CN106803307B - 一种基于模板匹配的纸币面值面向识别方法 - Google Patents

Abstract

本发明涉及一种基于模板匹配的纸币面值面向识别方法。该方法通过确定选择的匹配模板的特征模型；再将该匹配模板按预设匹配策略在目标图像上滑动，计算匹配模板覆盖区域与特征模型的匹配度，如果该匹配度大于预设阈值，则根据预设判断规则判断纸币面值面向。本发明通过匹配按预设策略在目标图像上滑动进行特征匹配，根据匹配度判断纸币面值面向，在没有额外增加算法的时间与空间开销的情况下，可以极大的提高目标识别的准确率。

Description

一种基于模板匹配的纸币面值面向识别方法

技术领域

本发明属于金融设备纸币识别技术领域，具体涉及一种基于模板匹配的纸币面值面向识别方法。

背景技术

在存取款循环机芯设备中，识别模块负责纸币的各项检测任务，包括真伪识别，冠字号识别以及纸币的清分工作。一般在循环机芯中，对于进入识别模块的纸币的各项图像检测前，首要任务是确定纸币的面值与面向，面值面向的判断准确与否直接影响随后的图像检测结果。其中在各项图像处理运算中，纸币的面值面向判断是这些检测任务的基础，面值面向的判断准确与否，直接影响后续检测任务的准确率。

在专利号CN2015102505749的纸币面向识别方法及装置的专利中，提出了使用BP神经网络识别纸币面值面向，首先将纸币划分成若干网格，然后提取每个网格的灰度值总和，并形成一个特征向量，将这些特征向量输入分类器进行训练。这种基于神经网络的识别方法，不仅需要对各类面值面向进行大量的训练，其前期工作量较大；并且其特征的选择对于光照的变换十分敏感，很容易导致识别错误。

发明内容

本发明的目的在于解决上述的技术问题而提供一种基于模板匹配的纸币面值面向识别方法。

为实现上述目的，本发明采用如下技术方案：

一种基于模板匹配的纸币面值面向识别方法，包括：

确定选择的匹配模板的特征模型；

将该匹配模板按预设匹配策略在目标图像上滑动，计算匹配模板覆盖区域与特征模型的匹配度，如果该匹配度大于预设阈值，则根据预设判断规则判断纸币面值面向。

优选的，所述匹配模板为纸币头像中眼睛与鼻子区域的外接矩形。

优选的，在滑动匹配模板进行匹配之前，还包括以下步骤：

首先确定纸币图像中纸币的轮廓，并确定纸币当中对应匹配模板的目标区域，然而再在目标区域进行模板匹配。

优选的，在确定匹配模板的特征模型时，采用基于轮廓的模板匹配算法来确定，首先利用canny算子对提取的匹配模板进行canny滤波，确定模板的边缘轮廓，然后计算边缘轮廓的梯度值与梯度方向，用该梯度值与梯度方向构造特征模型。

优选的，所述计算匹配模板覆盖区域与特征模型的匹配度，是通过计算模板覆盖区域与匹配模板特征模型的欧氏距离来实现。

优选的，所述计算匹配模板覆盖区域与特征模型的匹配度的过程中，还包括以下步骤：

计算匹配模板在匹配过程中相对于纸币图像的旋转角度；

根据该旋转角度对匹配模块进行相应的旋转并进行匹配；

在所述匹配度大于预设阈值时，根据该旋转角度判断纸币的面值面向。

本发明通过预设确定选择的合适的匹配模板的特征模型后，将该匹配模板按预设匹配策略在目标图像上滑动，在滑动的同时计算匹配模板覆盖区域与特征模型的匹配度，根据该匹配度来判断纸币的面值向，在没有额外增加算法的时间与空间开销的情况下，极大的提高了纸币面值面向识别的准确率。

附图说明

图1是本发明的基于模板匹配的纸币面值面向识别方法的流程图；

图2是本发明所选取的匹配模板的图像；

图3是提取匹配模板的源图像；

图4是在源图像上模板匹配的结果；

图5-7是100元纸币的模板匹配结果；

图8-9是50元纸币的模板匹配结果。

具体实施方式

下面，结合实例对本发明的实质性特点和优势作进一步的说明，但本发明并不局限于所列的实施例。

参见图1所示，一种基于模板匹配的纸币面值面向识别方法，包括步骤：

S101:确定选择的匹配模板的特征模型；

S102:将该匹配模板按预设匹配策略在目标图像上滑动，计算匹配模板覆盖区域与特征模型的匹配度，如果该匹配度大于预设阈值，则结束匹配过程并按预设判断规则判断目标纸币面值面向。

在匹配过程中，如果在匹配模板覆盖区域得到的匹配度大于预设匹配阈值，那么这张纸币的图像就是相应面值纸条币的正面，否则就是反面；如果图像两面都未匹配成功则确定为假币。

本发明通过预设确定选择的合适的匹配模板的特征模型后，将该匹配模板按预设匹配策略在目标图像上滑动，在滑动的同时计算匹配模板覆盖区域与特征模型的匹配度，然后将该匹配度的值与预设的阈值相比较，如果该匹配度在于预设阈值，表明识别成功，则结束匹配过程，并按预设判断规则判断目标纸币面值面向果，从而实现了利用匹配模板对纸币的面值面向的识别，由于采用模板匹配的识别技术，本发明在没有额外增加算法的时间与空间开销的情况下，极大的提高了纸币面值面向识别的准确率。

具体实现上，所述将该匹配模板按预设匹配策略在目标图像上滑动，是指在滑动时，逐像素在模板覆盖区域上滑动，可以是自左至右，也可以是自右至左，或是左上角向右下角，或是右下角至左上角等等，从而实现了匹配模板与模板覆盖区域的纸币的一一匹配，从而能快速地计算出匹配模板覆盖区域与特征模型的匹配度，为进一步的判断该匹配度是否在预设阈值范围，以判断是否匹配成功奠定基础。

需要说明的是，本发明中，在滑动匹配模板进行匹配时，如果匹配度大于预先设定的阈值，则此模板覆盖区域为目标识别区域，否则匹配模板继续沿纸币图像滑动匹配，直到匹配进程完成。

本发明中，所述目标图像是指待识别面值面向的纸币的图像，所述匹配模板为对应的纸币当中区分度较大的区域，对应的，所述模板覆盖区域也对应为纸币当中区分度较大的区域。通过将纸币当中区分度比较大的区域作为匹配模板，有利于匹配模板的特征的提取并识别。

如选择正面正向100元的纸币的匹配模板时，要选择头像位置作为模糊匹配区域，并精确定位眼睛与鼻子区域的外接矩形作为匹配模板。

在实现本发明过程中，申请人对于各个版本的50和100元人民币纸币详细分析后，发现头像有固定不变的模糊特征，且特征比较明显，尤其是人眼和鼻子又是其模糊特征的凸出特征，因此选择眼睛和鼻子的外接矩形作为匹配模板(即模板图像)，如图2所示。具体实现时，如选择一张正面正向100元纸币图像如图3所示，作为提取匹配模板的源图像。

在实现本发明的过程中，特别是滑动匹配模板进行匹配时，匹配模板可以是从纸币图像的左上角滑动到纸币图像的右下角，或是从右下角滑动到左上角等多种方向选择进行滑动来匹配。然而，这样滑动来匹配，必然会增加识别时间，提高了识别的复杂度，不能适应高速图像识别。

因此，在滑动匹配模板进行匹配之前，本发明进一步采用以下匹配策略以提高识别速度，即首先确定纸币图像中纸币的轮廓或边界，并模糊确定纸币当中对应匹配模板的区分度比较大的区域(如头像)可能出现的目标区域，然而再在此目标区域进行模板匹配。通过先确定纸币的轮廓或边界，再确定纸币当中区分度比较大的区域，然后进行模板的匹配，可以大大的缩短匹配时间。

进一步，本发明在确定选择的匹配模板的特征模型时，采用基于轮廓的模板匹配算法来确定，即是利用canny算子对提取的匹配模板进行canny滤波，确定匹配模板的边缘轮廓，计算边缘轮廓的梯度值与梯度方向，并用该梯度值与梯度方向构造匹配模板的特征模型。

通过采用基于轮廓的模板匹配算法来确定特征模型，可以极大地提高目标识别的准确率，也克服了现有匹配识别技术采用灰度匹配算法对于光照变化的鲁棒性不强，同时也克服了人眼分辨目标更多依赖目标边缘特征而边缘特征构造复杂的技术问题。

本发明在利用采用基于轮廓的模板匹配算法确定的特征模型进行匹配时，当匹配模板在纸币图像上滑动时，只须计算模板覆盖区域与匹配模板特征模型的欧氏距离，用此欧氏距离即可准确地确定匹配度。

由于采集的纸币图像可能会存在一个小范围的倾斜，这样就利用于匹配模块的匹配，因此，进一步，本发明在匹配时，还进一步计算匹配模板在匹配过程中相对于纸币图像的旋转角度，根据该旋转角度对匹配模块进行相应的旋转并匹配，并在所述匹配度大于预设阈值时，根据该旋转角度判断纸币的面值面向。在计算获得旋转角度后，先根据该旋转角度对匹配模块进行相应的旋转，以使匹配模板与要识别的纸币图像不存在角度差，然后进行匹配，并根据该匹配度以及旋转角度，并结合纸币的尺寸，判断纸币的面值面向，从而更有利于识别的进行。

本发明具体在利用构造的特征模型进行匹配时，采用一层或多层金字塔匹配，具体可以根据不同纸币的差别情况选择不同层金字匹配，以使特征的匹配更加有效。如匹配50元人民币时用2层金字塔匹配，匹配100元人民用1层金字塔匹配。

具体的，当纸币通过图像采集模块时，图像采集模块分别获得上下两张绿光纸币图像，假设两张纸币图像都存在目标人头，且目标人可能出现的位置只有四个，由于采集的纸币图像存在一个小范围的倾斜，因此当匹配模板在目标可能存在区域滑动匹配时，只需要对匹配模板进行小范围的旋转匹配即可进行匹配。

在纸币图像存在一个小范围的倾斜且匹配模板旋转时，如匹配度达到相应的阈值，且当旋转角度处于预设的第一正负角度范围内(如正负10度)，则此纸币图像就是相应面值纸币的正面正向，否则就是反面；如匹配达到相应的阈值且当旋转角度处于第二预设正负角度范围内(如正负180度)，此时纸币是正面反向；如果图像两面都未匹配成功，则可确定为假币。

图5-7出示了100元人民币的匹配结果，其中图5-7的模板旋转角度处于180度左右，且纸币尺寸符合100人民币，因此可判断为100元的正面反向；图7的模板旋转角度处于0度左右，且纸币尺寸符合100人民币，因此可以判断为100元的正面正向。

图8-9出示的是50元人民币匹配结果，其中图8的模板旋转角度处于180度左右，且纸币尺寸符合50人民币，因此可判断为50元的正面反向；图9的模板旋转角度处于0度左右，且纸币尺寸符合50人民币，因此可以判断为50元的正面正向。

以上可以看出，本发明通过纸币中区分度比较大的区域作为模糊匹配区域，并精确定位眼睛与鼻子区域的外接矩形作为匹配模板，在模板匹配算法中采用基于轮廓的模板匹配算法，可以极大的提高目标识别的准确率，在没有额外增加算法的时间与空间开销的情况下，极大的提高了纸币面值面向识别的准确率。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (3)

1.一种基于模板匹配的纸币面值面向识别方法，其特征在于，包括：

确定匹配模板的特征模型，采用基于轮廓的模板匹配算法来确定，包括：首先利用canny算子对提取的匹配模板进行canny滤波，确定匹配模板的边缘轮廓，然后计算匹配模板的边缘轮廓的梯度值与梯度方向，用该梯度值与梯度方向构造特征模型；在利用构造的特征模型进行匹配时，基于纸币的面额，采用一层或多层金字塔匹配；

将该匹配模板按预设匹配策略在目标图像上滑动，在滑动的同时，计算匹配模板覆盖区域与特征模型的匹配度，如果该匹配度大于预设阈值，则根据预设判断规则判断纸币面值面向；

所述目标图像是指待识别面值面向的纸币的图像，所述匹配模板为对应的纸币当中区分度大的区域，对应的，所述模板覆盖区域也对应为纸币当中区分度大的区域；所述匹配模板又称为模板图像；

所述将该匹配模板按预设匹配策略在目标图像上滑动的步骤，包括：在滑动时，逐像素在模板覆盖区域上滑动，滑动方向包括自左至右、自右至左、自左上角向右下角、自右下角至左上角，从而实现了匹配模板与模板覆盖区域的纸币的一一匹配；

所述计算匹配模板覆盖区域与特征模型的匹配度，是通过计算模板覆盖区域与匹配模板特征模型的欧氏距离来实现；

在匹配过程中，如果在匹配模板覆盖区域得到的匹配度大于预设匹配阈值，那么这张纸币的图像就是相应面值纸币的正面，否则就是反面；如果图像两面都未匹配成功则确定为假币；

所述计算匹配模板覆盖区域与特征模型的匹配度的过程中，还包括以下步骤：

计算匹配模板在匹配过程中相对于纸币图像的旋转角度；

根据该旋转角度对匹配模板进行相应的旋转并进行匹配；

在所述匹配度大于预设阈值时，根据该旋转角度判断纸币的面值面向；

在纸币图像存在一个小范围的倾斜且匹配模板旋转时，若匹配度达到预设的阈值，且当旋转角度处于预设的第一正负角度范围内，则此纸币图像即为正面正向；否则就是反面；如匹配度达到预设的阈值且当旋转角度处于第二预设正负角度范围内，此时纸币是正面反向；如果图像两面都未匹配成功，则可确定为假币。

2.根据权利要求1所述的基于模板匹配的纸币面值面向识别方法，其特征在于，在滑动匹配模板进行匹配之前，还包括以下步骤：

确定纸币的轮廓，并模糊确定纸币当中对应匹配模板的区分度大的目标区域，所述目标区域为头像所在区域。

3.根据权利要求2所述的基于模板匹配的纸币面值面向识别方法，其特征在于，所述匹配模板为纸币头像中眼睛与鼻子区域的外接矩形，将头像位置作为模糊匹配区域，并精确定位眼睛与鼻子区域的外接矩形作为匹配模板；将区分度比较大的区域作为模糊匹配区域。

Images