CN108091033A - 一种纸币的识别方法、装置、终端设备和存储介质 - Google Patents

Abstract

本发明涉及纸币识别技术领域，提出一种纸币的识别方法、装置、终端设备和计算机存储介质。所述方法包括：获取待识别纸币的灰度值图像；从所述灰度值图像中截取安全线所处的目标区域；对所述目标区域进行二值化处理；将二值化处理后的所述目标区域的灰度值分布特征和样本纸币的二值化图像中安全线所处区域的灰度值分布特征进行匹配，得到匹配结果；若所述匹配结果为匹配成功，则判定所述待识别纸币为安全线被抽出的纸币。本申请通过预先采集安全线被抽出的纸币的二值化图像中安全线所处区域的灰度值分布特征作为样本，将待识别纸币的二值化图像中安全线所处区域的灰度值分布特征与该样本进行匹配，能够根据匹配的结果自动识别安全线被抽出的纸币。

Description

一种纸币的识别方法、装置、终端设备和存储介质

技术领域

本发明涉及纸币识别技术领域，尤其涉及一种纸币的识别方法、装置、终端设备和计算机存储介质。

背景技术

安全线是在纸币的特定位置埋入的特制金属线或塑料线，对于纸币的防伪鉴别具有重要作用。在纸币的流通过程中，有些纸币的安全线会被抽出，这些安全线被抽出的纸币不适宜继续在市场中流通，一般由有关部门进行回收。在回收时，目前主要通过人眼识别被抽出安全线的纸币，效率和准确度都较低。

发明内容

有鉴于此，本发明实施例提供了一种纸币的识别方法、装置、终端设备和计算机存储介质，能够提高识别被抽出安全线的纸币的效率和准确度。

本发明实施例的第一方面提供了一种纸币的识别方法，包括：

获取待识别纸币的灰度值图像；

从所述灰度值图像中截取安全线所处的目标区域；

对所述目标区域进行二值化处理；

将二值化处理后的所述目标区域的灰度值分布特征和样本纸币的二值化图像中安全线所处区域的灰度值分布特征进行匹配，得到匹配结果，所述样本纸币为类型、版本均与所述待识别纸币相同且安全线被抽出的纸币；

若所述匹配结果为匹配成功，则判定所述待识别纸币为安全线被抽出的纸币。

本发明实施例的第二方面提供了一种纸币的识别装置，包括：

图像获取模块，用于获取待识别纸币的灰度值图像；

目标区域截取模块，用于从所述灰度值图像中截取安全线所处的目标区域；

二值化处理模块，用于对所述目标区域进行二值化处理；

特征匹配模块，用于将二值化处理后的所述目标区域的灰度值分布特征和样本纸币的二值化图像中安全线所处区域的灰度值分布特征进行匹配，得到匹配结果，所述样本纸币为类型、版本均与所述待识别纸币相同且安全线被抽出的纸币；

判定模块，用于若所述匹配结果为匹配成功，则判定所述待识别纸币为安全线被抽出的纸币。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例的第一方面提供的纸币的识别方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如本发明实施例的第一方面提供的纸币的识别方法的步骤。

在本发明实施例中，获取待识别纸币的灰度值图像；从所述灰度值图像中截取安全线所处的目标区域；对所述目标区域进行二值化处理；将二值化处理后的所述目标区域的灰度值分布特征和样本纸币的二值化图像中安全线所处区域的灰度值分布特征进行匹配，得到匹配结果，所述样本纸币为类型、版本均与所述待识别纸币相同且安全线被抽出的纸币；若所述匹配结果为匹配成功，则判定所述待识别纸币为安全线被抽出的纸币。本申请通过预先采集安全线被抽出的纸币的二值化图像中安全线所处区域的灰度值分布特征作为样本，将待识别纸币的二值化图像中安全线所处区域的灰度值分布特征与该样本进行匹配，能够根据匹配的结果自动识别安全线被抽出的纸币，与传统的人眼识别方式相比，大大提高了识别的效率和准确度。

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的识别方法的第一个实施例的流程图；

图2是本发明实施例提供的一种纸币的识别方法的第二个实施例的流程图；

图3是本发明实施例提供的一种纸币的识别方法的第三个实施例的流程图；

图4是本发明实施例提供的一种纸币的识别装置的一个实施例的结构图；

图5是本发明实施例提供的一种终端设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

有鉴于此，本发明实施例提供了一种纸币的识别方法、装置、终端设备和计算机存储介质，能够提高识别被抽出安全线的纸币的效率和准确度。

请参阅图1，本发明实施例中一种纸币的识别方法的第一个实施例包括：

101、获取待识别纸币的灰度值图像；

在步骤101中，通过预设的图像采集设备获取待识别纸币的灰度值图像。

102、从所述灰度值图像中截取安全线所处的目标区域；

在获取到待识别纸币的灰度值图像之后，从所述灰度值图像中截取安全线所处的目标区域。这里的目标区域是所述灰度值图像中包含安全线所处位置的一块指定大小的区域，比如可以是具有一定长度和宽度的一块矩形区域。

103、对所述目标区域进行二值化处理；

在截取出所述目标区域之后，对该目标区域进行二值化处理，得到二值化图像。进行二值化处理时可以采用现有技术中的各种二值化方法，在此不做限定。

104、将二值化处理后的所述目标区域的灰度值分布特征和样本纸币的二值化图像中安全线所处区域的灰度值分布特征进行匹配，得到匹配结果；

在对所述目标区域进行二值化处理后，将二值化处理后的所述目标区域的灰度值分布特征和样本纸币的二值化图像中安全线所处区域的灰度值分布特征进行匹配，得到匹配结果。所述样本纸币为类型、版本均与所述待识别纸币相同且安全线被抽出的纸币，预先采集样本纸币的二值化安全线区域的灰度值分布特征(即图像的灰度值分布情况，比如图像中各个位置点分别对应的灰度值大小)，将所述目标区域的灰度值分布特征和预先采集的灰度值分布特征进行匹配，得到匹配结果。匹配结果可以包括匹配成功和匹配失败，若匹配成功，则表明两幅图像之间的灰度值分布特征具有足够高的相似度；若匹配失败，则表明两幅图像之间的灰度值分布特征的相似度较低。

105、判断所述匹配结果是否为匹配成功；

在得到匹配结果之后，判断该匹配结果是否为匹配成功。若匹配结果为匹配成功，则执行步骤106；若匹配结果为匹配失败，则执行步骤107。

106、判定所述待识别纸币为安全线被抽出的纸币；

待识别纸币与样本纸币的安全线区域的灰度值分布特征匹配成功，表明待识别纸币和样本纸币相同，均为安全线被抽出的纸币。

107、判定所述待识别纸币不是安全线被抽出的纸币。

待识别纸币与样本纸币的安全线区域的灰度值分布特征匹配失败，表明待识别纸币和样本纸币不同，因此判定待识别纸币不是安全线被抽出的纸币。

在本发明实施例中，获取待识别纸币的灰度值图像；从所述灰度值图像中截取安全线所处的目标区域；对所述目标区域进行二值化处理；将二值化处理后的所述目标区域的灰度值分布特征和样本纸币的二值化图像中安全线所处区域的灰度值分布特征进行匹配，得到匹配结果，所述样本纸币为类型、版本均与所述待识别纸币相同且安全线被抽出的纸币；若所述匹配结果为匹配成功，则判定所述待识别纸币为安全线被抽出的纸币。本发明实施例通过预先采集安全线被抽出的纸币的二值化图像中安全线所处区域的灰度值分布特征作为样本，将待识别纸币的二值化图像中安全线所处区域的灰度值分布特征与该样本进行匹配，能够根据匹配的结果自动识别安全线被抽出的纸币，与传统的人眼识别方式相比，大大提高了识别的效率和准确度。

请参阅图2，本发明实施例中一种纸币的识别方法的第二个实施例包括：

201、获取待识别纸币的灰度值图像；

202、从所述灰度值图像中截取安全线所处的目标区域；

203、对所述目标区域进行二值化处理；

步骤201至203与步骤101至103相同，具体可参照步骤101至103的相关说明。

204、分别统计二值化处理后的所述目标区域中各列像素包含的目标像素点的数量；

在对所述目标区域进行二值化处理后，分别统计二值化处理后的所述目标区域中各列像素包含的目标像素点的数量。由于二值化图像中各个像素点的灰度值只有0和255两种情况，故目标像素点为灰度值等于0或255的像素点。假设目标区域包括100列像素，目标像素点为灰度值等于0的像素点，即黑点，则分别统计这100列像素中每列像素包含的黑点的数量，比如统计得到第1列的黑点数量为x1，第二列的黑点数量为x2…第100列的黑点数量为x100。

205、计算所述数量的方差；

在统计得到各列像素包含的目标像素点的数量之后，计算所述数量的方差。比如对于步骤204中的例子，计算x1、x2、x3…x100的方差。

206、判断所述方差是否落入预设的范围区间；

这里的范围区间根据样本纸币的二值化图像中安全线所处区域的各列像素包含的所述目标像素点的数量的方差确定。样本纸币为类型、版本均与所述待识别纸币相同且安全线被抽出的纸币，预先统计样本纸币的二值化图像中安全线所处区域的各列像素包含的所述目标像素点的数量，然后计算这些数量的方差，得到样本方差值。可以采取样本方差值前后偏离一定百分比的方法得到该范围区间，比如若样本方差值为x，则该范围区间可以为[x-x*3％，x+x*3％]。判断步骤205计算得到的方差是否落入该范围区间，若是则执行步骤207，否则执行步骤208。

207、确定匹配结果为匹配成功，并判定所述待识别纸币为安全线被抽出的纸币；

所述方差落入所述范围区间，表明待识别纸币和样本纸币的安全线区域具有近似的灰度值分布特征，因此确定待识别纸币和样本纸币匹配成功，并判定待识别纸币为安全线被抽出的纸币。

208、确定匹配结果为匹配失败，并判定所述待识别纸币不是安全线被抽出的纸币。

所述方差未落入所述范围区间，表明待识别纸币和样本纸币的安全线区域的灰度值分布特征的相似度较小，因此确定待识别纸币和样本纸币匹配失败，并判定待识别纸币不是安全线被抽出的纸币。

在本发明实施例中，获取待识别纸币的灰度值图像；从所述灰度值图像中截取安全线所处的目标区域；对所述目标区域进行二值化处理；分别统计二值化处理后的所述目标区域中各列像素包含的目标像素点的数量；计算所述数量的方差；判断所述方差是否落入预设的范围区间；若是则确定匹配结果为匹配成功，并判定所述待识别纸币为安全线被抽出的纸币；否则确定匹配结果为匹配失败，并判定所述待识别纸币不是安全线被抽出的纸币。本发明实施例通过将待识别纸币和样本纸币的安全线区域中各列像素包含的目标像素点的数量的方差进行匹配，能够根据匹配的结果自动识别安全线被抽出的纸币，与传统的人眼识别方式相比，大大提高了识别的效率和准确度。

请参阅图3，本发明实施例中一种纸币的识别方法的第三个实施例包括：

301、获取待识别纸币的灰度值图像；

302、从所述灰度值图像中截取安全线所处的目标区域；

步骤301至302与步骤101至102相同，具体可参照步骤101至102的相关说明。

303、根据大津算法计算所述目标区域的二值化阈值；

在截取出所述目标区域之后，根据大津算法计算所述目标区域的二值化阈值。大津算法即OTSU算法，是一种自适应的二值化阈值确定方法。

304、采用所述二值化阈值对所述目标区域进行二值化处理；

在计算得到二值化阈值之后，即可采用该二值化阈值对所述目标区域进行二值化处理。

进一步的，步骤304可以包括：

(1)将所述二值化阈值乘以预设的比例系数，得到目标二值化阈值，所述比例系数为大于0且小于1的常数；

(2)采用所述目标二值化阈值对所述目标区域进行二值化处理。

所述比例系数为0至1之间的常数，比如0.6。设置比例系数能够使得纸币识别算法的鲁棒性大幅度提高，具体原因可参见步骤308的相关说明。

305、分别统计二值化处理后的所述目标区域中各列像素包含的目标像素点的数量；

步骤305和步骤204相同，具体可参照步骤204的相关说明。

306、根据所述目标区域中各列像素包含的目标像素点的数量以及对应的列坐标值构建第一分布曲线；

在统计得到所述目标区域中各列像素包含的目标像素点的数量之后，根据所述目标区域中各列像素包含的目标像素点的数量以及对应的列坐标值构建第一分布曲线。比如，以所述目标区域中各列像素的列坐标值为横坐标，以各列像素包含的目标像素点的数量为纵坐标构建所述第一分布曲线。

307、根据所述样本纸币的二值化图像中安全线所处区域的各列像素包含的所述目标像素点的数量以及对应的列坐标值构建第二分布曲线；

所述样本纸币为类型、版本均与所述待识别纸币相同且安全线被抽出的纸币，预先统计样本纸币的二值化图像中安全线所处区域的各列像素包含的所述目标像素点的数量，然后采用与步骤306相同的方式构建第二分布曲线。

308、将所述第一分布曲线和所述第二分布曲线作差，得到第三分布曲线；

为了获取第一分布曲线和第二分布曲线之间的差别，将所述第一分布曲线和所述第二分布曲线作差，得到第三分布曲线。

进一步的，步骤308可以包括：

(1)从所述第一分布曲线中截取幅值大于第二阈值的第一曲线段；

(2)从所述第二分布曲线中截取幅值大于第三阈值的第二曲线段；

(3)将所述第一曲线段和所述第二曲线段作差，得到所述第三分布曲线。

对于上述步骤(1)至(3)，从第一分布曲线中截取幅值大于第二阈值的第一曲线段，从第二分布曲线中截取幅值大于第三阈值的第二曲线段，即截取两个曲线的峰值区域。曲线的峰值区域即安全线区域中所述目标像素点的数量最多的像素列所处的区域，通常为安全线所在的区域。对于正常纸币和安全线被抽出的纸币来说，目标像素点的数量区别在所述峰值区域内的体现是最明显的，正常纸币的所述曲线峰值会比安全线被抽出的纸币的所述曲线峰值高一定的数值，这个数值即为所述第三分布曲线的幅值。经数据测试发现，若在步骤304中进行二值化时采用所述目标二值化阈值，则正常纸币和安全线被抽出的纸币之间的所述数值差别将变得更大，正是由于这个大幅度的数值差别，可使得本发明的纸币识别算法的鲁棒性大幅度提高。

309、判断所述第三分布曲线的幅值是否小于第一阈值；

在得到第三分布曲线之后，判断所述第三分布曲线的幅值是否小于第一阈值。若第三分布曲线的幅值小于第一阈值，则执行步骤301，否则执行步骤311。

310、确定匹配结果为匹配成功，并判定所述待识别纸币为安全线被抽出的纸币；

所述第三分布曲线的幅值小于第一阈值，表明待识别纸币和样本纸币的安全线区域具有近似的灰度值分布特征，因此确定待识别纸币和样本纸币匹配成功，并判定待识别纸币为安全线被抽出的纸币。

311、确定匹配结果为匹配失败，并判定所述待识别纸币不是安全线被抽出的纸币。

所述第三分布曲线的幅值大于或等于第一阈值，表明待识别纸币和样本纸币的安全线区域的灰度值分布特征的相似度较小，因此确定待识别纸币和样本纸币匹配失败，并判定待识别纸币不是安全线被抽出的纸币。

在本发明实施例中，获取待识别纸币的灰度值图像；从所述灰度值图像中截取安全线所处的目标区域；根据大津算法计算所述目标区域的二值化阈值；采用所述二值化阈值对所述目标区域进行二值化处理；分别统计二值化处理后的所述目标区域中各列像素包含的目标像素点的数量；根据所述目标区域中各列像素包含的目标像素点的数量以及对应的列坐标值构建第一分布曲线；根据所述样本纸币的二值化图像中安全线所处区域的各列像素包含的所述目标像素点的数量以及对应的列坐标值构建第二分布曲线；将所述第一分布曲线和所述第二分布曲线作差，得到第三分布曲线；判断所述第三分布曲线的幅值是否小于第一阈值；若是则确定匹配结果为匹配成功，并判定所述待识别纸币为安全线被抽出的纸币，否则确定匹配结果为匹配失败，并判定所述待识别纸币不是安全线被抽出的纸币。本发明实施例通过将待识别纸币和样本纸币的安全线区域中各列像素包含的目标像素点的数量构建成分布曲线，并根据两个分布曲线之间的幅值差的大小确定纸币的识别结果，与传统的人眼识别方式相比，大大提高了识别的效率和准确度。

应理解，上述各个实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

上面主要描述了一种纸币的识别方法，下面将对一种纸币的识别装置进行描述。

请参阅图4，本发明实施例中一种纸币的识别装置的一个实施例包括：

图像获取模块401，用于获取待识别纸币的灰度值图像；

目标区域截取模块402，用于从所述灰度值图像中截取安全线所处的目标区域；

二值化处理模块403，用于对所述目标区域进行二值化处理；

特征匹配模块404，用于将二值化处理后的所述目标区域的灰度值分布特征和样本纸币的二值化图像中安全线所处区域的灰度值分布特征进行匹配，得到匹配结果，所述样本纸币为类型、版本均与所述待识别纸币相同且安全线被抽出的纸币；

判定模块405，用于若所述匹配结果为匹配成功，则判定所述待识别纸币为安全线被抽出的纸币。

进一步的，所述特征匹配模块404可以包括：

数量统计单元，用于分别统计二值化处理后的所述目标区域中各列像素包含的目标像素点的数量；

方差计算单元，用于计算所述数量的方差；

匹配单元，用于若所述方差落入预设的范围区间，则确定所述匹配结果为匹配成功，所述范围区间根据所述样本纸币的二值化图像中安全线所处区域的各列像素包含的所述目标像素点的数量的方差确定。

本发明实施例还提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如图1至图3表示的任意一种纸币的识别方法的步骤。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如图1至图3表示的任意一种纸币的识别方法的步骤。

图5是本发明一实施例提供的终端设备的示意图。如图5所示，该实施例的终端设备5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时实现上述各个纸币的识别方法的实施例中的步骤，例如图1所示的步骤101至107。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能，例如图4所示模块401至405的功能。

所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述终端设备5中的执行过程。

所述终端设备5可以是各种类型的手机、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是终端设备5的示例，并不构成对终端设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备5还可以包括输入输出设备、网络接入设备、总线等。

所称处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器51可以是所述终端设备5的内部存储单元，例如终端设备5的硬盘或内存。所述存储器51也可以是所述终端设备5的外部存储设备，例如所述终端设备5上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。

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。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

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单元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。

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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

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 (10)

1.一种纸币的识别方法，其特征在于，包括：

获取待识别纸币的灰度值图像；

从所述灰度值图像中截取安全线所处的目标区域；

对所述目标区域进行二值化处理；

将二值化处理后的所述目标区域的灰度值分布特征和样本纸币的二值化图像中安全线所处区域的灰度值分布特征进行匹配，得到匹配结果，所述样本纸币为类型、版本均与所述待识别纸币相同且安全线被抽出的纸币；

若所述匹配结果为匹配成功，则判定所述待识别纸币为安全线被抽出的纸币。

2.如权利要求1所述的纸币的识别方法，其特征在于，所述将二值化处理后的所述目标区域的灰度值分布特征和样本纸币的二值化图像中安全线所处区域的灰度值分布特征进行匹配，得到匹配结果包括：

分别统计二值化处理后的所述目标区域中各列像素包含的目标像素点的数量；

计算所述数量的方差；

若所述方差落入预设的范围区间，则确定所述匹配结果为匹配成功，所述范围区间根据所述样本纸币的二值化图像中安全线所处区域的各列像素包含的所述目标像素点的数量的方差确定。

3.如权利要求1所述的纸币的识别方法，其特征在于，所述将二值化处理后的所述目标区域的灰度值分布特征和样本纸币的二值化图像中安全线所处区域的灰度值分布特征进行匹配，得到匹配结果包括：

分别统计二值化处理后的所述目标区域中各列像素包含的目标像素点的数量；

根据所述目标区域中各列像素包含的目标像素点的数量以及对应的列坐标值构建第一分布曲线；

根据所述样本纸币的二值化图像中安全线所处区域的各列像素包含的所述目标像素点的数量以及对应的列坐标值构建第二分布曲线；

将所述第一分布曲线和所述第二分布曲线作差，得到第三分布曲线；

若所述第三分布曲线的幅值小于第一阈值，则确定所述匹配结果为匹配成功。

4.如权利要求3所述的纸币的识别方法，其特征在于，所述将所述第一分布曲线和所述第二分布曲线作差，得到第三分布曲线包括：

从所述第一分布曲线中截取幅值大于第二阈值的第一曲线段；

从所述第二分布曲线中截取幅值大于第三阈值的第二曲线段；

将所述第一曲线段和所述第二曲线段作差，得到所述第三分布曲线。

5.如权利要求1至4中任一项所述的纸币的识别方法，其特征在于，所述对所述目标区域进行二值化处理包括：

根据大津算法计算所述目标区域的二值化阈值；

采用所述二值化阈值对所述目标区域进行二值化处理。

6.如权利要求5所述的纸币的识别方法，其特征在于，所述采用所述二值化阈值对所述目标区域进行二值化处理包括：

将所述二值化阈值乘以预设的比例系数，得到目标二值化阈值，所述比例系数为大于0且小于1的常数；

采用所述目标二值化阈值对所述目标区域进行二值化处理。

7.一种纸币的识别装置，其特征在于，包括：

图像获取模块，用于获取待识别纸币的灰度值图像；

目标区域截取模块，用于从所述灰度值图像中截取安全线所处的目标区域；

二值化处理模块，用于对所述目标区域进行二值化处理；

特征匹配模块，用于将二值化处理后的所述目标区域的灰度值分布特征和样本纸币的二值化图像中安全线所处区域的灰度值分布特征进行匹配，得到匹配结果，所述样本纸币为类型、版本均与所述待识别纸币相同且安全线被抽出的纸币；

判定模块，用于若所述匹配结果为匹配成功，则判定所述待识别纸币为安全线被抽出的纸币。

8.如权利要求7所述的纸币的识别装置，其特征在于，所述特征匹配模块包括：

数量统计单元，用于分别统计二值化处理后的所述目标区域中各列像素包含的目标像素点的数量；

方差计算单元，用于计算所述数量的方差；

匹配单元，用于若所述方差落入预设的范围区间，则确定所述匹配结果为匹配成功，所述范围区间根据所述样本纸币的二值化图像中安全线所处区域的各列像素包含的所述目标像素点的数量的方差确定。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的纸币的识别方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的纸币的识别方法的步骤。