CN108961530B - 一种纸币缺陷识别方法以及系统 - Google Patents

Abstract

本发明公开了一种纸币缺陷识别方法以及系统，该方法包括以下步骤：对若干样本纸币的图像数据进行建模，形成图像二维模型；对该若干样本纸币在若干厚度测量点进行厚度测量，统计每一样本纸币在每一测量点的厚度获取厚度二维模型；获取当前纸币的图像二维数组以及厚度二维数组，比较该图像二维数组与该图像二维模型，比较该厚度二维数组与该厚度二维模型；当该图像二维数组和该厚度二维数组满足纸币缺失条件时，判断该当前纸币为孔洞钞或存在纸币缺失；以及当该图像二维数组和该厚度二维数组满足粘附异物条件时，判断该当前纸币粘贴有异物。本发明的纸币缺陷识别方法以及系统可实现快速、精准识别纸币缺陷。

Description

一种纸币缺陷识别方法以及系统

技术领域

本发明涉及纸币缺陷识别技术领域，特别是涉及一种纸币缺陷识别方法以及系统。

背景技术

点钞机、清分机、ATM机、票据机等纸币鉴别机具是一种自动清点钞票数目的机电一体化装置。国内点钞机生产遵循2010修订颁布的《人民币鉴别仪通用技术条件》强制性国家标准。

随着点钞要求的提高，点钞机除了点钞之外，还兼具伪钞识别功能、纸币缺损检测功能。比如，现金自动存取款机通常具有以下单元：与顾客之间进行纸币授受的吞吐单元、对投入的纸币的币种及真伪进行鉴别的验钞单元以及按币种保存纸币的钞箱。为了尽量保证存入现金自动存取款机的现金为非缺损钞，在接收到顾客存入的纸币现金后，需要通过鉴别单元对接收的现金纸币进行缺损识别。

现有的现金缺损识别方法一般只单独通过图像算法或者厚度算法来进行检测，如、检测粘贴一般通过纸币的厚度信号进行检测，孔洞和缺失一般通过图像算法来进行检测。

但是，纸币图像像素数较大，纸币鉴别单元一般采用200dpi的图像采集分辨率。一张100元的人民币宽155毫米、长77毫米，那么采集出来的数据一行有1221个像素点，一列有606个像素点，那么一共有1221*606＝739926个像素点；如果通过逐点扫描图像精确检测的话所需要的时间代价非常大，检测速度较慢。

又如在纸币粘贴异物检测时，一般是通过计算纸币厚度信息的上升沿斜率、上升区间面积和上升区间高度来判断，但纸币本身就是凹凸不平存在非常多的干扰信号，一些特殊区间，以人民币100元为例，比如金属线、头像、衣领等位置，厚度信号的特征和粘贴异物的特征十分相似很难精确检测，为保证识别率这些区域通常都是放松检测标准，检测效果不好。

因此，现有的纸币缺陷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，提供一种能快速、精准识别纸币缺陷的纸币缺陷识别方法以及系统，通过图像模型和厚度模型配合进行计算，能快速精确的检测出粘贴异物和存在缺失的纸币。

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

对若干样本纸币的图像数据进行建模，形成图像二维模型；

对该若干样本纸币在若干厚度测量点进行厚度测量，统计每一样本纸币在每一测量点的厚度获取厚度二维模型；

获取当前纸币的图像二维数组以及厚度二维数组，比较该图像二维数组与该图像二维模型，比较该厚度二维数组与该厚度二维模型；

当该图像二维数组和该厚度二维数组满足纸币缺失条件时，判断该当前纸币为孔洞钞或存在纸币缺失；以及

当该图像二维数组和该厚度二维数组满足粘附异物条件时，判断该当前纸币粘贴有异物。

具体地，该图像二维模型包括最大值图像二维模型以及最小值图像二维模型；该厚度二维模型包括厚度最小值二维模型以及厚度最大值二维模型。

该纸币缺失条件包括:第一项：图像二维数组小于K1倍最小值图像二维模型；第二项：厚度二维数组小于K2倍厚度最小值二维模型；第三项：厚度二维数组小于K3倍厚度最小值二维模型，其中，有两项则判断当前纸币为孔洞钞或存在纸币缺失。

该粘附异物条件包括:第一项：图像二维数组大于K4倍最大值图像二维模型或者图像二维数组小于K5倍最小值图像二维模型；第二项：厚度二维数组大于K6倍厚度最大值二维模型；第三项：厚度二维数组大于K7倍厚度最大值二维模型，其中，有两项则判断当前纸币粘附有异物。

具体地，该对样本纸币的图像数据进行建模，形成图像二维模型的步骤包括：

将若干样本纸币图像分别切分为N个区域，求出每个样本纸币相同区域的灰度均值，根据该灰度均值得到所有样本纸币的最大值图像二维模型以及最小值图像二维模型。

在一厚度建模实施例中，该针对该样本纸币设定若干厚度测量点，统计每一测量点的厚度获取厚度二维模型的步骤包括：

统计每个样本纸币的测量点的高度值；以及

比较每个样本纸币在相同测量点的高度值，获得厚度最小值二维模型以及厚度最大值二维模型。

在另一厚度建模实施例中，该针对该样本纸币设定若干厚度测量点，统计每一测量点的厚度获取厚度二维模型的步骤包括：

统计每个样本纸币的测量点的高度值以及下一点与当前点的高度的比值；以及

比较每个样本纸币在相同测量点的高度比值，获得斜率最小值二维模型以及斜率最大值二维模型。

第二方面，本发明实施方式提供的技术方案是：提供一种纸币缺陷识别系统，针对该若干样本纸币设定若干厚度测量点，包括图形建模模块、厚度建模模块、图像信息获取模块、厚度信息获取模块以及识别模块，

该图形建模模块用于对若干样本纸币的图像数据进行建模，形成图像二维模型；

该厚度建模模块用于对该若干样本纸币在若干厚度测量点进行厚度测量，统计每一样本纸币在每一测量点的厚度获取厚度二维模型；

该图像信息获取模块用于获取当前纸币的图像二维数组；

该厚度信息获取模块用于获取该当前纸币的厚度二维数组；

该识别模块用于比较该图像二维数组与该图像二维模型，比较该厚度二维数组与该厚度二维模型；

当该图像二维数组和该厚度二维数组满足纸币缺失条件时，判断该当前纸币为孔洞钞或存在纸币缺失；以及

当该图像二维数组和该厚度二维数组满足粘附异物条件时，判断该当前纸币粘贴有异物。

优选地，该图形建模模块包括分区模块、计算模块以及第一建模模块，该分区模块用于将若干样本纸币图像分别切分为N个区域，该计算模块用于求出每个样本纸币相同区域的灰度均值，该第一建模模块用于根据该灰度均值得到所有样本纸币的最大值图像二维模型以及最小值图像二维模型。

优选地，该厚度建模模块包括统计模块以及建模模块，该统计模块用于统计每个样本纸币的测量点的高度值并比较每个样本纸币在相同测量点的高度值，该第二建模模块用于获得厚度最小值二维模型以及厚度最大值二维模型。

本发明实施方式的有益效果是：本实施例的纸币缺陷识别方法及系统，可应用于点钞机、清分机、ATM机、票据机等纸币鉴别机具，能快速、精准的识别纸币上是否存在异物粘贴、纸币孔洞和缺失。通过预先对大量的样本纸币进行图像建模和厚度建模，在识别时采集被测纸币的图像数据和厚度数据后与预先建立的图像模型和厚度模型进行对即可快速、精准地识别纸币上是否存在异物黏贴、纸币孔洞和缺失。本实施例的纸币缺陷识别方法及系统，建立图像模型和厚度模型后，后续的纸币识别仅是边界值的提取与边界值的比较，计算过程简单，减小系统图像识别负担，提高识别速度。

附图说明

图1是本发明实施例纸币缺陷识别方法的流程图；

图2是本发明实施例纸币缺陷识别系统的模块结构示意图；

图3是本发明实施例多路试剂检测方法的图像建模的样本纸币区域划分示意图；以及

图4是本发明实施例多路试剂检测方法的上电启动模式下的流程图。

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缺陷识别方法的流程图。

本实施例从软件处理角度阐述本技术方案。该方法实现分为两个部分：一、正式验钞前的图像建模和厚度建模部分，建模时要求样本库的数据有全新钞和旧钞，且票面干净无粘贴、污渍、褶皱；二、具体的纸币识别部分。

整合建模部分与纸币识别部分，该纸币缺陷识别方法主要包括以下步骤：

步骤101：对若干样本纸币的图像数据进行建模，形成图像二维模型；

步骤102：对该若干样本纸币在若干厚度测量点进行厚度测量，统计每一样本纸币在每一测量点的厚度获取厚度二维模型；

步骤103：获取当前纸币的图像二维数组以及厚度二维数组，比较该图像二维数组与该图像二维模型，比较该厚度二维数组与该厚度二维模型；

步骤104：当该图像二维数组和该厚度二维数组满足纸币缺失条件时，判断该当前纸币为孔洞钞或存在纸币缺失；

步骤105：当该图像二维数组和该厚度二维数组满足粘附异物条件时，判断该当前纸币粘贴有异物。

具体实施时，该图像二维模型包括最大值图像二维模型以及最小值图像二维模型；该厚度二维模型包括厚度最小值二维模型以及厚度最大值二维模型。

请参考图3，介绍图像建模。所示为图像建模的样本纸币区域划分示意图。该对样本纸币的图像数据进行建模，形成图像二维模型的步骤包括：

将若干样本纸币图像分别切分为N个区域，求出每个样本纸币相同区域的灰度均值，根据该灰度均值得到所有样本纸币的最大值图像二维模型以及最小值图像二维模型。

如图3所示，举例如下：

第一步：把每个样本纸币的图像均切分为40个区域，其中每个区域的大小可以根据识别要求的高低以及系统的性能自行调节。如图3所示，将纸币图像整体分为40区域，求每个区域区块的灰度均值，比如区域区块10和区域区块18，求出每个区域图块的灰度均值并记录；可以得到所有样本纸币在相同区域的一个二维数组。

第二步：比较每张样本纸币的相同区域的图像灰度均值二维数组，可以得到对应区域边界值灰度均值最小值P[min]以及灰度均值最大值 P[max]。其中，所有样本纸币在不同区域的最小值边界值组合在一起用 P[min]数组记录，所有样本纸币在不同区域的最大值边界值组合在一起用P[max]数组记录。该P[max]数组即为该最大值图像二维模型，P[min] 数组即为最小值图像二维模型。

请参考图4，介绍厚度建模。该针对该样本纸币设定若干厚度测量点，本实施例中，该厚度测量点为12个。该统计每一测量点的厚度获取厚度二维模型的步骤包括：统计每个样本纸币的测量点的高度值；以及比较每个样本纸币在相同测量点的高度值，获得厚度最小值二维模型以及厚度最大值二维模型。

第一步：如图4所示，在具体实施时厚度数据的测量点通道数有限，本实施例中为12个。每个通道的有效区间的数据采样点不再分区域划分。建模时，统计所有样本纸币在每个测量点的高度值以及下一测量点与当前测量点的高度比值(Tnext/Tcurrent)，可得到所有样本纸币的二维数组，比如，记录高度值的二维数组，亦即厚度二维数据；记录高度比值的二维数组，在高度比值的二维数组中，有效区间的最后一个点没有高度比值。

第二步：比较所有样本纸币在相同测量点的高度值，可以得到对应测量点所有样本纸币高度值的最小值Tv[min]以及高度值的最大值 P[max]。其中，所有测量点最小值Tv[min]组合在一起形成Tv[min]数组，所有测量点的最大值Tv[max]组合在一起形成Tv[max]数组。该 Tv[min]数组即为厚度最小值二维模型以及该Tv[max]数组即为厚度最大值二维模型。

或者，也可基于高度比值完成厚度建模。统计每个样本纸币的测量点的高度值以及下一点与当前点的高度的比值。比较每个样本纸币在相同测量点的高度比值，获得斜率最小值二维模型以及斜率最大值二维模型。

基于高度比值完成厚度建模与基于高度值完成厚度建模的区别之处在于第二步：基于高度比值完成厚度建模需要计算比较所有样本纸币在相同测量点的高度比值，可得到对应测量点所有样本纸币高度比值的最小值Tk[min]以及高度比值的最大值Tk[max]。其中，Tk[min]用来记录向下最大的斜率，Tk[max]用来记录向上最大斜率，通过斜率来识别厚度。所有测量点最小值Tk[min]组合在一起形成Tk[min]数组，所有测量点的最大值Tk[max]组合在一起形成Tk[max]数组。该Tk[min]数组即为厚度最小值二维模型以及该Tk[max]数组即为厚度最大值二维模型。

本实施例中以高度值二维数据即可实现准确的异物粘贴的识别。

以下举例纸币识别部分操作，包括以下步骤：

第一步：获取当前纸币的图像二维数组以及厚度二维数组，可以得到当前图像二维数组P[cur]以及两个当前厚度二维数组Tv[cur]和 Tp[cur]；

第二步：比较该图像二维数组P[cur]与该图像二维模型，比较该厚度二维数组Tv[cur]和Tp[cur]与该厚度二维模型。计算该图像二维数组和该厚度二维数组的映射关系，可通过图像传感器和厚度传感器的结构位置，以及采集出来的图像数据中有效纸币的位置，计算出图像二维数组和厚度二维数组元素的映射关系。

第三步：模板匹配。从实际经验得出，该纸币缺失条件包括:

第一项：图像二维数组P[cur][i*j]小于K1倍最小值图像二维模型 P[min][i*j]；

第二项：厚度二维数组Tv[cur][i*j]小于K2倍厚度最小值二维模型Tv[min][i*j]；

第三项：另一厚度二维数组Tp[cur][i*j]小于K3倍厚度最小值二维模型Tp[min][i*j]，其中，有两项则判断当前纸币为孔洞钞或存在纸币缺失。

具体公式表示如下：

P[cur][i*j]<(P[min][i*j]*K1)；

Tv[cur][i*j]<(Tv[min][i*j]*K2)；

Tp[cur][i*j]<(Tp[min][i*j]*K3)；

有两项为真：孔洞钞或纸币缺失，跳出流程；为假继续执行。

从实际经验得出，该粘附异物条件包括:

第一项：图像二维数组P[cur][i*j]大于K4倍最大值图像二维模型 P[max][i*j]或者图像二维数组P[cur][i*j]小于K5倍最小值图像二维模型P[min][i*j]；

第二项：厚度二维数组Tv[cur][i*j]大于K6倍厚度最大值二维模型Tv[max][i*j]；

第三项：另一厚度二维数组Tp[cur][i*j]大于K7倍厚度最大值二维模型Tp[min][i*j]，其中，有两项则判断当前纸币粘附有异物。

P[cur][i*j]>(P[max][i*j]*K4))，或者(P[cur][i*j]< (P[min][i*j]*K5))；

Tv[cur][i*j]>(Tv[max][i*j]*K6)；

Tp[cur][i*j]>(Tp[min][i*j]*K7)；

有两项为真：粘贴异物；为假继续执行。

实施例2

请参考图2，所示为纸币缺陷识别方法的另一实施例，在该实施例中，从软件模块角度描述整体纸币缺陷识别系统的功能。

本实施例的纸币缺陷识别系统，针对该若干样本纸币设定若干厚度测量点，包括图形建模模块10、厚度建模模块20、图像信息获取模块 30、厚度信息获取模块40以及识别模块50。

该图形建模模块10用于对若干样本纸币的图像数据进行建模，形成图像二维模型；

该厚度建模模块20用于对该若干样本纸币在若干厚度测量点进行厚度测量，统计每一样本纸币在每一测量点的厚度获取厚度二维模型；

该图像信息获取模块30用于获取当前纸币的图像二维数组；

该厚度信息获取模块40用于获取该当前纸币的厚度二维数组；

该识别模块50用于比较该图像二维数组与该图像二维模型，比较该厚度二维数组与该厚度二维模型；

当该图像二维数组和该厚度二维数组满足纸币缺失条件时，判断该当前纸币为孔洞钞或存在纸币缺失；以及

当该图像二维数组和该厚度二维数组满足粘附异物条件时，判断该当前纸币粘贴有异物。

该图形建模模块10包括分区模块32、计算模块33以及第一建模模块34。该分区模块32用于将若干样本纸币图像分别切分为N个区域。该计算模块32用于求出每个样本纸币相同区域的灰度均值。该第一建模模块34用于根据该灰度均值得到所有样本纸币的最大值图像二维模型以及最小值图像二维模型。

该厚度建模模块20包括统计模块42以及第二建模模块44。该统计模块42用于统计每个样本纸币的测量点的高度值并比较每个样本纸币在相同测量点的高度值。该第二建模模块44用于获得厚度最小值二维模型以及厚度最大值二维模型。

该图像信息获取模块30也调用该分区模块32、计算模块33以获取当前纸币的图像二维数组。

该厚度信息获取模块40也调用该统计模块42以及第二建模模块 44，以获取当前纸币的厚度二维数组。

本实施例的纸币缺陷识别方法及系统，通过预先对大量的样本纸币进行图像建模和厚度建模，在识别时采集被测纸币的图像数据和厚度数据后与预先建立的图像模型和厚度模型进行对即可快速、精准地识别纸币上是否存在异物黏贴、纸币孔洞和缺失。本实施例的纸币缺陷识别方法及系统，建立图像模型和厚度模型后，后续的纸币识别仅是边界值的提取与边界值的比较，计算过程简单，减小系统图像识别负担，提高识别速度。

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 (6)

1.一种纸币缺陷识别方法，其特征在于，包括以下步骤：

对若干样本纸币的图像数据进行建模，形成图像二维模型，所述图像二维模型包括最大值图像二维模型以及最小值图像二维模型；所述图像二维模型的获得方法包括：

将若干样本纸币图像分别切分为N个区域，求出每个样本纸币相同区域的灰度均值，根据所述灰度均值生成所有样本纸币在相同区域的灰度均值二维数组；

比较所述每个样本纸币的相同区域的灰度均值二维数组，得到对应区域边界值灰度均值最小值P[min]以及灰度均值最大值P[max]；

其中，所有样本纸币在不同区域的最小值边界值组合在一起用P[min]数组记录，所有样本纸币在不同区域的最大值边界值组合在一起用P[max]数组记录；获得所述P[max]数组为所述最大值图像二维模型，获得所述P[min]数组为所述最小值图像二维模型；

对所述若干样本纸币在若干厚度测量点进行厚度测量，统计每一样本纸币在每一测量点的厚度获取厚度二维模型；所述厚度二维模型的获取方法包括：统计所述每个样本纸币的测量点的高度值；以及比较所述每个样本纸币在相同测量点的高度值，获得厚度最小值二维模型以及厚度最大值二维模型；

获取当前纸币的图像二维数组以及厚度二维数组，比较所述图像二维数组与所述图像二维模型，比较所述厚度二维数组与所述厚度二维模型；

当所述图像二维数组和所述厚度二维数组满足纸币缺失条件时，判断所述当前纸币为孔洞钞或存在纸币缺失；以及

当所述图像二维数组和所述厚度二维数组满足粘附异物条件时，判断所述当前纸币粘贴有异物。

2.根据权利要求1所述的纸币缺陷识别方法，其特征在于，所述厚度二维模型包括厚度最小值二维模型以及厚度最大值二维模型。

3.根据权利要求2所述的纸币缺陷识别方法，其特征在于，所述纸币缺失条件包括:第一项：图像二维数组小于K1倍最小值图像二维模型；第二项：厚度二维数组小于K2倍厚度最小值二维模型；第三项：厚度二维数组小于K3倍厚度最小值二维模型，其中，有两项则判断当前纸币为孔洞钞或存在纸币缺失。

4.根据权利要求2所述的纸币缺陷识别方法，其特征在于，所述粘附异物条件包括:第一项：图像二维数组大于K4倍最大值图像二维模型或者图像二维数组小于K5倍最小值图像二维模型；第二项：厚度二维数组大于K6倍厚度最大值二维模型；第三项：厚度二维数组大于K7倍厚度最大值二维模型，其中，有两项则判断当前纸币粘附有异物。

5.根据权利要求1-4任一项所述的纸币缺陷识别方法，其特征在于，所述对所述若干样本纸币在若干厚度测量点进行厚度测量，统计每一样本纸币在每一测量点的厚度获取厚度二维模型的步骤包括：

统计每个样本纸币的测量点的高度值以及下一点与当前点的高度的比值；以及

比较每个样本纸币在相同测量点的高度比值，获得斜率最小值二维模型以及斜率最大值二维模型。

6.一种纸币缺陷识别系统，针对所述若干样本纸币设定若干厚度测量点，其特征在于，包括图形建模模块、厚度建模模块、图像信息获取模块、厚度信息获取模块以及识别模块，

所述图形建模模块包括分区模块、计算模块以及第一建模模块，所述分区模块用于将若干样本纸币图像分别切分为N个区域，所述计算模块用于求出每个样本纸币相同区域的灰度均值，根据所述灰度均值生成所有样本纸币在相同区域的灰度均值二维数组；所述第一建模模块用于比较所述每个样本纸币的相同区域的灰度均值二维数组，得到对应区域边界值灰度均值最小值P[min]以及灰度均值最大值P[max]；其中，所有样本纸币在不同区域的最小值边界值组合在一起用P[min]数组记录，所有样本纸币在不同区域的最大值边界值组合在一起用P[max]数组记录；获得所述P[max]数组为所述最大值图像二维模型，获得所述P[min]数组为所述最小值图像二维模型；

所述厚度建模模块用于对所述若干样本纸币在若干厚度测量点进行厚度测量，统计每一样本纸币在每一测量点的厚度获取厚度二维模型；所述厚度二维模型的获取方法包括：统计所述每个样本纸币的测量点的高度值；以及比较所述每个样本纸币在相同测量点的高度值，获得厚度最小值二维模型以及厚度最大值二维模型；

所述图像信息获取模块用于获取当前纸币的图像二维数组；

所述厚度信息获取模块用于获取所述当前纸币的厚度二维数组；

所述识别模块用于比较所述图像二维数组与所述图像二维模型，比较所述厚度二维数组与所述厚度二维模型；

当所述图像二维数组和所述厚度二维数组满足纸币缺失条件时，判断所述当前纸币为孔洞钞或存在纸币缺失；以及

当所述图像二维数组和所述厚度二维数组满足粘附异物条件时，判断所述当前纸币粘贴有异物。

Images