CN107610314B - 一种对冠字号识别中模板匹配进行加速的方法 - Google Patents
一种对冠字号识别中模板匹配进行加速的方法 Download PDFInfo
- Publication number
- CN107610314B CN107610314B CN201710727583.1A CN201710727583A CN107610314B CN 107610314 B CN107610314 B CN 107610314B CN 201710727583 A CN201710727583 A CN 201710727583A CN 107610314 B CN107610314 B CN 107610314B
- Authority
- CN
- China
- Prior art keywords
- data
- template
- matrix
- formula
- matching
- 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
Landscapes
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明专利公开了一种对冠字号识别中模版匹配进行加速的方法,由原始模板数据降维处理、模板数据压缩处理、导入匹配数据和处理得出结果四个步骤完成,本发明操作简单,运算量小,匹配速度快,适用于对冠字号识别准确率高的条件。
Description
技术领域
本发明属于智能识别领域,具体涉及到一种在DSP(Digital Signal Processor)上进行人民币冠字号识别过程中的加速方法。
背景技术
人民币纸币上的编码又称冠字号码,“冠字”是印在纸币上用来标记印刷批次的两个或三个英文字母,由印钞厂按一定规律编排和印刷;“号码”则是印在冠字后面的阿拉伯数字流水号,用来标明每张钞票在同冠字批次中的排列顺序。央行有关负责人昨天表示,人民币纸币冠字号码是央行人民币印制生产管理控制的措施之一,根据人民币印制生产管理的需要不断调整变化。
根据央行要求,银行必须在2013年底前实现ATM机付出的100元面额人民币冠字号码可查询;2014年年底前,存取款循环一体机付出的100元面额人民币冠字号码可查询;2015年年底前,银行业金融机构柜台付出的100元面额人民币冠字号码可查询。由于地区发展差异,冠字号查询工程至今仍在进行。
模板就是一幅已知的小图像。模板匹配就是在一幅大图像中搜寻目标,已知该图中有要找的目标,且该目标同模板有相同的尺寸、方向和图像,通过一定的算法可以在图中找到目标,确定其坐标位置。以8位图像(每个像素用1个字节描述)为例,模板T(m*n个像素)叠放在被搜索图S(W*H个像素)上平移,模板覆盖被搜索图的那块区域叫子图Sij。i,j为子图左上角在被搜索图S上的坐标。搜索范围是:
1≤i≤W–M
1≤j≤H–N
通过比较T和Sij的相似性,完成模板匹配过程。
根据国家相关标准GB16999-2010的要求,人民币点验钞鉴伪劣仪的运行速度要求大于900张/分钟,银行机鉴伪的方法要大于9种,对假钞的鉴别准确度取决于鉴别方法的多少和算法的复杂程度,冠字号识别的准确度取决于模板库的规模,所以在冠字号识别中,对模板匹配时间的加速,对整个系统有决定性的意义。
发明内容
为了解决上述背景技术中提出的问题,本发明提出了一种兼具运算复杂度小与提速明显的预处理方法,有效解决大字库条件下模板匹配耗时问题的解决方案:
一种对冠字号识别中模板匹配进行加速的方法,由原始模板数据降维处理、模板数据压缩处理、导入匹配数据和处理得出结果四个步骤完成,步骤如下:
已知模板数据T1,T2,...Tn,原有每个模板数据存储为三维数组24*32*8,需要进行匹配的数据为P(24,32,8)。
步骤一:模板矩阵降维预处理
原有的模板数据式(1)所示,
其中每个点均为1个像素,包含8bit,随机为16进制FF和00,
XX表示16进制的FF或00;
只取三维数组的X,Y方向,FF取最低位1,00取最低位0,将
模板矩阵压缩为TZi(24,32),如式(2)所示,
式(2)的矩阵仍然为24*32的,X表示二进制的1或0,继续进行
下一步操作。
步骤二:矩阵压缩预处理
由于在处理器中采用32位操作,所以将模板矩阵变换为3*32*32
的,如式(3)所示,
其中,XXXXXXXX表示32bit的数据;
步骤三:输入待匹配数据预处理
原始输入数据Pi(24,32,8),表示为式(4),
XX表示16进制的FF或00,对数据进行与模板数据相同的数据变换,如式(5)所示,
步骤四:根据处理器特性,选取合适大小的区域大小进行32bit的数据匹配。
本发明的有益效果在于:本发明操作简单,运算量小,匹配速度快,适用于对冠字号识别准确率高的条件,如果后期处理器位宽提高到64bit,提速会更加明显。
附图说明
图1为本发明流程示意图;
图2为人民币冠字号示意图;
图3为模板数据示例(a)为原有模板数据,(b)为压缩后模板数据。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种对冠字号识别中模板匹配进行加速的方法,由原始模板数据降维处理、模板数据压缩处理、导入匹配数据和处理得出结果四个步骤完成,步骤如下:
已知模板数据T1,T2,...Tn,原有每个模板数据存储为三维数组24*32*8,需要进行匹配的数据为P(24,32,8)。
步骤一:模板矩阵降维预处理
原有的模板数据式(1)所示,
其中每个点均为1个像素,包含8bit,随机为16进制FF和00,
XX表示16进制的FF或00;
只取三维数组的X,Y方向,FF取最低位1,00取最低位0,将
模板矩阵压缩为TZi(24,32),如式(2)所示,
式(2)的矩阵仍然为24*32的,X表示二进制的1或0,继续进行
下一步操作。
步骤二:矩阵压缩预处理
由于在处理器中采用32位操作,所以将模板矩阵变换为3*32*32
的,如式(3)所示,
其中,XXXXXXXX表示32bit的数据;
经过变换,可以发现原有的模板体积缩小8倍,相应处理时间缩短为1/8以下,至此模板数据预处理完成,每次只需要在系统初始化过程中对模板数据进行一次预处理,在系统运行过程中即可以直接使用。
步骤三:输入待匹配数据预处理
原始输入数据Pi(24,32,8),表示为式(4),
XX表示16进制的FF或00,对数据进行与模板数据相同的数据变换,如式(5)所示,
步骤四:根据处理器特性,选取合适大小的区域大小进行32bit的数据匹配。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (1)
1.一种对冠字号识别中模板匹配进行加速的方法,其特征在于:由原始模板数据降维处理、模板数据压缩处理、导入匹配数据和处理得出结果四个步骤完成,步骤如下:
已知模板数据T1,T2,...Tn,原有每个模板数据存储为三维数组24*32*8,需要进行匹配的数据为P(24,32,8);
步骤一:模板矩阵降维预处理
原有的模板数据式(1)所示,
其中每个点均为1个像素,包含8bit,随机为16进制FF和00,XX表示16进制的FF或00;
只取三维数组的X,Y方向,FF取最低位1,00取最低位0,将模板矩阵压缩为TZi(24,32),如式(2)所示,
式(2)的矩阵仍然为24*32的,X表示二进制的1或0,继续进行下一步操作;
步骤二:矩阵压缩预处理
由于在处理器中采用32位操作,所以将模板矩阵变换为3*32*32的,如式(3)所示,
其中,XXXXXXXX表示32bit的数据;
步骤三:输入待匹配数据预处理
原始输入数据Pi(24,32,8),表示为式(4),
XX表示16进制的FF或00,对数据进行与模板数据相同的数据变换,如式(5)所示,
步骤四:根据处理器特性,选取合适大小的区域大小进行32bit的数据匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710727583.1A CN107610314B (zh) | 2017-08-23 | 2017-08-23 | 一种对冠字号识别中模板匹配进行加速的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710727583.1A CN107610314B (zh) | 2017-08-23 | 2017-08-23 | 一种对冠字号识别中模板匹配进行加速的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107610314A CN107610314A (zh) | 2018-01-19 |
CN107610314B true CN107610314B (zh) | 2019-12-06 |
Family
ID=61065481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710727583.1A Active CN107610314B (zh) | 2017-08-23 | 2017-08-23 | 一种对冠字号识别中模板匹配进行加速的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107610314B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7252222B2 (en) * | 2003-12-19 | 2007-08-07 | Scientific Game Royalty Corporation | Embedded optical signatures in documents |
CN104036271A (zh) * | 2014-06-11 | 2014-09-10 | 新达通科技股份有限公司 | 一种字符和纸币冠字号码的识别方法及装置和atm机 |
CN104122540A (zh) * | 2014-07-31 | 2014-10-29 | 电子科技大学 | 基于匹配字典和压缩感知的雷达一维距离像目标识别方法 |
CN105320705A (zh) * | 2014-08-05 | 2016-02-10 | 北京大学 | 相似车辆的检索方法及装置 |
CN106845542A (zh) * | 2017-01-18 | 2017-06-13 | 江苏阿瑞斯智能设备有限公司 | 基于dsp的纸币冠字号智能识别方法 |
-
2017
- 2017-08-23 CN CN201710727583.1A patent/CN107610314B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7252222B2 (en) * | 2003-12-19 | 2007-08-07 | Scientific Game Royalty Corporation | Embedded optical signatures in documents |
CN104036271A (zh) * | 2014-06-11 | 2014-09-10 | 新达通科技股份有限公司 | 一种字符和纸币冠字号码的识别方法及装置和atm机 |
CN104122540A (zh) * | 2014-07-31 | 2014-10-29 | 电子科技大学 | 基于匹配字典和压缩感知的雷达一维距离像目标识别方法 |
CN105320705A (zh) * | 2014-08-05 | 2016-02-10 | 北京大学 | 相似车辆的检索方法及装置 |
CN106845542A (zh) * | 2017-01-18 | 2017-06-13 | 江苏阿瑞斯智能设备有限公司 | 基于dsp的纸币冠字号智能识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107610314A (zh) | 2018-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI662421B (zh) | 一種基於特徵匹配網路的社團劃分方法和裝置 | |
Guo et al. | A reliable method for paper currency recognition based on LBP | |
Trzcinski et al. | Boosting binary keypoint descriptors | |
Grana et al. | A fast approach for integrating ORB descriptors in the bag of words model | |
CN106875542B (zh) | 一种纸币版本的识别方法及其装置 | |
CN107180479B (zh) | 一种票据鉴别方法、装置、设备和存储介质 | |
CN104318238A (zh) | 一种验钞模块中对扫描的钞票图提取冠字号的方法 | |
Wang et al. | Leaf recognition based on elliptical half Gabor and maximum gap local line direction pattern | |
Manigandan et al. | Tamil character recognition from ancient epigraphical inscription using OCR and NLP | |
CN108198324B (zh) | 一种基于图像指纹的多国纸币币种识别方法 | |
WO2022126978A1 (zh) | 发票信息抽取方法、装置、计算机设备及存储介质 | |
Pham et al. | Banknote recognition based on optimization of discriminative regions by genetic algorithm with one-dimensional visible-light line sensor | |
CN107331026A (zh) | 一种纸币识别方法及装置 | |
Gautam | Indian currency detection using image recognition technique | |
Jang et al. | Low-quality banknote serial number recognition based on deep neural network | |
CN106898078A (zh) | 一种港币版本的识别方法及装置 | |
CN107610314B (zh) | 一种对冠字号识别中模板匹配进行加速的方法 | |
CN106780953B (zh) | 一种基于双冠字号的纸币鉴伪方法和系统 | |
CN104036271A (zh) | 一种字符和纸币冠字号码的识别方法及装置和atm机 | |
Patil et al. | Fake currency detection using image processing | |
CN116361840A (zh) | 一种银行自助设备数据安全管理系统 | |
Shyju et al. | Indian currency identification using image processing | |
Ogbuju et al. | Deep learning for genuine Naira banknotes | |
CN107358716B (zh) | 黑水印识别方法、装置及终端设备 | |
NR | A Review on Fake currency detection using feature extraction |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20191114 Address after: 610000 Chenghua District, Chengdu City, Sichuan Province, No. 17, 18, 19, 20, Floor 20, Building 2, Building 2, Section 3 of Jianbei Road Applicant after: CHENGDU HOLDTECS CO., LTD. Address before: 315000 Xinxing Industrial Zone, first South Street, Ningbo, Zhejiang, Yinzhou District Applicant before: NINGBO SHUYOU ELECTRONIC TECHNOLOGY CO., LTD. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |