CN107093259B - 一种纸币真伪的识别方法及其装置 - Google Patents
一种纸币真伪的识别方法及其装置 Download PDFInfo
- Publication number
- CN107093259B CN107093259B CN201710137553.5A CN201710137553A CN107093259B CN 107093259 B CN107093259 B CN 107093259B CN 201710137553 A CN201710137553 A CN 201710137553A CN 107093259 B CN107093259 B CN 107093259B
- Authority
- CN
- China
- Prior art keywords
- mean value
- printing ink
- bank note
- true
- pixel mean
- 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
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
- G07D7/20—Testing patterns thereon
- G07D7/2008—Testing patterns thereon using pre-processing, e.g. de-blurring, averaging, normalisation or rotation
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
- G07D7/20—Testing patterns thereon
- G07D7/2075—Setting acceptance levels or parameters
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
Abstract
本发明适用于纸币识别领域,提供了一种纸币真伪的识别方法及其装置,方法包括:获取待测纸币的图像数据;通过预设的光变油墨区域提取算法提取所述图像数据中包含的光变油墨区域图像以及背景区域图像;根据预设的像素均值计算算法分别计算所述光变油墨区域图像的第一像素均值和所述背景区域图像的第二像素均值;通过预设的纸币真伪判断规则根据所述第一像素均值以及所述第二像素均值确定所述待测纸币的真伪。本发明解决了现有的纸币真伪鉴别技术,通过光变油墨确定该纸币真伪时,需要变换纸币的位置来获取不同角度的反射光,根据反射光的变化规律与标准模板进行匹配,操作过程复杂,识别效率低的问题。
Description
技术领域
本发明属于纸币识别领域,尤其涉及一种纸币真伪的识别方法及其装置。
背景技术
随着经济的发展,纸币流通量也相应越来越大,并且不法分子私自印制假币,在交易过程中如何辨别纸币的真伪尤为重要。现有的纸币真伪鉴别技术,可通过光变油墨不同角度反射光颜色的变化规律,从而确定该纸币是否为真钞。然而该方式需要通过变换纸币的位置来获取不同角度的反射光,根据反射光的变化规律与标准模板进行匹配,操作过程复杂,且识别效率低。
发明内容
本发明实施例的目的在于提供一种纸币真伪的识别方法及其装置,旨在解决现有的纸币真伪鉴别技术,通过光变油墨确定该纸币真伪时,需要变换纸币的位置来获取不同角度的反射光,根据反射光的变化规律与标准模板进行匹配,操作过程复杂,识别效率低的问题。
第一方面,本发明实施例提供一种纸币真伪的识别方法,所述纸币真伪的识别方法包括:
获取待测纸币的图像数据;
通过预设的光变油墨区域提取算法提取所述图像数据中包含的光变油墨区域图像以及背景区域图像;
根据预设的像素均值计算算法分别计算所述光变油墨区域图像的第一像素均值和所述背景区域图像的第二像素均值;
通过预设的纸币真伪判断规则根据所述第一像素均值以及所述第二像素均值确定所述待测纸币的真伪。
第二方面,本发明实施例提供一种纸币真伪的识别装置,所述纸币真伪的识别装置包括:
纸币图像获取单元,用于获取待测纸币的图像数据;
光变油墨提取单元,用于通过预设的光变油墨区域提取算法提取所述图像数据中包含的光变油墨区域图像以及边沿背景区域图像;
像素均值计算单元,用于根据预设的像素均值计算算法分别计算所述光变油墨区域图像的第一像素均值和所述背景区域图像的第二像素均值;
纸币真伪判定单元,用于通过预设的纸币真伪判断规则根据所述第一像素均值以及所述第二像素均值确定所述待测纸币的真伪。
实施本发明实施例提供的一种纸币真伪的识别方法及其系统具有以下有益效果:
本发明实施例通过获取待测纸币的图像数据;通过预设的光变油墨区域提取算法提取所述图像数据中包含的光变油墨区域图像以及背景区域图像;根据预设的像素均值计算算法分别计算所述光变油墨区域图像的第一像素均值和所述背景区域图像的第二像素均值;通过预设的纸币真伪判断规则根据所述第一像素均值以及所述第二像素均值确定所述待测纸币的真伪。由于假钞的制作工艺并不正规且使用的光变油墨漂染材料也是通过自己调配制作的,因而在印刷假钞的过程中,因自制的光变油墨都具有较强的酸性,而该酸性药剂将对光变油墨的边缘背景区域具有一定程度的漂白作用,并且自制的光变油墨容易氧化,而使得假钞中光变油墨区域的反射光颜色较深;而国家发行的真钞由于制作工艺优良,并不存在上述的情况。可见,由于上述的情况,本发明实施例可通过在待测纸币的图像中选取光变油墨区域图像以及光变油墨区域边缘范围的背景区域图像,并分别计算两个的像素均值,继而确定纸币的真伪,并不需要获取纸币不同角度、方向的反射光,操作过程简单,识别效率高。
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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种纸币真伪的识别方法的流程图;
图2是本发明另一实施例提供的一种纸币真伪的识别方法的流程图;
图3是本发明实施例提供的一种纸币真伪的识别装置的结构框图;
图4是本发明另一实施例提供的一种纸币真伪的识别装置的结构框图。
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。
本发明实施例通过在待测纸币的图像中选取光变油墨区域图像以及光变油墨区域边缘范围的背景区域图像,并分别计算两个的像素均值,继而确定纸币的真伪,解决了现有的纸币真伪鉴别技术,通过光变油墨确定该纸币真伪时,需要变换纸币的位置来获取不同角度的反射光,根据反射光的变化规律与标准模板进行匹配,操作过程复杂,识别效率低的问题。
在本发明实施例中,流程的执行主体为纸币真伪的识别装置。该纸币真伪的识别装置可作为一个独立的装置对纸币真伪进行识别,也可以集成于其他设备中作为其中一个模块进行运作,如自动存款机内的验钞模块,协助自动存款机判别放入的纸币是否为真钞。图1示出了本发明实施例提供的纸币真伪的识别方法的实现流程图,详述如下:
在S101中,获取待测纸币的图像数据。
在本实施例中,获取图像数据的方式可通过外部器件拍摄获取,也可以通过在纸币真伪的识别装置内设置的感光器件直接生成相应的图像数据。
可选地,在本实施例中,获取待测纸币的图像数据包括该纸币正反两面的图像数据。由于某些种类的纸币,可能正反两面都涂有光变油墨,为了提高识别的准确率,可获取待测纸币双面的图像数据,继而提取正反两面的光变油墨区域图像。
在本实施例中,获取的纸币的图像数据可以为彩色图像,如RGB图像或CMYK值图,也可以为灰度图像或二值化图像。
在S102中,通过预设的光变油墨区域提取算法提取所述图像数据中包含的光变油墨区域图像以及背景区域图像。
在本实施例中,纸币真伪的识别装置通过预设的光变油墨区域提取算法,从S101中获取得到的待测纸币的图像数据中,提取该纸币包含的光变油墨区域图像以及背景区域图像。其中,背景区域图像具体指的是与光变油墨区域相接部分的背景区域所对应的图像。
在本实施例中,光变油墨区域图像的数量至少为一个,当待测纸币包含多个光变油墨区域时,可提取多个光变油墨区域图像。由于背景区域图像为与光变油墨区域相接部分的背景区域,因此背景区域图像的数量将与光变油墨区域图像相等,且一一对应。
在本实施例中,该预设的光变油墨区域提取算法可以为:通过光变油墨区域模板按预设的方向在待测纸币的图像数据中进行滑动,在滑动过程中持续计算覆盖区域与上述模板的匹配度,当该匹配度大于预设阈值时,则表示该时刻覆盖的图像区域为光变油墨区域图像,并相应地,选取该覆盖区域外一定范围内的区域图像作为其对应的背景区域图像。
在本实施例中,该预设的光变油墨区域提取算法还可以为:将该待测纸币的图像数据旋转至预设的面向,并通过存储器中记载的光变油墨区域位置信息以及背景区域位置信息,直接截取图像数据中相应的位置的区域图像。
可选地,在本实施例中,将获取得到光变油墨区域图像以及背景区域图像,通过预设的降噪算法进行预处理,以减少环境噪声的影响。其中,预设的降噪算法可以为中值滤波算法,若获取的图像数据为彩色图像或灰度图像,则可通过二值化算法进行处理;若获取的图像数据为二值化图像,则可通过二次二值化滤除图像数据中的噪点。
在S103中,根据预设的像素均值计算算法分别计算所述光变油墨区域图像的第一像素均值和所述背景区域图像的第二像素均值。
在本实施例中,纸币真伪的识别装置将根据光变油墨区域图像中包含的像素点点值,并通过预设的像素均值计算算法,确定第一像素均值;同理,也将得到背景区域图像对应的第二像素均值。
在本实施例中,若纸币真伪识别装置在S101中获取的图像数据为彩色图像,且在S102中并未进行二值化处理或灰度变换,则此时上述两个区域图像中的像素点为彩色像素点,将由多个灰度值构成,举例性地,对于RGB图像,则每个像素点均包含三个颜色通道的灰度值;对于CMYK图像,则每个像素点将由四个颜色通道的灰度值构成。因此,对于彩色图像,计算其区域图像对应的像素均值,即分别通过每个通道对应的单色灰度图中像素点的像素值,计算每个通道所对应的像素均值,因而区域图像对应的像素均值即由多个通道对应的像素均值构成。
在本实施例中,该预设像素均值计算算法可以为:将区域图像中包含的像素点对应的像素值进行加权运算后,再除以像素点的个数。其中,该加权运算中每个像素点的权重可一致;也可以设置边界区域的像素点权重较小,中心区域的像素点权重较大,举例性地,在计算像素均值时,中心区域的像素点的加权系数为5,而对于边界区域的像素点其加权系数为1。由于边界区域可能在分割时容易引入非本区域的像素点或噪声较大,因此其加权系数较小,而中心区域将不涉及分割操作,因而不存在上述的情况,则其权重可相对较大。
在S104中,通过预设的纸币真伪判断规则根据所述第一像素均值以及所述第二像素均值确定所述待测纸币的真伪。
在本实施例中,由于制作工艺的不同,假钞的背景区域颜色与真钞相比,颜色较浅,且假币的光变油墨区域颜色也比真钞的深,因此通过获取待测纸币的光变油墨区域图像对应的第一像素均值以及背景区域图像对应的第二像素均值,并通过预设的纸币真伪判断规则进行判别,则可确定该纸币的真伪。
在本实施例中,该预设的纸币真伪判断规则可以为:将第二像素均值与第一预设阈值进行比较,若第二像素均值大于第一预设阈值,则确定该待测纸币为假币;若第二像素均值小于预设的阈值,则将第一像素均值与第二预设阈值进行比较;若第一像素均值小于第二预设阈值,则确定该待测纸币为假币;若第一像素均值大于第二预设阈值,则确定该待测纸币为真钞。
优选地,在本实施例中,若判断待测纸币为假币,则将该纸币放置于待确认区域。由于经过本实施判断后,待测纸币已判别为假币,因此需要与真钞进行区别放置,以免大量纸币进行识别操作后,假币仍混入真钞当中。
以上可以看出,本发明实施例提供的一种纸币真伪的识别方法通过获取待测纸币的图像数据;通过预设的光变油墨区域提取算法提取所述图像数据中包含的光变油墨区域图像以及背景区域图像;根据预设的像素均值计算算法分别计算所述光变油墨区域图像的第一像素均值和所述背景区域图像的第二像素均值;通过预设的纸币真伪判断规则根据所述第一像素均值以及所述第二像素均值确定所述待测纸币的真伪。由于假钞的制作工艺并不正规且使用的光变油墨漂染材料也是通过自己调配制作的,因而在印刷假钞的过程中,因自制的光变油墨都具有较强的酸性,而该酸性药剂将对光变油墨的边缘背景区域具有一定程度的漂白作用,并且自制的光变油墨容易氧化,而使得假钞中光变油墨区域的反射光颜色较深;而国家发行的真钞由于制作工艺优良,并不存在上述的情况。可见,由于上述的情况,本发明实施例可通过在待测纸币的图像中选取光变油墨区域图像以及光变油墨区域边缘范围的背景区域图像,并分别计算两个的像素均值,继而确定纸币的真伪,并不需要获取纸币不同角度、方向的反射光,操作过程简单,识别效率高。
图2示出了本发明另一实施例提供的一种纸币真伪的识别方法的流程图。参见图2所述,相对于上一实施例,本实施例提供的一种纸币真伪的识别方法对多个步骤进行了限定,详述如下:
进一步地,作为本发明另一实施例,所述获取待测纸币的图像数据之前还包括:
在S201中,获取多个纸币样本的图像数据;其中,所述多个纸币样本包括多个真钞纸币样本以及多个假钞纸币样本。
在本实施例中,在进行纸币真伪的识别前,将通过模拟训练确定预设的真伪判定阈值,因而将获取多个样本纸币的图像数据,总结得到光变油墨区域图像的像素均值特征以及背景区域图像的像素均值特征。特别地,该模拟训练中将包含对真钞纸币样本进行的模拟训练以及对假钞纸币样本进行的模拟训练。
可选地,在本实施例中,为了便于纸币真伪的识别装置进行模拟训练,将先对真钞纸币样本进行模拟训练或先对假钞纸币样本进行模拟训练后,再对另一类纸币样本进行模拟训练,以便于识别装置区分真钞纸币样本所对应的数据为哪些。
可选地,在本实施例中,在进行纸币样本的模拟训练时,对于真钞样本可加入一标识,纸币真伪的识别装置在采集完成后,将通过判断该纸币样本图像数据中是否包含该标识,确定该数据是否对应与真钞纸币样本,从而区分真钞纸币样本与假钞纸币样本分别对应的数据。
在本实施例中,具体的获取过程与上一实施例中的步骤S101相同,具体请参阅上一实施例中步骤S101的相关描述,此处不再赘述。
在S202中,通过预设的光变油墨区域提取算法分别提取每个所述纸币样本的图像数据中包含的光变油墨区域图像以及背景区域图像。
由于S202与上一实施例中的步骤S102相同,具体请参阅上一实施例中步骤S102的相关描述,此处不再赘述。
在S203中,根据预设的像素均值计算算法计算每个所述光变油墨区域图像的像素均值以及每个所述背景区域图像的像素均值。
由于S203与上一实施例中的步骤S103相同,具体请参阅上一实施例中步骤S103的相关描述,此处不再赘述。
在S204中,计算每个所述背景区域图像的像素均值与光变油墨区域图像的像素均值的均值比值。
在本实施例中,每个光变油墨区域图像将对应于一个背景区域图像,因此,将背景区域图像的像素均值与其对应的光变油墨区域图像的像素均值相除,得到上述的均值比值。
在本实施例中,对每个纸币样本对应的图像数据均进行上述的均值比值计算,则每个纸币样本将对应于一个均值比值。
在S205中,将所述多个真钞纸币样本中数值最大的所述均值比值设置为第一阈值确定参数,以及将所述多个假钞纸币样本中数值最小的所述均值比值设置为第二阈值确定参数。
在本实施例中,在此模拟训练的过程中,每个纸币样本将对应于一个均值比值,将从真钞纸币样本中,选取数值最大的均值比值设置为第一阈值确定参数;并从假钞纸币样本中,选取数值最小的均值比值设置为第二阈值确定参数。
在本实施例中,由于假币的背景区域图像颜色较浅,则其对应的像素点值较大(由于颜色为白色的像素点点值为255,颜色为黑色的像素点点值为0),而光变油墨区域图像颜色较深,即光变油墨区域图像的像素均值较小,因此假钞样本纸币的均值比值相对于真钞纸币样本的均值比值来说将较大。而真钞纸币样本中数值最大的均值比值所对应的纸币样本,将与假钞纸币最为接近,可作为确定临界阈值的参数之一;同理,假钞纸币样本中数值最小的均值比值所对应的纸币样本,将与真钞纸币最为接近,也可作为确定临界阈值的参数之一。
在S206中,根据预设的真伪判定阈值确定算法、第一阈值确定参数以及第二阈值确定参数,确定所述真伪判定阈值。
在本实施例中,通过预设的真伪判定阈值确定算法,根据第一阈值确定参数以及第二阈值确定参数,确定真伪判定阈值。举例性地,预设的真伪判定阈值算法为以下算法:
其中,Thres为真伪判定阈值,Tmax为第一阈值确定参数,Fmin为第二阈值确定参数。
在本发明实施例中,通过模拟训练确定真伪判定阈值,可提高真伪判定阈值的一般代表性,从而提高纸币真伪识别方法的识别准确率。
在S207中,获取待测纸币的图像数据。
由于S207与上一实施例中的步骤S101相同,具体请参阅上一实施例中步骤S101的相关描述,此处不再赘述。
进一步地,作为本发明的另一实施例,所述通过预设的光变油墨区域提取算法提取所述图像数据中包含的光变油墨区域图像以及背景区域图像具体包括:
在S208中,根据预设的光变油墨位置信息,选取所述图像数据包含的光变油墨子区域图像。
在本实施例中,纸币真伪的识别装置存储器中记录着光变油墨子区域图像的位置信息,根据该预设的光变油墨位置信息,选取图像数据中包含的光变油墨子区域图像。
在本实施例中,该预设的光变油墨位置信息包含了纸币处于不同面向时,光变油墨子区域图像的位置信息,不同的纸币面向包括:正面正方向、正面反方向、反面正方向以及反面反方向。
在本实施例中,当光变油墨子区域图像包含多个时,则预设的光变油墨位置信息也将包含各个光变油墨子区域图像对应的位置信息。
在S209中,通过预设的最大熵阈值分割算法,将所述光变油墨子区域图像分割为所述光变油墨区域图像以及所述背景区域图像。
在本实施例中,光变油墨子区域图像将包含光变油墨区域图像,在光变油墨子区域中,除光变油墨区域图像外的区域图像即为背景区域图像。纸币真伪的识别装置通过最大熵阈值分割算法,确定光变油墨区域图像的边界信息,根据该边界信息对光变油墨子区域进行分割操作,得到光变油墨区域图像以及背景区域图像。
在本实施例中,由于一般图形的边界区域,其每个像素点的相关性较低,因而其对应的熵也越大,则可通过计算图像数据中像素点的熵,确定图形的边界信息,根据边界信息对图像进行分割。其中,该预设的最大熵阈值分割算法包括但不限于:P氏熵算法,KSW熵算法以及JM熵算法。
在本发明实施例中,通过选取光变油墨子区域,再对其进行最大熵阈值分割,不需要对整个纸币图像数据进行边界分割,只需对特定的子区域进行分割操作即可,提高了区域图像的提取速率,从而提高了纸币真伪识别的效率。
在S210中,根据预设的像素均值计算算法分别计算所述光变油墨区域图像的第一像素均值和所述背景区域图像的第二像素均值。
由于S210与上一实施例中的步骤S103相同,具体请参阅上一实施例中步骤S103的相关描述,此处不再赘述。
进一步地,作为本发明的另一实施例,所述通过预设的纸币真伪判断规则根据所述第一像素均值以及所述第二像素均值确定所述待测纸币的真伪具体包括:
在S211中,将所述第二像素均值与第一像素均值的比值与预设的真伪判定阈值进行比较。
在本实施例中,该真伪判定阈值可通过服务器中获取,也可以通过S201至S206的相关步骤确定。纸币真伪的识别装置将计算第二像素均值与第一像素均值的比值,并将该比值与预设的真伪判定阈值进行比较。
在本实施例中,若所述第二像素均值与第一像素均值的比值大于所述预设的真伪判定阈值,则执行S212的相关操作;反之,则执行S213的相关操作。
在S212中,若所述第二像素均值与第一像素均值的比值大于所述预设的真伪判定阈值,则确定所述待测纸币为真钞。
在S213中,若所述第二像素均值与第一像素均值的比值小于所述预设的真伪判定阈值,则确定所述待测纸币为假钞。
在本实施例中,参见S205以及S206的相关论述,由于假钞纸币的制作工艺的限制,其背景区域颜色较浅,光变油墨颜色较深,因此,第二像素均值与第一像素均值的比值将较大,若判断该比值大于预设阈值,则表示该待测纸币具有与假钞纸币相同的特征,则确定其为假钞;若该比值小于预设阈值,则表示该待测纸币的背景区域与光变油墨区域的颜色较为接近,具有真钞相同的特征,则确定其为真钞。
在本发明实施例中,通过将第二像素均值与第一像素均值的比值与预设的真伪判定阈值进行比较,确定待测纸币的真伪,计算量较小,从而提高纸币真伪识别的速率。
进一步地,作为本发明的另一实施例,所述根据预设的纸币真伪判断规则、所述第一图像像素均值以及所述第二图像像素均值,确定所述待测纸币的真伪性之后还包括:
在S214中,获取所述待测纸币包含的光变油墨区域的厚度数据。
在本实施例中,纸币真伪的识别装置通过厚度传感器获取待检测纸币的厚度数据信息。其中,厚度数据可以通过数值化表示,也可以通过厚度图像表示。优选地,本实施例中,将通过获取待检测纸币的厚度数值表示。
可选地,在本实施例中,为了使得检测更为准确,减少纸币褶皱对于厚度检测的影响,获取待检测纸币的厚度数据前,需要对纸币进行预处理,即展开、拉伸、铺平等相关操作,从而消除纸币褶皱。
在本实施例中,若获取待测纸币的传感器可包含多个通道,纸币真伪的识别装置中已记录了某个或某几个通道对应的厚度数据为光变油墨区域的厚度数据,在获取厚度传感器发送的整体纸币的厚度数据后,将提取对应通道的数据作为光变油墨区域的厚度数据。
在S215中,将所述厚度数据与预设的新旧厚度模型进行匹配,根据匹配结果确定所述待测纸币的新旧等级。
在本实施例中,由于纸币在使用过程中将对表面的油墨有磨损,因而对于新的纸币,其光变油墨区域的厚度值较大,而对于旧的纸币,其光变油墨区域的厚度较小,因而可以通过光变油墨区域对应的厚度数据,判断纸币的新旧程度。
在本实施例中,纸币真伪的识别装置存储器中记录有新旧厚度模型,包含了不同新旧等级对应的厚度数据范围,将获取得到的厚度数据与该新旧厚度模型进行匹配,从而确定该纸币的等级。
在本发明实施例中,在进行纸币真伪判别后,还可以通过光变油墨区域的厚度数据判断纸币的新旧程度,对于使用时间较长的纸币进行回收,从而提高了纸币分拣、整理的效率。
图3示出了本发明实施例提供的纸币真伪的识别装置的结构框图,该纸币真伪的识别装置包括的各单元用于执行图1对应的实施例中的各步骤。具体请参阅图1与图1所对应的实施例中的相关描述。为了便于说明,仅示出了与本实施例相关的部分。
参见图3,该纸币真伪的识别装置包括:
纸币图像获取单元31,用于获取待测纸币的图像数据;
光变油墨提取单元32,用于通过预设的光变油墨区域提取算法提取所述图像数据中包含的光变油墨区域图像以及边沿背景区域图像;
像素均值计算单元33,用于根据预设的像素均值计算算法分别计算所述光变油墨区域图像的第一像素均值和所述背景区域图像的第二像素均值;
纸币真伪判定单元34,用于通过预设的纸币真伪判断规则根据所述第一像素均值以及所述第二像素均值确定所述待测纸币的真伪。
可选地,参见图4所示,在另一实施例中,该实施例中的纸币真伪的识别装置包括的各单元用于运行图2对应的实施例中的各步骤,详述如下:
可选地,所述纸币真伪的识别装置还包括:
样本图像获取单元41,用于获取多个纸币样本的图像数据;其中,所述多个纸币样本包括多个真钞纸币样本以及多个假钞纸币样本;
样本光变油墨提取单元42,用于通过预设的光变油墨区域提取算法分别提取每个所述纸币样本的图像数据中包含的光变油墨区域图像以及背景区域图像;
样本像素均值计算单元43,用于根据预设的像素均值计算算法计算每个所述光变油墨区域图像的像素均值以及每个所述背景区域图像的像素均值;
样本均值比值计算单元44,用于计算每个所述背景区域图像的像素均值与光变油墨区域图像的像素均值的均值比值;
阈值参数确定单元45,用于将所述多个真钞纸币样本中数值最大的所述均值比值设置为第一阈值确定参数,以及将所述多个假钞纸币样本中数值最小的所述均值比值设置为第二阈值确定参数;
真伪判定阈值确定单元46,用于根据预设的真伪判定阈值确定算法、第一阈值确定参数以及第二阈值确定参数,确定所述真伪判定阈值。
纸币图像获取单元47,用于获取待测纸币的图像数据;
可选地,所述光变油墨提取单元具体包括:
光变油墨子区域选取单元48,用于根据预设的光变油墨位置信息,选取所述图像数据包含的光变油墨子区域图像;
光变油墨子区域分割单元49,用于通过预设的最大熵阈值分割算法,将所述光变油墨子区域图像分割为所述光变油墨区域图像以及所述背景区域图像。
像素均值计算单元410,用于根据预设的像素均值计算算法分别计算所述光变油墨区域图像的第一像素均值和所述背景区域图像的第二像素均值;
可选地,所述纸币真伪判定单元具体包括:
判定阈值比较单元411,用于将所述第二像素均值与第一像素均值的比值与预设的真伪判定阈值进行比较;
真钞确定单元412,用于若所述第二图像像素均值与第一图像像素均值的比值大于所述预设的真伪判定阈值,则确定所述待测纸币为真钞;
假钞确定单元413,用于若所述第二图像像素均值与第一图像像素均值的比值小于所述预设的真伪判定阈值,则确定所述待测纸币为假钞。
可选地,所述纸币真伪的识别装置还包括:
厚度数据获取单元414,用于获取所述待测纸币包含的光变油墨区域的厚度数据;
纸币新旧等级确定单元415,用于将所述厚度数据与预设的新旧厚度模型进行匹配,根据匹配结果确定所述待测纸币的新旧等级。
因此,本发明实施例提供的纸币真伪的识别装置同样可以通过在待测纸币的图像中选取光变油墨区域图像以及光变油墨区域边缘范围的背景区域图像,并分别计算两个的像素均值,继而确定纸币的真伪,并不需要获取纸币不同角度、方向的反射光,操作过程简单,识别效率高。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明实施例各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (8)
1.一种纸币真伪的识别方法,其特征在于,所述纸币真伪的识别方法包括:
获取待测纸币的图像数据;
通过预设的光变油墨区域提取算法提取所述图像数据中包含的光变油墨区域图像以及背景区域图像;
根据预设的像素均值计算算法分别计算所述光变油墨区域图像的第一像素均值和所述背景区域图像的第二像素均值;
通过预设的纸币真伪判断规则根据所述第一像素均值以及所述第二像素均值确定所述待测纸币的真伪;
所述获取待测纸币的图像数据之前还包括:
获取多个纸币样本的图像数据;其中,所述多个纸币样本包括多个真钞纸币样本以及多个假钞纸币样本;
通过预设的光变油墨区域提取算法分别提取每个所述纸币样本的图像数据中包含的光变油墨区域图像以及背景区域图像;
根据预设的像素均值计算算法计算每个所述光变油墨区域图像的像素均值以及每个所述背景区域图像的像素均值;
计算每个所述背景区域图像的像素均值与光变油墨区域图像的像素均值的均值比值;
将所述多个真钞纸币样本中数值最大的所述均值比值设置为第一阈值确定参数,以及将所述多个假钞纸币样本中数值最小的所述均值比值设置为第二阈值确定参数;
根据预设的真伪判定阈值确定算法、第一阈值确定参数以及第二阈值确定参数,确定所述真伪判定阈值。
2.根据权利要求1所述的纸币真伪的识别方法,其特征在于,所述通过预设的光变油墨区域提取算法提取所述图像数据中包含的光变油墨区域图像以及背景区域图像具体包括:
根据预设的光变油墨位置信息,选取所述图像数据包含的光变油墨子区域图像;
通过预设的最大熵阈值分割算法,将所述光变油墨子区域图像分割为所述光变油墨区域图像以及所述背景区域图像。
3.根据权利要求1或2所述的纸币真伪的识别方法,其特征在于,所述通过预设的纸币真伪判断规则根据所述第一像素均值以及所述第二像素均值确定所述待测纸币的真伪具体包括:
将所述第二像素均值与第一像素均值的比值与预设的真伪判定阈值进行比较;
若所述第二像素均值与第一像素均值的比值大于所述预设的真伪判定阈值,则确定所述待测纸币为真钞;
若所述第二像素均值与第一像素均值的比值小于所述预设的真伪判定阈值,则确定所述待测纸币为假钞。
4.根据权利要求1所述的纸币真伪的识别方法,其特征在于,所述根据预设的纸币真伪判断规则、所述第一像素均值以及所述第二像素均值,确定所述待测纸币的真伪性之后还包括:
获取所述待测纸币包含的光变油墨区域的厚度数据;
将所述厚度数据与预设的新旧厚度模型进行匹配,根据匹配结果确定所述待测纸币的新旧等级。
5.一种纸币真伪的识别装置,其特征在于,所述纸币真伪的识别装置包括:
纸币图像获取单元,用于获取待测纸币的图像数据;
光变油墨提取单元,用于通过预设的光变油墨区域提取算法提取所述图像数据中包含的光变油墨区域图像以及边沿背景区域图像;
像素均值计算单元,用于根据预设的像素均值计算算法分别计算所述光变油墨区域图像的第一像素均值和所述背景区域图像的第二像素均值;
纸币真伪判定单元,用于通过预设的纸币真伪判断规则根据所述第一像素均值以及所述第二像素均值确定所述待测纸币的真伪;
所述纸币真伪的识别装置还包括:
样本图像获取单元,用于获取多个纸币样本的图像数据;其中,所述多个纸币样本包括多个真钞纸币样本以及多个假钞纸币样本;
样本光变油墨提取单元,用于通过预设的光变油墨区域提取算法分别提取每个所述纸币样本的图像数据中包含的光变油墨区域图像以及背景区域图像;
样本像素均值计算单元,用于根据预设的像素均值计算算法计算每个所述光变油墨区域图像的像素均值以及每个所述背景区域图像的像素均值;
样本均值比值计算单元,用于计算每个所述背景区域图像的像素均值与光变油墨区域图像的像素均值的均值比值;
阈值参数确定单元,用于将所述多个真钞纸币样本中数值最大的所述均值比值设置为第一阈值确定参数,以及将所述多个假钞纸币样本中数值最小的所述均值比值设置为第二阈值确定参数;
真伪判定阈值确定单元,用于根据预设的真伪判定阈值确定算法、第一阈值确定参数以及第二阈值确定参数,确定所述真伪判定阈值。
6.根据权利要求5所述的纸币真伪的识别装置,其特征在于,所述光变油墨提取单元具体包括:
光变油墨子区域选取单元,用于根据预设的光变油墨位置信息,选取所述图像数据包含的光变油墨子区域图像;
光变油墨子区域分割单元,用于通过预设的最大熵阈值分割算法,将所述光变油墨子区域图像分割为所述光变油墨区域图像以及所述背景区域图像。
7.根据权利要求5或6所述的纸币真伪的识别装置,其特征在于,所述纸币真伪判定单元具体包括:
判定阈值比较单元,用于将所述第二像素均值与第一像素均值的比值与预设的真伪判定阈值进行比较;
真钞确定单元,用于若所述第二像素均值与第一像素均值的比值大于所述预设的真伪判定阈值,则确定所述待测纸币为真钞;
假钞确定单元,用于若所述第二像素均值与第一像素均值的比值小于所述预设的真伪判定阈值,则确定所述待测纸币为假钞。
8.根据权利要求5所述的纸币真伪的识别装置,其特征在于,所述纸币真伪的识别装置还包括:
厚度数据获取单元,用于获取所述待测纸币包含的光变油墨区域的厚度数据;
纸币新旧等级确定单元,用于将所述厚度数据与预设的新旧厚度模型进行匹配,根据匹配结果确定所述待测纸币的新旧等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710137553.5A CN107093259B (zh) | 2017-03-09 | 2017-03-09 | 一种纸币真伪的识别方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710137553.5A CN107093259B (zh) | 2017-03-09 | 2017-03-09 | 一种纸币真伪的识别方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107093259A CN107093259A (zh) | 2017-08-25 |
CN107093259B true CN107093259B (zh) | 2019-07-26 |
Family
ID=59648605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710137553.5A Active CN107093259B (zh) | 2017-03-09 | 2017-03-09 | 一种纸币真伪的识别方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107093259B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107742359B (zh) * | 2017-09-11 | 2019-12-06 | 深圳怡化电脑股份有限公司 | 一种纸币识别方法、装置、终端设备及可读存储介质 |
CN107578526B (zh) * | 2017-09-11 | 2019-12-10 | 深圳怡化电脑股份有限公司 | 一种纸币识别方法、装置、终端设备及可读存储介质 |
CN107798770B (zh) * | 2017-10-17 | 2019-12-06 | 深圳怡化电脑股份有限公司 | 图像传感器的参数调整方法、装置、atm及存储介质 |
CN107958531B (zh) * | 2017-12-06 | 2020-08-18 | 深圳怡化电脑股份有限公司 | 纸币识别方法和装置以及设备 |
CN108171868B (zh) * | 2017-12-26 | 2019-12-10 | 深圳怡化电脑股份有限公司 | 一种港币分类方法以及装置 |
CN109345685A (zh) * | 2018-11-09 | 2019-02-15 | 威海华菱光电股份有限公司 | 纸质品鉴别方法和装置及存储介质 |
CN110533704B (zh) * | 2019-07-22 | 2022-11-11 | 杭州沃朴物联科技有限公司 | 油墨标签的识别验伪方法、装置、设备及介质 |
CN112233313B (zh) * | 2020-10-19 | 2022-06-21 | 中国工商银行股份有限公司 | 一种纸币识别方法、装置及设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1064154C (zh) * | 1995-09-19 | 2001-04-04 | 顾临怡 | 新旧纸币分检机及分检方法 |
US6913260B2 (en) * | 2002-03-06 | 2005-07-05 | Cummins-Allison Corp. | Currency processing system with fitness detection |
DE102011105399A1 (de) * | 2011-06-22 | 2012-12-27 | Giesecke & Devrient Gmbh | Sicherheitselement und Verfahren zum Herstellen desselben sowie Verwendung des Sicherheitselements |
CN104464078B (zh) * | 2014-12-08 | 2017-06-30 | 深圳怡化电脑股份有限公司 | 通过光变油墨识别损伤钞的方法及系统 |
CN104992494B (zh) * | 2015-05-14 | 2018-12-07 | 深圳怡化电脑股份有限公司 | 一种纸币真伪的检测方法及装置 |
CN106373255B (zh) * | 2016-09-20 | 2019-04-26 | 深圳怡化电脑股份有限公司 | 一种纸币鉴伪方法及装置 |
-
2017
- 2017-03-09 CN CN201710137553.5A patent/CN107093259B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107093259A (zh) | 2017-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107093259B (zh) | 一种纸币真伪的识别方法及其装置 | |
CN101331526B (zh) | 纸币验证 | |
CN100580716C (zh) | 在图像中确定对应于金融票券的区域的验证方法 | |
CN104867225B (zh) | 一种纸币的面向识别方法及装置 | |
CN104298989B (zh) | 基于斑马线红外图像特征的鉴伪方法及其系统 | |
CN107085883B (zh) | 一种纸币识别的方法和装置 | |
CN104992496A (zh) | 一种纸币面向识别方法及装置 | |
EP1964076A1 (en) | Detecting improved quality counterfeit media items | |
Youn et al. | Efficient multi-currency classification of CIS banknotes | |
Pham et al. | Deep learning-based fake-banknote detection for the visually impaired people using visible-light images captured by smartphone cameras | |
KR101443139B1 (ko) | 단일 영상을 사용한 위조 얼굴 검출 방법 | |
CN106056752B (zh) | 一种基于随机森林的钞票鉴伪方法 | |
Alshayeji et al. | Detection method for counterfeit currency based on bit-plane slicing technique | |
Zeggeye et al. | Automatic recognition and counterfeit detection of Ethiopian paper currency | |
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 | |
Sawant et al. | Currency recognition using image processing and minimum distance classifier technique | |
CN108665603A (zh) | 识别纸币币种的方法、装置及电子设备 | |
CN108806058A (zh) | 一种纸币检测方法及装置 | |
CN107527423B (zh) | 纸币防伪识别方法及纸币识别装置 | |
Amirsab et al. | An automated recognition of fake or destroyed Indian currency notes | |
CN113420582B (zh) | 用于掌静脉识别的防伪检测方法及其系统 | |
CN107305717A (zh) | 一种纸币识别检测方法及装置 | |
Lamsal et al. | Counterfeit paper banknote identification based on color and texture | |
CN111401432B (zh) | 对数字图像的身份伪造识别方法、装置、设备及存储介质 |
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 |