CN108648327A - 一种纸币面向识别方法以及装置 - Google Patents

Abstract

本发明公开了一种纸币面向识别方法以及装置，该方法包括以下步骤：根据纸币特征设置纸币面向参数；扫描获取纸币的图形图像，将该图形图像转变为灰度图像；在该灰度图像上第一侧边位置选取若干第一识别区域，统计每个第一识别区域的第一图像特征值，并确定该第一图像特征值的最大值和最小值；在该灰度图像上与该第一侧边相对的第二侧边位置选取若干第二识别区域，计算每个第二识别区域的第二图像特征值，确定该第二图像特征值的最大值和最小值；确定差值最大的一组第一图像特征值和第二图像特征值，并基于该纸币面向参数确定被检测纸币第一维度的面向信息。本发明的方法以及装置可提升纸币面向识别的鲁棒性。

Description

一种纸币面向识别方法以及装置

技术领域

本发明涉及纸币面向识别技术领域，特别是涉及一种纸币面向识别方法以及装置。

背景技术

纸币图像识别技术在金融器具中有着广泛的应用。纸币清分机是一种机电一体化的金融器具，涉及识别纸币的面值和面向。纸币面向识别是纸币验证的基础识别部分，面向识别的结果将用于后续处理。只有在确定纸币面向后，才能准确的识别纸币。但由于纸币存在着多种规格，且在使用过程中容易出现污损情况，使得所识别的纸币呈现出不同的图像特点。

市面上常流通的印尼卢比币值有5千、1万、2万、5万、10万。而对印尼卢比的币值的识别需要先对卢比的纸币面向进行识别，才能通过纸币面向上币值的特征，识别出卢比的币值。如何快速简单地识别出印尼卢比的面向，成为亟需解决的问题。

如图4所示，在通常纸币面向识别中，基于纸币左/右印刷的不同，通过计算纸币正面的左侧一个识别区域1、右侧一个识别区域2的灰度均值或者计算纸币反面左侧一个识别区域3、右侧一个识别区域4的灰度均值。可以简便分辨出纸币的左/右方向定位。在完成了第一步左右的判断后，再进行纸币面向上/下的判断。因此，在通常的纸币面向识别中，第一步为识别左右方向，第二步识别上下方向。

在纸币亮暗分布判断中，通常通过计算截取设定区域的灰度均值/差值等相关方法实现面向识别操作，都是基于同一个识别区域进行计算。因此不可避免地，在截取的识别区域存在较为严重污损时，将直接影响面向识别的准确性。如图4所示，若正面左侧识别区域1遭到污损，则不可避免降低左侧灰度值，纸币面向的左右判断会出现误判断的可能，从而导致后续有关纸币的所有计算出现错误。

因此，现有的纸币面向识别技术还有待于改进和发展。

发明内容

本发明针对以上存在的技术问题，提供一种利用投票式机制提升纸币面向识别鲁棒性的纸币面向识别方法以及装置。

第一方面，本发明实施方式提供的技术方案是：提供一种纸币面向识别方法，包括以下步骤：

根据纸币特征设置纸币面向参数；

扫描获取纸币的图形图像，将该图形图像转变为灰度图像；

在该灰度图像上第一侧边位置选取若干第一识别区域，统计每个第一识别区域的第一图像特征值，并确定该第一图像特征值的最大值和最小值；

在该灰度图像上与该第一侧边相对的第二侧边位置选取若干第二识别区域，计算每个第二识别区域的第二图像特征值，确定该第二图像特征值的最大值和最小值；

对该第三图像特征值的最大值与所述第四图像特征值的最小值求差，对该第三图像特征值的最小值与所述第四图像特征值的最大值求差，确定差值最大的一组第一图像特征值和第二图像特征值，并根据该差值最大的第一图像特征值和第二图像特征值以及该纸币面向参数确定被检测纸币第一维度的面向信息。

该纸币面向识别方法，还包括：

在该灰度图像上第三侧边位置选取若干第三识别区域，统计每个第三识别区域的图像特征值，确定该第三图像特征值的最大值和最小值；

在该灰度图像上与该第三侧边相对的第四侧边位置选取若干第四识别区域，统计每个第四识别区域的图像特征值，确定该第四图像特征值的最大值和最小值；

对该第三图像特征值的最大值与所述第四图像特征值的最小值求差，对该第三图像特征值的最小值与所述第四图像特征值的最大值求差，确定差值最大的一组第三图像特征值和第四图像特征值，并根据该差值最大的第三图像特征值和第四图像特征值以及该纸币面向参数确定被检测纸币第二位维度的面向信息。

根据不同币种的面向参数特点，该第一和第二图像特征值分别为该第一识别区域和第二识别区域的灰度均值；和/或该第三和第四图像特征值分别为该第三识别区域和第四识别区域的灰度均值。

根据不同币种的面向参数特点，该第一和第二图像特征值分别为该第一识别区域和第二识别区域内的纸币特征图形的高度；和/或该第三和第四图像特征值分别为该第三识别区域和第四识别区域内纸币特征图形的高度。

优选地，在该灰度图像上分别选取三块该第一识别区域至第四识别区域。

第二方面，本发明实施方式提供的技术方案是：提供一种纸币面向识别装置，包括：

设置模块，用于根据纸币特征设置纸币面向参数；

图像获取模块，用于扫描获取纸币的图形图像，并将该图形图像转变为灰度图像；

第一纸币面向识别模块，用于在该灰度图像上第一侧边位置选取若干第一识别区域，统计每个第一识别区域的第一图像特征值，并确定该第一图像特征值的最大值和最小值；用于在该灰度图像上与该第一侧边相对的第二侧边位置选取若干第二识别区域，计算每个第二识别区域的第二图像特征值，确定该第二图像特征值的最大值和最小值；还用于确定差值最大的一组第一图像特征值和第二图像特征值，并根据该差值最大的第一图像特征值和第二图像特征值以及该纸币面向参数确定被检测纸币第一维度的面向信息。

该纸币面向识别装置还包括第二纸币面向识别模块，用于在该灰度图像上第三侧边位置选取若干第三识别区域，统计每个第三识别区域的图像特征值，确定该第三图像特征值的最大值和最小值；用于在该灰度图像上与该第三侧边相对的第四侧边位置选取若干第四识别区域，统计每个第四识别区域的图像特征值，确定该第四图像特征值的最大值和最小值；还用于确定差值最大的一组第三图像特征值和第四图像特征值，并根据该差值最大的第三图像特征值和第四图像特征值以及该纸币面向参数确定被检测纸币第二位维度的面向信息。

根据不同币种的面向参数特点，该第一和第二图像特征值分别为该第一识别区域和第二识别区域的灰度均值；和/或该第三和第四图像特征值分别为该第三识别区域和第四识别区域的的灰度均值。

根据不同币种的面向参数特点，该第一和第二图像特征值分别为该第一识别区域和第二识别区域内纸币特征图形的高度；和/或该第三和第四图像特征值分别为该第三识别区域和第四识别区域内纸币特征图形的高度。

第三方面，本发明实施方式提供的技术方案是：提供一种纸币面向识别系统，包括：至少一个处理器；以及，

与该至少一个处理器通信连接的存储器；其中，该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行时，使该至少一个处理器能够前述的方法步骤。

本发明实施方式的有益效果是：本实施例的纸币面向识别方法及装置，设置若干组识别区域，利用投票式机制从识别区域中排序出差值最大的一组，并基于差值最大的识别区域计算纸币面向，提升纸币面向识别的鲁棒性。同时，本实施例的纸币面向识别方法及装置，整个识别过程采用计算速度最快的均值算法、比较最大值、比较最小值等，提高了纸币面向识别的速度。并且，用投票式方式，选取明暗变化对比差较大的一对识别区域，设置的识别区域越多，基于投票方式的纸币面向识别效果越可信，具体纸币面向识别鲁棒性高低还有计算时间的快慢，可以通过调整识别区域的数量来人为调节。

附图说明

图1是本发明实施例纸币面向识别方法的主要流程图；

图2是本发明实施例纸币面向识别方法的详细流程图；

图3是本发明实施例纸币面向识别装置的模块图；

图4是现有技术中纸币面向识别的识别区域提取方式示意图；

图5是本发明实施例纸币面向识别方法的投票式识别区域提取方式示意图；

图6是本发明实施例纸币面向识别方法的另一投票式识别区域提取方式示意图；以及

图7是本发明实施例纸币面向识别系统的硬件结构示意图；

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。

实施例1

请参考图1，所示为本实施例的纸币面向识别方法的主要流程图。

该纸币面向识别方法，主要包括以下步骤：

步骤101：根据纸币特征设置纸币面向参数；该纸币面向参数为确定纸币面向的各个参数。比如，纸币面向数据分为第一类：正面正向或者反面倒向，第二类为：反面正向或者正面倒向。本实施例以第一类纸币面向数据加以分析。如图5和图6所示的古巴币，在第一类情况下，其正面左侧灰度值高，正面右侧灰度值低，因此可预先设置灰度值高的一侧为正面左侧；在第二类情况下，古巴纸币的反面左侧也是灰度值高，右侧灰度值低，因此，还需根据更多的纸币特征，区分纸币的正面和反面。具体见后详述。

步骤102：扫描获取纸币的图形图像。

步骤103：将该图形图像转变为灰度图像。

步骤104：在该灰度图像上第一侧边位置选取若干第一识别区域，统计每个第一识别区域的第一图像特征值，并确定该第一图像特征值的最大值和最小值。

步骤105：在该灰度图像上与该第一侧边相对的第二侧边位置选取若干第二识别区域，计算每个第二识别区域的第二图像特征值，确定该第二图像特征值的最大值和最小值。

步骤106：对该第一图像特征值的最大值与该第二图像特征值的最小值求差，对该第一图像特征值的最小值与该第二图像特征值的最大值求差，确定差值最大的一组第一图像特征值和第二图像特征值，并根据该差值最大的第一图像特征值和第二图像特征值以及该纸币面向参数确定被检测纸币第一维度的面向信息。

请参考图5和图6，预先存储将纸币面向参数，比如代表左右的灰度值以及面向数据。例如，通过灰度值的高低判断古巴币的左右，再利用特定识别区域内纸币特征图形的高度，即可识别出纸币的前后数据。比如，如果识别区域65的纸币特征图形的高度较高，则判断纸币为正面正向。如果纸币特征图形的高度较低，如识别区域85所示，则判断纸币为反面反向。

根据不同币种的面向参数特点，该第一和第二图像特征值分别为该第一识别区域和第二识别区域的灰度均值；和/或该第三和第四图像特征值分别为该第三识别区域和第四识别区域的灰度均值。

具体实施时，首先在第一个维度方向上，从该灰度图像提取出多个识别区域，本实施例中设置三个识别区域，以灰度均值为图像特征值进行判断。比如，古巴纸币左侧的左上区域53、左中区域52以及左下区域51，对应地，右侧的右上区域56、右中区域55以及右下区域54。

举例如下，从纸币左侧开始提取三个识别区域，左上区域53起始位置为：起始X：40，起始Y：140，区域宽：50，区域高：100。该左中区域52以及左下区域51大小相同。

对应地，右上区域56位置为：起始X：图像宽度减去区域宽再减去40，起始Y：140，区域宽：50，区域高100，该右中区域55以及右下区域54大小与该右上区域56相同。

其次，对左上区域53、左中区域52以及左下区域51分别计算三个识别区域的灰度均值，比如，分别存储为Left[0]、Left[1]、Left[2]。排序找出三个灰度均值的最大值，最大值记为LeftMax，最小值记为LeftMin。

同时，对右上区域56、右中区域55以及右下区域54分别计算三个识别区域的灰度均值，分别记为Right[0]、Right[1]、Right[2]。排序找出三个灰度均值中的最大值，最大值记为RightMax，最小值记为RightMin。

再次，确定出差值最大的一组左侧识别区域与右侧识别区域，选取该区域的灰度均值为做明暗对比的计算输入值。

通过以上步骤，可识别纸币第一维度的左右面向数据，为了进一步确定纸币的正反还需要进一步结合其它图像特征值一并参考计算。以下根据不同币种的面向参数特点，该第一和第二图像特征值分别为该第一区域和第二区域内纸币特征图形的高度；和/或该第三和第四图像特征值分别为该第三识别区域和第四识别区域内纸币特征图形的高度。

请参考图2，所示为本实施例的纸币面向识别方法的详细流程图。其中，包括第二维度的图像特征值识别过程。该纸币面向识别方法还包括：

步骤204：在该灰度图像上第三侧边位置选取若干第三识别区域，统计每个第三识别区域的图像特征值，确定该第三图像特征值的最大值和最小值；

步骤205：在该灰度图像上与该第三侧边相对的第四侧边位置选取若干第四识别区域，统计每个第四识别区域的图像特征值，确定该第四图像特征值的最大值和最小值；

步骤206：对该第三图像特征值的最大值与该第四图像特征值的最小值求差，对该第三图像特征值的最小值与该第四图像特征值的最大值求差，确定差值最大的一组第三图像特征值和第四图像特征值，并根据该差值最大的第三图像特征值和第四图像特征值以及该纸币面向参数确定被检测纸币第二位维度的面向信息。

请再次参考图5和图6，该第二维度的识别过程举例如下，从纸币左侧上方提取三个包含具有区别图像特征的识别区域，上一区域61、上二区域62以及上三区域63。该上一区域61、上二区域62以及上三区域63大小相同。

对应在纸币下方提取同样大小的三个包含具有区别图像特征的识别区域，包括下一区域64、下二区域65以及下三区域66。该下一区域64、下二区域65以及下三区域66大小相同。

其次，对该上一区域61、上二区域62以及上三区域63分别计算三个识别区域的边缘高度值，该边缘高度值为纸币特征图形的高度。排序找出三个边缘高度值中的最大值。

同时，对该下一区域64、下二区域65以及下三区域66分别计算三个识别区域的边缘高度值，排序找出三个边缘高度值中的最大值。

通过以上数据确定出差值最大的一组上方识别区域与下方识别区域，选取该区域的边缘高度值为做正反面向识别的依据。比如，上方识别区域63的边缘高度值大时则是正面正向，边缘高度值小时则是反面反向，如识别区域85所示。下方识别区域65的边缘高度值大时则是正面正向，边缘高度值小时则是反面反向，如识别区域85所示。

同理，针对该第二类纸币面向数据也可以简单快速地判断出来。

实施例2

本实施例从软件模块方面阐述该纸币面向识别方法。该软件模块存储在装置的存储器中。本实施例的纸币面向识别装置包括设置模块10、图像获取模块20、第一纸币面向识别模块以及第二纸币面向识别模块40。

该设置模块10，用于根据纸币特征设置纸币面向参数。

该图像获取模块20，用于扫描获取纸币的图形图像，并将该图形图像转变为灰度图像。

该第一纸币面向识别模块30用于在该灰度图像上第一侧边位置选取若干第一识别区域，统计每个第一识别区域的第一图像特征值，并确定该第一图像特征值的最大值和最小值。该第一纸币面向识别模块30用于在该灰度图像上与该第一侧边相对的第二侧边位置选取若干第二识别区域，计算每个第二识别区域的第二图像特征值，对该第一图像特征值的最大值与该第二图像特征值的最小值求差，对该第一图像特征值的最小值与该第二图像特征值的最大值求差，确定该第二图像特征值的最大值和最小值。该第一纸币面向识别模块30还用于确定差值最大的一组第一图像特征值和第二图像特征值，并根据该差值最大的第一图像特征值和第二图像特征值以及该纸币面向参数确定被检测纸币第一维度的面向信息。

该纸币面向识别装置还包括第二纸币面向识别模块40，用于在该灰度图像上第三侧边位置选取若干第三识别区域，统计每个第三识别区域的图像特征值，确定确定该第三图像特征值的最大值和最小值。该第二纸币面向识别模块40用于在该灰度图像上与该第三侧边相对的第四侧边位置选取若干第四识别区域，统计每个第四识别区域的图像特征值，确定该第四图像特征值的最大值和最小值。该第二纸币面向识别模块40还用于对该第三图像特征值的最大值与该第四图像特征值的最小值求差，对该第三图像特征值的最小值与该第四图像特征值的最大值求差，确定差值最大的一组第三图像特征值和第四图像特征值，并根据该差值最大的第三图像特征值和第四图像特征值以及该纸币面向参数确定被检测纸币第二位维度的面向信息。

为了准确识别不同种类纸币的面向数据，该图像特征值可以有多种选择。根据不同币种的面向参数特点，该第一和第二图像特征值分别为该第一识别区域和第二识别区域的灰度均值；和/或该第三和第四图像特征值分别为该第三识别区域和第四识别区域的灰度均值。

或者在另一实施例中，根据不同币种的面向参数特点，该第一和第二图像特征值分别为该第一识别区域和第二识别区域内纸币特征图形的高度；和/或该第三和第四图像特征值分别为该第三识别区域和第四识别区域内纸币特征图形的高度。

本实施例的纸币面向识别方法及装置，设置若干组识别区域，利用投票式机制从识别区域中排序出差值最大的一组，并基于差值最大的识别区域计算纸币面向，提升纸币面向识别的鲁棒性。同时，本实施例的纸币面向识别方法及装置，整个识别过程采用计算速度最快的均值算法、比较最大值、比较最小值等，提高了纸币面向识别的速度。并且，用投票式方式，选取明暗变化对比差较大的一对识别区域，设置的识别区域越多，基于投票方式的纸币面向识别效果越可信，具体纸币面向识别鲁棒性高低还有计算时间的快慢，可以通过调整识别区域的数量来人为调节。

实施例3

图7是本申请实施例提供的机器人交互方法的电子设备600的硬件结构示意图，如图7所示，该电子设备600包括：

一个或多个处理器610以及一个或者多个存储器620，图7中以一个处理器610和一个存储器620为例。该存储器620存储有可被该至少一个处理器610执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行该纸币面向识别方法。

该处理器610与存储器620可以通过总线或者其他方式连接，图7中以通过总线连接为例。

实施例2中的一个或者多个模块存储在所述存储器620中，当被所述一个或者多个处理器610执行时，执行上述方法实施例中的纸币面向识别方法，例如，执行以上描述的图1中的方法步骤101至步骤106，执行以上描述的图2中的方法步骤204至步骤206，实现图3中的设置模块10、图像获取模块20、第一纸币面向识别模块30以及第二纸币面向识别模块40的功能。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法和装置。

以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种纸币面向识别方法，其特征在于，包括以下步骤：

根据纸币特征设置纸币面向参数；

扫描获取纸币的图形图像，将所述图形图像转变为灰度图像；

在所述灰度图像上第一侧边位置选取若干第一识别区域，统计每个所述第一识别区域的第一图像特征值，确定所述第一图像特征值的最大值和最小值；

在所述灰度图像上与所述第一侧边相对的第二侧边位置选取若干第二识别区域，统计每个所述第二识别区域的第二图像特征值，确定所述第二图像特征值的最大值和最小值；

对所述第一图像特征值的最大值与所述第二图像特征值的最小值求差，对所述第一图像特征值的最小值与所述第二图像特征值的最大值求差，确定差值最大的一组第一图像特征值和第二图像特征值，并根据所述差值最大的第一图像特征值和第二图像特征值以及所述纸币面向参数确定被检测纸币第一维度的面向信息。

2.根据权利要求1所述的纸币面向识别方法，其特征在于，还包括：

在所述灰度图像上第三侧边位置选取若干第三识别区域，统计每个所述第三识别区域的图像特征值，确定所述第三图像特征值的最大值和最小值；

在所述灰度图像上与所述第三侧边相对的第四侧边位置选取若干第四识别区域，统计每个第四识别区域的图像特征值，确定所述第四图像特征值的最大值和最小值；

对所述第三图像特征值的最大值与所述第四图像特征值的最小值求差，对所述第三图像特征值的最小值与所述第四图像特征值的最大值求差，确定差值最大的一组第三图像特征值和第四图像特征值，并根据所述差值最大的第三图像特征值和第四图像特征值以及所述纸币面向参数确定被检测纸币第二位维度的面向信息。

3.根据权利要求1或2所述的纸币面向识别方法，其特征在于，所述第一和第二图像特征值分别为所述第一识别区域和第二识别区域的灰度均值；

和/或所述第三和第四图像特征值为分别为所述第三识别区域和第四识别区域的灰度均值。

4.根据权利要求1或2所述的纸币面向识别方法，其特征在于，所述第一和第二图像特征值分别为所述第一识别区域和第二识别区域内的纸币特征图形的高度；和/或所述第三和第四图像特征值分别为所述第三识别区域和第四识别区域内纸币特征图形的高度。

5.根据权利要求2所述的纸币面向识别方法，其特征在于，在所述灰度图像上分别选取三块所述第一识别区域至第四识别区域。

6.一种纸币面向识别装置，包括处理器，所述处理器中存储有多条指令，其特征在于，包括：

设置模块，用于根据纸币特征设置纸币面向参数；

图像获取模块，用于扫描获取纸币的图形图像，并将所述图形图像转变为灰度图像；

第一纸币面向识别模块，用于在所述灰度图像上第一侧边位置选取若干第一识别区域，统计每个第一识别区域的第一图像特征值，并确定所述第一图像特征值的最大值和最小值；用于在所述灰度图像上与所述第一侧边相对的第二侧边位置选取若干第二识别区域，计算每个第二识别区域的第二图像特征值，确定所述第二图像特征值的最大值和最小值；还用于对所述第一图像特征值的最大值与所述第二图像特征值的最小值求差，对所述第一图像特征值的最小值与所述第二图像特征值的最大值求差，确定差值最大的一组第一图像特征值和第二图像特征值，并根据所述差值最大的第一图像特征值和第二图像特征值以及所述纸币面向参数确定被检测纸币第一维度的面向信息。

7.根据权利要求6所述的纸币面向识别装置，其特征在于，还包括第二纸币面向识别模块，用于在所述灰度图像上第三侧边位置选取若干第三识别区域，统计每个第三识别区域的图像特征值，确定确定所述第三图像特征值的最大值和最小值；用于在所述灰度图像上与所述第三侧边相对的第四侧边位置选取若干第四识别区域，统计每个第四识别区域的图像特征值，确定所述第四图像特征值的最大值和最小值；还用于对所述第三图像特征值的最大值与所述第四图像特征值的最小值求差，对所述第三图像特征值的最小值与所述第四图像特征值的最大值求差，确定差值最大的一组第三图像特征值和第四图像特征值，并根据所述差值最大的第三图像特征值和第四图像特征值以及所述纸币面向参数确定被检测纸币第二位维度的面向信息。

8.根据权利要求6或7所述的纸币面向识别装置，其特征在于，所述第一和第二图像特征值分别为所述第一识别区域和第二识别区域的灰度均值；

和/或所述第三和第四图像特征值分别为所述第三识别区域和第四识别区域的灰度均值。

9.根据权利要求6或7所述的纸币面向识别装置，其特征在于，所述第一和第二图像特征值分别为所述第一识别区域和第二识别区域内的纸币特征图形的高度；

和/或所述第三和第四图像特征值分别为所述第三识别区域和第四识别区域内纸币特征图形的高度。

10.一种纸币面向识别系统，其中，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行时，使所述至少一个处理器能够执行权利要求1-5任一项所述的方法步骤。