CN110415425B - 基于图像的硬币检测及识别方法、系统及存储介质 - Google Patents
基于图像的硬币检测及识别方法、系统及存储介质 Download PDFInfo
- Publication number
- CN110415425B CN110415425B CN201910639940.8A CN201910639940A CN110415425B CN 110415425 B CN110415425 B CN 110415425B CN 201910639940 A CN201910639940 A CN 201910639940A CN 110415425 B CN110415425 B CN 110415425B
- Authority
- CN
- China
- Prior art keywords
- coin
- information
- detected
- image
- roi
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G07D7/20—Testing patterns thereon
-
- 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
- G07D7/20—Testing patterns thereon
- G07D7/2016—Testing patterns thereon using feature extraction, e.g. segmentation, edge detection or Hough-transformation
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Testing Of Coins (AREA)
Abstract
本发明公开了基于图像的硬币检测及识别方法、系统及存储介质,方法包括:根据获取的初始待检测硬币图像,生成硬币ROI区域;对硬币ROI区域进行特征提取并确定待检测硬币的面值信息;将提取到的特征与模板的特征进行相关性计算,得到相关性系数;根据待检测硬币的面值信息和计算得到的相关性系数,确定待检测硬币图像的正面信息和背面信息;将待检测硬币图像的正面信息和背面信息进行融合处理,确认待检测硬币的真伪性;根据最终的图像信息确认待检测硬币的真伪性。本发明降低了计算量,提高了鉴别准确率和检测信息的多样性,可广泛应用于图像处理技术领域。
Description
技术领域
本发明涉及图像处理技术领域,尤其是基于图像的硬币检测及识别方法、系统及存储介质。
背景技术
在金融机构的相关自动电子设备中,硬币检测及面值、面向、版本、真假等信息识别具有很广泛的应用场景。由于硬币是金属材质,且硬币表面凹凸不平,在CIS成像时会存在漫反射现象,所以当硬币以不同角度进入CIS成像设备时,硬币局部纹理信息会有较大差异,这种硬币局部纹理信息的不确定性增加了硬币识别鉴伪方案的难度。
现有技术的硬币分拣装置方案主要有两种,一是基于硬币的大小,颜色等信息,识别出硬币面值,这种方案仅能提供面值识别结果,且当需要鉴别大小差异小、颜色近似度高的假币时,该方案无法进行准确鉴别,存在一定的局限性;二是基于硬币的材质,结合磁通量等硬件方案,进而来区分硬币面值,但这种方案对材质相似的假币的鉴别能力有一定局限性。
发明内容
有鉴于此,本发明实施例提供一种鉴伪能力强且检测信息多样的,基于图像的硬币检测及识别方法、系统及存储介质。
第一方面,本发明实施例提供了一种基于图像的硬币检测及识别方法,包括以下步骤:
根据获取的初始待检测硬币图像,生成硬币ROI区域;
对硬币ROI区域进行特征提取并确定待检测硬币的面值信息;
将提取到的特征与模板的特征进行相关性计算,得到相关性系数;
根据待检测硬币的面值信息和计算得到的相关性系数,确定待检测硬币图像的正面信息和背面信息;其中,所述正面信息包括检测硬币图像正面的第一面向信息和第一版本信息;所述背面信息包括待检测硬币图像背面的第二面向信息和第二版本信息;
将待检测硬币图像的正面信息和背面信息进行融合处理,确认待检测硬币的真伪性。
进一步,所述根据获取的初始待检测硬币图像,生成硬币ROI区域这一步骤,包括以下步骤:
扫描待检测硬币,获取待检测硬币的初始图像,所述初始图像包括正面初始图像和背面初始图像;
通过阈值分割法对初始图像进行二值化处理,得到二值化图像;
对二值化图像进行投影处理;
根据投影处理的结果,计算初始图像的硬币区域起始点坐标值、ROI区域的高度信息和宽度信息,进而得到待检测硬币的ROI区域。
进一步,所述对硬币ROI区域进行特征提取并确定待检测硬币的面值信息这一步骤,包括以下步骤:
根据硬币ROI区域的尺寸信息,确认待检测硬币的面值信息;
将硬币ROI区域中选定的环状区域展开成对应的矩形区域;
将展开得到的矩形区域划分成若干个相同的区域块,并将每个区域块的平均灰度作为该区域块的特征值。
进一步,所述将硬币ROI区域中选定的环状区域展开成对应的矩形区域这一步骤,包括以下步骤:
将硬币ROI区域中选定的初始环状区域展开得到初始矩形,所述初始矩形的宽度等于环状区域的环宽;
逐次将初始矩形的每个长度单位向右平移一个长度单位,直至平移完成359个长度单位,得到每次平移后的矩形。
进一步,所述将提取到的特征与模板的特征进行相关性计算,得到相关性系数这一步骤,包括以下步骤:
分别计算每次平移后得到的矩形的特征值与所有模板之间的相关性系数;
将计算得到的该最高相关性系数作为待检测硬币ROI区域的置信度。
进一步,所述根据待检测硬币的面值信息和计算得到的相关性系数,确定待检测硬币图像的正面信息和背面信息这一步骤,包括以下步骤:
根据预设的面向信息、面值信息和版本信息,建立特征模板;
根据待检测硬币的面值对应的若干个候选特征模板,分别计算待检测硬币的ROI区域与候选特征模板之间的匹配系数;
确定匹配系数满足预设的匹配条件后,得到待检测硬币对应的目标特征模板、版本信息和面向信息。
进一步,所述将待检测硬币图像的正面信息和背面信息进行融合处理,确认待检测硬币的真伪性这一步骤,包括以下步骤:
根据第一版本信息和第二版本信息的比对结果,确定最终版本信息;
根据第一面向信息和第二面向信息的求和结果,确定最终面向信息;
判断待检测硬币的面值信息、最终版本信息以及最终面向信息是否均能匹配预设模板,若是,则判定待检测硬币为真币;反之,则判定待检测硬币为假币。
第二方面,本发明实施例还提供了一种基于图像的硬币检测及识别系统,包括:
区域划分模块,用于根据获取的初始待检测硬币图像,生成硬币ROI区域;
特征提取模块,用于对硬币ROI区域进行特征提取并确定待检测硬币的面值信息;
相关性计算模块,用于将提取到的特征与模板的特征进行相关性计算,得到相关性系数;
确定模块,用于根据待检测硬币的面值信息和计算得到的相关性系数,确定待检测硬币图像的正面信息和背面信息;其中,所述正面信息包括检测硬币图像正面的第一面向信息和第一版本信息;所述背面信息包括待检测硬币图像背面的第二面向信息和第二版本信息;
融合模块,用于将待检测硬币图像的正面信息和背面信息进行融合处理,确认待检测硬币的真伪性。
第三方面,本发明实施例还提供了一种基于图像的硬币检测及识别系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述的基于图像的硬币检测及识别方法。
第四方面,本发明实施例还提供了一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于执行所述的基于图像的硬币检测及识别方法。
上述本发明实施例中的一个或多个技术方案具有如下优点:本发明的实施例对硬币ROI区域进行特征提取并确定待检测硬币的面值信息,相较于对硬币ROI区域的每个像素点进行单点匹配的方法,本发明降低了计算量;再者,本发明通过相关性计算,并将待检测硬币图像的正面信息和背面信息进行融合处理后,鉴别硬币的真伪性,相较于现有仅基于硬币大小或者仅基于硬币材质来鉴别真伪的方法,本发明提高了鉴别准确率,且能得到硬币的面向信息、面值信息和版本信息,提高了检测信息的多样性。
附图说明
图1为本发明实施例的步骤流程图;
图2为待检测硬币样本示意图;
图3为本发明实施例的二值化图像示意图;
图4为本发明实施例的投影结果示意图;
图5为本发明实施例的硬币ROI区域示意图;
图6为本发明实施例的图像增强效果示意图;
图7为本发明实施例的特征提取示意图;
图8为本发明实施例中特定面值版本面向硬币的不同角度的原始图像示意图;
图9为本发明实施例中已知面值信息后判断版本面向信息的流程示意图;
图10为本发明实施例中将待检测图像与模板进行匹配的流程示意图;
图11为本发明实施例的图像信息融合处理得流程示意图。
具体实施方式
下面结合说明书附图和具体实施例对本发明作进一步解释和说明。对于本发明实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
本发明的目的在于提供了一种基于图像的硬币检测及识别方法,对硬币信息进行检测及识别鉴伪,不仅能够给出硬币的面值、面向、版本信息,对硬币进行按面值按版本分类提供可能性,同时对材质相似但图像信息不同的假币,有很强的鉴伪能力。
下面结合说明书附图,详细描述本发明的具体实施步骤,如图1所示,包括以下步骤:
S1、根据获取的初始待检测硬币图像,生成硬币ROI区域;
具体地,所述步骤S1包括以下步骤:
S11、如图2所示,扫描待检测硬币,获取待检测硬币的初始图像,所述初始图像包括正面初始图像和背面初始图像;
在一些实施例中,投入硬币样本后,通过图像传感器、摄像头、红外扫描仪或者投影器等设备扫描硬币样本,获取到硬币样本正面和背面图像数据,需要说明的是,该正面和背面仅表示硬币的两个面向,并不表示硬币的正面图案、反面的图案,接着,流程开始;
S12、通过阈值分割法对初始图像进行二值化处理,得到二值化图像;
S13、对二值化图像进行投影处理;
S14、根据投影处理的结果,计算初始图像的硬币区域起始点坐标值、ROI区域的高度信息和宽度信息,进而得到待检测硬币的ROI区域。
优选的,本实施例利用阈值分割法对原始图像进行二值化,图3为处理得到的二值化图像。接着,对二值化图像在X,Y方向进行投影,X方向上的投影值为VectorX[W],其计算方法为每一列所有像素值相加;Y方向上的投影值为VectorY[H],其计算方法为每一行所有像素值相加。投影值为非0的区域则为硬币区域,如图4所示,根据投影可以计算硬币区域起始点坐标值xStart,xEnd,yStart,yEnd,ROI区域的高度为height,宽度为width,硬币ROI区域如图5所示。
进一步作为优选的实施方式,本发明还包括图像预处理步骤;
由于硬币纹理与背景在灰度上区分性不大,因此需要对图像进行预处理,优选的,本实施例采用Sobel算子对图像进行锐化,以增强图像的边缘信息,增强后的图像如图6所示。
S2、对硬币ROI区域进行特征提取并确定待检测硬币的面值信息;
具体地,所述步骤S2包括以下步骤:
S21、根据硬币ROI区域的尺寸信息,确认待检测硬币的面值信息;
S22、将硬币ROI区域中选定的环状区域展开成对应的矩形区域;
S23、将展开得到的矩形区域划分成若干个相同的区域块,并将每个区域块的平均灰度作为该区域块的特征值。
具体地,在实际使用过程中,硬币可能以任意角度进入检测装置,由于不同角度情况下,硬币特征在XY坐标系上分布不一致,而且很难找到合适的参考点来进行硬币旋转角度计算,因此,提取具有旋转不变性的硬币特征,是硬币识别和鉴伪的主要难点所在。
由于在分辨率比较高的情况下,ROI区域的大小很大,单个像素点逐一进行匹配的计算量非常巨大,实际DSP端应用场景中,对算法时间要求很高。复杂的旋转角度计算方法在一般DSP芯片中难以实现。本发明提出一种全新的特征提取方法,即环状展开法,计算量相对于单点匹配会大大减小。
如图7所示,本实施例的特征提取的具体实现过程如下:
1)、如图7的(a)所示,选定感兴趣的宽度为M的环状区域(白色区域);接着,如图7的(c)所示,将该环状区域在360方向上展开成大小360*M的矩形区域。
2)、为了减小计算量,本实施例利用平均灰度值作为特征值,将大小为360*M的矩形区域划分成m*n个大小相同的区域,在每个小块里面取平均灰度作为该块的特征值,即可以得到FeatureMap[m*n];
3)、本发明把环状区域的旋转角度的计算转化成矩形区域平移的计算;本发明把初始环状区域展开得到初始矩形后,直接在初始矩形上操作;
如图7(b)所示,具体实现方法为:通过原始矩形区域的每个长度单位向右平行移动N(N=0,1,2,3,…359)个长度单位,来等价实现环状区域旋转N个角度单位;
在实际识别过程中是把待检测图像旋转360度,其中每旋转1度都将图像与所有模板匹配一次,得出最高相关性系数,并标记最高相关性系数的模板对应的面值版本面向信息;360个相关性系数中的最大值则为待检测图像识别成相应模板的置信度。
如图7中的(a)和(b)所示,当图像旋转1度时,此时相应的矩形区域只需在初始矩形区域上把1*M平移至最后一列,其余的350*M列均向前平移一列;当图像旋转其它任意角度X度时,计算方法类似,即每一列向左移动X列,当移至-1列时,把该列直接移至最后一列。
进一步作为优选的实施方式,所述步骤S22包括以下步骤:
S221、将硬币ROI区域中选定的初始环状区域展开得到初始矩形,所述初始矩形的宽度等于环状区域的环宽;
S222、逐次将初始矩形的每个长度单位向右平移一个长度单位,直至平移完成359个长度单位,得到每次平移后的矩形;
S3、将提取到的特征与模板的特征进行相关性计算,得到相关性系数;
具体的,所述步骤S3包括以下步骤:
S31、分别计算每次平移后得到的矩形的特征值与所有模板之间的相关性系数;
S32、将计算得到的该最高相关性系数作为待检测硬币ROI区域的置信度。
S4、根据待检测硬币的面值信息和计算得到的相关性系数,确定待检测硬币图像的正面信息和背面信息;其中,所述正面信息包括检测硬币图像正面的第一面向信息和第一版本信息;所述背面信息包括待检测硬币图像背面的第二面向信息和第二版本信息;
具体地,所述步骤S4包括以下步骤:
S41、根据预设的面向信息、面值信息和版本信息,建立特征模板;
S42、根据硬币ROI区域尺寸和特征模板,得到待检测硬币的预测面值;
其中,本实施例通过ROI区域尺寸和特征模板来预测面值是一个预判过程,该步骤预判得到的面值并不一定是最终的面值结果。
S43、根据预测面值对应的特征模板,分别计算待检测硬币的ROI区域与该特征模板之间的匹配系数;
S44、确定匹配系数满足预设的匹配条件后,得到待检测硬币对应的目标特征模板、版本信息和面向信息。
由于硬币是金属材质,且表面凹凸不平,CIS成像时会存在漫反射,所以当硬币不同角度进入CIS成像设备时,硬币局部纹理信息会有较大差异,硬币局部纹理信息的不确定性对硬币识别鉴伪方案增加了难度。为了提高算法的整体识别性能,本实施例在建立识别模板的时候,对于各类不同的面值版本面向的硬币,均建立P个不同旋转角度的模板,如图8所示,本实施例选择P=10,假设支持K个面值,每个面值均有Q个版本,每个面值版本均支持2个面向,故整个模板的个数为K*Q*2*P。
以人民币1元,5角两个面值为例,每个面值分别支持新旧两个版本即Q=2,每个面值版本均支持正面、背面两个面向,不同面值模板单独存储,即1元模板为template_10[Q*2*P],5角模板为template_5[Q*2*P],不同版本面向的模板依次按顺序存储;
其中,当1=<i<=P时,(其中,i代表索引的第i个模板,i=1,2,3…,)版本version=1,面向face=0;当P+1=<i<=2P时,版本version=1,面向face=1;当2P+1=<i<=3P时,版本version=2,面向face=0;当3P+1=<i<=4P时,版本version=2,面向face=1,然后采用步骤S2的方法对每个模板的特征进行提取计算。
S5、将待检测硬币图像的正面信息和背面信息进行融合处理,确认待检测硬币的真伪性;
具体地,所述步骤S5包括以下步骤:
S51、根据第一面值信息和第二面值信息的比对结果,确定最终面值信息;
S52、根据第一版本信息和第二版本信息的比对结果,确定最终版本信息;
S53、根据第一面向信息和第二面向信息的求和结果,确定最终面向信息;
S54、判断待检测硬币的面值信息、最终版本信息以及最终面向信息是否均能匹配预设模板,若是,则判定待检测硬币为真币;反之,则判定待检测硬币为假币。
本实施例中,所述预设模板是指步骤S41中建立的特征模板;本发明将最终得到的面值信息、最终版本信息以及最终面向信息与模板库中的特征模板进行比对,如果最终得到的面值信息、最终版本信息以及最终面向信息在模板库中存在,则说明待检测硬币对应的面值信息、最终版本信息以及最终面向信息是本实施例支持的面值版本面向信息,即可确认该待检测硬币为真币。
以人民币1元,5角两个面值为例,本实施例通过正面图像、背面图像ROI区域尺寸判断面值value1和value2,当面值为1元,value=10;当面值为5角,value=5,具体判断规则如下:
首先通过尺寸区分判断硬币面值是1元还是5角,本实施例中获取的图像分辨率为300dpi,1元硬币和5角硬币的实际尺寸分别为25mm和20mm,对应像素值为300pixel和240pixel,
当ROI区域300-12<height,width<300+12时,则面值为1元,value=10;
当ROI区域240-12<height,width<240+12时,则面值为5角,value=5。
接着,将待检测正面图像、背面图像分别与特定面值所支持的所有版本面向的P个特征模板都匹配完之后,会得到Q*2*P个匹配系数corrAB[i](i=1,2,3…,Q*2*P),corrAB[i]的计算方法如下:
对特定面值的所有版本面向(共Q*2个,即候选特征模板)的P个匹配系数进行判断,当满足一定条件时就可以确定待检测正面图像、背面图像的版本version1和version2、面向信息face1和face2,知道面值信息后,假定面值为1元,输入模板为template_10[Q*2*P],具体版本面向判断方法如图9所示,当面值为5角时,判断方法是同上,所述判断条件可根据具体情况定,本实施例设定条件为:P个匹配系数之和sum>0.5P,且corrAB[i]>0.5的个数num>0.5P。
然后,本实施例利用相关性系数(值范围0-1)来表征待检测图像识别结果的置信度(值范围0-1),假设待检测图像特征FeatureMapA[m*n],模板特征FeatureMapB[m*n],本实施例中计算待检测图像与匹配模板的相关性系数corrAB的相关公式如下:
corrAB=cov AB/sqrt(deltaA)*sqrt(deltaB)
其中,avgA代表代表待检测图像特征的平均值;FeatureMapA[i]代表待检测图像的特征;FeatureMapB[i]代表某一个模板的特征;avgB代表某一个模板的特征平均值;deltaA代表待检测图像特征的方差估计值;deltaB代表某一个模板的特征的方差估计值;covAB代表协方差。
在已知待检测图像的面值信息情况下,将待检测图像与某一个模板特征FeatureMapB[m*n](共K*Q*2*P个模板)进行匹配,需旋转检测图像X(X=0,1,2,3,…,359)度,根据步骤S4分别重新计算不同旋转角度下的待检测图像特征FeatureMapA_new[m*n],得到值corr_X(X=0,1,2,3,…359),待检测图像与第i(i=1,2,3…,Q*2*P)个模板进行匹配流程如图10所示,corr_X最大值corrAB[i]即为待检测图像识别成该模板对应面值版本面向的置信度,最后得到置信度最高的模板即为目标特征模板。
最后,如图11所示,本发明将正面和背面图像的结果value1,version1,face1,value2,version2,face2进行融合,即确定value1=value2,且version1=version2,face1+face2=1后;得到最终的面值value=value1、版本version=version1、面向face=face1,本实施例中,value=255、version=255、face=255。若得到的最终图像信息(即value,version,face)是算法支持的面值版本面向,即确定待检测硬币为真币,否则为假币。
本发明实施例还提供了一种基于图像的硬币检测及识别系统,包括:
区域划分模块,用于根据获取的初始待检测硬币图像,生成硬币ROI区域;
特征提取模块,用于对硬币ROI区域进行特征提取并确定待检测硬币的面值信息;
相关性计算模块,用于将提取到的特征与模板的特征进行相关性计算,得到相关性系数;
确定模块,用于根据待检测硬币的面值信息和计算得到的相关性系数,确定待检测硬币图像的正面信息和背面信息;其中,所述正面信息包括检测硬币图像正面的第一面向信息和第一版本信息;所述背面信息包括待检测硬币图像背面的第二面向信息和第二版本信息;
融合模块,用于将待检测硬币图像的正面信息和背面信息进行融合处理,确认待检测硬币的真伪性;
鉴别模块,用于根据最终的图像信息确认待检测硬币的真伪性。
此外,本发明实施例还提供了一种基于图像的硬币检测及识别系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述的基于图像的硬币检测及识别方法。
上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本发明实施例还提供了一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于执行所述的基于图像的硬币检测及识别方法。
综上所述,本发明基于图像的硬币检测及识别方法、系统及存储介质具有以下优点:
1.本发明提出了一种全新的旋转角度表征计算方法,即把环状展开成矩形,把圆形旋转角度转化成矩形平移的方法,大大降低了计算量。
2.利用灰度均值来计算匹配特征,利用不同角度的特征作为模板,解决了硬币不同角度进入CIS成像设备时,硬币局部纹理信息会有较大差异问题。
3.对不同面值、版本、面向的硬币均建立模板,不仅可以识别出待检测硬币的面值、版本、面向信息,而且可以通过面值版本面向是否是支持的面值、版本、面向信息来判断硬币的真伪。
4.根据两级识别结果融合得到最终识别结果,增加了识别结果的可信度。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外,在本发明的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本发明,但应当理解的是,除非另有相反说明,所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本发明的范围,本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.基于图像的硬币检测及识别方法,其特征在于:包括以下步骤:
根据获取的初始待检测硬币图像,生成硬币ROI区域;
对硬币ROI区域进行特征提取并确定待检测硬币的面值信息;
将提取到的特征与模板的特征进行相关性计算,得到相关性系数;
根据待检测硬币的面值信息和计算得到的相关性系数,确定待检测硬币图像的正面信息和背面信息;其中,所述正面信息包括检测硬币图像正面的第一面向信息和第一版本信息;所述背面信息包括待检测硬币图像背面的第二面向信息和第二版本信息;
将待检测硬币图像的正面信息和背面信息进行融合处理,确认待检测硬币的真伪性。
2.根据权利要求1所述的基于图像的硬币检测及识别方法,其特征在于:所述根据获取的初始待检测硬币图像,生成硬币ROI区域这一步骤,包括以下步骤:
扫描待检测硬币,获取待检测硬币的初始图像,所述初始图像包括正面初始图像和背面初始图像;
通过阈值分割法对初始图像进行二值化处理,得到二值化图像;
对二值化图像进行投影处理;
根据投影处理的结果,计算初始图像的硬币区域起始点坐标值、ROI区域的高度信息和宽度信息,进而得到待检测硬币的ROI区域。
3.根据权利要求1所述的基于图像的硬币检测及识别方法,其特征在于:所述对硬币ROI区域进行特征提取并确定待检测硬币的面值信息这一步骤,包括以下步骤:
根据硬币ROI区域的尺寸信息,确认待检测硬币的面值信息;
将硬币ROI区域中选定的环状区域展开成对应的矩形区域;
将展开得到的矩形区域划分成若干个相同的区域块,并将每个区域块的平均灰度作为该区域块的特征值。
4.根据权利要求3所述的基于图像的硬币检测及识别方法,其特征在于:所述将硬币ROI区域中选定的环状区域展开成对应的矩形区域这一步骤,包括以下步骤:
将硬币ROI区域中选定的初始环状区域展开得到初始矩形,所述初始矩形的宽度等于环状区域的环宽;
逐次将初始矩形的每个长度单位向右平移一个长度单位,直至平移完成359个长度单位,得到每次平移后的矩形。
5.根据权利要求4所述的基于图像的硬币检测及识别方法,其特征在于:所述将提取到的特征与模板的特征进行相关性计算,得到相关性系数这一步骤,包括以下步骤:
分别计算每次平移后得到的矩形的特征值与所有模板之间的相关性系数;
将计算得到的该最高相关性系数作为待检测硬币ROI区域的置信度。
6.根据权利要求1所述的基于图像的硬币检测及识别方法,其特征在于:所述根据待检测硬币的面值信息和计算得到的相关性系数,确定待检测硬币图像的正面信息和背面信息这一步骤,包括以下步骤:
根据预设的面向信息、面值信息和版本信息,建立特征模板;
根据待检测硬币的面值对应的若干个候选特征模板,分别计算待检测硬币的ROI区域与候选特征模板之间的匹配系数;
确定匹配系数满足预设的匹配条件后,得到待检测硬币对应的目标特征模板、版本信息和面向信息。
7.根据权利要求1所述的基于图像的硬币检测及识别方法,其特征在于:所述将待检测硬币图像的正面信息和背面信息进行融合处理,确认待检测硬币的真伪性这一步骤,包括以下步骤:
根据第一版本信息和第二版本信息的比对结果,确定最终版本信息;
根据第一面向信息和第二面向信息的求和结果,确定最终面向信息;
判断待检测硬币的面值信息、最终版本信息以及最终面向信息是否均能匹配预设模板,若是,则判定待检测硬币为真币;反之,则判定待检测硬币为假币。
8.基于图像的硬币检测及识别系统,其特征在于:包括:
区域划分模块,用于根据获取的初始待检测硬币图像,生成硬币ROI区域;
特征提取模块,用于对硬币ROI区域进行特征提取并确定待检测硬币的面值信息;
相关性计算模块,用于将提取到的特征与模板的特征进行相关性计算,得到相关性系数;
确定模块,用于根据待检测硬币的面值信息和计算得到的相关性系数,确定待检测硬币图像的正面信息和背面信息;其中,所述正面信息包括检测硬币图像正面的第一面向信息和第一版本信息;所述背面信息包括待检测硬币图像背面的第二面向信息和第二版本信息;
融合模块,用于将待检测硬币图像的正面信息和背面信息进行融合处理,确认待检测硬币的真伪性;
鉴别模块,用于根据最终的图像信息确认待检测硬币的真伪性。
9.基于图像的硬币检测及识别系统,其特征在于:包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-7中任一项所述的基于图像的硬币检测及识别方法。
10.一种存储介质,其中存储有处理器可执行的指令,其特征在于:所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-7中任一项所述的基于图像的硬币检测及识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910639940.8A CN110415425B (zh) | 2019-07-16 | 2019-07-16 | 基于图像的硬币检测及识别方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910639940.8A CN110415425B (zh) | 2019-07-16 | 2019-07-16 | 基于图像的硬币检测及识别方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110415425A CN110415425A (zh) | 2019-11-05 |
CN110415425B true CN110415425B (zh) | 2021-09-10 |
Family
ID=68361595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910639940.8A Active CN110415425B (zh) | 2019-07-16 | 2019-07-16 | 基于图像的硬币检测及识别方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110415425B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111339957B (zh) * | 2020-02-28 | 2024-04-26 | 广州运通科金技术有限公司 | 基于图像识别的金库钱捆状态检测方法、系统及介质 |
CN113033635B (zh) * | 2021-03-12 | 2024-05-14 | 中钞长城金融设备控股有限公司 | 一种硬币隐形图文检测方法及装置 |
CN115359302A (zh) * | 2022-09-09 | 2022-11-18 | 杭州睿胜软件有限公司 | 硬币识别方法、系统及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001076150A (ja) * | 1999-09-08 | 2001-03-23 | Sankyo Seiki Mfg Co Ltd | 粗テンプレートの作成方法及び装置 |
CN101872475A (zh) * | 2009-04-22 | 2010-10-27 | 中国科学院自动化研究所 | 一种扫描文档图像自动配准方法 |
CN101872502A (zh) * | 2010-05-21 | 2010-10-27 | 杭州电子科技大学 | 基于稀疏表示的硬币图像识别方法 |
CN104036290A (zh) * | 2014-06-11 | 2014-09-10 | 新达通科技股份有限公司 | 一种纸币面值识别方法及装置 |
CN104050745A (zh) * | 2013-03-13 | 2014-09-17 | 苏州日宝科技有限责任公司 | 一种基于图像识别的高速硬币清分技术 |
KR20160107075A (ko) * | 2015-03-03 | 2016-09-13 | 한세대학교 산학협력단 | 세계지폐 인식방법 |
CN105957238A (zh) * | 2016-05-20 | 2016-09-21 | 聚龙股份有限公司 | 一种纸币管理方法及其系统 |
CN108921831A (zh) * | 2018-06-22 | 2018-11-30 | 吉林大学 | 一种基于图像处理技术的污损硬币识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102610020B (zh) * | 2012-01-11 | 2014-12-17 | 广州市地下铁道总公司 | 硬币双面图像识别装置及其识别方法 |
-
2019
- 2019-07-16 CN CN201910639940.8A patent/CN110415425B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001076150A (ja) * | 1999-09-08 | 2001-03-23 | Sankyo Seiki Mfg Co Ltd | 粗テンプレートの作成方法及び装置 |
CN101872475A (zh) * | 2009-04-22 | 2010-10-27 | 中国科学院自动化研究所 | 一种扫描文档图像自动配准方法 |
CN101872502A (zh) * | 2010-05-21 | 2010-10-27 | 杭州电子科技大学 | 基于稀疏表示的硬币图像识别方法 |
CN104050745A (zh) * | 2013-03-13 | 2014-09-17 | 苏州日宝科技有限责任公司 | 一种基于图像识别的高速硬币清分技术 |
CN104036290A (zh) * | 2014-06-11 | 2014-09-10 | 新达通科技股份有限公司 | 一种纸币面值识别方法及装置 |
KR20160107075A (ko) * | 2015-03-03 | 2016-09-13 | 한세대학교 산학협력단 | 세계지폐 인식방법 |
CN105957238A (zh) * | 2016-05-20 | 2016-09-21 | 聚龙股份有限公司 | 一种纸币管理方法及其系统 |
CN108921831A (zh) * | 2018-06-22 | 2018-11-30 | 吉林大学 | 一种基于图像处理技术的污损硬币识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110415425A (zh) | 2019-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11861888B2 (en) | Logo recognition in images and videos | |
CN110415425B (zh) | 基于图像的硬币检测及识别方法、系统及存储介质 | |
US6754369B1 (en) | License plate reading apparatus and method | |
US8170368B2 (en) | Correcting device and method for perspective transformed document images | |
US20130070108A1 (en) | Method and arrangement for multi-camera calibration | |
US20060120629A1 (en) | Method and apparatus for recognizing text in an image sequence of scene imagery | |
US20120092329A1 (en) | Text-based 3d augmented reality | |
JP2007140613A (ja) | 映像内の複数広告看板の認識方法 | |
KR20110002043A (ko) | 이미지 식별을 위한 스케일 안정적 특징-기반 식별자 | |
JP2010514025A (ja) | 画像の道路標識を確認するためのデバイス、方法およびコンピュータ・プログラム | |
US8254690B2 (en) | Information processing apparatus, information processing method, and program | |
WO2013076358A1 (en) | Text detection using multi-layer connected components with histograms | |
CN113052170B (zh) | 一种无约束场景下的小目标车牌识别方法 | |
US20120082372A1 (en) | Automatic document image extraction and comparison | |
KR101753360B1 (ko) | 시점 변화에 강인한 특징점 정합 방법 | |
Zhang et al. | Detecting image tampering using feature fusion | |
US7231086B2 (en) | Knowledge-based hierarchical method for detecting regions of interest | |
JP2000322579A (ja) | 画像認識装置 | |
Sujin et al. | Copy-Move Geometric Tampering Estimation Through Enhanced SIFT Detector Method. | |
CN111753573B (zh) | 二维码图像识别方法、装置、电子设备以及可读存储介质 | |
KR100888674B1 (ko) | 주파수영역을 이용한 지폐의 유사도 측정방법 | |
JP2858530B2 (ja) | エッジ強調装置 | |
James et al. | Image Forgery detection on cloud | |
CN111311696A (zh) | 一种基于高光谱解混技术的车牌真伪检测方法 | |
KR102248858B1 (ko) | 2차원 코드 인식 및 정보 표시 방법 |
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 |