CN113255658A - 一种介质鉴定方法、装置、电子设备和存储介质 - Google Patents
一种介质鉴定方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113255658A CN113255658A CN202011642601.4A CN202011642601A CN113255658A CN 113255658 A CN113255658 A CN 113255658A CN 202011642601 A CN202011642601 A CN 202011642601A CN 113255658 A CN113255658 A CN 113255658A
- Authority
- CN
- China
- Prior art keywords
- detected
- color
- preset
- determining
- image
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
Abstract
本发明实施例提供了一种介质鉴定方法、装置、电子设备和存储介质,方法包括:基于图像颜色特性生成目标图像,所述目标图像包含预置的待检测对象;通过积分图在所述目标图像中确定所述待检测对象的对象位置;基于所述对象位置,判断所述待检测对象的形状是否符合预设的形状特征;若是,则判断所述待检测对象的颜色特征是否满足预设的颜色特征范围;若所述待检测对象的颜色特征满足预设的颜色特征范围,则将所述待检测对象确定为正常对象。从而能够准确鉴定存储单据中的安全线是否为正常安全线,鉴伪性强,错误率低,准确率高。
Description
技术领域
本发明涉及图像检测领域,特别是涉及一种介质鉴定方法和一种介质鉴定装置、电子设备和存储介质。
背景技术
目前,在对银行存储单据进行防伪检验时,通常需要对存储单据的安全线进行检测,而存储单据的安全线检测通常需要通过人工采用专用荧光灯或其他照射工具进行检测,如图1所示的在存储单据,101为安全线,该安全线101需要由具备鉴别能力的银行工作人员进行人工鉴别,判断其形态和颜色分布是否正常。
然而,对于日益增长的业务量,由人工进行存储单据的防伪鉴别不仅费事费力,而且容易出现遗漏。
发明内容
鉴于上述问题,提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种介质鉴定方法和相应的一种介质鉴定装置。
为了解决上述问题,本发明实施例公开了一种介质鉴定方法,所述介质鉴定方法,所述方法包括:
基于图像颜色特性生成目标图像,所述目标图像包含预置的待检测对象;
通过积分图在所述目标图像中确定所述待检测对象的对象位置;
基于所述对象位置,判断所述待检测对象的形状是否符合预设的形状特征;
若是,则判断所述待检测对象的颜色特征是否满足预设的颜色特征范围;
若所述待检测对象的颜色特征满足预设的颜色特征范围,则将所述待检测对象确定为正常对象。
可选地,所述基于图像颜色特性生成目标图像,所述目标图像包含预置的待检测对象的步骤,包括:
从原始图像中,确定包含预置的待检测对象的目标区域;
基于图像颜色特性,将所述目标区域转换为HSV图像;
将所述HSV图像进行通道分离,生成目标图像;所述目标图像包含所述待检测对象。
可选地,所述通过积分图在所述目标图像中确定所述待检测对象的对象位置的步骤,包括:
遍历所述目标图像,计算每列的列投影像素和;
基于预设的待检测对象宽度,采用所述列投影像素和生成积分图元素;
采用所述积分图元素生成积分图;
采用所述积分图在所述目标图像中确定所述待检测对象的起始边界位置和结束边界位置;
采用所述起始边界位置和所述结束边界位置确定所述待检测对象的对象位置。
可选地,所述目标图像还包括背景区域,所述采用所述起始边界位置和所述结束边界位置确定所述待检测对象的对象位置的步骤之后,还包括:
采用所述积分图在所述目标图像中确定所述背景区域;
采用所述背景区域,判断所述待检测对象的对象位置是否满足预设的位置关系;
若是,则将所述待检测对象的对象位置确定为目标对象位置。
可选地,所述基于所述对象位置,判断所述待检测对象的形状是否符合预设的形状特征的步骤包括:
对所述目标图像进行二值化处理,获取目标图像二值图;
基于所述对象位置,遍历所述目标二值图,获取第一行投影像素和;所述第一行投影像素和为位于同一行的白色像素点数量之和;
判断所述第一行投影像素和是否位于预设的宽度阈值范围内;
若是,则确定所述待检测对象的形状符合预设的形状特征。
可选地,所述方法还包括:
统计不位于所述宽度阈值范围内的所述第一行投影像素和的个数;
当所述个数超过预设的异常数量阈值时,将所述待检测对象确定为异常对象。
可选地,所述判断所述待检测对象的颜色特征是否满足预设的颜色特征范围的步骤,包括:
基于所述对象位置和预设的颜色特性,生成所述待检测对象的颜色属性图;
基于所述颜色属性图,判断所述待检测对象的颜色特征是否满足预设的颜色特征范围。
可选地,所述基于所述对象位置和预设的颜色特性,生成所述待检测对象的颜色属性图的步骤,包括:
基于所述待检测对象的对象位置,采用预设的颜色特性对所述HSV图像进行颜色提取,生成待检测对象的颜色属性图;
对所述颜色属性图进行二值化处理,得到目标颜色属性图。
可选地,所述颜色特征范围包括预设颜色数量和预设颜色区域长度,所述基于所述颜色属性图,判断所述待检测对象的颜色特征是否满足预设的颜色特征范围的步骤,包括:
基于所述目标颜色属性图,判断所述待检测对象的颜色特征是否满足所述预设颜色数量,以及所述预设颜色区域长度;
若是,则确定所述待检测对象的颜色特征满足预设的颜色特征范围。
可选地,所述基于所述目标颜色属性图,判断所述待检测对象的颜色特征是否满足所述预设颜色数量,以及所述预设颜色区域长度的步骤,包括:
遍历所述目标颜色属性图,获取第二行投影像素和;所述第二行投影像素和为位于同一行的白色像素点数量之和;
采用所述第二行投影像素和确定待检测对象的目标颜色数量以及目标颜色区域长度;
判断所述目标颜色数量是否满足所述预设颜色数量;
若是,则判断所述目标颜色区域长度是否满足所述预设颜色区域长度;
若所述目标颜色区域长度满足所述预设颜色区域长度,则执行所述确定所述待检测对象的颜色特征满足预设的颜色特征范围的步骤。
本发明实施例还公开了一种介质鉴定装置,所述装置包括:
目标图像生成模块,用于基于图像颜色特性,生成目标图像,所述目标图像包含预置的待检测对象;
对象位置确定模块,用于通过积分图在所述目标图像中确定所述待检测对象的对象位置;
第一判断模块,用于基于所述位置,判断所述待检测对象是否符合预设的形状特征;
第二判断模块,用于若所述待检测对象符合预设的形状特征,则判断所述待检测对象的颜色特征是否满足预设的颜色特征范围;
正常对象确定模块,用于若所述待检测对象的颜色特征满足预设的颜色特征范围,则将所述待检测对象确定为正常对象。
本发明实施例还公开了一种电子设备,包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,计算机程序被处理器执行时实现如上介质鉴定方法的步骤。
本发明实施例还公开了一个或多个机器可读存储介质,其上存储有指令,当由一个或多个处理器执行时,使得所述处理器执行如上所述的一个或多个介质鉴定方法的步骤。
本发明实施例包括以下优点:
本发明实施例中,基于图像颜色特性生成目标图像,目标图像包含预置的待检测对象,从而将包含待检测安全线的区域从存储单据中分离出来,并获得了具备明显颜色特征的待检测安全线,通过积分图在目标图像中确定待检测对象的对象位置,由于采用了积分图进行对象位置的确定,因此提高了安全线的位置确定的速度,基于对象位置,判断待检测对象是否符合预设的形状特征,从而判断了待检测安全线的形状特征是否正常,若待检测对象符合预设的形状特征,则判断待检测对象的颜色特征是否满足预设的颜色特征范围,从而判断了待检测安全线的颜色是否符合正常安全线的颜色分布,若待检测对象的颜色特征满足预设的颜色特征范围,则将待检测对象确定为正常对象。从而能够准确鉴定存储单据中的安全线是否为正常安全线,鉴伪性强,错误率低,准确率高。
附图说明
图1是本发明的一种存储单据的紫外线荧光图像;
图2是本发明的一种介质鉴定方法实施例的步骤流程图;
图3是本发明的另一种介质鉴定方法实施例的步骤流程图;
图4是本发明的一种V(Value,明度)通道图像的示意图;
图5是本发明的一种目标图像二值图的示意图;
图6是本发明的一种安全线红色区域的目标颜色属性图;
图7是本发明的一种安全线绿色区域的目标颜色属性图;
图8是本发明的一种存储单据的安全线鉴定流程示意图;
图9是本发明的一种介质鉴定装置实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图2,示出了本发明的一种介质鉴定方法实施例的步骤流程图,具体可以包括如下步骤:
步骤201,基于图像颜色特性生成目标图像,所述目标图像包含预置的待检测对象;
具体的,在通过图像采集设备,例如通过图像传感器获取了介质的原始图像后,作为一种示例,可以提取介质的荧光图像,实施例中,采用紫外荧光图像进一步说明,根据图像的颜色特性,例如色域、明度、饱和度、色调等,从图像中先截取包含待检测对象的区域,例如对于存储单据的安全线而言,其在荧光图像中与存储单据的其他区域相比,明度明显更高,因此可以将明度较高的区域从荧光图像中截取出来,该区域即为包含安全线的区域,然后再将该区域转换为包含待检测对象的目标图像,例如由于安全线在存储单据的荧光图像中的明度更高,而获取的荧光图像属于RGB(Red、Green、Blue,红绿蓝)图像,因此可以将RGB图像转换为与明度相关的目标图像,从而得到能够表现安全线明度特征的目标图像。
步骤202,通过积分图在所述目标图像中确定所述待检测对象的对象位置;
图像是由一系列的离散像素点组成的,因此图像的积分其实就是求和,对目标图像中的列像素点进行求和,得到多个列投影像素和,以预先获取的待检测对象的宽度作为列投影像素和相加的个数,得到多个积分图元素,例如待检测对象的宽度为5个像素,将列投影像素和以第一行编号为0开始编号,则将编号为0-4的列投影像素和相加,得到第一个积分图元素,而编号为1-5的列投影像素和相加,得到第二个积分图元素,以此类推,直至整个目标图像中的列投影像素和都已用于生成积分图元素,由于前一个积分图元素和后一个积分图元素之间仅有一个列投影像素和不同,因此在获得第一个积分图元素后,为了提高后续积分图元素的获取速度,可以采用第一个积分图元素减去与第二个积分图元素不同的一个列投影像素和,再加上第二个积分图元素中自身没有的一个列投影像素和,从而得到第二个积分图元素,采用这个方法即可快速得到所有积分图元素,构成积分图,然后遍历积分图,找出数值最大的积分图元素,该积分图元素所包含的列投影像素和即为待检测对象所在的对象位置,例如数值最大的积分图元素为第五个积分图元素,而该积分图包含的列投影像素和为编号4-8的列投影像素和,则可以确定待检测对象所在的对象位置为编号为4-8的列投影像素和的位置。
步骤203,基于所述对象位置,判断所述待检测对象的形状是否符合预设的形状特征;
具体的,待检测对象的对象位置包括了确定待检测对象宽度的左侧边和右侧边,例如对于存储单据的安全线而言,则可以根据安全线对象位置从左侧边至右侧边的距离确定安全线的宽度,将待检测的安全线的宽度与预先获取的正常的安全线的宽度进行比较,判断安全线的宽度是不是属于正常安全线的宽度,还可以根据用于表示对象位置的每行像素点的个数是否出现异常,判断安全线是否发生断裂,例如出现连续25行像素点的个数均小于5个,则可以认为该25行像素点所在的安全线区域发生了明显断裂。当安全线的宽度和完整程度都符合正常安全线的要求时,则可以确定安全线的形状符合预设的正常安全线的形状特征。
步骤204,若是,则判断所述待检测对象的颜色特征是否满足预设的颜色特征范围;
若确定了待检测对象的宽度和完整度符合形状特征后,则需要对待检测对象的颜色进行检测,颜色特征范围可以是颜色的分布区域大小、颜色的数量等,例如存储单据的安全线由红色和青色构成,正常安全线的红色区域和青色区域,数量和区域长度均有固定的要求。将安全线的红色区域的数量,以及区域长度与正常安全线的红色区域的数量和区域长度进行对比,绿色区域的数量,以及区域长度与正常安全线的绿色区域的数量和区域长度进行对比,当两者的数量和区域长度均满足正常安全线的要求时,则可以确定安全线的颜色分布满足正常安全线的颜色分布。
步骤205,若所述待检测对象的颜色特征满足预设的颜色特征范围,则将所述待检测对象确定为正常对象。
当确定待检测对象的颜色特征满足颜色特征范围后,则确定待检测对象的形状和颜色均满足了正常对象的形态和颜色要求,因此可以将待检测对象确定为正常对象。
在本发明实施例中,基于图像颜色特性,生成目标图像,目标图像包含预置的待检测对象,从而将包含待检测安全线的区域从存储单据中分离出来,并获得了具备明显颜色特征的待检测安全线,通过积分图在目标图像中确定待检测对象的对象位置,由于采用了积分图进行对象位置的确定,因此提高了安全线的位置确定的速度,基于对象位置,判断待检测对象是否符合预设的形状特征,从而判断了待检测安全线的形状特征是否正常,若待检测对象符合预设的形状特征,则判断待检测对象的颜色特征是否满足预设的颜色特征范围,从而通过颜色属性图判断了待检测安全线的颜色是否符合正常安全线的颜色分布,若待检测对象的颜色特征满足预设的颜色特征范围,则将待检测对象确定为正常对象。从而能够准确鉴定存储单据中的安全线是否为正常安全线,鉴伪性强,错误率低,准确率高。
参考图3,示出了本发明的另一种介质鉴定方法实施例的步骤流程图,为了方便描述,本实施例以存储单据作为介质,安全线作为待检测对象进行举例描述,具体可以包括如下步骤:
步骤301,从原始图像中,确定包含预置的待检测对象的目标区域;
由于存储单据中的安全线在荧光灯下呈现出明显与其他部分不同的特征,其在荧光图像中与存储单据的其他区域相比,明度明显更高,且由于存储单据的背面不会存在其他荧光特征,如荧光行徽,荧光花卉等鉴伪特征的干扰,因此可以采集存储单据背面的荧光图像作为原始图像,优选地,可以采集存储单据背面的紫外线荧光图像,将明度较高的区域从紫外线荧光图像中截取出来,该区域即为包含安全线的目标区域。
步骤302,基于图像颜色特性,将所述目标区域转换为HSV图像;
紫外线荧光图像属于RGB图像,而由于安全线在紫外线荧光图像中具有明度更高的特征,因此根据安全线的这一特征,采用预设的转换算法,将目标区域的RGB图像转换为HSV图像,HSV图像是根据颜色的直观特性H(Hue,色调)、S(Saturation,饱和度)和V(Value,明度)展示的图像,在HSV图像中,可以通过明度特征将安全线与其他区域进行分离。
步骤303,将所述HSV图像进行通道分离,生成目标图像;所述目标图像包含所述待检测对象;
具体的,在紫外线荧光图像中,安全线所在区域的明度相比背景区域要高,表现为安全线所在的区域更亮,而明度属性在HSV图中的V(Value,明度)通道图像中可以单独体现,因此对HSV图进行通道分离,分为H(Hue,色调)通道图像、S(Saturation,饱和度)通道图像和V通道图像,采用V通道图像作为目标图像,如图4所示,为存储单据背面的V通道图像,401即为安全线所在区域。
步骤304,通过积分图在所述目标图像中确定所述待检测对象的对象位置;
在本发明一种可选实施例中,所述步骤304还包括如下子步骤:
遍历所述目标图像,计算每列的列投影像素和;
基于预设的待检测对象宽度,采用所述列投影像素和生成积分图元素;
采用所述积分图元素生成积分图;
采用所述积分图在所述目标图像中确定所述待检测对象的起始边界位置和结束边界位置;
采用所述起始边界位置和所述结束边界位置确定所述待检测对象的对象位置;
采用所述积分图在所述目标图像中确定所述背景区域;
采用所述背景区域,判断所述待检测对象的对象位置是否满足预设的位置关系;
若是,则将所述待检测对象的对象位置确定为目标对象位置。
由于获取的V通道图像是一个单通道灰度图像,因此可以在V通道图像中利用积分图的思想来定位安全线的左右位置边界。具体的,可以遍历目标图像中的每一列,计算列投影像素和,由于正常的安全线的宽度为16个宽度,因此将每16行列投影像素和作为一个积分图元素,例如从0开始为V通道图像中每一列进行编号,则将编号为0-15的共16个列投影像素和作为0号积分图元素,而编号1-16的共16个列投影像素和作为1号积分图元素,以此类推,直至V通道图像所有列投影像素和均生成积分图元素,而积分图元素可以根据积分图思想快速计算获取,例如在获得了0号积分图元素后,1号积分图元素可以用0号积分图元素减去编号为0的列投影像素和,再加上16号列投影像素和即可获得,以此类推即可得到所有积分图元素。采用积分图元素构成积分图,然后遍历积分图中的所有积分图元素,查找数值最大的积分图元素,构成该积分图元素的16个列投影像素和即为安全线所在的区域,而该积分图元素中编号最小的列投影像素所在位置即为安全线的左侧边界,即起始边界位置,由于安全线宽度为16个像素,因此在该编号的基础上增加15所得到的编号对应的列投影像素所在位置即为安全线的右侧边界,即为结束边界位置,例如若查找的数值最大的积分图元素为12号积分图元素,12号积分图元素包含的列投影像素和为12号列投影像素和至27号列投影像素和,将12号列投影像素和所在的第12列像素作为安全线的左侧边界,而27号列投影像素和则是安全线的右侧边界,将其所在的第27列像素作为安全线的右侧边界。将为了更完整地包含安全线所在的位置,可以在左侧边界的位置基础上,往左扩充10个像素的位置,即采用第2列像素作为安全线的左侧边界,在右侧边界的位置基础上,向右扩充10个像素的位置,即采用第37列像素所在的位置作为右侧边界,从而得到包含安全线的粗略位置的36个像素宽度,以包含安全线的粗略位置作为对象位置。而在目标图像中,除了安全线所在的较亮的位置外,还包括了较暗的背景区域,因此为了进一步保证该对象位置为安全线所在的位置,可以遍历积分图,查找数值最小的积分图元素,该积分图元素所代表的是背景区域,而由于数值最大的积分图元素代表了安全线所在的16个宽度的安全线区域,而数值最大的积分图元素与数值最小的积分图元素,该最大值与最小值的比值大于预先设置的阈值,因此判断两者的比值,是否大于预先设置的阈值,若大于预先设置的阈值,即可判断所确定的对象位置是否为安全线所在的位置。
步骤305,基于所述对象位置,判断所述待检测对象的形状是否符合预设的形状特征;
在本发明一种可选实施例中,所述步骤305还包括如下子步骤:
对所述目标图像进行二值化处理,获取目标图像二值图;
基于所述对象位置,遍历所述目标二值图,获取第一行投影像素和;所述第一行投影像素和为位于同一行的白色像素点数量之和;
判断所述第一行投影像素和是否位于预设的宽度阈值范围内;
若是,则确定所述待检测对象的形状符合预设的形状特征。
为了提高图像处理的效率,以及让安全线与背景区域更好的区分,可以对目标图像进行二值化处理,获取目标图像二值图,如图5所示,为目标图像二值图,501即为包含有安全线的对象位置。为了判断安全线的形状是否符合正常安全线的形状特征,需要对安全线的宽度以及安全线是否完整进行检测,因此可以遍历目标二值图中的对象位置,获取每一行的第一行投影像素和,第一行投影像素和是指在对象位置中每一行所有白色像素点的个数之和,白色像素点是构成安全线的像素点,因此在获取了每一行的第一行投影像素和之后,则可以根据第一行投影像素和的数值判断安全线的宽度是否符合正常安全线的宽度,正常安全线的宽度为16个像素点,因此在考虑到图像存在噪声以及不同存储单据的安全线之间有细微的差别,可以将宽度阈值范围的上限设置比16要大一些,例如设置为25,下限则可以设置为一个较小的数值,例如7,即第一行投影像素和需要在大于或等于7,且小于或等于30的范围内,将每一行的第一行投影像素和均与预设的宽度阈值范围进行比较,当第一行投影像素和满足该宽度阈值范围,则认为该安全线的宽度为正常安全线的宽度。
在本发明一种可选实施例中,所述方法还包括:
统计不位于所述宽度阈值范围内的所述第一行投影像素和的个数;
当所述个数超过预设的异常数量阈值时,将所述待检测对象确定为异常对象。
在将每一行的第一行投影像素和与预设的宽度阈值范围进行比较时,当出现了不位于宽度阈值范围内的第一行投影像素和时,将其数量记录下来。具体的,可以分别统计小于该宽度阈值范围的第一行投影像素和连续出现的数量,以及大于该宽度阈值范围的第一行投影像素和的总数量,当连续出现小于该宽度阈值范围的第一行投影像素和时,可能表示该安全线存在断裂,可以将该数量与预设的异常数量阈值,例如可以设置为连续出现小于该宽度阈值范围的第一行投影像素和个数20个,即连续出现小于该宽度阈值范围的第一行投影像素和的数量超过20个时,即判断安全线存在明显的断裂,可以将该安全线确定为异常安全线,从而拒绝接收该存储单据。而对于大于该宽度阈值范围的第一行投影像素和的总数量,例如可以设置为10个,即大于该宽度阈值范围的第一行投影像素和的总数量超过10个,则可以认为该安全线的宽度不符合正常安全线的宽度,因此也属于异常安全线,拒绝接收该存储单据。
步骤306,判断所述待检测对象的颜色特征是否满足预设的颜色特征范围;
在本发明一种可选实施例中,所述步骤306还包括如下子步骤:
基于所述对象位置和预设的颜色特性,生成所述待检测对象的颜色属性图;
基于所述颜色属性图,判断所述待检测对象的颜色特征是否满足预设的颜色特征范围。
由于待检测对象可以具有多种颜色,例如当待检测对象为存单的安全线时,该安全线由红色和青色间隔构成,因此颜色特性可以是与待检测对象的颜色对应的颜色特性数值,例如安全线的红色和青色在色调、饱和度、明度上具有不同的数值范围,因此可以根据不同的数值范围分别生成只有单一颜色的图像,例如对于安全线而言,可以分别生成只包含红色,和只包含青色的颜色属性图,而预设的颜色特征范围则可以是正常安全线的红色区域个数以及红色区域的长度,以及青色区域个数以及青色区域的长度。通过只包含红色的颜色属性图与预设的颜色特征范围进行比较,例如比较红色区域的个数是否与正常安全线的红色区域个数相同,以及红色区域长度是否与正常安全线的红色区域长度相同,即可判断安全线的红色区域分布是否正常,同样的,对青色区域进行相似比较判断,即可确定安全线的青色区域分布是否正常。
在本发明一种可选实施例中,所述基于所述对象位置和预设的颜色特性,生成所述待检测对象的颜色属性图的步骤,包括:
基于所述待检测对象的对象位置,采用预设的颜色特性对所述HSV图像进行颜色提取,生成待检测对象的颜色属性图;
对所述颜色属性图进行二值化处理,得到目标颜色属性图。
为了鉴定安全线的颜色分布是否符合正常安全线的颜色分布,因此需要对已确定的包含安全线的对象位置,在HSV图像中进行颜色提取,安全线的颜色主要由红色系和青色系构成,因此可以根据红色系的色调、饱和度和明度,即红色系的颜色特性,设置颜色提取的参数,例如,可以设置为H(156,180)、S(43,2255)、V(46,255),采用该参数对包含红色和青色区域的安全线所在的对象位置进行颜色提取,获得只有红色区域的颜色属性图,同样,也可以根据青色系的色调、饱和度和明度,即青色系的颜色特性,设置颜色提取的参数,例如,可以设置为H(78,99)、S(43,2255)、V(46,255),从而得到只有青色区域的颜色属性图,为了减少图像处理的时间和难度,再将获取的只有单独颜色区域的颜色属性图进行固定阈值二值化处理,分别得到如图6所示的红色区域的颜色属性图的二值图,以及如图7所示的青色区域的颜色属性图的二值图,即目标颜色属性图。
在本发明一种可选实施例中,所述颜色特征范围包括预设颜色数量和预设颜色区域长度,所述基于所述颜色属性图,判断所述待检测对象的颜色特征是否满足预设的颜色特征范围的步骤,还包括:
基于所述目标颜色属性图,判断所述待检测对象的颜色特征是否满足所述预设颜色数量,以及所述预设颜色区域长度;
若是,则确定所述待检测对象的颜色特征满足预设的颜色特征范围。
对于正常安全线而言,红色区域和绿色区域的数量都是固定的,且每个区域的长度也基本相同,因此预设颜色数量可以是正常安全线中颜色分布的数量,即红色区域的数量和青色区域的数量,例如红色区域的数量为4个,而白色区域的数量为3个,则可以将预设颜色数量设置为3个或4个,而预设颜色区域长度,则可以是正常安全线中每个颜色区域的区域长度,可以将预设颜色区域长度设置为从90个像素点到110个像素点,从而避免图像本身的噪声以及安全线本身的细微差别对判断结果所产生的影响。目标颜色属性图是经过固定阈值二值化处理后的颜色属性图,在图6中白色部分为原红色区域所在的颜色区域,而在图7中白色部分为原青色区域所在的颜色区域,将白色部分的数量与预设颜色数量比较,判断白色部分数量是否符合预设颜色数量,则可以确定待检测安全线中不同颜色的数量是否与正常安全线的颜色数量相同,而将白色部分的长度与预设颜色区域长度相比,判断白色部分的长度是否符合预设颜色区域长度,则可以确定待检测安全线中颜色区域的长度是否与正常安全线的颜色区域长度相同,若颜色区域的数量满足预设颜色数量,且颜色区域的长度也满足预设颜色区域长度,则可以认为待检测安全线的颜色特征满足了正常安全线的颜色特征,即满足了颜色特征范围。
在本发明一种可选实施例中,所述基于所述目标颜色属性图,判断所述待检测对象的颜色特征是否满足所述预设颜色数量,以及所述预设颜色区域长度的步骤,包括:
遍历所述目标颜色属性图,获取第二行投影像素和;所述第二行投影像素和为位于同一行的白色像素点数量之和;
采用所述第二行投影像素和确定待检测对象的目标颜色数量以及目标颜色区域长度;
判断所述目标颜色数量是否满足所述预设颜色数量;
若是,则判断所述目标颜色区域长度是否满足所述预设颜色区域长度;
若所述目标颜色区域长度满足所述预设颜色区域长度,则执行所述确定所述待检测对象的颜色特征满足预设的颜色特征范围的步骤。
目标颜色数量指的是待检测的安全线的颜色区域数量,而目标颜色区域长度则是指待检测的安全线的颜色区域的长度,由于在红色区域的目标颜色属性图中,红色区域以白色区域的形式显示,其他颜色区域则以黑色区域的形式显示,而在青色区域的目标颜色属性图中,青色区域也是以白色区域的形式显示,其他颜色区域则以黑色区域的形式显示。因此可以针对红色区域的目标颜色属性图,遍历该目标颜色属性图,获得每一行由同一行的白色像素点数量之和构成的第二行投影像素和,由于在安全线中,红色区域与青色区域为交替分布的,因此在目标颜色属性图中,白色区域与黑色区域也以交替分布的形式存在,对于原红色区域的白色区域而言,其存在白色像素点,因此第二投影像素和则大于零,而在黑色区域中,由于不存在白色像素点,所以第二投影像素和等于零,因此可以从上到下对每一行的第二投影像素和的值进行判断,首个大于零的第二投影像素和所在的行为白色区域的起始行,而当第二投影像素和变为零时,该行则为白色区域的结束行,依次类推,确定待检测安全线中红色区域的数量,再根据同一个红色区域的起始行与结束行之间的行数,确定红色区域的区域长度,将红色区域的颜色区域数量与预设颜色数量比较,判断是否满足预设颜色数量,如果满足,则再将红色区域的颜色区域的长度与预设颜色区域长度作比较,判断是否满足预设颜色区域长度,若都满足,则确定待检测安全线的红色区域符合正常安全线的红色区域颜色特征,同样地,对青色区域的目标颜色属性图作同样处理,判断待检测的安全线的青色区域是否符合正常安全线的青色区域颜色特征,若也符合,则确定待检测的安全线的颜色特征符合正常安全线的颜色特征,即颜色特征范围。
步骤307,若所述待检测对象的颜色特征满足预设的颜色特征范围,则将所述待检测对象确定为正常对象。
当确定待检测的安全线的颜色特征满足预设的颜色特征范围后,则确定待检测的安全线的形状和颜色均满足了正常安全线的形态和颜色要求,因此可以将待检测的安全线确定为正常的安全线。
在本发明实施例中,从原始图像中,确定包含预置的待检测对象的目标区域,从而缩小了图像识别的范围,减少了图像识别的工作量,基于图像颜色特性,将目标区域转换为HSV图像,将HSV图像进行通道分离,生成目标图像,从而将安全线的颜色特征更加凸显,通过积分图在目标图像中确定待检测对象的对象位置,由于采用了积分图进行对象位置的确定,因此提高了安全线的位置确定的速度,基于对象位置,判断待检测对象的形状是否符合预设的形状特征,从而判断了待检测安全线的形状特征是否正常,基于所颜色属性图,判断待检测对象的颜色特征是否满足预设的颜色特征范围,从而通过颜色属性图判断了待检测安全线的颜色是否符合正常安全线的颜色分布,若待检测对象的颜色特征满足预设的颜色特征范围,则将待检测对象确定为正常对象。从而利用的图像的明度颜色特性,将安全线从存储单据中更准确地识别出来,提高了安全线鉴定的效率。
为了方便本领域技术人员的理解,图8示出了本发明一种鉴定安全线是否为正常安全线的流程图,如图8所示,在截取了存储单据背面的紫外线荧光图像中包含安全线的矩形目标区域后,将该区域转换为HSV图像并从HSV图像中分离出V通道图像,对V通道图像采用积分图的方式确定安全线所在的区域,并通过安全线积分图元素与背景区域积分图元素的比值判断所确定的安全线所在的区域是否正确,确定正确后对该区域进行二值化并计算每一行行投影像素点的个数,行投影像素点的个数可以用于代表安全线的宽度,若像素点的个数符合预设的个数阈值范围,即可以认为安全线的宽度正常,若像素点的个数不符合预设的个数阈值范围,则可以认为安全线的宽度异常。另外,还可以对安全线的颜色分布进行鉴定,在HSV图中对定位的安全线所在的区域进行颜色提取并二值化,在二值化图中,通过行投影像素点的个数统计安全线红色区域和青色区域的个数和区域长度,若两种颜色的个数和区域长度都满足预设的正常安全线的颜色区域个数和区域长度,则认为安全线的颜色分布正常,当确定安全线的宽度正常且颜色分布正常是,则可以认为该安全线为正常安全线。从而能够准确鉴定存储单据中的安全线是否为正常安全线,鉴伪性强,错误率低,准确率高。
参照图9,示出了本发明的一种介质鉴定装置实施例的结构框图,具体可以包括如下模块:
目标图像生成模块601,用于基于图像颜色特性生成目标图像,所述目标图像包含预置的待检测对象;
对象位置确定模块602,用于通过积分图在所述目标图像中确定所述待检测对象的对象位置;
第一判断模块603,用于基于所述对象位置,判断所述待检测对象的形状是否符合预设的形状特征;
第二判断模块604,用于若所述待检测对象的形状符合预设的形状特征,则判断所述待检测对象的颜色特征是否满足预设的颜色特征范围;
正常对象确定模块605,用于若所述待检测对象的颜色特征满足预设的颜色特征范围,则将所述待检测对象确定为正常对象。
在本发明一实施例中,所述目标图像生成模块601包括:
目标区域确定子模块,用于从原始图像中,确定包含预置的待检测对象的目标区域;
HSV图像转换子模块,用于基于图像颜色特性,将所述目标区域转换为HSV图像;
目标图像生成子模块,用于将所述HSV图像进行通道分离,生成目标图像;所述目标图像包含所述待检测对象。
在本发明一实施例中,所述对象位置确定模块602包括:
列投影像素和计算子模块,用于遍历所述目标图像,计算每列的列投影像素和;
积分图元素生成子模块,用于基于预设的待检测对象宽度,采用所述列投影像素和生成积分图元素;
积分图生成子模块,用于采用所述积分图元素生成积分图;
边界位置确定子模块,用于采用所述积分图在所述目标图像中确定所述待检测对象的起始边界位置和结束边界位置;
第一确定子模块,用于采用所述起始边界位置和所述结束边界位置确定所述待检测对象的对象位置。
在本发明一实施例中,所述目标图像还包括背景区域,所述装置还包括:
背景区域确定模块,用于采用所述积分图在所述目标图像中确定所述背景区域;
位置关系判断模块,用于采用所述背景区域,判断所述待检测对象的对象位置是否满足预设的位置关系;
目标对象位置确定模块,用于若所述待检测对象的对象位置满足预设的位置关系,则将所述待检测对象的对象位置确定为目标对象位置。
在本发明一实施例中,所述第一判断模块603包括:
目标图像二值图获取子模块,用于对所述目标图像进行二值化处理,获取目标图像二值图;
第一行投影像素和子模块,用于基于所述对象位置,遍历所述目标二值图,获取第一行投影像素和;所述第一行投影像素和为位于同一行的白色像素点数量之和;
宽度阈值范围判断子模块,用于判断所述第一行投影像素和是否位于预设的宽度阈值范围内;
形状特征确定子模块,用于若所述第一行投影像素和位于预设的宽度阈值范围内,则确定所述待检测对象的形状符合预设的形状特征。
在本发明一实施例中,所述装置还包括:
统计模块,用于统计不位于所述宽度阈值范围内的所述第一行投影像素和的个数;
异常对象确定模块,用于当所述个数超过预设的异常数量阈值时,将所述待检测对象确定为异常对象。
在本发明一实施例中,所述第二判断模块604包括:
颜色属性图生成子模块,用于基于所述对象位置和预设的颜色特性,生成所述待检测对象的颜色属性图;
颜色特征范围判断子模块,用于基于所述颜色属性图,判断所述待检测对象的颜色特征是否满足预设的颜色特征范围。
在本发明一实施例中,所述颜色属性图生成子模块包括:
颜色提取单元,用于基于所述待检测对象的对象位置,采用预设的颜色特性对所述HSV图像进行颜色提取,生成待检测对象的颜色属性图;
目标颜色属性图获取单元,用于对所述颜色属性图进行二值化处理,得到目标颜色属性图。
在本发明一实施例中,所述颜色特征范围包括预设颜色数量和预设颜色区域长度,所述颜色特征范围判断子模块包括:
第三判断单元,用于基于所述目标颜色属性图,判断所述待检测对象的颜色特征是否满足所述预设颜色数量,以及所述预设颜色区域长度;
第二确定单元,用于若所述待检测对象的颜色特征满足所述预设颜色数量,以及所述预设颜色区域长度,则确定所述待检测对象的颜色特征满足预设的颜色特征范围。
在本发明一实施例中,所述第三判断单元还包括:
第二行投影像素和获取子单元,用于遍历所述目标颜色属性图,获取第二行投影像素和;所述第二行投影像素和为位于同一行的白色像素点数量之和;
第三确定子单元,用于采用所述第二行投影像素和确定待检测对象的目标颜色数量以及目标颜色区域长度;
预设颜色数量判断子单元,用于判断所述目标颜色数量是否满足所述预设颜色数量;
预设颜色区域长度判断子单元,用于若所述目标颜色数量满足所述预设颜色数量,则判断所述目标颜色区域长度是否满足所述预设颜色区域长度;
执行单子元,用于若所述目标颜色区域长度满足所述预设颜色区域长度,则执行所述确定所述待检测对象的颜色特征满足预设的颜色特征范围的步骤。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本发明实施例还公开了一种电子设备,包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,计算机程序被处理器执行时实现如上介质鉴定方法的步骤。
本发明实施例还公开了一个或多个机器可读存储介质,其上存储有指令,当由一个或多个处理器执行时,使得所述处理器执行如上所述的一个或多个介质鉴定方法的步骤。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种介质鉴定方法和一种介质鉴定装置、电子设备和存储介质,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (13)
1.一种介质鉴定方法,其特征在于,所述方法包括:
基于图像颜色特性生成目标图像,所述目标图像包含预置的待检测对象;
通过积分图在所述目标图像中确定所述待检测对象的对象位置;
基于所述对象位置,判断所述待检测对象的形状是否符合预设的形状特征;
若是,则判断所述待检测对象的颜色特征是否满足预设的颜色特征范围;
若所述待检测对象的颜色特征满足预设的颜色特征范围,则将所述待检测对象确定为正常对象。
2.根据权利要求1所述的方法,其特征在于,所述基于图像颜色特性生成目标图像,所述目标图像包含预置的待检测对象的步骤,包括:
从原始图像中,确定包含预置的待检测对象的目标区域;
基于图像颜色特性,将所述目标区域转换为HSV图像;
将所述HSV图像进行通道分离,生成目标图像;所述目标图像包含所述待检测对象。
3.根据权利要求1或2所述的方法,其特征在于,所述通过积分图在所述目标图像中确定所述待检测对象的对象位置的步骤,包括:
遍历所述目标图像,计算每列的列投影像素和;
基于预设的待检测对象宽度,采用所述列投影像素和生成积分图元素;
采用所述积分图元素生成积分图;
采用所述积分图在所述目标图像中确定所述待检测对象的起始边界位置和结束边界位置;
采用所述起始边界位置和所述结束边界位置确定所述待检测对象的对象位置。
4.根据权利要求3所述的方法,其特征在于,所述目标图像还包括背景区域,所述采用所述起始边界位置和所述结束边界位置确定所述待检测对象的对象位置的步骤之后,还包括:
采用所述积分图在所述目标图像中确定所述背景区域;
采用所述背景区域,判断所述待检测对象的对象位置是否满足预设的位置关系;
若是,则将所述待检测对象的对象位置确定为目标对象位置。
5.根据权利要求1所述的方法,其特征在于,所述基于所述对象位置,判断所述待检测对象的形状是否符合预设的形状特征的步骤包括:
对所述目标图像进行二值化处理,获取目标图像二值图;
基于所述对象位置,遍历所述目标二值图,获取第一行投影像素和;所述第一行投影像素和为位于同一行的白色像素点数量之和;
判断所述第一行投影像素和是否位于预设的宽度阈值范围内;
若是,则确定所述待检测对象的形状符合预设的形状特征。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
统计不位于所述宽度阈值范围内的所述第一行投影像素和的个数;
当所述个数超过预设的异常数量阈值时,将所述待检测对象确定为异常对象。
7.根据权利要求2所述的方法,其特征在于,所述判断所述待检测对象的颜色特征是否满足预设的颜色特征范围的步骤,包括:
基于所述对象位置和预设的颜色特性,生成所述待检测对象的颜色属性图;
基于所述颜色属性图,判断所述待检测对象的颜色特征是否满足预设的颜色特征范围。
8.根据权利要求7所述的方法,其特征在于,所述基于所述对象位置和预设的颜色特性,生成所述待检测对象的颜色属性图的步骤,包括:
基于所述待检测对象的对象位置,采用预设的颜色特性对所述HSV图像进行颜色提取,生成待检测对象的颜色属性图;
对所述颜色属性图进行二值化处理,得到目标颜色属性图。
9.根据权利要求7所述的方法,其特征在于,所述颜色特征范围包括预设颜色数量和预设颜色区域长度,所述基于所述颜色属性图,判断所述待检测对象的颜色特征是否满足预设的颜色特征范围的步骤,包括:
基于所述目标颜色属性图,判断所述待检测对象的颜色特征是否满足所述预设颜色数量,以及所述预设颜色区域长度;
若是,则确定所述待检测对象的颜色特征满足预设的颜色特征范围。
10.根据权利要求9所述的方法,其特征在于,所述基于所述目标颜色属性图,判断所述待检测对象的颜色特征是否满足所述预设颜色数量,以及所述预设颜色区域长度的步骤,包括:
遍历所述目标颜色属性图,获取第二行投影像素和;所述第二行投影像素和为位于同一行的白色像素点数量之和;
采用所述第二行投影像素和确定待检测对象的目标颜色数量以及目标颜色区域长度;
判断所述目标颜色数量是否满足所述预设颜色数量;
若是,则判断所述目标颜色区域长度是否满足所述预设颜色区域长度;
若所述目标颜色区域长度满足所述预设颜色区域长度,则执行所述确定所述待检测对象的颜色特征满足预设的颜色特征范围的步骤。
11.一种介质鉴定装置,其特征在于,所述装置包括:
目标图像生成模块,用于基于图像颜色特性生成目标图像,所述目标图像包含预置的待检测对象;
对象位置确定模块,用于通过积分图在所述目标图像中确定所述待检测对象的对象位置;
第一判断模块,用于基于所述对象位置,判断所述待检测对象的形状是否符合预设的形状特征;
第二判断模块,用于若所述待检测对象的形状符合预设的形状特征,则判断所述待检测对象的颜色特征是否满足预设的颜色特征范围;
正常对象确定模块,用于若所述待检测对象的颜色特征满足预设的颜色特征范围,则将所述待检测对象确定为正常对象。
12.一种电子设备,其特征在于,包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至10中任一项所述的介质鉴定方法的步骤。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至10中任一项所述的介质鉴定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011642601.4A CN113255658B (zh) | 2020-12-31 | 2020-12-31 | 一种介质鉴定方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011642601.4A CN113255658B (zh) | 2020-12-31 | 2020-12-31 | 一种介质鉴定方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113255658A true CN113255658A (zh) | 2021-08-13 |
CN113255658B CN113255658B (zh) | 2023-05-30 |
Family
ID=77180758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011642601.4A Active CN113255658B (zh) | 2020-12-31 | 2020-12-31 | 一种介质鉴定方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113255658B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106504403A (zh) * | 2016-11-17 | 2017-03-15 | 深圳怡化电脑股份有限公司 | 一种纸币鉴伪的方法及装置 |
CN107274543A (zh) * | 2017-06-23 | 2017-10-20 | 深圳怡化电脑股份有限公司 | 一种纸币的识别方法、装置、终端设备和计算机存储介质 |
CN107292284A (zh) * | 2017-07-14 | 2017-10-24 | 成都通甲优博科技有限责任公司 | 目标重检测方法、装置及无人机 |
CN108510640A (zh) * | 2018-03-02 | 2018-09-07 | 深圳怡化电脑股份有限公司 | 基于动感安全线的验钞方法、装置、验钞机和存储介质 |
US20180328724A1 (en) * | 2015-06-10 | 2018-11-15 | Pfu Limited | Image processing system and method for detecting a target object area based on height information |
CN109300220A (zh) * | 2018-08-29 | 2019-02-01 | 广州广电运通金融电子股份有限公司 | 基于安全线的纸张鉴伪方法、装置、设备及可读存储介质 |
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 |
CN110689659A (zh) * | 2019-09-29 | 2020-01-14 | 广州国瀚计算机通讯科技有限公司 | 一种基于模板匹配的白水印辅助鉴伪方法、装置 |
-
2020
- 2020-12-31 CN CN202011642601.4A patent/CN113255658B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180328724A1 (en) * | 2015-06-10 | 2018-11-15 | Pfu Limited | Image processing system and method for detecting a target object area based on height information |
CN106504403A (zh) * | 2016-11-17 | 2017-03-15 | 深圳怡化电脑股份有限公司 | 一种纸币鉴伪的方法及装置 |
CN107274543A (zh) * | 2017-06-23 | 2017-10-20 | 深圳怡化电脑股份有限公司 | 一种纸币的识别方法、装置、终端设备和计算机存储介质 |
CN107292284A (zh) * | 2017-07-14 | 2017-10-24 | 成都通甲优博科技有限责任公司 | 目标重检测方法、装置及无人机 |
CN108510640A (zh) * | 2018-03-02 | 2018-09-07 | 深圳怡化电脑股份有限公司 | 基于动感安全线的验钞方法、装置、验钞机和存储介质 |
CN109300220A (zh) * | 2018-08-29 | 2019-02-01 | 广州广电运通金融电子股份有限公司 | 基于安全线的纸张鉴伪方法、装置、设备及可读存储介质 |
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 |
CN110689659A (zh) * | 2019-09-29 | 2020-01-14 | 广州国瀚计算机通讯科技有限公司 | 一种基于模板匹配的白水印辅助鉴伪方法、装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113255658B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9977957B2 (en) | Method and system for identifying characters on a valuable medium | |
CN103914708B (zh) | 基于机器视觉的食品品种检测方法及系统 | |
JP5337563B2 (ja) | 帳票認識方法および装置 | |
CN104298982A (zh) | 一种文字识别方法及装置 | |
CN101515325A (zh) | 基于字符切分和颜色聚类的数字视频中的字符提取方法 | |
US9111183B2 (en) | Performing a comparison between two images which are scaled to a common resolution | |
US11151402B2 (en) | Method of character recognition in written document | |
CN104408429A (zh) | 一种视频代表帧提取方法及装置 | |
CN102375982A (zh) | 一种融合多字符特征的车牌定位方法 | |
JP2018120445A (ja) | 車番認識装置 | |
CN110378351B (zh) | 印章鉴别方法及装置 | |
US8995730B2 (en) | Image processing apparatus for analyzing and enhancing fingerprint images | |
CN103606220A (zh) | 一种基于白光图像及红外图像的支票印刷体数字识别系统及其方法 | |
CN113569859B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN113255658B (zh) | 一种介质鉴定方法、装置、电子设备和存储介质 | |
CN117011855A (zh) | 一种字符串图像切割识别方法、系统和可读存储介质 | |
CN105825161A (zh) | 图像的肤色检测方法及其系统 | |
CN106408004B (zh) | 识别伪造营业执照的方法及装置 | |
KR20230060085A (ko) | 비디오 콘텐츠의 대표 이미지를 생성하는 방법 및 상기 방법을 수행하는 대표 이미지 생성 장치 | |
CN114140620A (zh) | 一种物体直线轮廓检测方法 | |
CN113256873B (zh) | 纸币的异常检测方法、装置、电子设备及机器存储介质 | |
CN108960222B (zh) | 图像二值化方法、装置、设备及存储介质 | |
CN113255657B (zh) | 票据表面刮痕检测方法、装置、电子设备、机器可读介质 | |
CN108171864B (zh) | 一种纸币版本的识别方法及装置 | |
WO2024047847A1 (ja) | 検出装置、検出方法、および検出プログラム |
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 |