贯相似匹配算法将所述二进制字符串与币值模板进行匹配,得到匹配结果;根据所述匹配结果获取所述纸币的币值。不同币值的纸币,币值特征区域的特征不一致,本发明根据纸币的币值特征区域来识别纸币的币值,识别方法简单,有效,结果准确。
附图说明
图1是本发明的一种纸币币值的识别方法的第一实施例的方法流程图。
图2a和图2b分别为面值为10万的伊朗纸币的正面和反面灰度图像。
图2c和图2d分别为面值为50万的伊朗支票的正面和反面灰度图像。
图3是本发明的一种纸币币值的识别方法的第二实施例的方法流程图。
图4是本发明的一种纸币币值的识别方法的第三实施例的方法流程图。
图5是本发明的一种纸币币值的识别系统的实施例的结构示意。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
实施例一
参考图1,一种纸币币值的识别方法,包括以下步骤:
S101、获取纸币的币值特征区域灰度图像;
以伊朗纸币为例,伊朗纸币的币值特征区域包括反面数字区域、正面数字区域和正面胶印对印数字区域,不同币值的纸币,该三个区域的特征不一致,因此可以通过获取这三个区域中的一个或多个区域来识别纸币的币值。
如图2a-2d所示,伊朗纸币的反面右上方具有数字,该数字所在的区域称为反面数字区域,50万面值的伊朗支票的正面右侧具有一个数字,该数字所在的区域为正面数字区域,50万面值支票以外的伊朗纸币,其正面右侧不具有数据,为统一名称,将50万面值支票以外的伊朗纸币正面对应的区域也统称为正面数字区域;50万面值以外的伊朗纸币,其正面左下方具有胶印对印数字,胶印对印数字所在的区域称为正面胶印对印数字,50万面值支票的正面相应的位置上不具有胶印对印数字,为统一名称,将50万面值支票的正面的相应位置也统称为正面胶印对印数字。
以横向分辨率为100DPI、纵向分辨率为100DPI的整张纸币的灰度图像(包括正面灰度图像和反面灰度图像)为例,以正面灰度图像正向时左上角作为原点建立直角坐标系,X轴的正向向右,Y轴的正向向下,正面数字区域的位置为X=[W-100:W-10],Y=[70:130],正面胶印对印数字区域的位置为X=[40:100],Y=[H-50:H-10];以反面灰度图像正向时右上角为原点建立直角坐标系,反面数字区域的位置为X=[W-180:W-5],Y=[5:60],W、X和Y的单位均为毫米,W为整张纸币的灰度图像沿X轴方向的长度,H为整张纸币的灰度图像沿Y轴方向的宽度。
由于不同面值的纸币尺寸有差异,因此不同横向分辨率和纵向分辨率下得到的纸币的灰度图像的尺寸不一致,纸币的灰度图像的尺寸发生改变,反面数字区域、正面数字区域和正面胶印对印数字区域的位置也会相应的发生改变。
S102、对所述币值特征区域灰度图像进行二值化处理,得到二值化图像;
S103、使用遗传算法获取所述二值化图像的二进制字符串。
对二值化图像编码为二进制字符串的方法包括BP算法、遗传算法等,BP算法也称误差反向传播算法,是一类有导学习算法。但是BP算法是基于梯度下降算法的,其训练过程很容易陷入误差函数的局部极值点,得不到全局最优解,同时由于网络初始值设置大多依赖于经验值,如果初始值选择不合适,容易导致训练过程收敛过于缓慢甚至不收敛。
遗传算法具有搜索速度快、计算量小、比BP算法收敛速度快和全局寻优能力强的优点,能够避免开神经网络算法易陷入误差函数局部极小值的情况,提高算法识别率。
基于遗传算法对二值化图像进行编码的过程包括:
(1)、由于匹配位置的搜索空间随待匹配图像的大小而变化,对模式匹配搜索的位置点进行二进制编码。编码的每一位等位基因的范围可根据匹配位置的搜索范围设定。
(2)对种群进行随机初始化,即对染色体初始化。
(3)计算种群中个体的适应度值,为进化做准备。
(4)通过选择、交叉和变异等遗传操作算子对当前种群进行操作,以产生新的染色体。
(5)判断种群是否收敛,如果收敛则停止进化。
(6)判断种群是否达到了规定的繁殖代数,如何达到则算法停止并返回最好的染色体;否则返回(3)继续执行。
遗传算法的参数设置:总代数为200,种群大小为50,交叉率为0.8;变异率0.008。
S104、使用序贯相似匹配算法将所述二进制字符串与币值模板进行匹配,得到匹配结果。
序贯相似匹配算法是先初步搜索,再精搜索,搜索的范围一步一步减小,匹配算法高效,有利于减少真个识别算法的复杂度和运算时间。
匹配结果指的是与所述币值特征区域二值化图像的二进制字符串匹配度最高的币值模板。
遗传算法与序贯相似匹配算法,有利于提高识别算法的识别率和准确性。
S105、根据所述匹配结果获取所述纸币的币值。
与所述币值特征区域二值化图像的二进制字符串匹配度最高的币值模板如果对应一个数字,则该数字为纸币的币值,如果与所述币值特征区域二值化图像的二进制字符串匹配度最高的币值模板不对应一个数字,则需要重新获取另一个币值特征区域,再获取与所述币值特征区域二值化图像的二进制字符串匹配度最高的币值模板,此时,该匹配度最高的币值模板必定对应一个数字,该数字即为纸币的币值。
在可见光照射纸币的情况下,可以采集纸币的正面和反面图像,此时可以获取纸币的反面数字区域、正面数字区域和正面胶印对印数字区域中的一个或多个区域进行币值的识别,在绿光反射纸币的情况下,只能采集到反射光的图像,即绿光反射图像只能采集到图像的一面,在正面过钞时绿光反射图像为可见光下的正面图像,在钞票反面过钞时绿光反射的是图形的反面图像,如果纸币时正面的,则通过正面数字区域和正面胶印对印数字区域的其中一个或者两个区域来识别纸币的币值,如果纸币时反面的,则根据反面数据区域来识别纸币的币值。
本发明中可见光的定义为:光照射纸币,可以同时通过反射光和透射光分别清晰地采集纸币两面的图像,此时照射纸币的光为可见光。
不可见光的定义为:光照射纸币,只能通过反射光清晰地采集纸币的某一面的图像,绿光反射图像只能采集到图像的一面,在正面过钞时绿光反射图像为可见光下的正面图像,在钞票反面过钞时绿光反射的是图形的反面图像,因此,绿光为不可见光。
利用可见光照射纸币,可以同时获取纸币的反面数字区域、正面数字区域和正面胶印对印数字区域,因此可以直接通过反面数字区域识别纸币的币值。
利用绿光照射纸币,必须根据纸币的面向信息来获取币值特征区域,再根据币值特征区域识别纸币的币值。
本发明公开了一种纸币币值的识别方法,包括:获取纸币的币值特征区域灰度图像;对所述币值特征区域灰度图像进行二值化处理,得到二值化图像;使用遗传算法获取所述二值化图像的二进制字符串;使用序贯相似匹配算法将所述二进制字符串与币值模板进行匹配,得到匹配结果;根据所述匹配结果获取所述纸币的币值。不同币值的纸币,币值特征区域的特征不一致,本发明根据纸币的币值特征区域来识别纸币的币值,识别方法简单,有效,结果准确。
实施例二
实施例二是实施例一的一种优选的实施方式,本实施例尚未详尽的内容请参考实施例一。
参考图3,一种纸币币值的识别方法,包括以下步骤:
S201、获取伊朗纸币在绿光反射下的横向分辨率为100DPI、纵向分辨率为100DPI的反面灰度图像,从所述反面灰度图像中截取位置为X=[W-180:W-5],Y=[5:60]的反面数字区域灰度图像。
其中,以反面灰度图像正向时右上角为原点建立直角坐标系,X轴的正向向左,Y轴的正向向下,W、X和Y的单位均为毫米,W为反面灰度图像沿X轴方向的长度。
S202、对所述反面数字区域灰度图像进行二值化处理,得到反面数字二值化图像。
S203、使用遗传算法获取所述反面数字二值化图像的二进制字符串。
S204、使用序贯相似匹配算法将所述反面数字二值化图像的二进制字符串与币值模板进行匹配,获取匹配度最高的币值模板。
S205、获取所述匹配度最高的币值模板对应的币值,将所述币值作为所述纸币的币值。
实施例三
实施例三是实施例一的一种优选的实施方式,本实施例尚未详尽的内容请参考实施例一。
参考图3,一种纸币币值的识别方法,包括以下步骤:
S301、获取伊朗纸币在绿光反射下的横向分辨率为100DPI、纵向分辨率为100DPI的正面灰度图像,从所述正面灰度图像中截取位置为X=[W-100:W-10],Y=[70:130]的正面数字区域灰度图像。
其中,以所述正面灰度图像正向时左上角作为原点建立直角坐标系,X轴的正向向右,Y轴的正向向下,W、X和Y的单位均为毫米,W为所述正面灰度图像沿X轴方向的长度;
S302、对所述正面数字区域灰度图像进行二值化处理,得到正面数字二值化图像;
S303、使用遗传算法获取所述正面数字二值化图像的二进制字符串;
S304、使用序贯相似匹配算法将所述正面数字二值化图像的二进制字符串与币值模板进行匹配,获取匹配度最高的币值模板;
S305、判断所述匹配度最高的币值模板是否对应50万币值,若是,进入步骤S306,若否,进入步骤S307。
S306、所述纸币的币值为50万。
S307、从所述正面灰度图像中截取位置为X=[40:100],Y=[H-50:H-10]的正面胶印对印数字区域灰度图像。
H为所述述正面灰度图像沿Y轴方向的宽度,单位为毫米;
S308、对所述正面胶印对印数字区域灰度图像进行二值化处理,得到正面胶印对印数字二值化图像;
S309、使用遗传算法获取所述正面胶印对印数字二值化图像的二进制字符串;
S310、使用序贯相似匹配算法将所述正面胶印对印数字二值化图像的二进制字符串与币值模板进行匹配,获取匹配度最高的币值模板;
S311、获取所述匹配度最高的币值模板对应的币值,将所述币值作为所述纸币的币值。
实施例四
本实施例与上述方法实施例相对应,本实施例相位详尽的内容请参考上述方法实施例。
参考图5,一种纸币币值的识别系统,包括:
第一获取模块,用于获取纸币的币值特征区域灰度图像;
处理模块,用于对所述币值特征区域灰度图像进行二值化处理,得到二值化图像;
第二获取模块,用于使用遗传算法获取所述二值化图像的二进制字符串;
匹配模块,用于使用序贯相似匹配算法将所述二进制字符串与币值模板进行匹配,得到匹配结果;
第三获取模块,用于根据所述匹配结果获取所述纸币的币值。
优选的,所述第一获取模块用于:获取伊朗纸币在绿光反射下的横向分辨率为100DPI、纵向分辨率为100DPI的反面灰度图像,从所述反面灰度图像中截取位置为X=[W-180:W-5],Y=[5:60]的反面数字区域灰度图像;其中,以反面灰度图像正向时右上角为原点建立直角坐标系,X轴的正向向左,Y轴的正向向下,W、X和Y的单位均为毫米,W为反面灰度图像沿X轴方向的长度;
所述处理模块具体用于:对所述反面数字区域灰度图像进行二值化处理,得到反面数字二值化图像;
所述第二获取模块用于:使用遗传算法获取所述反面数字二值化图像的二进制字符串;
所述匹配模块具体用于:使用序贯相似匹配算法将所述反面数字二值化图像的二进制字符串与币值模板进行匹配,获取匹配度最高的币值模板;
所述第三获取模块具体用于:获取所述获取匹配度最高的币值模板对应的币值,将所述币值作为所述纸币的币值。
优选的,所述第一获取模块用于:获取伊朗纸币在绿光反射下的横向分辨率为100DPI、纵向分辨率为100DPI的正面灰度图像,从所述正面灰度图像中截取位置为X=[W-100:W-10],Y=[70:130]的正面数字区域灰度图像;其中,以所述正面灰度图像正向时左上角作为原点建立直角坐标系,X轴的正向向右,Y轴的正向向下,W、X和Y的单位均为毫米,W为所述正面灰度图像沿X轴方向的长度;
所述处理模块用于:对所述正面数字区域灰度图像进行二值化处理,得到正面数字二值化图像;
所述第二获取模块用于:使用遗传算法获取所述正面数字二值化图像的二进制字符串;
所述匹配模块用于:使用序贯相似匹配算法将所述正面数字二值化图像的二进制字符串与币值模板进行匹配,获取匹配度最高的币值模板;
所述第三获取模块用于:
判断所述第二匹配币值模板是否对应50万币值;
若是,则所述纸币的币值为50万。
优选的,所述第一获取模块还用于:当所述匹配度最高的币值模板不对应50万币值,从所述正面灰度图像中截取位置为X=[40:100],Y=[H-50:H-10]的正面胶印对印数字区域灰度图像;H为所述述正面灰度图像沿Y轴方向的宽度,H的单位为毫米;
所述处理模块还用于:对所述正面胶印对印数字区域灰度图像进行二值化处理,得到正面胶印对印数字二值化图像;
所述第二获取模块还用于:使用遗传算法获取所述正面胶印对印数字二值化图像的二进制字符串;
所述匹配模块还用于:使用序贯相似匹配算法将所述正面胶印对印数字二值化图像的二进制字符串与币值模板进行匹配,获取匹配度最高的币值模板;
所述第三获取模块还用于:获取匹配度最高的币值模板对应的第币值,将所述币值作为所述纸币的币值。
本实施例提供的一种纸币币值的识别系统,根据纸币的币值特征区域来识别纸币的币值,识别方法简单,有效,结果准确。
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,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 (8)
1.一种纸币币值的识别方法,其特征在于,包括:
获取纸币的币值特征区域灰度图像;
对所述币值特征区域灰度图像进行二值化处理,得到二值化图像;
使用遗传算法获取所述二值化图像的二进制字符串;
使用序贯相似匹配算法将所述二进制字符串与币值模板进行匹配,得到匹配结果;
根据所述匹配结果获取所述纸币的币值。
2.如权利要求1所述的识别方法,其特征在于:
所述获取纸币的币值特征区域灰度图像,包括:获取伊朗纸币在绿光反射下的横向分辨率为100DPI、纵向分辨率为100DPI的反面灰度图像,从所述反面灰度图像中截取位置为X=[W-180:W-5],Y=[5:60]的反面数字区域灰度图像;其中,以反面灰度图像正向时右上角为原点建立直角坐标系,X轴的正向向左,Y轴的正向向下,W、X和Y的单位均为毫米,W为反面灰度图像沿X轴方向的长度;
所述对所述币值特征区域灰度图像进行二值化处理,得到二值化图像,包括:对所述反面数字区域灰度图像进行二值化处理,得到反面数字二值化图像;
所述使用遗传算法获取所述二值化图像的二进制字符串,包括:使用遗传算法获取所述反面数字二值化图像的二进制字符串;
所述使用序贯相似匹配算法将所述二进制字符串与币值模板进行匹配,得到匹配结果,包括:使用序贯相似匹配算法将所述反面数字二值化图像的二进制字符串与币值模板进行匹配,获取匹配度最高的币值模板;
所述根据所述匹配结果获取所述纸币的币值,包括:获取所述匹配度最高的币值模板对应的币值,将所述币值作为所述纸币的币值。
3.如权利要求1所述的识别方法,其特征在于:
所述获取纸币的币值特征区域灰度图像,包括:获取伊朗纸币在绿光反射下的横向分辨率为100DPI、纵向分辨率为100DPI的正面灰度图像,从所述正面灰度图像中截取位置为X=[W-100:W-10],Y=[70:130]的正面数字区域灰度图像;其中,以所述正面灰度图像正向时左上角作为原点建立直角坐标系,X轴的正向向右,Y轴的正向向下,W、X和Y的单位均为毫米,W为所述正面灰度图像沿X轴方向的长度;
所述对所述币值特征区域灰度图像进行二值化处理,得到二值化图像,包括:对所述正面数字区域灰度图像进行二值化处理,得到正面数字二值化图像;
所述使用遗传算法获取所述二值化图像的二进制字符串,包括:使用遗传算法获取所述正面数字二值化图像的二进制字符串;
所述使用序贯相似匹配算法将所述二进制字符串与币值模板进行匹配,得到匹配结果,包括:使用序贯相似匹配算法将所述正面数字二值化图像的二进制字符串与币值模板进行匹配,获取匹配度最高的币值模板;
所述根据所述匹配结果获取所述纸币的币值,包括:
判断所述匹配度最高的币值模板是否对应50万币值;
若是,则所述纸币的币值为50万。
4.如权利要求3所述的识别方法,其特征在于,所述判断所述匹配度最高的币值模板是否对应50万币值之后,还包括:
若否,从所述正面灰度图像中截取位置为X=[40:100],Y=[H-50:H-10]的正面胶印对印数字区域灰度图像;H为所述述正面灰度图像沿Y轴方向的宽度,单位为毫米;
对所述正面胶印对印数字区域灰度图像进行二值化处理,得到正面胶印对印数字二值化图像;
使用遗传算法获取所述正面胶印对印数字二值化图像的二进制字符串;
使用序贯相似匹配算法将所述正面胶印对印数字二值化图像的二进制字符串与币值模板进行匹配,获取匹配度最高的币值模板;
获取所述匹配度最高的币值模板对应的币值,将所述币值作为所述纸币的币值。
5.一种纸币币值的识别系统,其特征在于,包括:
第一获取模块,用于获取纸币的币值特征区域灰度图像;
处理模块,用于对所述币值特征区域灰度图像进行二值化处理,得到二值化图像;
第二获取模块,用于使用遗传算法获取所述二值化图像的二进制字符串;
匹配模块,用于使用序贯相似匹配算法将所述二进制字符串与币值模板进行匹配,得到匹配结果;
第三获取模块,用于根据所述匹配结果获取所述纸币的币值。
6.如权利要求5所述的识别系统,其特征在于:
所述第一获取模块用于:获取伊朗纸币在绿光反射下的横向分辨率为100DPI、纵向分辨率为100DPI的反面灰度图像,从所述反面灰度图像中截取位置为X=[W-180:W-5],Y=[5:60]的反面数字区域灰度图像;其中,以反面灰度图像正向时右上角为原点建立直角坐标系,X轴的正向向左,Y轴的正向向下,W、X和Y的单位均为毫米,W为反面灰度图像沿X轴方向的长度;
所述处理模块具体用于:对所述反面数字区域灰度图像进行二值化处理,得到反面数字二值化图像;
所述第二获取模块用于:使用遗传算法获取所述反面数字二值化图像的二进制字符串;
所述匹配模块具体用于:使用序贯相似匹配算法将所述反面数字二值化图像的二进制字符串与币值模板进行匹配,获取匹配度最高的币值模板;
所述第三获取模块具体用于:获取所述获取匹配度最高的币值模板对应的币值,将所述币值作为所述纸币的币值。
7.如权利要求5所述的识别系统,其特征在于:
所述第一获取模块用于:获取伊朗纸币在绿光反射下的横向分辨率为100DPI、纵向分辨率为100DPI的正面灰度图像,从所述正面灰度图像中截取位置为X=[W-100:W-10],Y=[70:130]的正面数字区域灰度图像;其中,以所述正面灰度图像正向时左上角作为原点建立直角坐标系,X轴的正向向右,Y轴的正向向下,W、X和Y的单位均为毫米,W为所述正面灰度图像沿X轴方向的长度;
所述处理模块用于:对所述正面数字区域灰度图像进行二值化处理,得到正面数字二值化图像;
所述第二获取模块用于:使用遗传算法获取所述正面数字二值化图像的二进制字符串;
所述匹配模块用于:使用序贯相似匹配算法将所述正面数字二值化图像的二进制字符串与币值模板进行匹配,获取匹配度最高的币值模板;
所述第三获取模块用于:
判断所述第二匹配币值模板是否对应50万币值;
若是,则所述纸币的币值为50万。
8.如权利要求7所述的识别系统,其特征在于:
所述第一获取模块还用于:当所述匹配度最高的币值模板不对应50万币值,从所述正面灰度图像中截取位置为X=[40:100],Y=[H-50:H-10]的正面胶印对印数字区域灰度图像;H为所述述正面灰度图像沿Y轴方向的宽度,H的单位为毫米;
所述处理模块还用于:对所述正面胶印对印数字区域灰度图像进行二值化处理,得到正面胶印对印数字二值化图像;
所述第二获取模块还用于:使用遗传算法获取所述正面胶印对印数字二值化图像的二进制字符串;
所述匹配模块还用于:使用序贯相似匹配算法将所述正面胶印对印数字二值化图像的二进制字符串与币值模板进行匹配,获取匹配度最高的币值模板;
所述第三获取模块还用于:获取匹配度最高的币值模板对应的第币值,将所述币值作为所述纸币的币值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510830729.6A CN106803091B (zh) | 2015-11-25 | 2015-11-25 | 一种纸币币值的识别方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510830729.6A CN106803091B (zh) | 2015-11-25 | 2015-11-25 | 一种纸币币值的识别方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106803091A true CN106803091A (zh) | 2017-06-06 |
CN106803091B CN106803091B (zh) | 2020-04-28 |
Family
ID=58975808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510830729.6A Expired - Fee Related CN106803091B (zh) | 2015-11-25 | 2015-11-25 | 一种纸币币值的识别方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106803091B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654609A (zh) * | 2015-12-29 | 2016-06-08 | 深圳怡化电脑股份有限公司 | 纸币处理方法及系统 |
CN107331031A (zh) * | 2017-07-04 | 2017-11-07 | 深圳怡化电脑股份有限公司 | 一种纸币币值的识别方法、装置、设备及存储介质 |
CN108062820A (zh) * | 2017-11-29 | 2018-05-22 | 深圳怡化电脑股份有限公司 | 一种纸币检测方法、纸币检测装置及电子设备 |
CN108230576A (zh) * | 2017-12-28 | 2018-06-29 | 南京怡化信息技术有限公司 | 一种自助金融设备及其存储模块 |
CN110942483A (zh) * | 2019-11-21 | 2020-03-31 | 三一重工股份有限公司 | 函数快速收敛模型构建方法、装置和终端 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102021002672A1 (de) * | 2021-05-21 | 2022-11-24 | Giesecke+Devrient Currency Technology Gmbh | Verfahren und Vorrichtung zum Prüfen von Wertdokumenten und Verfahren und Vorrichtung zum Erzeugen von Prüfparameter für das Prüfverfahren |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0824821A2 (en) * | 1995-05-08 | 1998-02-25 | Digimarc Corporation | Steganography systems |
EP0961239A2 (en) * | 1998-04-16 | 1999-12-01 | Digimarc Corporation | Digital watermarking and banknotes |
CN1760887A (zh) * | 2004-10-11 | 2006-04-19 | 中国科学院自动化研究所 | 虹膜图像的鲁棒特征抽取与识别方法 |
CN102542243A (zh) * | 2010-12-17 | 2012-07-04 | 北京理工大学 | 一种基于lbp图像和分块编码的虹膜特征提取方法 |
CN104036290A (zh) * | 2014-06-11 | 2014-09-10 | 新达通科技股份有限公司 | 一种纸币面值识别方法及装置 |
CN104866867A (zh) * | 2015-05-15 | 2015-08-26 | 浙江大学 | 一种基于清分机的多国纸币序列号字符识别方法 |
-
2015
- 2015-11-25 CN CN201510830729.6A patent/CN106803091B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0824821A2 (en) * | 1995-05-08 | 1998-02-25 | Digimarc Corporation | Steganography systems |
EP0961239A2 (en) * | 1998-04-16 | 1999-12-01 | Digimarc Corporation | Digital watermarking and banknotes |
CN1760887A (zh) * | 2004-10-11 | 2006-04-19 | 中国科学院自动化研究所 | 虹膜图像的鲁棒特征抽取与识别方法 |
CN102542243A (zh) * | 2010-12-17 | 2012-07-04 | 北京理工大学 | 一种基于lbp图像和分块编码的虹膜特征提取方法 |
CN104036290A (zh) * | 2014-06-11 | 2014-09-10 | 新达通科技股份有限公司 | 一种纸币面值识别方法及装置 |
CN104866867A (zh) * | 2015-05-15 | 2015-08-26 | 浙江大学 | 一种基于清分机的多国纸币序列号字符识别方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654609A (zh) * | 2015-12-29 | 2016-06-08 | 深圳怡化电脑股份有限公司 | 纸币处理方法及系统 |
CN107331031A (zh) * | 2017-07-04 | 2017-11-07 | 深圳怡化电脑股份有限公司 | 一种纸币币值的识别方法、装置、设备及存储介质 |
CN107331031B (zh) * | 2017-07-04 | 2019-10-11 | 深圳怡化电脑股份有限公司 | 一种纸币币值的识别方法、装置、设备及存储介质 |
CN108062820A (zh) * | 2017-11-29 | 2018-05-22 | 深圳怡化电脑股份有限公司 | 一种纸币检测方法、纸币检测装置及电子设备 |
CN108062820B (zh) * | 2017-11-29 | 2019-10-15 | 深圳怡化电脑股份有限公司 | 一种纸币检测方法、纸币检测装置及电子设备 |
CN108230576A (zh) * | 2017-12-28 | 2018-06-29 | 南京怡化信息技术有限公司 | 一种自助金融设备及其存储模块 |
CN110942483A (zh) * | 2019-11-21 | 2020-03-31 | 三一重工股份有限公司 | 函数快速收敛模型构建方法、装置和终端 |
CN110942483B (zh) * | 2019-11-21 | 2023-05-23 | 三一重工股份有限公司 | 函数快速收敛模型构建方法、装置和终端 |
Also Published As
Publication number | Publication date |
---|---|
CN106803091B (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106803091A (zh) | 一种纸币币值的识别方法和系统 | |
KR102207533B1 (ko) | 지폐 관리 방법 및 시스템 | |
CN105184955B (zh) | 一种纸币的识别方法和装置 | |
EP2889846A1 (en) | Paper money identification method and device | |
CN102324132B (zh) | 一种对紫外光图像进行识别的验钞方法及系统 | |
CN109117885B (zh) | 一种基于深度学习的邮票识别方法 | |
CN106874902B (zh) | 一种车牌信息识别方法及装置 | |
Kita et al. | Binarization of color characters in scene images using k-means clustering and support vector machines | |
CN106875007A (zh) | 用于语音欺骗检测的基于卷积长短期记忆端对端深度神经网络 | |
CN104036290A (zh) | 一种纸币面值识别方法及装置 | |
CN108681735A (zh) | 基于卷积神经网络深度学习模型的光学字符识别方法 | |
CN108335402B (zh) | 一种基于深度学习的验钞机红外对管鉴伪方法 | |
CN106952393B (zh) | 纸币识别方法和装置、电子设备和存储介质 | |
AU2010223721A1 (en) | Method and means for identifying valuable documents | |
CN106600810B (zh) | 一种纸币的识别方法及装置 | |
CN104867225A (zh) | 一种纸币的面向识别方法及装置 | |
CN113011898A (zh) | 确定消费品的真实性的基于机器学习的成像方法 | |
CN107038794B (zh) | 一种鉴别纸币真伪的方法、装置、设备及储存介质 | |
KR100893613B1 (ko) | 지폐 및 바코드가 표시된 유가증권의 인식계수방법과 그장치 | |
CN112069900A (zh) | 基于卷积神经网络的票据文字识别方法及系统 | |
CN107067533A (zh) | 一种纸币鉴别的方法及装置 | |
CN105788064B (zh) | 票据鉴别方法及装置 | |
CN107331026A (zh) | 一种纸币识别方法及装置 | |
CN108268641A (zh) | 发票信息识别方法及发票信息识别装置、设备和存储介质 | |
CN110738131A (zh) | 基于深度学习神经网络的垃圾分类管理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200428 Termination date: 20211125 |
|
CF01 | Termination of patent right due to non-payment of annual fee |