CN110969757A - 一种多国钞票类型快速识别技术 - Google Patents

一种多国钞票类型快速识别技术 Download PDF

Info

Publication number
CN110969757A
CN110969757A CN201910967158.9A CN201910967158A CN110969757A CN 110969757 A CN110969757 A CN 110969757A CN 201910967158 A CN201910967158 A CN 201910967158A CN 110969757 A CN110969757 A CN 110969757A
Authority
CN
China
Prior art keywords
banknote
identification
hash
stage
mosse
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.)
Withdrawn
Application number
CN201910967158.9A
Other languages
English (en)
Inventor
刘贯伟
江浩然
武艳红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cashway Technology Co Ltd
Original Assignee
Cashway Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Cashway Technology Co Ltd filed Critical Cashway Technology Co Ltd
Priority to CN201910967158.9A priority Critical patent/CN110969757A/zh
Publication of CN110969757A publication Critical patent/CN110969757A/zh
Withdrawn legal-status Critical Current

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
    • G07D11/00—Devices accepting coins; Devices accepting, dispensing, sorting or counting valuable papers
    • G07D11/10—Mechanical details
    • G07D11/16—Handling of valuable papers
    • G07D11/165—Picking
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D11/00—Devices accepting coins; Devices accepting, dispensing, sorting or counting valuable papers
    • G07D11/20—Controlling or monitoring the operation of devices; Data handling
    • G07D11/22—Means for sensing or detection

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种多国钞票类型快速识别技术，包括两个步骤：第一层识别：利用感知哈希算法初级筛选；其中图像感知哈希识别过程，分为两个阶段：初始阶段和识别阶段，初始阶段，完成原始标准图像的感知哈希指纹的获取；识别阶段，对待识别钞票图像计算哈希指纹并与原始标准哈希指纹匹配；第二层识别：利用MOSSE滤波器进行最终确认；其中MOSSE算法实现，分为两个阶段：训练阶段和计算识别阶段，训练阶段：对所有需要识别钞票的图像，分别训练对应的MOSSE滤波器；识别阶段：计算待识别钞票的MOSSE滤波器输出，使用峰瓣率PSR表征匹配和定位情况，待识别的钞票通过与可能的钞票类型的标准滤波器计算后，得到所有PSR输出，找到最大值，即获得了钞票类型。

Description

一种多国钞票类型快速识别技术
技术领域
本发明涉及纸张类介质处理领域，特别是涉及一种多国钞票类型快速识别技术。
背景技术
目前各大厂商的现金自助设备已经具备较高的钞票处理速度，现金存取款一体机达到8张/秒以上，清分机可以达到15张/秒以上，每张钞票的识别时间只有几十毫秒，需要完成钞票类型识别、鉴伪识别、冠字号识别 (部分币种需要识别两个冠字号，如2015版100元钞票等)、清分信息识别等，其中钞票类型的识别是鉴伪识别、冠字号识别、清分信息识别的前提和基础。
每个国家的钞票一般有多个面额，比如有5个面额：1元、5元、10 元、50元、100元，其中目前流通的还有1999版、2005版、2015版以及 2019年8月30日发行的2019版，每张钞票在现金自助设备搬送过程有四个面向，如附图5所示。
钞票类型包括国别、面额、版本、面向四方面信息。在现金自助设备使用过程中，钞票识别模块识别一张钞票所有信息只有几十毫秒的时间，而钞票类型识别只能占用二十毫秒左右的时间，在清分机等高速设备中甚至要求更短时间内完成识别，因此快速准确识别钞票类型是现金自助设备稳定运行的关键。
针对单国别钞票类型的识别，目前大多数采用机器学习技术，而且在识别时间和准确性两个方面均取得了很好的效果。但是面对多国钞票识别时，识别速度和准确性往往不能兼顾，尤其是在同时处理十个国家以上的钞票时，总识别种类将达到几百类，识别时间和识别准确性问题会更加突出。
发明内容
为了解决上述技术问题，本发明提出一种多国钞票类型快速识别技术，提出两层识别机制，分别采用图像感知哈希技术，快速完成初级识别，筛选出一部分可能的钞票类型，再在第一层识别基础之上利用MOSSE相关滤波器做第二层识别，准确确定钞票类型。
本发明的技术方案为：
一种多国钞票类型快速识别技术，包括两个步骤：
第一层识别：利用感知哈希算法初级筛选；
其中图像感知哈希识别过程，分为两个阶段：初始阶段和识别阶段，初始阶段，完成原始标准图像的感知哈希指纹的获取；识别阶段，对待识别钞票图像计算哈希指纹并与原始标准哈希指纹匹配；
第二层识别：利用MOSSE滤波器进行最终确认；
其中MOSSE算法实现，分为两个阶段：训练阶段和计算识别阶段，训练阶段：对所有需要识别钞票的图像，分别训练对应的MOSSE滤波器；识别阶段：计算待识别钞票的MOSSE滤波器输出，使用峰瓣率PSR表征匹配和定位情况，待识别的钞票通过与可能的钞票类型的标准滤波器计算后，得到所有PSR输出，找到最大值即得到最佳匹配值，即获得了钞票类型。
作为优选的，通过选取钞票正面向传感器产生的可见光图像的五个位置区域，实现图像感知哈希，每个区域分别计算感知哈希指纹；
作为优选的，图像感知哈希识别过程中的初始阶段：获取原始标准图像感知哈希指纹，对所有需要识别钞票的五个位置区域的图像感知哈希指纹，分四个面向采集四张标准图像，计算得到的哈希指纹，作为模板存储在内存中以供计算使用。
作为优选的，分四个面向采集四张标准图像时需要图像倾斜角度小于 0.1度。
作为优选的，图像感知哈希识别过程中的识别阶段：计算哈希指纹匹配结果，对待识别钞票图像计算感知哈希指纹匹配结果；根据计算结果筛选出可能钞票类型。
作为优选的，采用五个位置区域的匹配结果均大于0.6，即认为是可能的钞票类型。
作为优选的，选取钞票中心区域作为MOSSE相关滤波器的目标区域，并进行正反面的选取，利用两个MOSSE滤波器，同时计算匹配结果，确认识别钞票类型。
作为优选的，峰瓣率PSR的计算公式如下：
Figure RE-GDA0002377747830000031
其中peak表示实际输出结果中的峰值，μ和σ表示以峰值为中心的 11*11窗口内像素的均值和方差。
作为优选的，MOSSE滤波器在进行初始化训练时，加入倾斜样本，增强对钞票倾斜的抵抗能力。
本发明的有益效果在于：
本发明提供了一种多国钞票类型快速识别技术，并且测试结果也验证了方法的正确性：用感知哈希算法进行初次筛选，用MOSSE进行最终确认币种，可以满足币种信息识别对时间和准确性的要求。
附图说明
图1为利用图像感知哈希算法识别过程；
图2为计算图像感知哈希的五个位置区域；
图3为MOSSE算法选取正面两幅图像中间区域；
图4为MOSSE算法选取反面两幅图像中间区域；
图5为钞票在现金自助设备搬送过程中的四个面向。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和实施方式对本发明作进一步的详细说明。
一种多国钞票类型快速识别技术，分为两个步骤：
(1)第一层识别：利用感知哈希算法初级筛选；
(2)第二层识别：利用MOSSE滤波器进行最终确认。
对于图像感知哈希实现如下：
图像感知哈希实现，选取钞票正面向传感器产生的可见光图像的五个位置区域，如图2所示，每个区域分别计算感知哈希指纹。需要说明的是此处的正面向，并不是就肯定是钞票的正面，因为待识别的钞票正反、上下都是不确定的，此处的正面只是指正对传感器的那面。图2中以钞票正面作为例子。
图像感知哈希识别过程，分为两个阶段：初始阶段和识别阶段。初始阶段，完成原始标准图像的感知哈希指纹的获取；识别阶段，如图1所示，对待识别钞票图像计算哈希指纹并与原始标准哈希指纹匹配。具体过程如下：
(1)初始阶段：获取原始标准图像感知哈希指纹，对所有需要识别钞票的五个位置区域的图像感知哈希指纹：对所有需要识别钞票，分四个面向采集四张标准图像，其中需要图像倾斜角度小于0.1度，尽可能保证原始模板图像不倾斜。计算得到的哈希指纹，作为模板存储在内存中以供计算使用；
需要说明的是，此处四个面向是指钞票正面正放、反面正放、正面反放、反面反放。
(2)识别阶段：计算哈希指纹匹配结果，对待识别钞票图像计算感知哈希指纹匹配结果；根据计算结果筛选出可能钞票类型，文章采用五个位置区域的匹配结果均大于0.6，即认为是可能的钞票类型。
其中图像感知哈希算法计算过程：
(1)缩小图像：收缩到32x32的大小，方便计算DCT(离散余弦变换)；
(2)由于钞票图像一般都是灰度图像，因此可以直接使用可见光的灰度图像；
(3)计算DCT，并去掉高频信息保留左上角的8x8区域的低频信息；
(4)计算缩小DCT后的所有像素点的平均值，大于平局值记为1，反之记为0，得到64位的该图像的哈希值。
对于MOSSE算法实现如下：
由于各国钞票的尺寸不一，因此选取钞票中心区域作为MOSSE相关滤波器的目标区域，如图3和图4所示，选取正反面的可见光图像中间区域作为目标区域，利用两个MOSSE滤波器，同时计算匹配结果，确认识别钞票类型。
MOSSE算法实现，分为两个阶段：训练阶段、计算识别阶段。
(1)训练阶段：对所有需要识别钞票的图像(正反面可见光图像)，分别训练对应的MOSSE滤波器；
(2)识别阶段：计算待识别钞票的MOSSE滤波器输出，使用峰瓣率PSR(Peak-to-Sidelobe-Ratio)表征匹配和定位情况[6]。其中peak表示实际输出结果中的峰值，μ和σ表示以峰值为中心的11*11窗口内像素的均值和方差。
Figure RE-GDA0002377747830000051
待识别的钞票通过与可能的钞票类型的标准滤波器计算后，得到所有 PSR输出，找到最大值即得到最佳匹配值，即获得了钞票类型。
试验和测试结果：
在对美元、以色列谢克尔、菲律宾比索、印度尼西亚卢比、伊朗里亚尔、柬埔寨瑞尔、印度卢比、孟加拉塔卡、俄罗斯卢布等十个国家的流通货币，总测试样本数量10万张，经过测试，钞票类型识别率达到99.95％以上。
在金融自助设备运行过程中，对于待识别的钞票图像，存在两个不确定的因素：(1)钞票倾斜，钞票在自助设备中运送过程不可避免的会出现倾斜，而且倾斜角度是随机分布的；(2)图像亮度变化，由于钞票的新旧程度和CIS传感器不一致性问题，钞票图像亮度会出现不一致。
针对这两类问题，MOSSE滤波器在进行初始化训练时，加入倾斜样本，因此对钞票倾斜具有一定的抵抗能力。由于MOSSE是目标外观进行建模，因此MOSSE滤波器对外部光照的变化不敏感。测试结果也支持对随机倾斜角度的钞票以及亮度不一致的钞票同样具备很好的识别能力。
以上所述仅是本发明的优选实施方式，应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种多国钞票类型快速识别技术，其特征在于，包括两个步骤：
第一层识别：利用感知哈希算法初级筛选；
其中图像感知哈希识别过程，分为两个阶段：初始阶段和识别阶段，初始阶段，完成原始标准图像的感知哈希指纹的获取；识别阶段，对待识别钞票图像计算哈希指纹并与原始标准哈希指纹匹配；
第二层识别：利用MOSSE滤波器进行最终确认；
其中MOSSE算法实现，分为两个阶段：训练阶段和计算识别阶段，训练阶段：对所有需要识别钞票的图像，分别训练对应的MOSSE滤波器；识别阶段：计算待识别钞票的MOSSE滤波器输出，使用峰瓣率PSR表征匹配和定位情况，待识别的钞票通过与可能的钞票类型的标准滤波器计算后，得到所有PSR输出，找到最大值即得到最佳匹配值，即获得了钞票类型。
2.根据权利要求1所述的一种多国钞票类型快速识别技术，其特征在于，通过选取钞票正面向传感器产生的可见光图像的五个位置区域，实现图像感知哈希，每个区域分别计算感知哈希指纹；
3.根据权利要求2所述的一种多国钞票类型快速识别技术，其特征在于，图像感知哈希识别过程中的初始阶段：获取原始标准图像感知哈希指纹，对所有需要识别钞票的五个位置区域的图像感知哈希指纹，分四个面向采集四张标准图像，计算得到的哈希指纹，作为模板存储在内存中以供计算使用。
4.根据权利要求3所述的一种多国钞票类型快速识别技术，其特征在于，分四个面向采集四张标准图像时需要图像倾斜角度小于0.1度。
5.根据权利要求2所述的一种多国钞票类型快速识别技术，其特征在于，图像感知哈希识别过程中的识别阶段：计算哈希指纹匹配结果，对待识别钞票图像计算感知哈希指纹匹配结果；根据计算结果筛选出可能钞票类型。
6.根据权利要求5所述的一种多国钞票类型快速识别技术，其特征在于，采用五个位置区域的匹配结果均大于0.6，即认为是可能的钞票类型。
7.根据权利要求1所述的一种多国钞票类型快速识别技术，其特征在于，选取钞票中心区域作为MOSSE相关滤波器的目标区域，并进行正反面的选取，利用两个MOSSE滤波器，同时计算匹配结果，确认识别钞票类型。
8.根据权利要求1所述的一种多国钞票类型快速识别技术，其特征在于，峰瓣率PSR的计算公式如下：
Figure FDA0002230862020000021
其中peak表示实际输出结果中的峰值，μ和σ表示以峰值为中心的11*11窗口内像素的均值和方差。
9.根据权利要求1所述的一种多国钞票类型快速识别技术，其特征在于，MOSSE滤波器在进行初始化训练时，加入倾斜样本，增强对钞票倾斜的抵抗能力。
CN201910967158.9A 2019-10-12 2019-10-12 一种多国钞票类型快速识别技术 Withdrawn CN110969757A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910967158.9A CN110969757A (zh) 2019-10-12 2019-10-12 一种多国钞票类型快速识别技术

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910967158.9A CN110969757A (zh) 2019-10-12 2019-10-12 一种多国钞票类型快速识别技术

Publications (1)

Publication Number Publication Date
CN110969757A true CN110969757A (zh) 2020-04-07

Family

ID=70029709

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910967158.9A Withdrawn CN110969757A (zh) 2019-10-12 2019-10-12 一种多国钞票类型快速识别技术

Country Status (1)

Country Link
CN (1) CN110969757A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652318A (zh) * 2020-06-05 2020-09-11 中国银行股份有限公司 一种币种识别方法、识别装置、以及电子设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101079101A (zh) * 2007-06-19 2007-11-28 中山大学 一种基于Zernike矩的鲁棒哈希图像认证方法
CN101093626A (zh) * 2007-07-27 2007-12-26 哈尔滨工业大学 掌纹密钥系统
CN102722709A (zh) * 2012-05-23 2012-10-10 杭州朗和科技有限公司 一种垃圾图片识别方法和装置
CN102880726A (zh) * 2012-10-23 2013-01-16 深圳市宜搜科技发展有限公司 一种图像过滤方法及系统
CN103955719A (zh) * 2014-05-20 2014-07-30 中国科学院信息工程研究所 滤波器组训练方法及系统和图像关键点定位方法及系统
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
CN106780974A (zh) * 2016-12-15 2017-05-31 恒银金融科技股份有限公司 一种混合币种暂存整理装置
CN107393115A (zh) * 2017-08-03 2017-11-24 恒银金融科技股份有限公司 一种纸币冠字号识别与鉴伪方法
CN107424287A (zh) * 2017-08-03 2017-12-01 恒银金融科技股份有限公司 自适应钞票厚度检测模块性能衰减的钞票厚度检测方法
CN108198324A (zh) * 2018-02-08 2018-06-22 中南大学 一种基于图像指纹的多国纸币币种识别方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101079101A (zh) * 2007-06-19 2007-11-28 中山大学 一种基于Zernike矩的鲁棒哈希图像认证方法
CN101093626A (zh) * 2007-07-27 2007-12-26 哈尔滨工业大学 掌纹密钥系统
CN102722709A (zh) * 2012-05-23 2012-10-10 杭州朗和科技有限公司 一种垃圾图片识别方法和装置
CN102880726A (zh) * 2012-10-23 2013-01-16 深圳市宜搜科技发展有限公司 一种图像过滤方法及系统
CN103955719A (zh) * 2014-05-20 2014-07-30 中国科学院信息工程研究所 滤波器组训练方法及系统和图像关键点定位方法及系统
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
CN106780974A (zh) * 2016-12-15 2017-05-31 恒银金融科技股份有限公司 一种混合币种暂存整理装置
CN107393115A (zh) * 2017-08-03 2017-11-24 恒银金融科技股份有限公司 一种纸币冠字号识别与鉴伪方法
CN107424287A (zh) * 2017-08-03 2017-12-01 恒银金融科技股份有限公司 自适应钞票厚度检测模块性能衰减的钞票厚度检测方法
CN108198324A (zh) * 2018-02-08 2018-06-22 中南大学 一种基于图像指纹的多国纸币币种识别方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652318A (zh) * 2020-06-05 2020-09-11 中国银行股份有限公司 一种币种识别方法、识别装置、以及电子设备
CN111652318B (zh) * 2020-06-05 2023-09-01 中国银行股份有限公司 一种币种识别方法、识别装置、以及电子设备

Similar Documents

Publication Publication Date Title
US8625876B2 (en) Validation template for valuable media of multiple classes
KR101515256B1 (ko) 동적 문서 식별 프레임워크를 사용한 문서 검증
KR101446376B1 (ko) 고유 이미지 프로세스에 따른 미지 문서의 식별 및 검증
CN102667810B (zh) 数字图像中的面部识别
TWI435277B (zh) 利用與快速遮罩正規化交互相關匹配之範本的文件驗證
SA518400454B1 (ar) طريقة إدارة أوراق مالية ونظامها
JP2012525618A (ja) 紙幣検出器デバイスのための方法、および紙幣検出器デバイス
WO2015032187A1 (zh) 一种纸币处理方法及装置
JPWO2009031242A1 (ja) 紙葉類識別装置及び紙葉類識別方法
CN107958217A (zh) 一种基于深度学习的指纹分类识别系统及方法
CN106952393B (zh) 纸币识别方法和装置、电子设备和存储介质
CN105184225B (zh) 一种多国纸币图像识别方法和装置
CN105788064B (zh) 票据鉴别方法及装置
CN105654609A (zh) 纸币处理方法及系统
CN111738079A (zh) 一种钞票面额识别方法及装置
CN108460775A (zh) 一种纸币真伪识别方法及装置
CN110969757A (zh) 一种多国钞票类型快速识别技术
Amirsab et al. An automated recognition of fake or destroyed Indian currency notes
Rajan et al. An extensive study on currency recognition system using image processing
EP1944737A1 (en) Validation template for valuable media of multiple classes
CN111462392A (zh) 基于多光谱图像相似性算法进行纸币鉴别的方法和装置
KR101388551B1 (ko) 화폐의 정사 판단 방법
KR100888674B1 (ko) 주파수영역을 이용한 지폐의 유사도 측정방법
CN107240184B (zh) 一种塑料币版本识别的方法、装置及设备
CN106652168B (zh) 一种纸币币值的识别方法及装置

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20200407