CN111127738A - 一种纸币多光谱图像采集及分析系统 - Google Patents
一种纸币多光谱图像采集及分析系统 Download PDFInfo
- Publication number
- CN111127738A CN111127738A CN201911376516.5A CN201911376516A CN111127738A CN 111127738 A CN111127738 A CN 111127738A CN 201911376516 A CN201911376516 A CN 201911376516A CN 111127738 A CN111127738 A CN 111127738A
- Authority
- CN
- China
- Prior art keywords
- image
- multispectral
- paper money
- paper
- paper currency
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000012805 post-processing Methods 0.000 claims abstract description 13
- 238000012937 correction Methods 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 13
- 238000013461 design Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 238000012706 support-vector machine Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G07D7/06—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 using wave or particle radiation
- G07D7/12—Visible light, infrared or ultraviolet radiation
-
- 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
- G07D7/06—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 using wave or particle radiation
- G07D7/12—Visible light, infrared or ultraviolet radiation
- G07D7/121—Apparatus characterised by sensor details
-
- 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
Abstract
本发明公开的一种纸币多光谱图像采集及分析系统,其特征在于,包括如下步骤:(1)纸币多光谱图像的获取:首先组成多光谱图像的采集系统,再进行多光谱图像采集及传输,再进行纸币多光谱图像后期预处理;(2)CIS多光谱图像去噪:采用基于图像传感器亮度补偿的图像去噪方法;(3)纸币的识别和分析:首先进行纸币多光谱图像特征区域选取,再进行分类器的设计,从而进行匹配识别得到输出结果。钞票处理速度是钞票处理设备的一个重要指标,本技术方案可以大大提升钞票处理速度,该指标的提升可以大大提高机器的利用率,从而提高客户的工作效率,降低客户的成本。
Description
技术领域
本发明属于纸币鉴伪技术领域,尤其涉及一种纸币多光谱图像采集及分析系统。
背景技术
金融票据是金融的重要组成部分,它的安全直接关系到整个国家金融体系的安全与稳定。纸币是由以纤维或者塑料为基础原料,用来做等价交换的货币。由于其制造成本低,体积小且便于携带和运输等特点,纸币成为经济贸易中的主要货币。然而随着经济的快速增长,金融货币种类和金额交易量随之增加,纸币造假行为也越来越猖獗,同时信息技术、印刷技术的发展助力纸币伪造呈现高技术,高仿真趋势。因此对纸币在流通过程中的检测和鉴别提出了更高的要求。
图像分析技术是近几年来新兴的纸币鉴伪技术,该技术通过图像采集传感器(CIS)采集纸币的多光谱图像(包括红外、可见光、紫外等),并利用数字图像处理技术进行分析和处理。纸币在图像方面具有更为丰富的信息,假币无法在各光谱图像下都保持与真币的一致性。
纸币多光谱图像防伪技术的核心在于纸币多光谱防伪特征的提取和多光谱图像防伪算法的研究。但是纸币多光谱图像的采集与获取是进行图像鉴伪识别的基础,采集到图像质量的高低决定着鉴伪识别算法的设计,图像采集速度的快慢则会直接限制金融设备的运行速度,图像后期预处理算法的好坏也将会影响后期识别的难度和识别率。因此如何高速的采集高质量的纸币多光谱图像,如何设计高效率的图像预处理算法是纸币多光谱防伪技术的前提。
发明内容
本发明的目的是针对现有技术中存在的技术缺陷,而提供一种纸币多光谱图像采集及分析系统。
为实现本发明的目的所采用的技术方案是:
一种纸币多光谱图像采集及分析系统,其特征在于,包括如下步骤:
(1)纸币多光谱图像的获取:首先组成多光谱图像的采集系统,再进行多光谱图像采集及传输,再进行纸币多光谱图像后期预处理;
(2)CIS多光谱图像去噪:采用基于图像传感器亮度补偿的图像去噪方法;
(3)纸币的识别和分析:首先进行纸币多光谱图像特征区域选取,再进行分类器的设计,从而进行匹配识别得到输出结果。
作为优选的,步骤(1)中多光谱图像的采集系统利用FPGA作为电路的控制器,利用VHDL语言设计开发图像采集、传输控制时序和图像硬件补偿算法。
作为优选的,步骤(1)中多光谱图像采集及传输包括如下步骤:
第一步:图像采集系统上电时FPGA完成A/D芯片配置和读取图像补偿参数工作;
第二步:纸币放入进钞口,钞票阻断进钞光电二极管,电机控制系统开始工作,纸币被送入点钞模块;
第三步:当钞票被传送到CIS边沿时,钞票阻断图像采集启动中断光电二极管,FPGA打开CIS光源,开始采集图像并将每行图像发送给DSP芯片;
第四步:当钞票经过光电二极管后停止采集图像,重复第三步,如果点钞结束则全部系统停止工作。
作为优选的,步骤(1)中纸币多光谱图像后期预处理包括如下步骤:
第一步:原始图像先通过去噪处理,将图像复原;
第二步:通过边缘算子提取纸币图像的边缘,并通过直线检测算法对纸币边缘进行精确定位,从而实现纸币的定位;
第三步:对图像进行旋转将其旋转成水平方向;
第四步:通过插值算法将纸币图像缩放到规定大小,即实现纸币图像尺寸的标准化。
作为优选的,步骤(2)中图像去噪方法具体步骤如下:
第一步:建立感光元件的感光线性模型:
Gi=Kigi+Bi
式中,gi为每一行图像中CIS输出个像素点的灰度值,Gi为该点校正后的灰度值,Ki,Bi是每一列的矫正系数;
第二步:关闭光源,采集一张图像,计算图像中每一列所有像素的灰度平均值;
第三步:打开光源采集一张标准白色纸张的图像,计算图像中每一列所有像素的灰度平均值;
第四步:利用DSP芯片计算出CIS感光单元的各校正系数Ki、Bi,并将它们存放到FLASH中;
第五步:程序启动时,DSP芯片读取FLASH中的校正系数,并发送给FPGA,FPGA在处理数据流的过程中先利用校正系数对原始图像进行校正,然后再发送给DSP芯片进行后期处理。
作为优选的,步骤(3)中纸币多光谱分类器的设计可以采用KFD、神经网络、支持向量机技术。
本发明的有益效果在于:
本技术方案可以实现99%以上的钞票冠字号字符识别正确率,3%以下的钞票鉴伪的误识率,0%的钞票漏识率,以及95%以上的钞票质量检测准确率,100%的重张检测准确率,同时钞票识别模块能够达到400张/分钟以上的识别速度。钞票处理速度是钞票处理设备的一个重要指标,本技术方案可以大大提升钞票处理速度,该指标的提升可以大大提高机器的利用率,从而提高客户的工作效率,降低客户的成本。
附图说明
图1是纸币多光谱图像处理系统结构图。
图2是多光谱图像采集过程图。
图3是感光成像原理图。
图4是纸币多光谱图像后期预处理流程图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
一种纸币多光谱图像采集及分析系统,包括如下步骤:
(1)纸币多光谱图像的获取:首先组成多光谱图像的采集系统,再进行多光谱图像采集及传输,再进行纸币多光谱图像后期预处理;
(2)CIS多光谱图像去噪:采用基于图像传感器亮度补偿的图像去噪方法;
(3)纸币的识别和分析:首先进行纸币多光谱图像特征区域选取,再进行分类器的设计,从而进行匹配识别得到输出结果。
需要说明的是:其中步骤(1)中多光谱图像的采集系统利用FPGA作为电路的控制器,利用VHDL语言设计开发图像采集、传输控制时序和图像硬件补偿算法。系统充分利用了FPGA丰富的逻辑和管脚资源,将除电源系统以外的数字电路集成与FPGA芯片内部,相较于传统方案而言简化了硬件电路,节约了硬件成本的同时减低了系统能耗。为了提高纸币多光谱图像识别的速率,本设计结合FPGA超强的并行计算能力,将部分图像预处理算法硬件化集成于FPGA中,在提高图像质量的同时几乎不需要额外的时间花费。本系统不仅可以将图像高速的传输给数字信号处理芯片(DSP),还可以通过自行设计的高速串口将图像传输到PC机,便于纸币图像的保存。纸币多光谱图像处理系统结构图如图1所示。
需要说明的是:其中步骤(1)中多光谱图像采集及传输包括如下步骤:
第一步:图像采集系统上电时FPGA完成A/D芯片配置和读取图像补偿参数工作;
第二步:纸币放入进钞口,钞票阻断进钞光电二极管,电机控制系统开始工作,纸币被送入点钞模块;
第三步:当钞票被传送到CIS边沿时,钞票阻断图像采集启动中断光电二极管,FPGA打开CIS光源,开始采集图像并将每行图像发送给DSP芯片;
第四步:当钞票经过光电二极管后停止采集图像,重复第三步,如果点钞结束则全部系统停止工作。
图像采集中最为重要的部分是控制器驱动图像传感器将光信号转化为电信号,以及控制模数转换器将电信号正确的量化编码为处理器能够处理的数字信号。采集过程如图2所示。
需要说明的是:纸币多光谱图像后期预处理目的是为了得到高质量、标准大小和相同朝向的纸币图像以便于后期进行纸币识别工作。受CIS工作情况和验钞机结构等因素的影响,采集到的纸币图像明暗、姿态、朝向各异,这样对识别工作带来很大的难度,因此在识别之前需要对纸币图像进行一系列的处理操作得到统一标准的图像,以便于识别算法的设计。
其中步骤(1)中纸币多光谱图像后期预处理包括如下步骤:
第一步:原始图像先通过去噪处理,将图像复原;
第二步:通过边缘算子提取纸币图像的边缘,并通过直线检测算法对纸币边缘进行精确定位,从而实现纸币的定位;
第三步:对图像进行旋转将其旋转成水平方向;
第四步:通过插值算法将纸币图像缩放到规定大小,即实现纸币图像尺寸的标准化。其中最为重要的是基于CIS逐点补偿的图像去噪,CIS由感光元件和光源组成,光源一般采用线型LED发光棒,此种光源发光均匀、不易衰减,而感光元件则是由多段拼接而成,每段感光元件中又有若干感光单元排列组成,其感光成像原理如图3所示。
本文中设计的纸币多光谱图像后期预处理流程如图4所示。
需要说明的是:CIS扫描得到的图像上会出现条纹状噪声,是因为制作工艺的原因,导致每个感光单元对光线的感知度并不相同,这种非线性的条纹状噪声不仅影响视觉效果,更会影响纸币图像特征的识别,所以必须将噪声去除。但若使用传统的非线性滤波器进行软件滤波,不仅处理速度慢,而且处理效果稳定性差。综合分析噪声产生的原因,本方案设计了基于图像传感器亮度补偿的图像去噪方法。
具体步骤如下:
第一步:建立感光元件的感光线性模型:
Gi=Kigi+Bi
式中,gi为每一行图像中CIS输出个像素点的灰度值,Gi为该点校正后的灰度值,Ki,Bi是每一列的矫正系数;
第二步:关闭光源,采集一张图像,计算图像中每一列所有像素的灰度平均值;
第三步:打开光源采集一张标准白色纸张的图像,计算图像中每一列所有像素的灰度平均值;
第四步:利用DSP芯片计算出CIS感光单元的各校正系数Ki、Bi,并将它们存放到FLASH中;
第五步:程序启动时,DSP芯片读取FLASH中的校正系数,并发送给FPGA,FPGA在处理数据流的过程中先利用校正系数对原始图像进行校正,然后再发送给DSP芯片进行后期处理。
由于FPGA采用流水线作业,并行计算,使得此图像去噪过程几乎不花费额外的时间,极大的提高了系统的效率,为后期图像的处理节省了宝贵的时间资源。
需要说明的是:步骤(3)中,利用钞票识别模块,完成钞票币种、面额、面向、版本、年份识别,真伪鉴别,冠字号识别与匹配,钞票质量检测,厚度检测五大功能的识别,采用机器学习技术和图像特征识别技术,保证钞票识别算法能够适应各种版本钞票、各种面额钞票、各种在一定范围内倾斜的钞票、不同新旧程度的钞票等各种情况的钞票,完成纸币的分析。纸币的识别包括币种的识别、面向的识别、面额的识别等,鉴于纸币的识别方法是一项新的研究课题,因此本申请不涉及纸币的识别,将在另外的申请中进行保护。
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 (6)
1.一种纸币多光谱图像采集及分析系统,其特征在于,包括如下步骤:
(1)纸币多光谱图像的获取:首先组成多光谱图像的采集系统,再进行多光谱图像采集及传输,再进行纸币多光谱图像后期预处理;
(2)CIS多光谱图像去噪:采用基于图像传感器亮度补偿的图像去噪方法;
(3)纸币的识别和分析:首先进行纸币多光谱图像特征区域选取,再进行分类器的设计,从而进行匹配识别得到输出结果。
2.根据权利要求1所述的一种纸币多光谱图像采集及分析系统,其特征在于,步骤(1)中多光谱图像的采集系统利用FPGA作为电路的控制器,利用VHDL语言设计开发图像采集、传输控制时序和图像硬件补偿算法。
3.根据权利要求1所述的一种纸币多光谱图像采集及分析系统,其特征在于,步骤(1)中多光谱图像采集及传输包括如下步骤:
第一步:图像采集系统上电时FPGA完成A/D芯片配置和读取图像补偿参数工作;
第二步:纸币放入进钞口,钞票阻断进钞光电二极管,电机控制系统开始工作,纸币被送入点钞模块;
第三步:当钞票被传送到CIS边沿时,钞票阻断图像采集启动中断光电二极管,FPGA打开CIS光源,开始采集图像并将每行图像发送给DSP芯片;
第四步:当钞票经过光电二极管后停止采集图像,重复第三步,如果点钞结束则全部系统停止工作。
4.根据权利要求1所述的一种纸币多光谱图像采集及分析系统,其特征在于,步骤(1)中纸币多光谱图像后期预处理包括如下步骤:
第一步:原始图像先通过去噪处理,将图像复原;
第二步:通过边缘算子提取纸币图像的边缘,并通过直线检测算法对纸币边缘进行精确定位,从而实现纸币的定位;
第三步:对图像进行旋转将其旋转成水平方向;
第四步:通过插值算法将纸币图像缩放到规定大小,即实现纸币图像尺寸的标准化。
5.根据权利要求1所述的一种纸币多光谱图像采集及分析系统,其特征在于,步骤(2)中图像去噪方法具体步骤如下:
第一步:建立感光元件的感光线性模型:
Gi=Kigi+Bi
式中,gi为每一行图像中CIS输出个像素点的灰度值,Gi为该点校正后的灰度值,Ki,Bi是每一列的矫正系数;
第二步:关闭光源,采集一张图像,计算图像中每一列所有像素的灰度平均值;
第三步:打开光源采集一张标准白色纸张的图像,计算图像中每一列所有像素的灰度平均值;
第四步:利用DSP芯片计算出CIS感光单元的各校正系数Ki、Bi,并将它们存放到FLASH中;
第五步:程序启动时,DSP芯片读取FLASH中的校正系数,并发送给FPGA,FPGA在处理数据流的过程中先利用校正系数对原始图像进行校正,然后再发送给DSP芯片进行后期处理。
6.根据权利要求1所述的一种纸币多光谱图像采集及分析系统,其特征在于,步骤(3)中纸币多光谱分类器的设计可以采用KFD、神经网络、支持向量机技术。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911376516.5A CN111127738A (zh) | 2019-12-27 | 2019-12-27 | 一种纸币多光谱图像采集及分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911376516.5A CN111127738A (zh) | 2019-12-27 | 2019-12-27 | 一种纸币多光谱图像采集及分析系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111127738A true CN111127738A (zh) | 2020-05-08 |
Family
ID=70503877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911376516.5A Pending CN111127738A (zh) | 2019-12-27 | 2019-12-27 | 一种纸币多光谱图像采集及分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111127738A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240643A (zh) * | 2021-05-14 | 2021-08-10 | 广州广电运通金融电子股份有限公司 | 一种基于多光谱图像的钞票质量检测方法、系统及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169608A (zh) * | 2011-05-27 | 2011-08-31 | 徐端全 | 多光谱纸币验钞机的设计方法 |
CN103632433A (zh) * | 2013-12-23 | 2014-03-12 | 尤新革 | 接触式图像传感器多光谱图像采集及处理方法 |
CN203838794U (zh) * | 2014-04-10 | 2014-09-17 | 华中科技大学 | 带有多光谱图像采集处理电路的点验钞机 |
CN105046808A (zh) * | 2015-09-11 | 2015-11-11 | 华中科技大学 | 一种纸币多光谱高分辨率图像采集系统及采集方法 |
CN105243731A (zh) * | 2015-09-17 | 2016-01-13 | 华中科技大学 | 一种光谱自适应的多国纸币图像识别装置、系统及方法 |
US20180040186A1 (en) * | 2015-01-19 | 2018-02-08 | Grg Banking Equipment Co., Ltd. | Quality control method for paper money authentication and system therefor |
CN110598699A (zh) * | 2019-09-16 | 2019-12-20 | 华中科技大学 | 一种基于多光谱图像的防伪票据鉴伪系统和方法 |
-
2019
- 2019-12-27 CN CN201911376516.5A patent/CN111127738A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169608A (zh) * | 2011-05-27 | 2011-08-31 | 徐端全 | 多光谱纸币验钞机的设计方法 |
CN103632433A (zh) * | 2013-12-23 | 2014-03-12 | 尤新革 | 接触式图像传感器多光谱图像采集及处理方法 |
CN203838794U (zh) * | 2014-04-10 | 2014-09-17 | 华中科技大学 | 带有多光谱图像采集处理电路的点验钞机 |
US20180040186A1 (en) * | 2015-01-19 | 2018-02-08 | Grg Banking Equipment Co., Ltd. | Quality control method for paper money authentication and system therefor |
CN105046808A (zh) * | 2015-09-11 | 2015-11-11 | 华中科技大学 | 一种纸币多光谱高分辨率图像采集系统及采集方法 |
CN105243731A (zh) * | 2015-09-17 | 2016-01-13 | 华中科技大学 | 一种光谱自适应的多国纸币图像识别装置、系统及方法 |
CN110598699A (zh) * | 2019-09-16 | 2019-12-20 | 华中科技大学 | 一种基于多光谱图像的防伪票据鉴伪系统和方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240643A (zh) * | 2021-05-14 | 2021-08-10 | 广州广电运通金融电子股份有限公司 | 一种基于多光谱图像的钞票质量检测方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110598699B (zh) | 一种基于多光谱图像的防伪票据鉴伪系统和方法 | |
Guo et al. | A reliable method for paper currency recognition based on LBP | |
CN101458770B (zh) | 一种文字识别的方法和系统 | |
CN110008909A (zh) | 一种基于ai的实名制业务实时稽核系统 | |
CN102096962A (zh) | 一种纸币检测方法及装置 | |
US20150310268A1 (en) | Media item validation | |
GB2486832A (en) | Document processing system using blind balancing | |
CN102222384A (zh) | 纸币多光谱图像分析方法 | |
CN103413375B (zh) | 基于图像统计特征的纸币新旧判别系统及其判别方法 | |
CN107195069A (zh) | 一种人民币冠字号自动识别方法 | |
CN107967471A (zh) | 一种基于机器视觉的表具自动识别方法 | |
KR101001691B1 (ko) | 웨이블렛 변환을 이용한 권종인식방법 | |
Bharkad | Survey of Currency Recognition System Using Image Processing‖ | |
Murthy et al. | Design and implementation of paper currency recognition with counterfeit detection | |
Sharan et al. | Detection of counterfeit Indian currency note using image processing | |
Jha et al. | Automation of cheque transaction using deep learning and optical character recognition | |
CN111127738A (zh) | 一种纸币多光谱图像采集及分析系统 | |
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 | |
CN108399335A (zh) | 一种基于局部熵的恶意代码可视化分析方法 | |
CN107134048A (zh) | 一种智能识别水印特征的票据防伪鉴别方法 | |
CN202058231U (zh) | 纸币号码识别及鉴伪装置 | |
Rajan et al. | An extensive study on currency recognition system using image processing | |
Ponishjino et al. | Bogus currency authorization using HSV techniques | |
CN106875543B (zh) | 一种基于rgb-d相机的视障人士纸币识别系统及识别方法 | |
CN106846608B (zh) | 一种基于rgb-d相机的视障人士纸币识别眼镜 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200508 |
|
RJ01 | Rejection of invention patent application after publication |