CN114783102A - 残币处理方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种残币处理方法、装置、计算机设备和存储介质，应用于金融科技领域或其他相关领域，所述方法包括：采集残币在不同图像类型下的多张特征图像；根据多张特征图像，确定残币对应的面值版别，以及，从多张特征图像中，确定出残币的多个局部区域在各个图像类型的特征图像中对应区域的局部特征图像；针对每个局部区域，将局部区域在各个图像类型下的局部特征图像与面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对，得到每个局部区域在各个图像类型下对应的匹配信息；根据每个局部区域在各个图像类型下的匹配信息，确定针对残币的真伪识别结果。采用本方法能够可实现对残币的真伪的自动识别，提高对残币的鉴伪效率。

Description

残币处理方法、装置、计算机设备和存储介质

技术领域

本申请涉及金融科技领域或其他相关领域，特别是涉及一种残币处理方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

残币指票面撕裂、损缺，或因自然磨损、侵蚀，外观、质地受损，颜色变化，图案不清晰，防伪特征受损，不宜再继续流通使用的纸币。为避免残币带来的损失，残币持有者可以通过银行进行残币的兑换。

目前银行进行残币的识别主要是依靠人工，导致进行残币识别所耗费的时间较多，效率较低。

发明内容

基于此，有必要针对上述残币识别所耗费的时间较多，效率较低的技术问题，提供一种残币处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种残币处理方法。所述方法包括：

采集残币的多张特征图像；所述多张特征图像对应不同的图像类型；

根据所述多张特征图像，确定所述残币对应的面值版别，以及，从所述多张特征图像中，确定出所述残币的多个局部区域在各个图像类型的特征图像中对应区域的局部特征图像；

针对每个局部区域，将所述局部区域在各个图像类型下的局部特征图像与所述面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对，得到每个局部区域在各个图像类型下与所述基准局部特征图像的匹配信息；

根据每个局部区域在各个图像类型下的所述匹配信息，确定针对所述残币的真伪识别结果。

在其中一个实施例中，所述残币对应的面值版别有多个，在确定所述残币对应的面值版别之后，还包括：

确定所述残币与各个面值版别的相似概率；

所述方法还包括：

将相似概率最高的面值版别，作为当前面值版别；

针对每个局部区域，将所述局部区域在各个图像类型下的局部特征图像，与当前面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对，得到每个局部区域在各个图像类型下与所述基准局部特征图像的匹配信息；

若根据所述匹配信息确定所述残币为伪币，则选取相似概率次高的面值版别作为新的面值版别，并返回将所述局部区域在各个图像类型下的局部特征图像，与当前面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对的步骤，直至确定所述残币为真币或者各个面值版别均完成比对，得到针对所述残币的真伪识别结果。

在其中一个实施例中，所述根据所述多张特征图像，确定所述残币对应的面值版别，包括：

基于各张特征图像与面值版别的关联程度，从所述多张特征图像中确定出目标特征图像；

根据所述目标特征图像，确定所述残币对应的面值版别。

在其中一个实施例中，所述根据每个局部区域在各个图像类型下的所述匹配信息，确定针对所述残币的真伪识别结果，包括：

获取各个图像类型对所述残币真伪识别结果的影响因子；所述影响因子通过样本残币的真伪标签以及所述样本残币在各个图像类型下的样本特征图像训练得到；

通过所述影响因子，对每个局部区域在各个图像类型下的所述匹配信息进行校正处理，得到每个局部区域在各个图像类型下的校正后匹配信息；

根据每个局部区域在各个图像类型下的所述校正后匹配信息，确定针对所述残币的真伪识别结果。

在其中一个实施例中，所述根据每个局部区域在各个图像类型下的所述校正后匹配信息，确定针对所述残币的真伪识别结果，包括：

对每个局部区域在各个图像类型下的所述校正后匹配信息进行统计处理，得到统计匹配信息；

若所述统计匹配信息大于或等于预设阈值，则确定所述残币为真币；若所述统计匹配信息小于所述预设阈值，则确定所述残币为假币。

在其中一个实施例中，所述采集残币的多张特征图像，包括：

采集所述残币的多张初始特征图像；

对各张初始特征图像进行归整处理，得到所述残币的所述多张特征图像。

第二方面，本申请还提供了一种残币处理装置。所述装置包括：

采集模块，用于采集残币的多张特征图像；所述多张特征图像对应不同的图像类型；

确定模块，用于根据所述多张特征图像，确定所述残币对应的面值版别，以及，从所述多张特征图像中，确定出所述残币的多个局部区域在各个图像类型的特征图像中对应区域的局部特征图像；

匹配模块，用于针对每个局部区域，将所述局部区域在各个图像类型下的局部特征图像与所述面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对，得到每个局部区域在各个图像类型下与所述基准局部特征图像的匹配信息；

识别模块，用于根据每个局部区域在各个图像类型下的所述匹配信息，确定针对所述残币的真伪识别结果。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

采集残币的多张特征图像；所述多张特征图像对应不同的图像类型；

根据所述多张特征图像，确定所述残币对应的面值版别，以及，从所述多张特征图像中，确定出所述残币的多个局部区域在各个图像类型的特征图像中对应区域的局部特征图像；

针对每个局部区域，将所述局部区域在各个图像类型下的局部特征图像与所述面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对，得到每个局部区域在各个图像类型下与所述基准局部特征图像的匹配信息；

根据每个局部区域在各个图像类型下的所述匹配信息，确定针对所述残币的真伪识别结果。

第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

采集残币的多张特征图像；所述多张特征图像对应不同的图像类型；

根据所述多张特征图像，确定所述残币对应的面值版别，以及，从所述多张特征图像中，确定出所述残币的多个局部区域在各个图像类型的特征图像中对应区域的局部特征图像；

针对每个局部区域，将所述局部区域在各个图像类型下的局部特征图像与所述面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对，得到每个局部区域在各个图像类型下与所述基准局部特征图像的匹配信息；

根据每个局部区域在各个图像类型下的所述匹配信息，确定针对所述残币的真伪识别结果。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

采集残币的多张特征图像；所述多张特征图像对应不同的图像类型；

根据所述多张特征图像，确定所述残币对应的面值版别，以及，从所述多张特征图像中，确定出所述残币的多个局部区域在各个图像类型的特征图像中对应区域的局部特征图像；

针对每个局部区域，将所述局部区域在各个图像类型下的局部特征图像与所述面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对，得到每个局部区域在各个图像类型下与所述基准局部特征图像的匹配信息；

根据每个局部区域在各个图像类型下的所述匹配信息，确定针对所述残币的真伪识别结果。

上述残币处理方法、装置、计算机设备、存储介质和计算机程序产品，通过残币的特征图像确定其对应的面值版别，然后将残币与该面值版别对应的纸币的基准局部特征图像进行比对，根据得到的匹配信息确定残币的真伪识别结果，可实现对残币的真伪的自动识别，无需人工参与，从而可提高对残币的鉴伪效率，并且通过残币的多个局部区域与基准局部特征图像进行比对，而无需对残币的完整特征图像与基准特征图像进行比对，可进一步节省比对时间，提高对残币的鉴伪效率。

附图说明

图1为一个实施例中残币处理系统的结构示意图；

图2为一个实施例中残币放置设备的示意图；

图3为一个实施例中残币处理方法的流程示意图；

图4为另一个实施例中残币处理方法的完整流程示意图；

图5为一个实施例中残币处理装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

参考图1，为根据一示例性实施例示出的残币处理系统的结构示意图。如图1所示，该系统包括交互单元110、存取单元120、扫描单元130、控制单元140、评估单元150、标记单元160和收储单元170，其中，

交互单元110，用于与用户进行交互，引导用户预先整理残币，引导用户存入整理好的残币，反馈图文和回执等信息供用户选择是否兑换等。如附图2所示，为残币放置设备的示意图，应预先按照要求整理和放置残缺污损币。其中，图2中的201为上盖、202为残缺污损币、203为下盖。上盖201和下盖203应能在固定和摊平残缺污损币的同时能够与扫描单元130协同工作，可选地，上盖和下盖可以采用玻璃或塑料等平整透明材质。

存取单元120，用于接收用户存入的整理好的残币，在用户选择不兑换时将残币退还给用户。

扫描单元130，用于对残币进行扫描，记录其现状信息，包括但不限于正反照片、外形尺寸、可见光反射图文、可见光透视图文、红外反射图文、红外透射图文、紫外反射图文、紫外透射图文、荧光图文、磁性图文、安全线磁性特征、印刷光变图文、安全线(贴膜)光学特征、精细镂空图文、电学特征、光谱吸收特征、透明视窗特征、水印特征和冠字号码等。

其中，可见光反射图文指在纸币印制过程中产生的、在可见光照射条件下肉眼可见的图案和文字。可见光透视图文指在纸币印制过程中产生的、在迎光透视时肉眼可见的图案和文字。红外反射图文指在纸币印制过程中产生的，在红外光源正面照射条件下具有吸收或透明效果的图案和文字。红外透视图文指在纸币印制过程中产生的，在红外光源背面照射条件下，透视具有吸收或透明效果的图案和文字。荧光图文指在纸币印制过程中产生的，在特定波长光源激发下，可在其它波长范围产生辐射光的图案和文字。磁性图文指在纸币印制过程中产生的，具有磁性特征的图案和文字。安全线磁性特征指在纸币印制过程中产生的，位于安全线中的磁性分布特征。印刷光变图文指在纸币印制过程中产生的，在自然光照射条件下，肉眼在不同角度下观察到的颜色不同的图案和文字。安全线(贴膜)光学特征指在纸币印制过程中产生的，安全线或贴膜在特定光源照射下所具有的光学特征。精细镂空图文指在纸币印制过程中产生的，透视条件下具有镂空效果的精细图案和文字。电学特征指在纸币印制过程中产生的，具有电学响应的特征。光谱吸收特征指在纸币印制过程中产生的，对不同光谱的光的吸收特征。透明视窗特征指在纸币印制过程中产生的，肉眼可见的、具有透明开窗效果的特征。水印特征指在纸币基材制作过程中产生的，迎光透视时可以看到基材纹理具有明暗效果的图形或文字。冠字号码指在纸币印制过程中产生的，印刷于纸币表面的序列号。

控制单元140，用于控制交互单元110、存取单元120、扫描单元130、评估单元150、标记单元160、收储单元170等其余各模块的协同工作。

评估单元150，采用图像识别和人工智能等相关技术，实现对残币的鉴伪和评估，确定是否为真币以及是否符合兑换标准，并根据相关标准估算残币的可兑价值。评估单元150可以在系统内部署，也可以在远程(如服务器端)部署并通过网络与位于前端的系统进行信息通讯。

标记单元160，用于在判断残币为真币且用户愿意兑换时，以及残币为假币且应立即回收不允许流通时，按照相关要求对残币进行标记。

收储单元170，用于在判断残币为真币且用户愿意兑换时，以及残币为假币且应立即回收不允许流通时，按照相关要求对残币进行收集存储。

需要说明的是，以上所描述的仅为示例说明，不能以此来限定本申请的权利范围。上述技术方案可能存在远程人工协助、控制单元与后台服务器联网、预整理前可人工或自动分发上盖和下盖、预整理工作可人工或自动完成、上盖201和下盖203间有卯榫结构、铰接或固定装置等等替代方案。因此依本申请方案所作的等同变化，仍属本申请所涵盖的范围。

在一个实施例中，如图3所示，提供了一种残币处理方法，以该方法应用于图1中的评估单元150为例进行说明，包括以下步骤：

步骤S310，采集残币的多张特征图像；多张特征图像对应不同的图像类型。

其中，每张特征图像对应一种图像类型。其中，图像类型可包括残币的正反照片、外形尺寸、可见光反射图文、可见光透视图文、红外反射图文、红外透射图文、紫外反射图文、紫外透射图文、荧光图文、磁性图文、安全线磁性特征、印刷光变图文、安全线(贴膜)光学特征、精细镂空图文、电学特征、光谱吸收特征、透明视窗特征、水印特征以及冠字号码等类型中的至少一种。

具体实现中，可通过图1中的扫描单元130对残币进行扫描，获取残币在多种图像类型下的特征图像，由此得到残币的多张特征图像。

步骤S320，根据多张特征图像，确定残币对应的面值版别，以及，从多张特征图像中，确定出残币的多个局部区域在各个图像类型的特征图像中对应区域的局部特征图像。

其中，局部区域为从残币中确定的可表征残币特征的代表性区域。

其中，残币的面值版别包括面值和面值的版别。其中，面值表示残币的票面价值。其中，版别是指同一面值的纸币在印制年份、版面上的区别，包括图案、花纹、颜色的不同。例如，面值为20元的纸币有1999年版、2005年版等版别。

具体实现中，由于面值版别表征纸币的票面价值和印制版面的区别，因此，根据纸币的特征可以区分出纸币的面值和版别。因此，可以通过预先扫描得到的表征有残币的特征信息的多张特征图像，确定残币的面值版别。更具体地，由于扫描得到的多张特征图像并不全可以用来确定面值版别，有些特征图像可能并不能反映残币的面值版别信息，因此，在得到残币的多张特征图像后，还需对多张特征图像进行筛选，得到与面值版别相关联的目标特征图像，根据目标特征图像确定残币对应的面值版别。

此外，在得到残币的多张特征图像后，还需从残币上的不同位置选取多个局部区域，对于每个局部区域，均分别确定出该局部区域在每张特征图像中对应区域的局部特征图像，即每张特征图像中均将确定出各个局部区域的局部特征图像。

步骤S330，针对每个局部区域，将局部区域在各个图像类型下的局部特征图像与面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对，得到每个局部区域在各个图像类型下与基准局部特征图像的匹配信息。

具体实现中，设扫描得到的残币的特征图像有N张(记为1,2,…,N)，从残币中确定的局部区域有M个(记为1,2,…,M)，则每个局部区域将对应有N张局部特征图像，即N个图像类型的局部特征图像，每张特征图像中将会确定出M个局部特征图像。针对每个局部区域，将局部区域在各个图像类型下的局部特征图像与面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对，则可得到每个局部区域在各个图像类型下与基准局部特征图像的匹配信息。

例如，对于局部区域M，设该局部区域在各个图像类型下的局部特征图像为：M₁，M₂，…，M_N，设残币的面值版别为20元-2020版，获取20元-2020版对应的纸币在相同图像类型下相同区域的基准局部特征图像B₁，B₂，…，B_N，将局部区域M在各个图像类型下的局部特征图像与面值版别20元-2020版对应的纸币在各个图像类型下的基准局部特征图像进行比对，即将同一图像类型的局部特征图像M₁与基准局部特征图像B₁进行比对，将同一图像类型的局部特征图像M₂与基准局部特征图像B₂进行比对，…，将同一图像类型的局部特征图像M_N与基准局部特征图像B_N进行比对，由此得到每个局部区域在各个图像类型下与对应的基准局部特征图像的匹配信息。

步骤S340，根据每个局部区域在各个图像类型下的匹配信息，确定针对残币的真伪识别结果。

具体实现中，在得到每个局部区域在各个图像类型下与对应的基准局部特征图像的匹配信息后，可对各个匹配信息进行统计处理，得到残币与残币的面值版别对应的纸币的统计匹配信息，将统计匹配信息与预设阈值进行比对，若统计匹配信息大于或等于预设阈值，则确定残币为真币；若统计匹配信息小于预设阈值，则确定残币为假币。

进一步地，如果判定残币为真币，则通过计算机图像分析确定票面剩余幅度、缺损位置，根据兑换规则计算残币的可兑换金额。

上述残币处理方法中，首先采集残币在不同图像类型下的多张特征图像，根据多张特征图像，确定残币对应的面值版别，以及，从多张特征图像中，确定出残币的多个局部区域在各个图像类型的特征图像中对应区域的局部特征图像；针对每个局部区域，将局部区域在各个图像类型下的局部特征图像与面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对，得到每个局部区域在各个图像类型下与基准局部特征图像的匹配信息；最后根据每个局部区域在各个图像类型下的匹配信息，确定针对残币的真伪识别结果。该方法通过残币的特征图像确定其对应的面值版别，然后将残币与该面值版别对应的纸币的基准局部特征图像进行比对，根据得到的匹配信息确定残币的真伪识别结果，可实现对残币的真伪的自动识别，无需人工参与，从而可提高对残币的鉴伪效率，并且通过残币的多个局部区域与基准局部特征图像进行比对，而无需对残币的完整特征图像与基准特征图像进行比对，可进一步节省比对时间，提高对残币的鉴伪效率。

在一示例性实施例中，上述残币对应的面值版别有多个，在步骤S320确定残币对应的面值版别之后，还包括：确定残币与各个面值版别的相似概率；

所述方法还包括：

步骤S321，将相似概率最高的面值版别，作为当前面值版别；

步骤S322，针对每个局部区域，将局部区域在各个图像类型下的局部特征图像，与当前面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对，得到每个局部区域在各个图像类型下与基准局部特征图像的匹配信息；

步骤S323，若根据匹配信息确定残币为伪币，则选取相似概率次高的面值版别作为新的面值版别，并返回将局部区域在各个图像类型下的局部特征图像，与当前面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对的步骤，直至确定残币为真币或者各个面值版别均完成比对，得到针对残币的真伪识别结果。

具体实现中，由于残币为残缺污损的纸币，导致所采集的残币的特征图像可能不完整，难以准确确定残币的面值版别，因此确定出的残币所对应的面值版别可能有多个，在这种情况下，则还需确定残币与各个面值版别的相似概率，即残币属于各个面值版别的可能性。然后在确定残币的真伪时，按照相似概率由高到低的顺序，将残币依次与各个面值版别对应的纸币的基准特征图像进行比对，以确定残币的真伪识别结果。

更具体地，先将相似概率最高的面值版别作为当前面值版别，然后针对每个局部区域，将该局部区域在各个图像类型下的局部特征图像，与当前面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对，得到每个局部区域在各个图像类型下与基准局部特征图像的匹配信息。若根据匹配信息确定残币为伪币，则选取相似概率次高的面值版别作为新的面值版别，并返回步骤S322，直至确定残币为真币或者各个面值版别均完成比对，得到针对残币的真伪识别结果。其中，当各个面值版别均完成比对，仍确定残币为伪币时，则确定残币的真伪识别结果为伪币。

实际应用中，在得到每个局部区域在各个图像类型下与基准局部特征图像的匹配信息后，可对每个局部区域在各个图像类型下与基准局部特征图像的匹配信息进行统计处理(例如，求和处理)，得到统计匹配信息，若统计匹配信息大于或等于阈值，则判定残币为真币，否则，则判定残币为假币。若记每个局部区域的匹配信息为R_ij，Threshold为阈值，则若

则确定残币为真币，否则确定残币为伪币。其中，M表示从残币中确定的局部区域的个数，N表示所采集的残币的特征图像的个数。

本实施例中，考虑到残币对应的面值版别为多个的情况，并提供了在这种情况下确定残币的真伪识别结果的方法，按照各个面值版别与残币的相似概率从高到低的顺序进行残币的真伪识别，在根据一种面值版别确定残币为伪币时，通过下一个面值版别进行真伪识别，结合了多种面值版别的识别结果来确定残币的真伪情况，从而可以提高所确定残币的真伪识别结果的准确性。

在一示例性实施例中，上述步骤S320中，根据多张特征图像，确定残币对应的面值版别，具体可以通过以下步骤实现：

步骤S3201，基于各张特征图像与面值版别的关联程度，从多张特征图像中确定出目标特征图像；

步骤S3202，根据目标特征图像，确定残币对应的面值版别。

其中，目标特征图像有多张。

具体实现中，由于扫描得到的多张特征图像并不全可以用来确定面值版别，有些特征图像可能并不能反映残币的面值版别信息，因此，需要先确定各张特征图像与面值版别的关联程度，即各张特征图像对面值版别的确定结果的影响程度，然后根据该关联程度从多张特征图像中确定出目标特征图像，根据目标特征图像，确定残币对应的面值版别。

更具体地，例如，影响面值版别的识别结果的特征有颜色、尺寸、文字、数字、印刷人脸、防伪标识点位置等，则可以根据是否包含这些特征从多张特征图像中确定出目标特征图像。

本实施例中，通过从各张特征图像与面值版别的关联程度，从多张特征图像中确定出目标特征图像，进而根据目标特征图像，确定残币对应的面值版别，以便于后续根据残币对应的面值版别对残币进行精准地真伪识别。

在一示例性实施例中，上述步骤S340中，根据每个局部区域在各个图像类型下的匹配信息，确定针对残币的真伪识别结果，具体可以通过以下方式实现：

步骤S3401，获取各个图像类型对残币真伪识别结果的影响因子；影响因子通过样本残币的真伪标签以及样本残币在各个图像类型下的样本特征图像训练得到；

步骤S3402，通过影响因子，对每个局部区域在各个图像类型下的匹配信息进行校正处理，得到每个局部区域在各个图像类型下的校正后匹配信息；

步骤S3403，根据每个局部区域在各个图像类型下的校正后匹配信息，确定针对残币的真伪识别结果。

其中，影响因子可表示图像类型对残币真伪识别结果的影响程度。

具体实现中，可以预先获取多个残币，作为样本残币，并获取样本残币在各个图像类型下的样本特征图像，根据样本残币的真伪标签以及样本残币在各个图像类型下的样本特征图像进行训练，得到各个图像类型下的样本特征图像对样本残币的真伪识别结果的影响因子，作为各个图像类型对残币真伪识别结果的影响因子。针对每个图像类型，将该图像类型的影响因子与每个局部区域在该图像类型下的匹配信息进行相乘处理，以实现对每个局部区域在该图像类型下的匹配信息的校正，得到每个局部区域在各个图像类型下的校正后匹配信息。对每个局部区域在各个图像类型下的校正后匹配信息进行统计处理，根据得到的统计匹配信息，确定针对残币的真伪识别结果。

例如，若记每个局部区域对应的匹配信息为R_ij，影响因子为K_N，则通过影响因子，对每个局部区域在各个图像类型下的匹配信息进行校正处理所得到的校正后匹配信息可表示为：R_ijK_N。

本实施例中，通过样本残币训练得到各个图像类型对残币真伪识别结果的影响因子，进而根据该影响因子对每个局部区域在各个图像类型下的匹配信息进行校正处理，根据每个局部区域在各个图像类型下的校正后匹配信息，确定针对残币的真伪识别结果，从而可以提高所确定的残币的真伪识别结果的准确性。

在一示例性实施例中，上述步骤S3403中，根据每个局部区域在各个图像类型下的校正后匹配信息，确定针对残币的真伪识别结果，具体可以通过以下步骤实现：

步骤S3403a，对每个局部区域在各个图像类型下的校正后匹配信息进行统计处理，得到统计匹配信息；

步骤S3403b，若统计匹配信息大于或等于预设阈值，则确定残币为真币；若统计匹配信息小于预设阈值，则确定残币为假币。

具体实现中，阈值也可以通过样本残币的真伪标签以及样本残币在各个图像类型下的样本特征图像训练得到。对每个局部区域在各个图像类型下的校正后匹配信息进行统计处理，即对每个局部区域在各个图像类型下的校正后匹配信息进行求和处理，将得到的校正后匹配信息的和作为统计匹配信息，进而根据统计匹配信息和预设阈值的比对结果，确定残币的真伪识别结果。

例如，若记每个局部区域对应的匹配信息为R_ij，影响因子为K_N，设Threshold为阈值，则残币真伪结果的判定关系式可表示为：

本实施例中，通过对每个局部区域在各个图像类型下的校正后匹配信息进行统计处理，得到统计匹配信息，根据统计匹配信息和预设阈值的比对结果，确定残币的真伪识别结果，该方法一方面通过局部区域进行匹配，而无需整个残币的图像进行匹配，另一方面通过多种图像类型的校正后匹配信息共同确定残币的真伪，既可保证残币真伪识别的效率，又可确保真伪识别结果的准确性。

在一示例性实施例中，上述步骤S310中，采集残币的多张特征图像，具体可以通过以下步骤实现：

步骤S3101，采集残币的多张初始特征图像；

步骤S3102，对各张初始特征图像进行归整处理，得到残币的多张特征图像。

具体实现中，由于残币使用后往往存在褶皱、卷曲等情况，使得残币虽然可以稳定、较平整地放置在图2所示的上盖201和下盖203之间，但并无法完全平整地贴合上盖201和下盖203，因此，最初扫描得到的初始特征图像可能为存在褶皱、卷曲等情况的图像，故而在采集残币的多张初始特征图像后，还需通过计算机图像运算对各张初始特征图像进行归整处理，得到残币完全贴合和舒展时的图像，作为后续进行残币真伪识别的多张特征图像。

本实施例中，通过对残币的规整处理，使得得到的残币的多张特征图像为残币完全贴合和舒展时的图像，可以避免残币的某些特征由于褶皱、卷曲等情况而无法识别到的问题，从而可以提高后续对残币的面值识别和真伪识别结果的准确性。

在一个实施例中，为了便于本领域技术人员理解本申请实施例，以下将结合附图4的具体示例进行说明。参考图4，示出了一种残币处理方法的完整流程示意图。包括以下步骤：

步骤S401：通过交互单元110引导用户，预先整理残缺污损币，使得单张残缺污损币稳定、较平整地放置在上盖201和下盖203之间。

步骤S402：通过交互单元110引导用户，将预先整理好的上盖201、残缺污损币和下盖203一起放入存取单元120。

步骤S403：在控制单元140的控制下，通过扫描单元130对残缺污损币进行扫描，记录其现状信息，包括但不限于正反照片、外形尺寸、可见光反射图文、可见光透视图文、红外反射图文、红外透射图文、紫外反射图文、紫外透射图文、荧光图文、磁性图文、安全线磁性特征、印刷光变图文、安全线(贴膜)光学特征、精细镂空图文、电学特征、光谱吸收特征、透明视窗特征、水印特征、冠字号码等。

步骤S404：通过评估单元150，对残缺污损币现状信息进行鉴伪和评估，确定其是否为真币以及是否符合兑换标准。

步骤S405：采用图像识别和人工智能等相关技术，实现对残缺污损币的鉴伪和评估，确定是否为真币。

步骤S406：如果是真币，通过交互单元110展现评估单元150的评估结论，如符合兑换办法的具体条款、可兑价值等，由用户选择是否兑换。

步骤S407：如果是假币，在控制单元140的控制下，由标记单元160进行标记，回收至收储单元170，并通过交互单元110反馈图文和回执等信息给用户。

步骤S408：用户选择是否兑换。

步骤S409：如果用户选择不兑换，在控制单元140的控制下，通过存取单元120，将上盖201、残缺污损币和下盖203一起退还给用户，并通过交互单元110反馈图文和回执等信息给用户。

步骤S410：如果用户选择兑换，在控制单元140的控制下，由标记单元160进行标记，并将上盖201、残缺污损币和下盖203一起存储到存储单元170，反馈图文和回执等信息给用户。

进一步地，步骤S404可进一步细化为如下几个步骤：

步骤S4041：假设步骤S403共计采集了N种图像MAP集合(N大于1)；虽然单张残缺污损币稳定、较平整地放置在上盖201和下盖203之间，但并无法完全平整地贴合上盖201和下盖203，可通过计算机图像运算对N种图像进行规整处理，得到残缺污损币完全贴合和舒展时的N种图像MAP集合2。

步骤S4042：从残缺污损币的N种图像中通过计算机图像识别出关键信息(如颜色、尺寸、文字、数字、印刷人脸、防伪标识点位置等)。

步骤S4043：通过关键信息确定该张残缺污损币对应的可能性由高到低的面值版别的集合。

步骤S4044：在残缺污损币上选取M个局部区域(优选地，例如可以通过计算机图像处理将残缺污损币按划分为M个区域，选取区域的几何中心区域)，按照M个局部区域的坐标，分别获取残缺污损币的N种图像MAP集合2中对应区域的图像信息，并与步骤S4043中可能性最高的面值版别完整标准币的N种图像MAP集合2中对应区域的图像信息进行比对，每个区域获得一个匹配度。

步骤S4045：若

则判定残缺污损币为真币，否则取步骤S4043中确定的下一可能性的面值版别完整标准币信息，并重复步骤S4044直至全部测试完毕。

步骤S4046：如果判定残缺污损币为真币，则通过计算机图像分析确定票面剩余幅度、缺损位置，根据兑换规则计算可兑换金额。

本申请提供的残币处理方法，通过预整理、接收、扫描、评估、展现、支付、存储入库等工作，自动或半自动地完成残缺污损币兑换，可以实现高效安全且兼具标准化优势的残缺污损币兑换服务效果。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的残币处理方法的残币处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个残币处理装置实施例中的具体限定可以参见上文中对于残币处理方法的限定，在此不再赘述。

在一个实施例中，如图5所示，提供了一种残币处理装置，包括：采集模块510、确定模块520、匹配模块530和识别模块540，其中：

采集模块510，用于采集残币的多张特征图像；所述多张特征图像对应不同的图像类型；

确定模块520，用于根据所述多张特征图像，确定所述残币对应的面值版别，以及，从所述多张特征图像中，确定出所述残币的多个局部区域在各个图像类型的特征图像中对应区域的局部特征图像；

匹配模块530，用于针对每个局部区域，将所述局部区域在各个图像类型下的局部特征图像与所述面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对，得到每个局部区域在各个图像类型下与所述基准局部特征图像的匹配信息；

识别模块540，用于根据每个局部区域在各个图像类型下的所述匹配信息，确定针对所述残币的真伪识别结果。

在一个实施例中，残币对应的面值版别有多个，上述装置还包括概率确定模块，用于确定残币与各个面值版别的相似概率；

匹配模块530，还用于将相似概率最高的面值版别，作为当前面值版别；针对每个局部区域，将局部区域在各个图像类型下的局部特征图像，与当前面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对，得到每个局部区域在各个图像类型下与基准局部特征图像的匹配信息；

识别模块540，还用于若根据匹配信息确定残币为伪币，则选取相似概率次高的面值版别作为新的面值版别，并返回将局部区域在各个图像类型下的局部特征图像，与当前面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对的步骤，直至确定残币为真币或者各个面值版别均完成比对，得到针对残币的真伪识别结果。

在一个实施例中，上述确定模块520，还用于基于各张特征图像与面值版别的关联程度，从多张特征图像中确定出目标特征图像；根据目标特征图像，确定残币对应的面值版别。

在一个实施例中，上述识别模块540，还用于获取各个图像类型对残币真伪识别结果的影响因子；影响因子通过样本残币的真伪标签以及样本残币在各个图像类型下的样本特征图像训练得到；通过影响因子，对每个局部区域在各个图像类型下的匹配信息进行校正处理，得到每个局部区域在各个图像类型下的校正后匹配信息；根据每个局部区域在各个图像类型下的校正后匹配信息，确定针对残币的真伪识别结果。

在一个实施例中，上述识别模块540，还用于对每个局部区域在各个图像类型下的校正后匹配信息进行统计处理，得到统计匹配信息；若统计匹配信息大于或等于预设阈值，则确定残币为真币；若统计匹配信息小于预设阈值，则确定残币为假币。

在一个实施例中，上述采集模块510，还用于采集残币的多张初始特征图像；对各张初始特征图像进行归整处理，得到残币的多张特征图像。

上述残币处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种残币处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种残币处理方法，其特征在于，所述方法包括：

采集残币的多张特征图像；所述多张特征图像对应不同的图像类型；

根据所述多张特征图像，确定所述残币对应的面值版别，以及，从所述多张特征图像中，确定出所述残币的多个局部区域在各个图像类型的特征图像中对应区域的局部特征图像；

针对每个局部区域，将所述局部区域在各个图像类型下的局部特征图像与所述面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对，得到每个局部区域在各个图像类型下与所述基准局部特征图像的匹配信息；

根据每个局部区域在各个图像类型下的所述匹配信息，确定针对所述残币的真伪识别结果。

2.根据权利要求1所述的方法，其特征在于，所述残币对应的面值版别有多个，在确定所述残币对应的面值版别之后，还包括：

确定所述残币与各个面值版别的相似概率；

所述方法还包括：

将相似概率最高的面值版别，作为当前面值版别；

针对每个局部区域，将所述局部区域在各个图像类型下的局部特征图像，与当前面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对，得到每个局部区域在各个图像类型下与所述基准局部特征图像的匹配信息；

若根据所述匹配信息确定所述残币为伪币，则选取相似概率次高的面值版别作为新的面值版别，并返回将所述局部区域在各个图像类型下的局部特征图像，与当前面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对的步骤，直至确定所述残币为真币或者各个面值版别均完成比对，得到针对所述残币的真伪识别结果。

3.根据权利要求1所述的方法，其特征在于，所述根据所述多张特征图像，确定所述残币对应的面值版别，包括：

基于各张特征图像与面值版别的关联程度，从所述多张特征图像中确定出目标特征图像；

根据所述目标特征图像，确定所述残币对应的面值版别。

4.根据权利要求1所述的方法，其特征在于，所述根据每个局部区域在各个图像类型下的所述匹配信息，确定针对所述残币的真伪识别结果，包括：

获取各个图像类型对所述残币真伪识别结果的影响因子；所述影响因子通过样本残币的真伪标签以及所述样本残币在各个图像类型下的样本特征图像训练得到；

通过所述影响因子，对每个局部区域在各个图像类型下的所述匹配信息进行校正处理，得到每个局部区域在各个图像类型下的校正后匹配信息；

根据每个局部区域在各个图像类型下的所述校正后匹配信息，确定针对所述残币的真伪识别结果。

5.根据权利要求4所述的方法，其特征在于，所述根据每个局部区域在各个图像类型下的所述校正后匹配信息，确定针对所述残币的真伪识别结果，包括：

对每个局部区域在各个图像类型下的所述校正后匹配信息进行统计处理，得到统计匹配信息；

若所述统计匹配信息大于或等于预设阈值，则确定所述残币为真币；若所述统计匹配信息小于所述预设阈值，则确定所述残币为假币。

6.根据权利要求1所述的方法，其特征在于，所述采集残币的多张特征图像，包括：

采集所述残币的多张初始特征图像；

对各张初始特征图像进行归整处理，得到所述残币的所述多张特征图像。

7.一种残币处理装置，其特征在于，所述装置包括：

采集模块，用于采集残币的多张特征图像；所述多张特征图像对应不同的图像类型；

确定模块，用于根据所述多张特征图像，确定所述残币对应的面值版别，以及，从所述多张特征图像中，确定出所述残币的多个局部区域在各个图像类型的特征图像中对应区域的局部特征图像；

匹配模块，用于针对每个局部区域，将所述局部区域在各个图像类型下的局部特征图像与所述面值版别对应的纸币在相同图像类型下相同区域的基准局部特征图像进行比对，得到每个局部区域在各个图像类型下与所述基准局部特征图像的匹配信息；

识别模块，用于根据每个局部区域在各个图像类型下的所述匹配信息，确定针对所述残币的真伪识别结果。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

Images