CN110610575B - 硬币识别方法及装置、收银机 - Google Patents
硬币识别方法及装置、收银机 Download PDFInfo
- Publication number
- CN110610575B CN110610575B CN201910896837.1A CN201910896837A CN110610575B CN 110610575 B CN110610575 B CN 110610575B CN 201910896837 A CN201910896837 A CN 201910896837A CN 110610575 B CN110610575 B CN 110610575B
- Authority
- CN
- China
- Prior art keywords
- coin
- coins
- identified
- image
- face value
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/20—Point-of-sale [POS] network systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/66—Trinkets, e.g. shirt buttons or jewellery items
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D5/00—Testing specially adapted to determine the identity or genuineness of coins, e.g. for segregating coins which are unacceptable or alien to a currency
- G07D5/005—Testing the surface pattern, e.g. relief
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D5/00—Testing specially adapted to determine the identity or genuineness of coins, e.g. for segregating coins which are unacceptable or alien to a currency
- G07D5/02—Testing the dimensions, e.g. thickness, diameter; Testing the deformation
-
- 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
- G07D9/00—Counting coins; Handling of coins not provided for in the other groups of this subclass
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
- G07G1/00—Cash registers
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
- G07G1/00—Cash registers
- G07G1/0036—Checkout procedures
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
- G07G1/00—Cash registers
- G07G1/01—Details for indicating
- G07G1/06—Details for indicating with provision for the noting of the money to be paid
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
- G07G1/00—Cash registers
- G07G1/12—Cash registers electronically operated
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Computational Linguistics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种硬币识别方法及装置、收银机,涉及图像识别领域。具体实现方案为:从包括硬币的待识别图像中提取每个硬币对应的图像块,构成输入硬币集;将输入硬币集输入硬币分类模型,得到输入硬币集中的每个硬币的图像块的类别及分类置信度,其中类别包括面值;将输入硬币集中分类置信度达到阈值的硬币的图像块归入第一硬币集;将第一硬币集中的每个硬币的图像块的类别所指示的面值作为该硬币的最终面值。本申请实施例根据分类模型可以同时完成大量硬币的面值判定,可以无人工干预、识别时间短。
Description
技术领域
本申请涉及一种图像识别领域,尤其涉及一种硬币识别领域。
背景技术
硬币结账通常有两种应用场景:一种是有售货员的结算场景,人为地进行清点结算;另一种是在自动售货机处由用户自行投币购买商品。在无人超市中售货员人为清点硬币显然浪费人力成本。此外,无人货柜如果加入和自动售货机一样的投币系统,一方面投币币种支持得很少(一般是1元、10分等面值),另一方面需要用户一枚一枚地投币,结账时间较长。
发明内容
本申请实施例提供一种硬币识别方法及装置,以解决现有技术中的一个或多个技术问题。
第一方面,本申请实施例提供了一种硬币识别方法,包括如下步骤:
从包括硬币的待识别图像中提取每个硬币对应的图像块,构成输入硬币集;
将输入硬币集输入硬币分类模型,得到输入硬币集中的每个硬币的图像块的类别及分类置信度,其中类别包括面值;
将输入硬币集中分类置信度达到阈值的硬币的图像块归入第一硬币集;
将第一硬币集中的每个硬币的图像块的类别所指示的面值作为该硬币的最终面值。
本申请实施例中,根据分类模型可以同时完成大量硬币的面值判定,克服了人为清点硬币浪费人力成本,投币系统币种支持少以及投币时间长的技术问题,进而达到无人工干预、识别时间短、以及同时完成大量硬币判定的技术效果。
在一种实施方式中,硬币识别方法还包括:
将输入硬币集中除了属于第一硬币集的其余硬币的图像块归入第二硬币集;
获取第一硬币集中的每种面值的硬币的外观特征;
比较第二硬币集中的每个待识别硬币的图像块与第一硬币集中的每种面值的硬币的外观特征,确定每个待识别硬币的最终面值。
本申请实施例中,对于分类模型无法识别的硬币的图像块,可以比较待识别硬币与已经识别出类别的硬币的图像块的外观特征,进而确定硬币的最终面值,克服了识别精度不高的技术问题,进而达到高精度的识别效果。
在一种实施方式中,硬币的类别还包括朝上面;将输入硬币集中分类置信度达到阈值的硬币的图像块归入第一硬币集,包括:
将输入硬币集中具有第一朝上面且分类置信度达到阈值的硬币的图像块归入第一硬币集。
本申请实施例中,实现根据朝上面分类和设置阈值实现高精度的识别效果,因为采用了基于深度学习的硬币识别技术手段,所以克服了识别精度不高的技术问题,进而达到高精度的识别效果。
在一种实施方式中,外观特征包括直径和/或颜色信息,比较第二硬币集中的每个待识别硬币的图像块与第一硬币集中的每种面值的硬币的外观特征,确定每个待识别硬币的最终面值,包括以下至少一种方式:
针对第二硬币集中具有第一朝上面的每个待识别硬币的图像块,确定第一硬币集中与该待识别硬币的图像块的直径差值小于第一阈值和/或颜色信息的差值小于第二阈值的面值,将该面值确定为该待识别硬币的最终面值;
针对第二硬币集中具有第二朝上面的每个待识别硬币的图像块,确定第一硬币集中与该待识别硬币的图像块的直径的差值小于第三阈值的第一面值,和第一硬币集中与该待识别硬币的图像块的颜色信息的差值小于第四阈值的第二面值,如果第一面值与第二面值相等,则将该第一面值确定为该待识别硬币的最终面值。
本申请实施例中,使用硬币的直径和/或颜色信息可以增加面值判断的准确性。因为采用了基于硬币的直径和/或颜色信息进行识别的技术手段,所以克服了识别精度不高的技术问题,进而达到高精度的识别效果。
在一种实施方式中,从包括硬币的待识别图像中提取每个硬币对应的图像块,构成输入硬币集,包括:
从包括n个硬币的待识别图像中提取n个图像块,其中每个图像块对应于待识别图像中的一个硬币,n个图像块构成输入硬币集,n为正整数。
本申请实施例中,可以在极短时间内同时完成大量硬币的判定。因为采用了基于深度学习的硬币识别技术手段,所以克服了人为清点硬币浪费人力成本,清点速度慢的技术问题,进而达到短时间内同时完成大量硬币识别和判定的技术效果。
在一种实施方式中,硬币识别方法还包括:利用目标检测模型训练硬币检测模型,
从包括n个硬币的待识别图像中提取n个图像块,包括:
将待识别图像输入硬币检测模型,检测得到多个检测框的位置及其属于硬币的置信度;
根据检测得到的多个检测框的位置及其属于硬币的置信度,获取属于硬币的n个检测框的位置;以及
根据n个检测框的位置从待识别图像中提取n个图像块。
本申请实施例中,可以在极短时间内同时完成大量硬币的判定。因为采用了基于深度学习的硬币识别技术手段,所以克服了人为清点硬币浪费人力成本,清点速度慢的技术问题,进而达到短时间内同时完成大量硬币识别和判定的技术效果。
在一种实施方式中,硬币识别方法还包括:对每个硬币的检测框进行椭圆拟合,以得到椭圆检测框;以及计算椭圆检测框的直径作为该硬币的直径,和/或提取椭圆检测框内的颜色均值作为该硬币的颜色信息。
本申请实施例中,可以在极短时间内同时完成大量硬币的判定。因为采用了基于深度学习的硬币识别技术手段,所以克服了人为清点硬币浪费人力成本,清点速度慢的技术问题,进而达到短时间内同时完成大量硬币识别和判定的技术效果。
在一种实施方式中,获取第一硬币集中的每种面值的硬币的外观特征,包括:计算第一硬币集中每种面值的一个或多个硬币的直径均值和/或颜色均值,作为该面值对应的直径和/或颜色信息。
本申请实施例中,使用硬币的直径均值和/或颜色均值可以增加面值判断的准确性。因为采用了基于硬币的直径均值和/或颜色均值进行识别的技术手段,所以克服了识别精度不高的技术问题,进而达到高精度的识别效果。
在一种实施方式中,硬币识别方法还包括:根据输入硬币集中的每个硬币的最终面值统计所有硬币的总面值和/或数量。
本申请实施例中,统计识别出的硬币的总面值和/或数量,有利于提高结算速度,简化结算难度。
在一种实施方式中,硬币识别方法还包括:以图像形式输出所有硬币的信息,其中,所有硬币的信息包括下列至少一项:每个硬币的位置、每个硬币的面值、每个硬币的分类置信度、所有硬币的总面值、所有硬币的数量。
本申请实施例中,可以直观地显示所有硬币的具体信息。因为采用了基于深度学习的硬币识别技术手段,所以克服了人为清点硬币浪费人力成本,清点速度慢的技术问题,进而达到短时间内显示所有硬币的具体信息的技术效果。
第二方面,本申请实施例提供了一种硬币识别装置,包括如下模块:
检测模块,用于从包括硬币的待识别图像中提取每个硬币对应的图像块,构成输入硬币集;
分类模块,用于将输入硬币集输入硬币分类模型,得到输入硬币集中的每个硬币的图像块的类别及分类置信度,其中类别包括面值;
判定模块,用于将输入硬币集中分类置信度达到阈值的硬币的图像块归入第一硬币集;将第一硬币集中的每个硬币的图像块的类别所指示的面值作为该硬币的最终面值。
在一种实施方式中,硬币识别装置还包括:
外观特征获取模块,用于获取第一硬币集中的每种面值的硬币的外观特征;
判定模块还用于将输入硬币集中除了属于第一硬币集的其余硬币的图像块归入第二硬币集;比较第二硬币集中的每个待识别硬币的图像块与第一硬币集中的每种面值的硬币的外观特征,确定每个待识别硬币的最终面值。
在一种实施方式中,分类模块中的硬币类别还包括朝上面;判定模块还用于将输入硬币集中具有第一朝上面且分类置信度达到阈值的硬币的图像块归入第一硬币集。
在一种实施方式中,外观特征包括直径和/或颜色信息,判定模块包括以下模块的至少一个:
第一判定子模块,用于针对第二硬币集中具有第一朝上面的每个待识别硬币的图像块,确定第一硬币集中与该待识别硬币的图像块的直径差值小于第一阈值和/或颜色信息的差值小于第二阈值的面值,将该面值确定为该待识别硬币的最终面值;
第二判定子模块,用于针对第二硬币集中具有第二朝上面的每个待识别硬币的图像块,确定第一硬币集中与该待识别硬币的图像块的直径的差值小于第三阈值的第一面值,和第一硬币集中与该待识别硬币的图像块的颜色信息的差值小于第四阈值的第二面值,如果第一面值与第二面值相等,则将该第一面值确定为该待识别硬币的最终面值。
在一种实施方式中,检测模块还用于从包括n个硬币的待识别图像中提取n个图像块,其中每个图像块对应于待识别图像中的一个硬币,n个图像块构成输入硬币集,n为正整数。
在一种实施方式中,硬币识别装置还包括:
训练模块,用于利用目标检测模型训练硬币检测模型;
检测模块还用于将待识别图像输入硬币检测模型,检测得到多个检测框的位置及其属于硬币的置信度;根据检测得到的多个检测框属于硬币的置信度,获取属于硬币的n个检测框的位置;以及根据n个检测框的位置从待识别图像中提取n个图像块。
在一种实施方式中,外观特征获取模块还用于对每个硬币的检测框进行椭圆拟合,以得到椭圆检测框;以及计算椭圆检测框的直径作为该硬币的直径,和/或提取椭圆检测框内的颜色均值作为该硬币的颜色信息。
在一种实施方式中,外观特征获取模块还用于计算第一硬币集中每种面值的一个或多个硬币的直径均值和/或颜色均值,作为该面值对应的直径和/或颜色信息。
在一种实施方式中,硬币识别装置还包括:统计模块,用于根据输入硬币集中的每个硬币的最终面值统计所有硬币的总面值和/或数量。
在一种实施方式中,硬币识别装置还包括:输出模块,用于以图像形式输出所有硬币的信息,其中,所有硬币的信息包括下列至少一项:每个硬币的位置、每个硬币的面值、每个硬币的分类置信度、所有硬币的总面值、所有硬币的数量。
第三方面,本申请实施例提供了一种硬币识别装置,包括:
至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述硬币识别方法。
第四方面,本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,计算机指令用于使计算机执行上述硬币识别方法。
第五方面,本申请实施例提供了一种收银机,包括:
硬币接纳装置,用于接纳投入的硬币;
图像采集器,用于获取包括投入的n个硬币的待识别图像;
硬币识别装置,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述硬币识别方法。
上述实施例具有如下优点或有益效果:在收银台等固定场景下实现高精度的识别效果,此过程完全不需要售货员人为清点,同时也支持全币种识别,可以在极短时间内同时完成大量硬币的判定。并且可以应用到嵌入到无人超市或者自动售货机的收银系统里,实现用户硬币级别的支付场景覆盖。因为采用了基于深度学习的硬币识别技术手段,所以克服了人为清点硬币浪费人力成本,投币系统币种支持少以及投币时间长的技术问题,进而达到高精度的识别效果、无人工干预、支持全币种识别、识别时间短、以及同时完成大量硬币判定的技术效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请实施例的一种硬币识别方法的示意性流程图。
图2是图1所示实施例中确定第二硬币集中的硬币的面值的一种具体实施方式的流程图。
图3是根据本申请实施例的一种生成硬币集的示意性流程图。
图4是根据本申请实施例的一种检测硬币的场景图。
图5是根据本申请实施例的一种硬币识别装置的示意性框图。
图6是根据本申请实施例的一种硬币识别装置的示意性框图。
图7是用来实现本申请实施例的一种硬币识别的方法的电子设备的框图。
图8是用来实现本申请实施例的一种硬币识别的方法的收银机的示意性框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本申请实施例的一种硬币识别方法的示意性流程图。包括以下步骤:
步骤S101,从包括硬币的待识别图像中提取每个硬币对应的图像块,构成输入硬 币集。
待识别图像中可以包括多个硬币,每个硬币对应一个图像块。利用目标检测模型例如SSD、fasterRcnn、yolo等之一对待识别图像进行检测,可以从待识别图像中提取每个硬币对应的图像块,构成输入硬币集。
步骤S102,将输入硬币集输入硬币分类模型,得到输入硬币集中的每个硬币的图像块的类别及分类置信度,其中类别包括面值。
使用硬币分类模型对输入硬币集中的每个硬币进行分类,其中,硬币分类模型可以采用常用的图像分类模型进行分类训练。
其中,图像分类模型可以采用resnet、googlenet等深度学习网络其中之一。例如,欧元硬币面值有8种,分别是1分、2分、5分、10分、20分、50分、1元、2元。欧元区每个国家欧元正面一致,不同国家的硬币背面图案不同(1分、2分、5分的背面可能相同,10、20、50分背面可能相同)。因此根据正背面、颜色、面值分类为12类,分别是1分、2分、5分背面,10分、20分、50分背面,1元背面,2元背面,以及分别8种面值正面。对这12种类别分别采集较多的训练数据(包含不同旋转角度、不同国家、不同光线的亮度、不同背景等),采用常用的图像分类模型根据训练数据训练分类器,生成硬币分类模型。
在硬币分类模型生成之后,可以针对获取输入硬币集中的每个硬币的图像块,来确定其类别及分类置信度。其中类别至少包括面值,例如1分、5分、10分等,分类置信度为分类预测的概率,例如该图像块对应的面值为1分、5分、10分的概率。
在一种实施方式中,实际应用中采集到的硬币图像可以被添加到训练数据中,以调整实际应用中采集到的数据在训练数据中的权重,然后重新训练分类器以提高模型的准确性。
可选地,分类模型可以存储在远程服务器中,也可以针对获取输入硬币集中的每个硬币的图像,将其传输到服务器端,由服务器端来确定其类别及分类置信度。
步骤S103,将输入硬币集中分类置信度达到阈值的硬币的图像块归入第一硬币集。其中,阈值可以是预先设置的,例如设置为0.8,当分类置信度达到0.8时,将达到此阈值的硬币的图像块归入第一硬币集。分类置信度较高,表明该硬币的图像块属于该类别的可能性大。第一硬币集中包括被成功识别出类别的硬币的图像块。
步骤S104,将第一硬币集中的每个硬币的图像块的类别所指示的面值作为该硬币的最终面值。
例如,每一种类别与一个面值相对应。第一硬币集中包括的每个图像块的类别的置信度较高,可以将该图像块的类别所指示的面值作为该硬币的最终面值。
本申请实施例中,基于深度学习进行硬币识别,根据分类模型可以同时完成大量硬币的面值判定,克服了人为清点硬币浪费人力成本,投币系统币种支持少以及投币时间长的技术问题,进而达到无人工干预、识别时间短、以及同时完成大量硬币判定的技术效果。
在一种实施方式中,硬币识别方法还包括:将输入硬币集中除了属于第一硬币集的其余硬币的图像块归入第二硬币集。获取第一硬币集中的每种面值的硬币的外观特征。比较第二硬币集中的每个待识别硬币的图像块与第一硬币集中的每种面值的硬币的外观特征,确定每个待识别硬币的最终面值。
在步骤S103之后,可以将除了属于第一硬币集的其余硬币的图像块归入第二硬币集。第二硬币集包括的硬币的图像块的类别的置信度较低,可以认为是没有识别出类别。
例如,计算第一硬币集中每种面值的一个或多个硬币的直径均值和/或颜色均值,作为该面值对应的直径和/或颜色信息。
外观特征可以包括直径和/或颜色信息。针对第一硬币集中每种面值的硬币,计算该面值对应的直径和/或颜色信息。可以针对每种面值的所有硬币,计算这些硬币的直径均值和/或颜色均值,作为该面值对应的直径和/或颜色信息。例如,采用图像检测和处理技术,对每个硬币检测框略微向外扩充(保证硬币整体全在框内),使用如opencv里的前景提取加fiitEllipse方法,能够拟合每个检测框。对检测框内的椭圆拟合计算得出硬币直径,同时可以使用opencv提取整个椭圆内的颜色均值。
在一种实施方式中,针对第一硬币集中每种面值的硬币,还可以根据提取的每个硬币图像来统计该面值对应的纹理信息,可以使用opencv进行提取整个椭圆内纹理特征。
例如,每一种类别都与一个面值相对应。每种面值的硬币的外观特征包括直径和/或颜色信息。比较第二硬币集中的每个硬币的图像块,与第一硬币集中直径和/或颜色信息,确定该硬币的最终面值。
例如,比较第二硬币集中的某个待识别硬币的图像块A与第一硬币集中的每个硬币的图像块的直径的差值。如果图像块A与第一硬币集中图像块B的直径的差值小于设定阈值,则将图像块B对应的面值作为图像块A对应的面值。
再如,比较第二硬币集中的某个待识别硬币的图像块C与第一硬币集中的每个硬币的图像块的颜色信息的差值。如果图像块C与第一硬币集中图像块D的颜色信息的差值小于设定阈值,则将图像块D对应的面值作为图像块C对应的面值。
再如,第二硬币集中的图像块A与第一硬币集中图像块B、C、D的直径的差值都小于设定阈值。并且,图像块A与第一硬币集中图像块C、E、F的颜色信息的差值小于设定阈值。可以直径和颜色信息比较的结果,将图像块C对应的面值作为图像块A对应的面值。
再如,对第二硬币集中具有第一朝上面的每个硬币与第一硬币集中的每个硬币的图像块的直径和颜色信息的差值做归一化处理,如果此差值小于预定的阈值,则确定第二硬币集中硬币的面值为与其对比的第一硬币集中的硬币的面值。
可选地,还可以比较第一硬币集与第二硬币集中的硬币的图像块的纹理信息,确定第二硬币集中的硬币的最终面值。例如,计算第二硬币集中某个待识别硬币的图像块与第一硬币集中每个硬币的图像块的纹理信息的相似度,将第一硬币集中相似度大于设定阈值的硬币的图像块对应的面值作为该待识别硬币的面值。
在一种实施方式中,可以重复执行比较第二硬币集中的每个待识别硬币的图像块与第一硬币集中的每种面值的硬币的外观特征,确定每个待识别硬币的最终面值的步骤。每次得到第二硬币集中某个硬币的最终面值后,可以将该硬币从第二硬币集中移出并归入第一硬币集,直到第一硬币集和第二硬币集都没有更新为止。此时如果第二硬币集中仍有硬币未被判定,则返回未能判定信息。如果第二硬币集为空,则至此已完成全部判定。
可选地,可以采用机器学习K-means聚类算法,对直径、颜色、纹理等信息归一化处理,然后进行聚类计算,得到第二硬币集中的聚类信息,采用聚类信息的中心值与第一硬币集中的硬币相应值对比,得到最接近的面值作为第二硬币集中硬币的面值。
本申请实施例中,对于分类模型无法识别的硬币的图像块,可以比较待识别硬币与已经识别出类别的硬币的图像块的外观特征,进而确定硬币的最终面值,克服了识别精度不高的技术问题,进而达到高精度的识别效果。
在一种实施方式中,该硬币识别方法还可以包括:根据输入硬币集中的每个硬币的最终面值统计所有硬币的总面值和/或数量。统计识别出的硬币的总面值和/或数量,有利于提高结算速度,简化结算难度。
在一种实施方式中,该硬币识别方法还可以包括:以图像形式输出所有硬币的信息,所有硬币的信息包括下列至少一项:每个硬币的位置、每个硬币的面值、每个硬币的分类置信度、所有硬币的总面值、所有硬币的数量。可以直观地显示所有硬币的具体信息。因为采用了基于深度学习的硬币识别技术手段,所以克服了人为清点硬币浪费人力成本,清点速度慢的技术问题,进而达到短时间内显示所有硬币的具体信息的技术效果。
可选地,以声音的形式提示所有硬币的总面值,并提示是否结算成功。
在一种实施方式中,类别还包括朝上面,朝上面是硬币的正面或反面。在步骤S103中,可以将输入硬币集中具有第一朝上面(例如正面朝上)且分类置信度达到阈值(例如0.8)的硬币的图像块归入第一硬币集。将第一硬币集中的每个硬币的图像块的类别所指示的面值作为该硬币的最终面值。并且,利用第一硬币集的硬币的图像块的外观特征得到第二硬币集中每个待识别硬币的最终面值。最终,得到待识别图像中所有硬币的总面值。
可选地,还可以使用检索服务检索数据库中与第二硬币集中直径和/或颜色信息最为相似的硬币的面值,将此面值作为该硬币的最终面值。
在一种实施方式中,类别包括面值和朝上面,步骤S103还可以包括:将输入硬币集中具有第一朝上面(例如正面朝上)且分类置信度达到阈值(例如0.8)的硬币的图像块归入第一硬币集。确定第二硬币集中的硬币的最终面值的具体实施方式包括以下至少一种:
方式一,针对第二硬币集中具有第一朝上面的每个待识别硬币的图像块,确定第一硬币集中与该待识别硬币的图像块的直径差值小于第一阈值和/或颜色信息的差值小于第二阈值的面值,将该面值确定为该待识别硬币的最终面值。
方式二,针对第二硬币集中具有第二朝上面的每个待识别硬币的图像块,确定第一硬币集中与该待识别硬币的图像块的直径的差值小于第三阈值的第一面值,和第一硬币集中与该待识别硬币的图像块的颜色信息的差值小于第四阈值的第二面值,如果第一面值与第二面值相等,则将该第一面值确定为该待识别硬币的最终面值。
如图2所示,为确定第二硬币集中的硬币的最终面值的一种具体实施方式的流程图。先确定第二硬币集中的硬币的图像块的朝上面,如果是第一朝上面执行步骤S201,如果是第二朝上面执行步骤S211或S212。
在步骤S201处,比较第二硬币集中具有第一朝上面(例如正面朝上)的某个待识别硬币的图像块,与第一硬币集中每个硬币的图像块的直径和/或颜色信息的差值。
例如,第二硬币集中的某个待识别硬币的图像块A与第一硬币集中图像块B的直径的差值最小或小于第一阈值。并且,图像块A与第一硬币集中图像块B的颜色信息的差值最小或小于第二阈值。将图像块B对应的面值作为图像块A的面值。
可选地,还可以比较第一硬币集与第二硬币集中的硬币的图像块的纹理信息,确定第二硬币集中的硬币的最终面值。
在步骤S202处,判断步骤S201确定的面值与该待识别硬币的图像块的类别(在步骤S102中的类别)中所指示的面值是否相等。如果相等,执行步骤S203;否则执行步骤S204。
在步骤S203处,将步骤S201确定的面值确定为该待识别硬币的最终面值。
在步骤S204处,返回未能识别出该待识别硬币的最终面值的信息。然后,可以结束对该待识别硬币的识别,继续识别第二硬币集中的其他待识别硬币。
在步骤S211处,将第二硬币集中具有第二朝上面的硬币的图像块与第一硬币集中的所有硬币的图像块的直径比较,取差值最小或差值小于阈值的第一硬币集中硬币的图像块对应的面值作为第一面值。
在步骤S212处,将第二硬币集中具有第二朝上面的硬币的图像块与第一硬币集中的所有硬币的图像块的颜色信息比较,取色差值最小或色差值小于阈值的第一硬币集中硬币的图像块对应的面值作为第二面值。其中,S211和S212的执行顺序可以互换,也可以并行。
在步骤S213处,判断上述第一面值与第二面值是否相等。如果第一面值与第二面值相等,执行步骤S214。否则执行步骤S204。
在步骤S214处,将该第一面值确定为该待识别硬币的最终面值。
在一种实施方式中,还可以增加纹理信息,确定和第一硬币集中纹理信息的相似度大于设定阈值的图像块对应的第三面值。结合上述第一面值和第二面值,判断上述第一面值、第二面值以及第三面值是否相等,如果三者相等,将该第一面值确定为该待识别硬币的最终面值。
本申请实施例中,使用硬币的直径和/或颜色信息可以增加面值判断的准确性。因为采用了基于硬币的直径和/或颜色信息进行识别的技术手段,所以克服了识别精度不高的技术问题,进而达到高精度的识别效果。
图3是根据本申请实施例的一种生成硬币集的示意性流程图。硬币识别方法还可以包括:利用目标检测模型训练硬币检测模型。目标检测模型可以是SSD、fasterRcnn、yolo等之一,训练数据可以采用不同面值、不同种类的硬币。
在步骤S101中,可以从包括n个硬币的待识别图像中提取n个图像块,其中每个图像块对应于待识别图像中的一个硬币,n个图像块构成输入硬币集,n为正整数。其中,从包括n个硬币的待识别图像中提取n个图像块包括如下步骤:
步骤S301,将待识别图像输入硬币检测模型,检测得到多个检测框的位置及其属于硬币的置信度。利用硬币检测模型检测出图像中所有硬币的位置,可以用正方形或长方形的检测框标记出硬币的位置,如果两个硬币位置紧邻,正方形或长方形标记可以有重叠。硬币检测模型还可以输出每个检测框属于硬币的置信度。例如,如果某个检测框属于硬币的置信度为0.9,大于设定阈值,则可以判定该检测框内包括硬币的图像。
步骤S302,根据检测得到的多个检测框的位置及其属于硬币的置信度,获取属于硬币的n个检测框的位置。
步骤S303,根据n个检测框的位置从待识别图像中提取n个图像块。
步骤S304,根据提取的n个图像块形成输入硬币集。其中每个图像块对应于图像中的一个硬币,n个图像块构成输入硬币集。
在一种实施方式中,硬币识别方法还包括:对每个硬币的检测框进行椭圆拟合,以得到椭圆检测框;以及计算椭圆检测框的直径作为该硬币的直径,和/或提取椭圆检测框内的颜色均值作为该硬币的颜色信息。例如,将椭圆检测框中长轴的长度作为该椭圆检测框包括的硬币的直径。再如,从椭圆检测框中选择出多个像素点,计算所选择的像素点的颜色均值,作为该椭圆检测框包括的硬币的颜色信息。
本申请实施例中,可以在极短时间内同时完成大量硬币的判定。因为采用了基于深度学习的硬币识别技术手段,所以克服了人为清点硬币浪费人力成本,清点速度慢的技术问题,进而达到短时间内同时完成大量硬币识别和判定的技术效果。
图4是根据本申请实施例的一种检测硬币的场景图。其中,401、403、404为面值中等的硬币,406为面值较大的硬币,402、405为面值较小的硬币。利用硬币检测模型检测出图像中所有硬币的位置,可以用正方形或长方形标记出硬币的位置,其中,404和405位置紧邻,标记有重叠部分。
图5是根据本申请实施例的一种硬币识别装置的示意性框图。该装置包括:检测模块501、分类模块502以及判定模块503。
检测模块501,用于从包括硬币的待识别图像中提取每个硬币对应的图像块,构成输入硬币集;
分类模块502,用于将输入硬币集输入硬币分类模型,得到输入硬币集中的每个硬币的图像块的类别及分类置信度,其中类别包括面值;
判定模块503,用于将输入硬币集中分类置信度达到阈值的硬币的图像块归入第一硬币集;将第一硬币集中的每个硬币的图像块的类别所指示的面值作为该硬币的最终面值。
在一种实施方式中,如图6所示,硬币识别装置还包括:
外观特征获取模块504,用于获取第一硬币集中的每种面值的硬币的外观特征;
判定模块503还用于将输入硬币集中除了属于第一硬币集的其余硬币的图像块归入第二硬币集;比较第二硬币集中的每个待识别硬币的图像块与第一硬币集中的每种面值的硬币的外观特征,确定每个待识别硬币的最终面值。
在一种实施方式中,分类模块502中的硬币类别还包括朝上面;判定模块还用于将输入硬币集中具有第一朝上面且分类置信度达到阈值的硬币的图像块归入第一硬币集。
在一种实施方式中,外观特征包括直径和/或颜色信息,判定模块503包括以下模块的至少一个:
第一判定子模块,用于针对第二硬币集中具有第一朝上面的每个待识别硬币的图像块,确定第一硬币集中与该待识别硬币的图像块的直径差值小于第一阈值和/或颜色信息的差值小于第二阈值的面值,将该面值确定为该待识别硬币的最终面值;
第二判定子模块,用于针对第二硬币集中具有第二朝上面的每个待识别硬币的图像块,确定第一硬币集中与该待识别硬币的图像块的直径的差值小于第三阈值的第一面值,和第一硬币集中与该待识别硬币的图像块的颜色信息的差值小于第四阈值的第二面值,如果第一面值与第二面值相等,则将该第一面值确定为该待识别硬币的最终面值。
在一种实施方式中,检测模块501还用于从包括n个硬币的待识别图像中提取n个图像块,其中每个图像块对应于待识别图像中的一个硬币,n个图像块构成输入硬币集,n为正整数。
在一种实施方式中,硬币识别装置还包括:
训练模块505,用于利用目标检测模型训练硬币检测模型;
检测模块501还用于将待识别图像输入硬币检测模型,检测得到多个检测框的位置及其属于硬币的置信度;根据检测得到的多个检测框属于硬币的置信度,获取属于硬币的n个检测框的位置;以及根据n个检测框的位置从待识别图像中提取n个图像块。
在一种实施方式中,外观特征获取模块504还用于对每个硬币的检测框进行椭圆拟合,以得到椭圆检测框;以及计算椭圆检测框的直径作为该硬币的直径,和/或提取椭圆检测框内的颜色均值作为该硬币的颜色信息。
在一种实施方式中,外观特征获取模块504还用于计算第一硬币集中每种面值的一个或多个硬币的直径均值和/或颜色均值,作为该面值对应的直径和/或颜色信息。
在一种实施方式中,硬币识别装置还包括:统计模块506,用于根据输入硬币集中的每个硬币的最终面值统计所有硬币的总面值和/或数量。
在一种实施方式中,硬币识别装置还包括:输出模块507,用于以图像形式输出所有硬币的信息,其中,所有硬币的信息包括下列至少一项:每个硬币的位置、每个硬币的面值、每个硬币的分类置信度、所有硬币的总面值、所有硬币的数量。
可选地,输出模块507还可以声音的形式提示所有硬币的总面值,并提示是否结算成功。
本申请实施例的硬币识别装置中的各模块的功能可以参见上述方法中的对应描述,在此不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图7所示,是用来实现本申请实施例的一种硬币识别的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示图形用户界面(Graphical User Interface,GUI)的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的一种硬币识别的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的一种硬币识别的方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的一种硬币识别的方法对应的程序指令/模块。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的一种硬币识别的方法。
存储器602可以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、至少一个功能所需要的应用程序;存储数据区可存储根据一种硬币识别的电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至一种硬币识别的电子设备。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。
用来实现一种硬币识别的方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604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。
输入装置603可接收输入的数字或字符信息,以及产生与一种硬币识别的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(Liquid Crystal Display,LCD)、发光二极管(Light EmittingDiode,LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路(Application Specifiic Integrated Circuits,ASIC)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(programmable logic device,PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(Cathode Ray Tube,阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(Local Area Network,LAN)、广域网(Wide Area Network,WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
图8是用来实现本申请实施例的一种硬币识别的方法的收银机的示意性框图。收银机700包括:硬币接纳装置701、图像采集器702、硬币识别装置703。
硬币接纳装置701用于接纳投入的硬币,当用户结账时,硬币接纳装置701弹出,用户把硬币平放在装置中。
在一种实施方式中,用户向硬币接纳装置701投入硬币,硬币接纳装置701把硬币平铺。
图像采集器702用于获取包括投入的n个硬币的待识别图像。图像采集器702可以采用一个或多个摄像头、高清摄像头。
硬币识别装置703,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行硬币识别方法。
在一种实施方式中,收银机700可以嵌入到无人超市、自动售货机、无人货柜等需要自动清点硬币的场景中。
在一种实施方式中,收银机700也可以用做硬币清点工具计算大量硬币的面值。可以采用多个图像采集器702进行硬币的图像的采集,硬币识别装置703进行自动清点。
根据本申请实施例的技术方案,在收银台固定场景下实现高精度的识别效果,此过程完全不需要售货员人为清点,同时也支持全币种识别,并且可以在极短时间内同时完成大量硬币的判定。并且可以应用到嵌入到无人超市或者自动售货机的收银系统里,实现用户硬币级别的支付场景覆盖。因为采用了基于深度学习的硬币识别技术手段,所以克服了人为清点硬币浪费人力成本,投币系统币种支持少以及投币时间长的技术问题,进而达到支持全币种识别并且可以在极短时间内同时完成大量硬币的判定技术效果。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (23)
1.一种硬币识别方法,其特征在于,包括:
从包括硬币的待识别图像中提取每个硬币对应的图像块,构成输入硬币集;
将所述输入硬币集输入硬币分类模型,得到所述输入硬币集中的每个硬币的图像块的类别及分类置信度,其中所述类别包括面值;
将所述输入硬币集中分类置信度达到阈值的硬币的图像块归入第一硬币集,未达到阈值的硬币的图像块归入第二硬币集;
将第一硬币集中的每个硬币的图像块的类别所指示的面值作为该硬币的最终面值;根据第一硬币集中的每种面值的硬币的外观特征,确定第二硬币集中每个待识别硬币的最终面值。
2.根据权利要求1所述的方法,其特征在于,所述根据第一硬币集中的每种面值的硬币的外观特征,确定第二硬币集中每个待识别硬币的最终面值,包括:
获取第一硬币集中的每种面值的硬币的外观特征;
比较第二硬币集中的每个待识别硬币的图像块与第一硬币集中的每种面值的硬币的外观特征,确定每个待识别硬币的最终面值。
3.根据权利要求2所述的方法,其特征在于,所述类别还包括朝上面;
所述将所述输入硬币集中分类置信度达到阈值的硬币的图像块归入第一硬币集,包括:
将所述输入硬币集中具有第一朝上面且分类置信度达到阈值的硬币的图像块归入第一硬币集。
4.根据权利要求3所述的方法,其特征在于,所述外观特征包括直径和/或颜色信息,所述比较第二硬币集中的每个待识别硬币的图像块与第一硬币集中的每种面值的硬币的外观特征,确定每个待识别硬币的最终面值,包括以下至少一种方式:
针对第二硬币集中具有第一朝上面的每个待识别硬币的图像块,确定第一硬币集中与该待识别硬币的图像块的直径差值小于第一阈值和/或颜色信息的差值小于第二阈值的面值,将该面值确定为该待识别硬币的最终面值;
针对第二硬币集中具有第二朝上面的每个待识别硬币的图像块,确定第一硬币集中与该待识别硬币的图像块的直径的差值小于第三阈值的第一面值,和第一硬币集中与该待识别硬币的图像块的颜色信息的差值小于第四阈值的第二面值,如果第一面值与第二面值相等,则将该第一面值确定为该待识别硬币的最终面值。
5.根据权利要求1所述的方法,其特征在于,所述从包括硬币的待识别图像中提取每个硬币对应的图像块,构成输入硬币集,包括:
从包括n个硬币的待识别图像中提取n个图像块,其中每个图像块对应于所述待识别图像中的一个硬币,所述n个图像块构成输入硬币集,n为正整数。
6.根据权利要求5所述的方法,其特征在于,该方法还包括:利用目标检测模型训练硬币检测模型,
所述从包括n个硬币的待识别图像中提取n个图像块,包括:
将待识别图像输入硬币检测模型,检测得到多个检测框的位置及其属于硬币的置信度;
根据检测得到的多个检测框的位置及其属于硬币的置信度,获取属于硬币的n个检测框的位置;以及
根据所述n个检测框的位置从所述待识别图像中提取n个图像块。
7.根据权利要求6所述的方法,其特征在于,该方法还包括:
对每个硬币的检测框进行椭圆拟合,以得到椭圆检测框;以及
计算所述椭圆检测框的直径作为该硬币的直径,和/或提取所述椭圆检测框内的颜色均值作为该硬币的颜色信息。
8.根据权利要求2所述的方法,其特征在于,获取第一硬币集中的每种面值的硬币的外观特征,包括:
计算第一硬币集中每种面值的一个或多个硬币的直径均值和/或颜色均值,作为该面值对应的直径和/或颜色信息。
9.根据权利要求1所述的方法,其特征在于,还包括:
根据所述输入硬币集中的每个硬币的最终面值统计所有硬币的总面值和/或数量。
10.根据权利要求1至9中任一项所述的方法,其特征在于,该方法还包括:
以图像形式输出所有硬币的信息,
其中,所述所有硬币的信息包括下列至少一项:每个硬币的位置、每个硬币的面值、每个硬币的分类置信度、所有硬币的总面值、所有硬币的数量。
11.一种硬币识别装置,其特征在于,包括:
检测模块,用于从包括硬币的待识别图像中提取每个硬币对应的图像块,构成输入硬币集;
分类模块,用于将所述输入硬币集输入硬币分类模型,得到所述输入硬币集中的每个硬币的图像块的类别及分类置信度,其中所述类别包括面值;
判定模块,用于将所述输入硬币集中分类置信度达到阈值的硬币的图像块归入第一硬币集,未达到阈值的硬币的图像块归入第二硬币集;将第一硬币集中的每个硬币的图像块的类别所指示的面值作为该硬币的最终面值;根据第一硬币集中的每种面值的硬币的外观特征,确定第二硬币集中每个待识别硬币的最终面值。
12.根据权利要求11所述的装置,其特征在于,所述判定模块还包括:
外观特征获取模块,用于获取第一硬币集中的每种面值的硬币的外观特征;
所述判定模块还用于将所述输入硬币集中除了属于第一硬币集的其余硬币的图像块归入第二硬币集;比较第二硬币集中的每个待识别硬币的图像块与第一硬币集中的每种面值的硬币的外观特征,确定每个待识别硬币的最终面值。
13.根据权利要求12所述的装置,其特征在于,所述类别还包括朝上面;
所述判定模块还用于将所述输入硬币集中具有第一朝上面且分类置信度达到阈值的硬币的图像块归入第一硬币集。
14.根据权利要求13所述的装置,其特征在于,所述外观特征包括直径和/或颜色信息,所述判定模块包括以下模块的至少一个:
第一判定子模块,用于针对第二硬币集中具有第一朝上面的每个待识别硬币的图像块,确定第一硬币集中与该待识别硬币的图像块的直径差值小于第一阈值和/或颜色信息的差值小于第二阈值的面值,将该面值确定为该待识别硬币的最终面值;
第二判定子模块,用于针对第二硬币集中具有第二朝上面的每个待识别硬币的图像块,确定第一硬币集中与该待识别硬币的图像块的直径的差值小于第三阈值的第一面值,和第一硬币集中与该待识别硬币的图像块的颜色信息的差值小于第四阈值的第二面值,如果第一面值与第二面值相等,则将该第一面值确定为该待识别硬币的最终面值。
15.根据权利要求11所述的装置,其特征在于,所述检测模块还用于从包括n个硬币的待识别图像中提取n个图像块,其中每个图像块对应于所述待识别图像中的一个硬币,所述n个图像块构成输入硬币集,n为正整数。
16.根据权利要求15所述的装置,其特征在于,还包括:
训练模块,用于利用目标检测模型训练硬币检测模型;
所述检测模块还用于将待识别图像输入硬币检测模型,检测得到多个检测框的位置及其属于硬币的置信度;根据检测得到的多个检测框属于硬币的置信度,获取属于硬币的n个检测框的位置;以及根据所述n个检测框的位置从所述待识别图像中提取n个图像块。
17.根据权利要求16所述的装置,其特征在于,所述判定模块还用于对每个硬币的检测框进行椭圆拟合,以得到椭圆检测框;以及计算所述椭圆检测框的直径作为该硬币的直径,和/或提取所述椭圆检测框内的颜色均值作为该硬币的颜色信息。
18.根据权利要求12所述的装置,其特征在于,所述外观特征获取模块还用于计算第一硬币集中每种面值的一个或多个硬币的直径均值和/或颜色均值,作为该面值对应的直径和/或颜色信息。
19.根据权利要求11所述的装置,其特征在于,还包括:
统计模块,用于根据所述输入硬币集中的每个硬币的最终面值统计所有硬币的总面值和/或数量。
20.根据权利要求11至19中任一项所述的装置,其特征在于,还包括:
输出模块,用于以图像形式输出所有硬币的信息,其中,所有硬币的信息包括下列至少一项:每个硬币的位置、每个硬币的面值、每个硬币的分类置信度、所有硬币的总面值、所有硬币的数量。
21.一种硬币识别装置,其特征在于,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,以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。
22.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-10中任一项所述的方法。
23.一种收银机,其特征在于,包括:
硬币接纳装置,用于接纳投入的硬币;
图像采集器,用于获取包括投入的n个硬币的待识别图像;
硬币识别装置,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,以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910896837.1A CN110610575B (zh) | 2019-09-20 | 2019-09-20 | 硬币识别方法及装置、收银机 |
US16/825,222 US11354887B2 (en) | 2019-09-20 | 2020-03-20 | Coin identification method, device, and cash register |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910896837.1A CN110610575B (zh) | 2019-09-20 | 2019-09-20 | 硬币识别方法及装置、收银机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110610575A CN110610575A (zh) | 2019-12-24 |
CN110610575B true CN110610575B (zh) | 2021-09-07 |
Family
ID=68891962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910896837.1A Active CN110610575B (zh) | 2019-09-20 | 2019-09-20 | 硬币识别方法及装置、收银机 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11354887B2 (zh) |
CN (1) | CN110610575B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113971664A (zh) * | 2021-10-28 | 2022-01-25 | 平安科技(深圳)有限公司 | 基于ssd的业务审核方法、装置、电子设备、存储介质 |
WO2023205688A1 (en) * | 2022-04-19 | 2023-10-26 | Virginia Tech Intellectual Properties, Inc. | Automated grading and assessment of coins |
CN114612470B (zh) * | 2022-05-10 | 2022-08-02 | 浙江浙能航天氢能技术有限公司 | 一种基于改进图像自适应yolo的氢敏胶带变色检测方法 |
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 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819692B (zh) | 2010-04-12 | 2012-08-15 | 高新现代智能系统股份有限公司 | 硬币图像识别方法及装置 |
CN101872502B (zh) | 2010-05-21 | 2012-01-25 | 杭州电子科技大学 | 基于稀疏表示的硬币图像识别方法 |
CN102034108B (zh) * | 2010-12-06 | 2012-06-27 | 哈尔滨工业大学 | 基于多分辨网格特征配准的清分机纸币面值面向分类方法 |
CN105354943A (zh) * | 2015-09-06 | 2016-02-24 | 昆山古鳌电子机械有限公司 | 一种现金处理系统 |
CN206133685U (zh) * | 2016-07-01 | 2017-04-26 | 北京孔方同鑫科技有限公司 | 一种基于监控和平衡现金储备的收银装置 |
CN106485230B (zh) * | 2016-10-18 | 2019-10-25 | 中国科学院重庆绿色智能技术研究院 | 基于神经网络的人脸检测模型的训练、人脸检测方法及系统 |
DE102016013515A1 (de) * | 2016-11-11 | 2018-05-17 | Giesecke+Devrient Currency Technology Gmbh | Vorrichtung und Verfahren zur Klassifizierung von Wertdokumenten, insbesondere Banknoten, sowie Wertdokumentbearbeitungssystem |
WO2018112783A1 (zh) * | 2016-12-21 | 2018-06-28 | 深圳前海达闼云端智能科技有限公司 | 图像识别方法及装置 |
CN107195069A (zh) * | 2017-06-28 | 2017-09-22 | 浙江大学 | 一种人民币冠字号自动识别方法 |
CN107392191B (zh) * | 2017-09-08 | 2018-09-21 | 深圳云天励飞技术有限公司 | 身份判定方法、装置及电子设备 |
CN107958531B (zh) * | 2017-12-06 | 2020-08-18 | 深圳怡化电脑股份有限公司 | 纸币识别方法和装置以及设备 |
CN109961296A (zh) * | 2017-12-25 | 2019-07-02 | 腾讯科技(深圳)有限公司 | 商户类型识别方法及装置 |
CN108734850A (zh) * | 2018-04-27 | 2018-11-02 | 深圳怡化电脑股份有限公司 | 纸币识别方法、纸币识别装置及终端设备 |
CN109785499B (zh) * | 2018-12-26 | 2021-08-31 | 佛山科学技术学院 | 一种多功能纸币检验系统及方法 |
-
2019
- 2019-09-20 CN CN201910896837.1A patent/CN110610575B/zh active Active
-
2020
- 2020-03-20 US US16/825,222 patent/US11354887B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20210089810A1 (en) | 2021-03-25 |
CN110610575A (zh) | 2019-12-24 |
US11354887B2 (en) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110610575B (zh) | 硬币识别方法及装置、收银机 | |
CN111753727B (zh) | 用于提取结构化信息的方法、装置、设备及可读存储介质 | |
US20220383535A1 (en) | Object Tracking Method and Device, Electronic Device, and Computer-Readable Storage Medium | |
US10943096B2 (en) | High-quality training data preparation for high-performance face recognition systems | |
US11069141B2 (en) | Dynamic configuration of an augmented reality overlay | |
CN108416902B (zh) | 基于差异识别的实时物体识别方法和装置 | |
US20150154260A1 (en) | Biometric matching engine | |
CN105528604A (zh) | 一种基于ocr的票据自动识别与处理系统 | |
US20220130161A1 (en) | Dynamically optimizing photo capture for multiple subjects | |
CN111783645A (zh) | 文字识别的方法、装置、电子设备及计算机可读存储介质 | |
CN109344864B (zh) | 用于密集物体的图像处理方法及装置 | |
CN110717933B (zh) | 针对运动物体漏检的后处理方法、装置、设备和介质 | |
CN111814633B (zh) | 陈列场景检测方法、装置、设备以及存储介质 | |
EP4080470A2 (en) | Method and apparatus for detecting living face | |
CN111814628B (zh) | 陈列立柜识别方法、装置、设备以及存储介质 | |
CN112288699A (zh) | 图像相对清晰度的评估方法、装置、设备和介质 | |
CN111310531B (zh) | 图像分类方法、装置、计算机设备及存储介质 | |
CN111967304A (zh) | 基于边缘计算的获取物品信息方法、装置和结算台 | |
CN110889392B (zh) | 人脸图像处理的方法及装置 | |
CN110738261B (zh) | 图像分类和模型训练方法、装置、电子设备及存储介质 | |
CN107705418A (zh) | 一种纸币面向的识别方法、装置、设备及可读存储介质 | |
CN113361303A (zh) | 临时交通标志牌识别方法、装置及设备 | |
KR20150101846A (ko) | 스케치를 기반으로 하는 영상 분류 서비스 시스템, 사용자 장치, 서비스 제공 장치, 그 서비스 방법 및 컴퓨터 프로그램이 기록된 기록매체 | |
CN107240184B (zh) | 一种塑料币版本识别的方法、装置及设备 | |
CN109213322B (zh) | 一种虚拟现实中手势识别的方法及系统 |
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 |