CN108932788B - 一种纸币厚度异常等级的检测方法、装置及设备 - Google Patents
一种纸币厚度异常等级的检测方法、装置及设备 Download PDFInfo
- Publication number
- CN108932788B CN108932788B CN201710364108.2A CN201710364108A CN108932788B CN 108932788 B CN108932788 B CN 108932788B CN 201710364108 A CN201710364108 A CN 201710364108A CN 108932788 B CN108932788 B CN 108932788B
- Authority
- CN
- China
- Prior art keywords
- thickness
- curve
- paper money
- data point
- abnormal
- 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
Images
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
- G07D7/16—Testing the dimensions
- G07D7/164—Thickness
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
Abstract
本发明实施例公开了一种纸币厚度异常等级的检测方法、装置及设备。该方法包括:获取待检测纸币的有效厚度数据;将待检测纸币的有效厚度数据集合与模板纸币厚度数据集合进行比较,并根据比较结果确定至少一个异常数据点集;对至少一个异常数据点集进行曲线拟合以获取至少一个异常数据点集的拟合曲线;获取拟合曲线的曲线参数并根据曲线参数确定待检测纸币的厚度异常等级。通过本发明实施例提供的技术方案,综合考虑了待检测纸币本身及待检测纸币厚度异常时产生的谐波信号对纸币厚度异常等级的影响,实现了对纸币厚度数据异常等级的精确检测。
Description
技术领域
本发明实施例涉及纸币检测技术,尤其涉及一种纸币厚度异常等级的检测方法、装置及设备。
背景技术
在纸币流通日益频繁的情况下,极易出现纸币撕裂、掉角等破损情况,此时,人们往往会用透明胶带粘贴纸币的破损位置,从而形成残损钞。残损钞在市面的流通严重影响了钞票形象和国家形象,相关央行需根据相关规定对此类钞票进行回收并销毁。另外,越来越多的不法分子将来自不同张钞票的残劵通过粘贴组合的方式形成新的钞票,严重危害了国家、集体和个人利益。因此,纸币厚度异常的检测变得至关重要。
然而,纸币厚度异常是分等级的,纸币厚度异常等级的不同,对其的处理方法也不同。如有的纸币的厚度异常程度特别大,需要直接销毁,而有的纸币的厚度只是局部轻微异常,只需要进行简单的处理就可继续流通使用。现有技术中只是对纸币厚度异常情况进行检测,然后不能有效的检测出纸币厚度异常等级。
发明内容
本发明实施例提供一种纸币厚度异常等级的检测方法、装置及设备,以实现对纸币厚度数据异常等级的检测。
第一方面,本发明实施例提供了一种纸币厚度异常等级的检测方法,该方法包括:
获取待检测纸币的有效厚度数据;
将所述待检测纸币的有效厚度数据集合与模板纸币厚度数据集合进行比较,并根据比较结果确定至少一个异常数据点集;
对所述至少一个异常数据点集进行曲线拟合以获取所述至少一个异常数据点集的拟合曲线;
获取所述拟合曲线的曲线参数并根据所述曲线参数确定所述待检测纸币的厚度异常等级。
第二方面,本发明实施例还提供了一种纸币厚度异常等级的检测装置,该装置包括:
有效厚度数据获取模块,用于获取待检测纸币的有效厚度数据;
异常数据点集确定模块,用于将所述待检测纸币的有效厚度数据集合与模板纸币厚度数据集合进行比较,并根据比较结果确定至少一个异常数据点集;
拟合曲线获取模块,用于对所述至少一个异常数据点集进行曲线拟合以获取所述至少一个异常数据点集的拟合曲线;
厚度异常等级确定模块,用于获取所述拟合曲线的曲线参数并根据所述曲线参数确定所述待检测纸币的厚度异常等级。
第三方面,本发明实施例还提供了一种纸币厚度异常等级的检测设备,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例提供的任一所述的纸币厚度异常等级的检测方法。
本发明实施例提供的纸币厚度异常等级的检测方法,通过获取待检测纸币的有效厚度数据;将待检测纸币的有效厚度数据集合与模板纸币厚度数据集合进行比较,并根据比较结果确定至少一个异常数据点集;对至少一个异常数据点集进行曲线拟合以获取至少一个异常数据点集的拟合曲线;获取拟合曲线的曲线参数并根据曲线参数确定待检测纸币的厚度异常等级,综合考虑了待检测纸币本身及待检测纸币厚度异常时产生的谐波信号对纸币厚度异常等级的影响,实现了对纸币厚度数据异常等级的精确检测。
附图说明
图1a是本发明实施例一提供的一种纸币厚度异常等级的检测方法的流程图;
图1b是本发明实施例一提供的走钞过程中厚度传感器采集待检测纸币原始厚度数据的示意图;
图1c是本发明实施例一提供的厚度传感器采集的待检测纸币原始厚度数据的示意图;
图2是本发明实施例二提供的一种纸币厚度异常等级的检测方法的流程图;
图3是本发明实施例三提供的一种纸币厚度异常等级的检测方法的流程图;
图4是本发明实施例四提供的一种纸币厚度异常等级的检测装置的结构示意图;
图5是本发明实施例五提供的一种纸币厚度异常等级的检测设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1a为本发明实施例一提供的一种纸币厚度异常等级的检测方法的流程图,本实施例可适用于厚度异常的纸币的检测,该方法可以由纸币厚度异常等级的检测装置来执行,该装置可以由软件和/或硬件的方式实现,该装置可以集成在任何有纸币识别功能的设备中,例如典型的是验钞器及点钞机等。具体包括如下步骤:
S110、获取待检测纸币的有效厚度数据集合。
在本实施例中,有效厚度数据集合是指待检测纸币经过厚度传感器时由厚度传感器采集到的纸币的厚度数据信息。厚度传感器设置有一排横向并列排布设置的传感器单元,一个传感器单元对应一个通道。厚度传感器可以根据待检测纸币的大小,设定不同数量的传感器单元。示例性的,验钞机、点钞机或清分机一般根据待检测纸币的大小,设定为10通道厚度传感器或12通道厚度传感器。
参阅图1b,厚度传感器201中设置有一排横向并排布设的传感器单元202,一个传感器单元202对应一个通道203,则图1b中所示的含有10个传感器单元202的厚度传感器201可以称为10通道厚度传感器,将所有的通道按照编号方向204依次编号为1、2、…、9和10。待检测纸币205沿着图中的入钞方向206通过厚度传感器201,每个传感器单元202将采集一条相对独立的一维原始厚度数据,那么10通道厚度传感器可以采集10条原始厚度信号。其中待检测纸币205可以是正常纸币,也可以是粘有胶带、有折角或有缺损的异常纸币。图1c是厚度传感器201采集的正常纸币的10条原始厚度数据示意图,可以看到每个编号的传感器单元都对应了一条线,这一条线为该传感器单元检测到的原始厚度数据,相邻两条线之间的垂直于钞票位置坐标线的连接线并非厚度数据,仅为用于数据展示的连接线而已,无实际意义。
从图1c中可以看到原始厚度数据中包含中间待检测纸币通过时厚度传感器采集的纸币的厚度数据207及两侧没有纸币通过时厚度传感器采集的背景的厚度数据208。所以通过对上述厚度传感器的所有通道获取的原始厚度数据进行去噪处理,提取出原始厚度数据中的待检测纸币的厚度数据207,即获取待检测纸币的有效厚度数据集合。示例性的,待检测纸币的有效厚度数据集合用F(x,y)表示,其中,x表示待检测纸币的有效厚度数据集合所在的厚度传感器的通道编号,y表示待检测纸币的有效厚度数据集合的采集行号。
S120、将所述待检测纸币的有效厚度数据集合与模板纸币厚度数据集合进行比较,并根据比较结果确定至少一个异常数据点集。
在本实施例中,将待检测纸币的有效厚度数据集合F(x,y)与模板纸币厚度数据集合T(x,y)进行比较,其中,模板纸币厚度数据集合是获取的一张正常纸币的有效厚度数据集合,该正常纸币与待检测纸币的币种及版本完全一致。具体的,将待检测纸币的有效厚度数据集合F(x,y)中每个数据点的厚度数据与模板纸币厚度数据集合T(x,y)中对应位置的数据点的厚度数据一一进行比较,并根据比较结果确定至少一个异常数据点集。
优选的,将待检测纸币的有效厚度数据集合F(x,y)中每个数据点的厚度数据与模板纸币厚度数据集合T(x,y)中对应位置的数据点的厚度数据作差,以得到对应位置的数据点的厚度数据差值,将该厚度数据差值与预设阈值进行比较以确定待检测纸币中的异常数据点。示例性的,当厚度数据差值大于预设阈值时,确定待检测纸币中对应位置的数据点为异常数据点;当厚度数据差值小于预设阈值时,确定待检测纸币中对应位置的数据点为非异常数据点。优选的,在将厚度数据差值与预设阈值进行比较之前还可以包括:获取待检测纸币的新旧等级,根据待检测纸币的新旧等级对所述预设阈值进行适应性设置调整。其中,在对厚度数据差值与预设阈值进行比较时,可以对整个待检测纸币的有效厚度数据集合整体设定同一个预设阈值,也可以对整个待检测纸币的有效厚度数据集合中的不同位置区域设定不同的预设阈值。如对纸币中具有明显特征的位置区域,例如衣领区域、国徽区域、安全线区域等特征区域设定不同的预设阈值。
优选的,还可以对厚度数据差值进行聚类分析,以将待检测纸币的有效厚度数据集合中各个数据点归入到异常数据点或非异常数据点两类聚类中,通过该方法可以精确地确定出待检测纸币的异常数据点。按照预设规则,根据确定的异常数据点确定至少一个异常数据点集,本实施例对此不作限定。
S130、对所述至少一个异常数据点集进行曲线拟合以获取所述至少一个异常数据点集的拟合曲线。
示例性的,通过对待检测纸币中的异常数据点的分析只确定了一个异常数据点集,该异常数据点集中包含了m个异常数据点,该m个异常数据点用Pi(xi,yi)表示,其中,i=1,…,m,Pi表示第i个异常数据点,(xi,yi)表示第i个异常数据点在有效厚度数据集合中的具体位置信息。对异常数据点集中的m个异常数据点进行曲线拟合,得到拟合曲线其中,拟合曲线满足偏差平方和最小的原则。具体的,根据公式求取拟合曲线在各个异常数据点Pi(xi,yi)处的偏差,并使之满足公式优选的,拟合曲线为二项式方程。
需要说明的是,通过对待检测纸币中的异常数据点的分析也可以确定两个或多个异常数据点集,当确定了多个异常数据点集时,分别对每个异常数据点集进行曲线拟合以得到每个异常数据点集对应的拟合曲线。
S140、获取所述拟合曲线的曲线参数并根据所述曲线参数确定所述待检测纸币的厚度异常等级。
在本实施例中,根据S130中获取的至少一个拟合曲线获取拟合曲线的曲线参数。其中,曲线参数包含曲线曲率、曲线面积、曲线个数等曲线特征中的至少一个。需要说明的是,曲线曲率是直接对拟合曲线进行二次求导,以获取拟合曲线在各个曲线点的曲率,优选的,将拟合曲线的最大曲率作为拟合曲线的曲线参数。曲线面积可以直接对拟合曲线进行定积分运算。曲线个数是由确定的待检测纸币中的异常数据点集的个数决定的,曲线个数与异常数据点集的个数相等,即待检测纸币中有几个异常数据点集,曲线个数就是几。
基于预先设定的纸币厚度等级判断规则,根据所确定的曲线参数确定待检测纸币的厚度异常等级。其中,对预先设定的纸币厚度等级判断规则不作具体限定。
本实施例提供的纸币厚度异常等级的检测方法,通过获取待检测纸币的有效厚度数据;将待检测纸币的有效厚度数据集合与模板纸币厚度数据集合进行比较,并根据比较结果确定至少一个异常数据点集;对至少一个异常数据点集进行曲线拟合以获取至少一个异常数据点集的拟合曲线;获取拟合曲线的曲线参数并根据曲线参数确定待检测纸币的厚度异常等级,综合考虑了待检测纸币本身及待检测纸币厚度异常时产生的谐波信号对纸币厚度异常等级的影响,实现了对纸币厚度数据异常等级的精确检测。
实施例二
图2是本发明实施例提供的一种纸币厚度异常等级的检测方法的流程图,本实施例在上述实施例的基础上,将将所述待检测纸币的有效厚度数据集合与模板纸币厚度数据集合进行比较,并根据比较结果确定至少一个异常数据点集优化为:获取所述有效厚度数据集合中各厚度数据与所述模板纸币厚度数据集合中对应的厚度数据的差值;根据所述差值确定所述待检测纸币的异常数据点,并记录所述异常数据点的位置信息;根据所述异常数据点的位置信息确定至少一个异常数据点集。
如图2所示,本实施例的方法包括如下步骤:
S210、获取待检测纸币的有效厚度数据集合。
S220、获取所述有效厚度数据集合中各厚度数据与所述模板纸币厚度数据集合中对应的厚度数据的差值。
具体的,将待检测纸币的有效厚度数据集合F(x,y)中各厚度数据与模板纸币厚度数据集合T(x,y)中对应的厚度数据作差,以得到待检测纸币的有效厚度数据集合与模板纸币厚度数据集合在各个对应数据点的厚度差值信号G(x,y),即G(x,y)=F(x,y)-T(x,y)。
S230、根据所述差值确定所述待检测纸币的异常数据点,并记录所述异常数据点的位置信息。
在本实施例中,对S220确定的差值信号G(x,y)进行分析,并根据分析结果确定待检测纸币的异常数据点。示例性的,将待检测纸币中各个数据点的差值与预设阈值进行比较,当所述差值大于预设阈值时,确定该数据点为异常数据点,当所述差值小于预设阈值时,确定该数据点为非异常数据点,遍历待检测纸币中的每个数据处对应的差值信号,以确定整个待检测纸币中的全部异常数据点。优选的,在对各个数据点的差值与预设阈值进行比较时,可以对整个待检测纸币的有效厚度数据集合整体设定同一个预设阈值,也可以对整个待检测纸币的有效厚度数据集合中的不同位置区域设定不同的预设阈值。如对纸币中具有明显特征的位置区域,例如衣领区域、国徽区域、安全线区域等特征区域设定不同的预设阈值。优选的,还可以对差值信号G(x,y)进行聚类分析,示例性的,将待检测纸币的有效厚度数据集合中各个数据点分别归入到异常数据点或非异常数据点两类聚类中,还可以基于聚类分析法将待检测纸币的有效厚度数据集合中各个数据点分别归入普通异常数据点、严重异常数据点和非异常数据点中的任意一个。通过该方法可以精确地确定出待检测纸币的异常数据点。并记录待检测纸币中各个异常数据点的位置信息,其中,异常数据点的位置信息是指异常数据点在待检测纸币中的具体位置,即异常数据点在待检测纸币对应的厚度传感器的第几个通道及其在该通道中具体的第几行等信息。
S240、根据所述异常数据点的位置信息确定至少一个异常数据点集。
优选的,根据所述位置信息确定所述异常数据点的至少一个连续点数;确定所述至少一个连续点数中大于预设点数的连续点数,确定由每个大于预设点数的连续点数分别对应的异常数据点构成一个异常数据点集。
S250、对所述至少一个异常数据点集进行曲线拟合以获取所述至少一个异常数据点集的拟合曲线。
S260、获取所述拟合曲线的曲线参数并根据所述曲线参数确定所述待检测纸币的厚度异常等级。
本发明实施例提供的纸币厚度异常等级的检测方法,通过获取待检测纸币的有效厚度数据;获取所述有效厚度数据集合中各厚度数据与所述模板纸币厚度数据集合中对应的厚度数据的差值;根据所述差值确定所述待检测纸币的异常数据点,并记录所述异常数据点的位置信息;根据所述异常数据点的位置信息确定至少一个异常数据点集;对至少一个异常数据点集进行曲线拟合以获取至少一个异常数据点集的拟合曲线;获取拟合曲线的曲线参数并根据曲线参数确定待检测纸币的厚度异常等级,综合考虑了待检测纸币本身及待检测纸币厚度异常时产生的谐波信号对纸币厚度异常等级的影响,而且能够精确的确定出异常数据点集,进一步提高了对纸币厚度数据异常等级的检测精度。
实施例三
图3是本发明实施例提供的一种纸币厚度异常等级的检测方法的流程图,本实施例在上述实施例的基础上,将所述根据所述异常数据点的位置信息确定至少一个异常数据点集优化为:根据所述位置信息确定所述异常数据点的至少一个连续点数;确定所述至少一个连续点数中大于预设点数的连续点数,确定由每个大于预设点数的连续点数分别对应的异常数据点构成一个异常数据点集。并将根据所述曲线参数确定所述待检测纸币的厚度异常等级优化为:将所述曲线面积、曲线曲率及曲线个数作为参数向量,并将所述参数向量输入BP神经网络分类器进行识别,以确定所述待检测纸币的厚度异常等级。
如图3所示,本实施例的方法包括如下步骤:
S310、获取待检测纸币的有效厚度数据集合。
S320、获取所述有效厚度数据集合中各厚度数据与所述模板纸币厚度数据集合中对应的厚度数据的差值。
S330、根据所述差值确定所述待检测纸币的异常数据点,并记录所述异常数据点的位置信息。
S340、根据所述位置信息确定所述异常数据点的至少一个连续点数。
在本实施例中,连续点数是指位置依次相邻的厚度数据点的点数。示例性的,连续点数包括纵向连续点数和横向连续点数,纵向是待检测纸币的短边方向,横向是待检测纸币的长边方向。位置信息包含异常数据点的行号及通道号。纵向连续点数是单个通道内的异常数据点连续出现的点数。横向连续点数是异常数据点所在的通道号对应的通道及其相邻通道在上述行号前后各一个或各两个行号之间的异常数据点连续出现的点数。根据步骤S330确定的待检测纸币的有效厚度数据集合中的所有异常数据点的位置信息,确定各个连续的异常数据点的至少一个连续点数。显然,当存在多组不同的连续的异常数据点时,至少存在一个大于2的连续点数。
S350、确定所述至少一个连续点数中大于预设点数的连续点数,确定由每个大于预设点数的连续点数分别对应的异常数据点构成一个异常数据点集。
将S340中获得的至少一个连续点数与预设点数进行比较,其中,预设点数是用于确定纸币厚度是否异常的经验性数值。当连续点数大于预设点数时,将大于预设点数的连续点数对应的异常数据点确定构成为一个异常数据点集。当只存在一个连续点数大于预设点数时,只能确定一个异常数据点集,当存在多个连续点数大于预设点数时,可以分别确定每个大于预设点数的连续点数对应的异常数据点分别构成的异常数据点集,即可以确定多个异常数据点集。
S360、对所述至少一个异常数据点集进行曲线拟合以获取所述至少一个异常数据点集的拟合曲线。
S370、获取所述拟合曲线的曲线参数,其中所述拟合曲线的曲线参数包括曲线面积、曲线曲率及曲线个数。
具体的,获取至少一个拟合曲线的曲线参数,其中曲线参数包括至少一个拟合曲线的曲线面积和至少一个拟合曲线的曲线曲率及所述拟合曲线的个数。示例性的,待检测纸币中存在三个异常数据点集,则分别对三个异常数据点集进行曲线拟合,以获取对应的三个拟合曲线三个拟合曲线对应的曲线面积分别为S1、S2、S3,三个拟合曲线对应的最大曲线曲率分别为Q1、Q2、Q3。则将三个曲线面积S1、S2、S3,三个曲线曲率Q1、Q2、Q3及拟合曲线的个数3作为所述拟合曲线的曲线参数。其中,曲线曲率是直接对所述拟合曲线进行二次求导,以获取拟合曲线在各个曲线点的曲率,优选的,将拟合曲线的最大曲率作为拟合曲线的曲线参数。曲线面积可以直接对拟合曲线进行定积分运算。
S380、将所述曲线面积、曲线曲率及曲线个数作为参数向量,并将所述参数向量输入BP神经网络分类器进行识别,以确定所述待检测纸币的厚度异常等级。
具体的,待检测纸币中包含N个异常数据点集,则存在N个拟合曲线其中j=1,…,N,N个拟合曲线的曲线面积用Sj表示,其中j=1,…,N,N个拟合曲线的最大曲线曲率用Qj表示,其中j=1,…,N。则将所述曲线面积、曲线曲率及曲线个数N生成一个参数向量[S1,…,SN,Q1,…,QN,N]
BP(Back Propagation)神经网络是一种误差逆传播算法训练的多层前反馈网络,能够学习和存储大量的输入-输出模式映射关系,而无需事先揭示描述这种映射关系的数学方程。BP神经网络模型拓扑结构包括输入层、隐含层和输出层,BP神经网络的学习规则是使用最速下降法,通过反向传播来不断调整网络参数,以使网络的误差平方和最小。其中,网络参数即为BP神经网络的权值和阈值,具体包含输入层到隐含层的权值和阈值、隐含层到输出层的权值和阈值及隐含层的层数。
将所述曲线面积、曲线曲率及曲线个数构成的参数向量[S1,…,SN,Q1,…,QN,N]输入到BP神经网络的识别器中进行识别,就可以得到待检测纸币的厚度异常等级。其中,该BP神经网络的识别器的网络参数已经通过训练得到。对该BP神经网络进行训练时,对每个厚度异常等级的纸币样本都是按照步骤S310-S370进行特征提取的。
本实施例提供的技术方案,不仅综合考虑了待检测纸币本身及待检测纸币厚度异常时产生的谐波信号对纸币厚度异常等级的影响,实现了对纸币厚度数据异常等级的精确检测,而且基于BP神经网络训练的方式对纸币厚度异常等级进行分类,精炼了纸币厚度异常等级的检测算法,使得该纸币厚度异常等级的检测方法适用于不同的币值和币种。
实施例四
图4为本发明实施例提供的一种纸币厚度异常等级的检测装置的结构示意图,该装置包括:有效厚度数据集合获取模块410、异常数据点集确定模块420、拟合曲线获取模块430及厚度异常等级确定模块440。
其中,所述有效厚度数据集合获取模块410,用于获取待检测纸币的有效厚度数据集合;异常数据点集确定模块420,用于将所述待检测纸币的有效厚度数据集合与模板纸币厚度数据集合进行比较,并根据比较结果确定至少一个异常数据点集;拟合曲线获取模块430,用于对所述至少一个异常数据点集进行曲线拟合以获取所述至少一个异常数据点集的拟合曲线;厚度异常等级确定模块440,用于获取所述拟合曲线的曲线参数并根据所述曲线参数确定所述待检测纸币的厚度异常等级。
其中,所述异常数据点集确定模块420,包括:
差值获取单元,用于获取所述有效厚度数据集合中各厚度数据与所述模板纸币厚度数据集合中对应的厚度数据的差值;
异常数据点确定单元,用于根据所述差值确定所述待检测纸币的异常数据点,并记录所述异常数据点的位置信息;
异常数据点集确定单元,用于根据所述异常数据点的位置信息确定至少一个异常数据点集。
优选的,所述异常数据点集确定单元,用于:
根据所述位置信息确定所述异常数据点的至少一个连续点数;
确定所述至少一个连续点数中大于预设点数的连续点数,确定由每个大于预设点数的连续点数分别对应的异常数据点构成一个异常数据点集。
优选的,所述拟合曲线的曲线参数包括曲线面积、曲线曲率及曲线个数。
优选的,所述厚度异常等级确定模块440,用于:
将所述曲线面积、曲线曲率及曲线个数作为参数向量,并将所述参数向量输入BP神经网络分类器进行识别,以确定所述待检测纸币的厚度异常等级。
本发明实施例提供的纸币厚度异常等级的检测装置,通过获取待检测纸币的有效厚度数据;将待检测纸币的有效厚度数据集合与模板纸币厚度数据集合进行比较,并根据比较结果确定至少一个异常数据点集;对至少一个异常数据点集进行曲线拟合以获取至少一个异常数据点集的拟合曲线;获取拟合曲线的曲线参数并根据曲线参数确定待检测纸币的厚度异常等级,综合考虑了待检测纸币本身及待检测纸币厚度异常时产生的谐波信号对纸币厚度异常等级的影响,实现了对纸币厚度数据异常等级的精确检测。
实施例五
图5为本发明实施例五提供的一种纸币厚度异常等级的检测设备的结构示意图,如图5所示,该设备包括处理器50、存储器51、输入装置52和输出装置53;该设备中处理器的数量可以是一个或多个,图5中以一个处理器50为例;设备中的处理器50、存储器51、输入装置52和输出装置53可以通过总线或其他方式连接,图5中以通过总线连接为例。
存储器51作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的纸币厚度异常等级的检测方法对应模块。处理器50通过运行存储在存储器51中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的纸币厚度异常等级的检测方法。
存储器51可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器51可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器51可进一步包括相对于处理器50远程设置的存储器,这些远程存储器可以通过网络连接至设备/终端/服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置52可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置53可包括显示屏等显示设备。
上述实施例中提供的纸币厚度异常等级的检测装置及设备可执行本发明任意实施例所提供的纸币厚度异常等级的检测方法,具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的纸币厚度异常等级的检测方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (11)
1.一种纸币厚度异常等级的检测方法,其特征在于,包括:
获取待检测纸币的有效厚度数据集合;
将所述待检测纸币的有效厚度数据集合与模板纸币厚度数据集合进行比较,并根据比较结果确定至少一个异常数据点集;
对所述至少一个异常数据点集进行曲线拟合以获取所述至少一个异常数据点集的拟合曲线;
获取所述拟合曲线的曲线参数并根据所述曲线参数确定所述待检测纸币的厚度异常等级。
2.根据权利要求1所述的方法,其特征在于,所述将所述待检测纸币的有效厚度数据集合与模板纸币厚度数据集合进行比较,并根据比较结果确定至少一个异常数据点集,包括:
获取所述有效厚度数据集合中各厚度数据与所述模板纸币厚度数据集合中对应的厚度数据的差值;
根据所述差值确定所述待检测纸币的异常数据点,并记录所述异常数据点的位置信息;
根据所述异常数据点的位置信息确定至少一个异常数据点集。
3.根据权利要求2所述的方法,其特征在于,所述根据所述异常数据点的位置信息确定至少一个异常数据点集,包括:
根据所述位置信息确定所述异常数据点的至少一个连续点数;
确定所述至少一个连续点数中大于预设点数的连续点数,确定由每个大于预设点数的连续点数分别对应的异常数据点构成一个异常数据点集。
4.根据权利要求1-3任一所述的方法,其特征在于,所述拟合曲线的曲线参数包括曲线面积、曲线曲率及曲线个数。
5.根据权利要求4所述的方法,其特征在于,所述根据所述曲线参数确定所述待检测纸币的厚度异常等级,包括:
将所述曲线面积、曲线曲率及曲线个数作为参数向量,并将所述参数向量输入BP神经网络分类器进行识别,以确定所述待检测纸币的厚度异常等级。
6.一种纸币厚度异常等级的检测装置,其特征在于,包括:
有效厚度数据集合获取模块,用于获取待检测纸币的有效厚度数据集合;
异常数据点集确定模块,用于将所述待检测纸币的有效厚度数据集合与模板纸币厚度数据集合进行比较,并根据比较结果确定至少一个异常数据点集;
拟合曲线获取模块,用于对所述至少一个异常数据点集进行曲线拟合以获取所述至少一个异常数据点集的拟合曲线;
厚度异常等级确定模块,用于获取所述拟合曲线的曲线参数并根据所述曲线参数确定所述待检测纸币的厚度异常等级。
7.根据权利要求6所述的装置,其特征在于,所述异常数据点集确定模块,包括:
差值获取单元,用于获取所述有效厚度数据集合中各厚度数据与所述模板纸币厚度数据集合中对应的厚度数据的差值;
异常数据点确定单元,用于根据所述差值确定所述待检测纸币的异常数据点,并记录所述异常数据点的位置信息;
异常数据点集确定单元,用于根据所述异常数据点的位置信息确定至少一个异常数据点集。
8.根据权利要求7所述的装置,其特征在于,所述异常数据点集确定单元,用于:
根据所述位置信息确定所述异常数据点的至少一个连续点数;
确定所述至少一个连续点数中大于预设点数的连续点数,确定由每个大于预设点数的连续点数分别对应的异常数据点构成一个异常数据点集。
9.根据权利要求6-8任一所述的装置,其特征在于,所述拟合曲线的曲线参数包括曲线面积、曲线曲率及曲线个数。
10.根据权利要求9所述的装置,其特征在于,所述厚度异常等级确定模块,用于:
将所述曲线面积、曲线曲率及曲线个数作为参数向量,并将所述参数向量输入BP神经网络分类器进行识别,以确定所述待检测纸币的厚度异常等级。
11.一种纸币厚度异常等级的检测设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的纸币厚度异常等级的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710364108.2A CN108932788B (zh) | 2017-05-22 | 2017-05-22 | 一种纸币厚度异常等级的检测方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710364108.2A CN108932788B (zh) | 2017-05-22 | 2017-05-22 | 一种纸币厚度异常等级的检测方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108932788A CN108932788A (zh) | 2018-12-04 |
CN108932788B true CN108932788B (zh) | 2020-10-20 |
Family
ID=64449639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710364108.2A Active CN108932788B (zh) | 2017-05-22 | 2017-05-22 | 一种纸币厚度异常等级的检测方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108932788B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113160480A (zh) * | 2020-01-21 | 2021-07-23 | 深圳怡化电脑股份有限公司 | 钞票厚度的检测方法、装置、计算机设备及存储介质 |
CN113256870B (zh) * | 2020-12-19 | 2024-02-02 | 深圳市怡化时代科技有限公司 | 薄片介质厚度异常检测方法及装置、存储介质及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617671A (zh) * | 2013-12-12 | 2014-03-05 | 广州广电运通金融电子股份有限公司 | 一种厚度异常钞票的识别方法及系统 |
CN103679914A (zh) * | 2013-12-12 | 2014-03-26 | 广州广电运通金融电子股份有限公司 | 一种基于厚度信号识别的钞票识别方法及装置 |
CN105354912A (zh) * | 2015-09-14 | 2016-02-24 | 深圳怡化电脑股份有限公司 | 一种检测纸币的方法及装置 |
CN105354913A (zh) * | 2015-09-14 | 2016-02-24 | 深圳怡化电脑股份有限公司 | 一种检测纸币的方法及装置 |
CN106204893A (zh) * | 2016-08-10 | 2016-12-07 | 恒银金融科技股份有限公司 | 一种基于支持向量机的纸币检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007044570A2 (en) * | 2005-10-05 | 2007-04-19 | Cummins-Allison Corp. | Currency processing system with fitness detection |
-
2017
- 2017-05-22 CN CN201710364108.2A patent/CN108932788B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617671A (zh) * | 2013-12-12 | 2014-03-05 | 广州广电运通金融电子股份有限公司 | 一种厚度异常钞票的识别方法及系统 |
CN103679914A (zh) * | 2013-12-12 | 2014-03-26 | 广州广电运通金融电子股份有限公司 | 一种基于厚度信号识别的钞票识别方法及装置 |
CN105354912A (zh) * | 2015-09-14 | 2016-02-24 | 深圳怡化电脑股份有限公司 | 一种检测纸币的方法及装置 |
CN105354913A (zh) * | 2015-09-14 | 2016-02-24 | 深圳怡化电脑股份有限公司 | 一种检测纸币的方法及装置 |
CN106204893A (zh) * | 2016-08-10 | 2016-12-07 | 恒银金融科技股份有限公司 | 一种基于支持向量机的纸币检测方法 |
Non-Patent Citations (2)
Title |
---|
人民币智能分拣器软件系统设计;程海玉;《中国优秀硕士学位论文全文数据库》;20060815;26-49 * |
纸币清分机图像处理系统的研究;罗皓斐;《中国优秀硕士学位论文全文数据库》;20050815;15-40 * |
Also Published As
Publication number | Publication date |
---|---|
CN108932788A (zh) | 2018-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hassanpour et al. | Feature extraction for paper currency recognition | |
US9633269B2 (en) | Image-based liveness detection for ultrasonic fingerprints | |
CN104464079B (zh) | 基于模板特征点及其拓扑结构的多币种面值识别方法 | |
WO2019051941A1 (zh) | 车型识别方法、装置、设备及计算机可读存储介质 | |
CN116758491B (zh) | 应用于3d打印的打印监控图像分析方法及系统 | |
US11574395B2 (en) | Damage detection using machine learning | |
CN104700018B (zh) | 一种用于智能机器人的识别方法 | |
CN102324134A (zh) | 有价文件鉴别方法及其鉴别装置 | |
CN109145030B (zh) | 一种异常数据访问的检测方法和装置 | |
Odeh et al. | Off-line signature verification and recognition: Neural Network Approach | |
CN102110323B (zh) | 一种验钞方法及验钞装置 | |
CN108932788B (zh) | 一种纸币厚度异常等级的检测方法、装置及设备 | |
CN111416790B (zh) | 基于用户行为的网络异常访问智能识别方法、装置、存储介质及计算机设备 | |
CN111415339A (zh) | 一种复杂纹理工业产品图像缺陷检测方法 | |
CN115861210A (zh) | 一种基于孪生网络的变电站设备异常检测方法和系统 | |
JP2019158684A (ja) | 検査システム、識別システム、及び識別器評価装置 | |
CN111431937A (zh) | 工业网络异常流量的检测方法及系统 | |
CN116895286B (zh) | 一种打印机故障监控方法以及相关装置 | |
Harfiya et al. | Offline signature verification based on pyramid histogram of oriented gradient features | |
CN114168788A (zh) | 音频审核的处理方法、装置、设备及存储介质 | |
CN108663004B (zh) | 一种纸币厚度异常的检测方法及装置 | |
Shi et al. | Modeling biometric systems using the general pareto distribution (gpd) | |
CN114743048A (zh) | 检测异常秸秆图片的方法和检测装置 | |
Verma et al. | Static Signature Recognition System for User Authentication Based Two Level Cog, Hough Tranform and Neural Network | |
JP7306460B2 (ja) | 敵対的事例検知システム、方法およびプログラム |
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 |