CN116092230A - 一种票证鉴伪方法及系统 - Google Patents
一种票证鉴伪方法及系统 Download PDFInfo
- Publication number
- CN116092230A CN116092230A CN202211653271.8A CN202211653271A CN116092230A CN 116092230 A CN116092230 A CN 116092230A CN 202211653271 A CN202211653271 A CN 202211653271A CN 116092230 A CN116092230 A CN 116092230A
- Authority
- CN
- China
- Prior art keywords
- feature
- characteristic
- image
- ticket
- comparison
- 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
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
- G07D7/20—Testing patterns thereon
- G07D7/2016—Testing patterns thereon using feature extraction, e.g. segmentation, edge detection or Hough-transformation
-
- 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
- G07D7/202—Testing patterns thereon using pattern matching
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
Abstract
本发明属于票证防伪技术领域,公开了一种票证鉴伪方法及系统,采集真票证的特征图像,划定特征区域并制作特征文件;在鉴伪时,对每个特征文件中的特征区域都与待鉴定票证的特征图像中对应区域进行一致性比对;在比对前,根据滑动窗口算法在待鉴定票证对应区域附近挑选系列候选区域参与当前区域的比对;在比对时,对每个候选区域进行与模板特征图像区域的比对并计算相似度;在所有候选区域中选择最大的相似度作为当前特征区域的比对结果,最后综合所有特征区域的相似度后给出真伪结果。本发明的方法能够适应多种类型的图像防伪特征,对图像采集时的位置偏差有较好的适应能力,能够准确鉴别市面上大部分带有防伪特征的票证。
Description
技术领域
本发明属于票证防伪技术领域,尤其涉及一种票证鉴伪方法及系统。
背景技术
目前,在机器视觉领域中,模板匹配是一类常用的算法,通常用来搜索目标图像中和已有图像最匹配的部分。其常用的相似度计算方法有:平方差匹配,标准平方差匹配、相关匹配、标准相关匹配等。但是在鉴伪领域的实用过程中,由于存在各种形式的图像噪声,加上证件等在使用过程中有一定的磨损,都会导致一些图像的失真,而传统方法对此类失真非常敏感,往往导致较多的识别错误。尤其在磁图像的鉴伪应用中,由于图像信噪比相对较低,传统方法无法准确识别真伪。
另外,在机器视觉领域中,还有一些特征提取与匹配的方法,如SIFT特征提取算法、HOG特征提取算法等,但在鉴伪领域的应用中,由于防伪图像往往不会太过复杂,经常导致在目标区域中难以提取到足够多的特征点,甚至在很多情况下特征点匹配错误,导致匹配误差很大。
目前市场上已经有的鉴伪产品中,往往只包含针对某一类物品的鉴伪功能,如针对某种纸币的清分机、针对某种票据的票据仪等。此类产品往往扩展性差,而对于任意目标特征图像的综合鉴伪功能则提供较少,存在广阔的发展空间。
传统的票证鉴伪方法往往针对性太强,大多只针对单一币种或证件,可扩展性差,随着时代快速发展,市面上带有防伪功能的票据证件等会越来越多。而随着自动化、智能化的发展与普及,票据证件的自动化、智能化鉴伪已成为历史必然趋势。如果每增加一种新的证件类型或版本都需要新研发一种新的算法或设备,会造成很多不必要的资源浪费。
通过上述分析,现有技术存在的问题及缺陷为:
(1)传统鉴伪方法对图像失真非常敏感,往往导致较多的识别错误;尤其在磁图像鉴伪中,由于图像信噪比相对较低,传统方法无法准确识别真伪,只能进行定性判断,而无法单独作为鉴伪依据。
(2)由于防伪图像不会太过复杂,导致特征提取与匹配方法在目标区域中难以提取到足够多的特征点,甚至特征点匹配错误,导致匹配误差很大。
(3)现有票证鉴伪方法只针对某一类物品的鉴伪,针对性太强,扩展性差,造成资源浪费,而对于任意目标特征图像的综合鉴伪功能则提供较少。
发明内容
针对现有技术存在的问题,本发明提供了一种票证鉴伪方法及系统,尤其涉及一种基于相似特征图像模板比对的票证鉴伪方法、系统、介质、设备及终端。
本发明是这样实现的,一种票证鉴伪方法,票证鉴伪方法包括:采集真票证的特征图像,划定特征区域并制作特征文件;在鉴伪时,对每个特征文件中的特征区域都与待鉴定票证的特征图像中对应区域进行一致性比对;在比对前,根据滑动窗口算法在待鉴定票证对应区域附近挑选系列候选区域参与当前区域的比对;在比对时,对每个候选区域进行与模板特征图像区域的比对并计算相似度;在所有候选区域中选择最大的相似度作为当前特征区域的比对结果,最后综合所有特征区域的相似度后给出真伪结果。
进一步,票证鉴伪方法包括以下步骤:
步骤一,在鉴别票证真伪前,预先采集真票证的特征图像作为模板特征图像,并手动选择特征区域,保存特征图像与特征区域信息到特征文件中;
步骤二,在鉴别票证真伪时,采集待鉴伪票证的特征图像,并用软件加载对应的特征文件;
步骤三,将特征文件中所有特征区域所对应裁剪的模板特征图像与待鉴伪特征图像进行比对,得出比对结果,并输出待鉴伪特征图像的真伪信息。
进一步,票证包括带有光学和/或磁性防伪特征的各种纸币、银行票据、证件和证书;特征图像指的是在特定条件下呈现出防伪特征的图像,包括红外图像、紫外荧光图像、可见光图像和磁图像,其中磁图像是指票证表面的磁性分布图像;特征区域指的是在特征图像中防伪标识所在的区域;模板特征图像是指特征文件中保存或描述的真票证的特征图像。
进一步,步骤一中,在鉴伪之前预先采集真票证的特征图像,人工选取任意数量的需要鉴别的特征区域,并保存每个区域在原图中的位置以及对应的特征类型到一个特征文件中;其中,一个特征文件只能对应一幅特征图像,但包含一个或多个特征区域;
进一步,步骤二中,在进行鉴伪时,从采集设备或从本地文件或通过网络远程传输读取待鉴定的特征图像,并从特征文件库中选择使用的特征文件;对每一个特征区域针对对应的特征类型选择对应的比对算法进行比对,输出每个特征区域的相似度,综合得出真伪鉴别结果;在比对时,特征文件中所描述的所有特征区域均独立进行比对,每个特征区域的比对结果不影响其他特征区域的比对结果。
其中,特征类型包括固定特征区域、字符区域和安全线区域三种;固定特征区域是指在票证特征图像的固定位置存在完全相同形状的防伪特征的区域;字符区域是指在票证固定位置存在相同长度字符串的区域,字符串内容相同或不相同;安全线区域是指票证中带有磁性的金属线所在的特定区域。
进一步,步骤三中,在对特征进行比对时,使用滑动窗口算法,在特征区域所在位置附近一定范围内的窗口裁剪一系列候选区域进行逐一比对,取最高的相似度作为特征区域比对结果。
比对算法针对不同的特征类型对输入图像进行预处理,包括通道融合、高斯滤波、直方图均衡和阈值分割,用于突出票证的防伪特征;其中,对于安全线区域,防伪特征体现在磁性分布上,故安全线区域的比对仅适用于磁图像。
固定特征区域的比对算法,使用边缘检测算子来计算图像的边缘信息,根据边缘图像的平均亮度将图像分为特征简单图像与特征复杂图像。针对特征简单图像使用逐点匹配的方法,特征复杂图像则使用提取HOG特征再匹配的方法。
字符区域的比对使用OCR技术对字符串进行定位,根据位置和字符串长度差异来确定相似度。
安全线区域的比对使用预处理算法,在有效滤除图像干扰信息后进行图像分割,仅保留安全线部分;对安全线中的每个亮块的长度与位置关系进行记录,形成特征数组;根据两幅图像生成的特征数组进行循环比对,确定安全线区域的相似度。
循环比对是指,由于安全线磁性块呈现规律的周期性分布,使用特征数组中一部分连续磁性块作为匹配目标,在待鉴伪图像的特征数组中寻找相近的连续磁性块,计算出相似度。
本发明的另一目的在于提供一种应用所述的票证鉴伪方法的票证鉴伪系统,票证鉴伪系统包括:
图像采集模块,用于采集票证表面的紫外荧光图像、红外图像、可见光图像或磁图像中的任意一种或多种;
特征文件生成与导入模块,用于根据用户划定的图像区域与选择的特征类型进行特征文件的制作,包含已有特征文件的导入与解析功能,同时包含一个特征文件数据库,多个系统之间共享数据库;
特征比对模块,用于根据特征文件中的信息对特征区域进行对应的比对,得出比对结果;
结果显示与导出模块,用于在比对完成后显示出每一个特征区域的比对结果,并提供导出鉴定报告的功能;
UI模块,用于与用户交互,提供特征图像的预览,并调用其他模块的功能。
本发明的另一目的在于提供一种计算机设备,计算机设备包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行所述的票证鉴伪方法的步骤。
本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行所述的票证鉴伪方法的步骤。
本发明的另一目的在于提供一种信息数据处理终端,信息数据处理终端用于实现所述的票证鉴伪系统。
第一,针对上述现有技术存在的技术问题以及解决该问题的难度,紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等,详细、深刻地分析本发明技术方案如何解决的技术问题,解决问题之后带来的一些具备创造性的技术效果。具体描述如下:
本发明提供了一种基于特征图像模板比对的票证鉴伪方法,该票证鉴伪方法支持多模态的鉴伪,支持所有带有光学和/或磁性防伪特征的票证鉴伪,同时支持基于特征文件的特征图像模板比对,可以方便地通过管理特征文件来拓展鉴伪功能,拥有较高的可扩展性,鉴伪精准,且维护成本低。
第二,把技术方案看做一个整体或者从产品的角度,本发明所要保护的技术方案具备的技术效果和优点,具体描述如下:
本发明的方法能够适应多种类型的图像防伪特征,并对图像采集时的位置偏差有较好的适应能力,能够准确鉴别市面上大部分带有防伪特征的票据和证件。
第三,作为本发明的权利要求的创造性辅助证据,还体现在以下几个重要方面:
(1)本发明的技术方案转化后的预期收益和商业价值为:
虽然世界各大国都开始了电子货币的试点发行,但短期内仍无法完全普及,老百姓日常生活依然有大量的现金交易。本技术方案如果得到转化能够得到较高的预期收益。2019年末中国有22.8万个银行网点,每年的纸币鉴别仪等金融机具的更新换代需求至少在十亿元规模;另外在海关、移民局等外事部门每年需要采购一定数量的外币鉴别仪、护照鉴伪仪等鉴伪设备,每年需求能够有数亿元规模;如果能够打开国外市场,考虑到国外电子支付发展远不及国内,更是能够有数百亿元的市场规模。一个通用性强的、模块化、可定制的鉴伪设备会迎来很大的发展空间。
(2)本发明的技术方案填补了国内外业内技术空白:
目前市面上所有的金融鉴伪机具都只支持有限个币种的鉴伪,存在扩展性差的问题。本发明的技术方案提供了一种通过升级特征文件的方式扩展鉴伪范围的方案,可以为用户减少新机型的采购成本,填补了可扩展鉴伪的技术空白。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的票证鉴伪方法流程图;
图2是本发明实施例1提供的基于磁图像模板比对的纸币鉴伪方法总体流程图;
图3是本发明实施例1提供的基于磁图像模板比对的纸币鉴伪方法的比对算法流程图;
图4是本发明实施例2提供的基于紫外荧光图像模板比对的票证鉴伪方法总体流程图;
图5是本发明实施例2提供的基于紫外荧光图像模板比对的票证鉴伪方法的比对算法流程图;
图6是本发明实施例3提供的基于磁图像模板比对的纸币鉴伪系统的组织架构图;
图7是本发明实施例2提供的基于紫外荧光图像模板比对的票证鉴伪方法流程图;
图8是本发明实施例2提供的特征文件对待鉴伪票证中每一个特征区域的比对流程图;
图9是本发明实施例3提供的系统架构示意图。
实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。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。
针对现有技术存在的问题,本发明提供了一种票证鉴伪方法及系统,下面结合附图对本发明作详细的描述。
为了使本领域技术人员充分了解本发明如何具体实现,该部分是对权利要求技术方案进行展开说明的解释说明实施例。
如图1所示,本发明实施例提供的票证鉴伪方法包括以下步骤:
S101,在鉴别票证真伪前,预先采集真票证的特征图像作为模板特征图像,并手动选择特征区域,保存特征图像与特征区域信息到特征文件中;
S102,在鉴别票证真伪时,采集待鉴伪票证的特征图像,并用软件加载对应的特征文件;
S103,将特征文件中所有特征区域所对应裁剪的模板特征图像与待鉴伪特征图像进行比对,得出比对结果,输出待鉴伪特征图像的真伪信息。
作为优选实施例,本发明实施例提供的票证鉴伪方法具体包括以下步骤:
1)采集已知真实票证表面的特征图像,并手动选取特征区域并确定特征类型等参数,制作特征文件并保存,其中一个特征文件只能对应一幅特征图像,但是可以包含一个或多个特征区域;
其中,特征区域的类型包括:固定特征区域、字符区域、安全线区域,每个特征区域只能对应一种类型。其中固定特征区域是指在票证特征图像的固定位置有着完全相同形状的防伪特征的区域;字符区域是指在票证固定位置有着相同长度的字符串的区域,字符串内容可以相同也可以不相同;安全线区域是指票证中带有磁性或有微缩文字的金属线所在的特定区域。
2)采集待鉴定物品表面的特征图像并保存;
3)将待鉴定特征图像根据特征文件使用滑动窗口算法,在特征文件中每个特征区域对应的图像区域位置附近的合适范围截取对应的一系列特征区域,以适应采集设备采集图像时产生的微小位移;
4)对特征文件中的每个特征区域,将每个截取到的每个特征区域与对应特征文件中的特征区域按照特征类型选择对应的算法进行比对,得出每个特征区域对应的比对相似度结果。
5)将特征文件中所有特征区域与待鉴伪图像的对应特征区域进行相似度比对,得出待鉴伪票证的真伪结果。在比对时,特征文件中所描述的所有特征区域都将独立进行比对,每个特征区域的比对结果不影响其他特征区域的比对结果。
其中,本发明实施例提供的比对过程包括以下步骤:
1)根据特征区域类型对图像进行预处理,首先进行高斯模糊以去除噪点,进行直方图均衡以均衡图像对比度;对于安全线区域和字符区域,需要进行通道融合,处理成单通道图像;对于安全线区域,则需要进一步的阈值分割处理为二值图像。
2)根据特征区域类型选择对应的比对算法并执行;
其中,对于固定特征区域,需要首先使用边缘特征提取算子提取图像边缘,并统计边缘数量判断固定图像区域的特征复杂程度。对于复杂特征区域,使用特征点提取算子提取图像中的特征点并统计匹配比例,计算相似度结果;对于简单特征区域,使用逐像素的模糊比对,统计在误差范围的像素数量,得出相似度结果。
其中,对于字符区域,需要使用OCR技术对所有字符进行定位与识别,根据位置和字符串总长度差异来计算相似度。所述字符包括中文字符与外文字符。
其中,对于安全线区域,需要对安全线中的每个亮块的长度与位置关系进行记录,形成一个特征数组,根据两幅图像生成的特征数组进行循环比对,确定安全线区域的相似度。
本发明实施例提供的特征图像可以根据防伪特征的展现形式而决定采集方式,可以是紫外荧光图像、红外图像、可见光图像、磁图像中的一种。
本发明实施例提供的特征文件中的信息包括:每个特征区域图像、每个特征区域类型、每个特征区域的位置和大小、整个特征图像以及制作人、制作时间的一项或多项。
本发明实施例提供的算法可应用的鉴伪目标包括:带有光学和/或磁性防伪特征的各种纸币和银行票据以及证件证书。
本发明实施例提供的票证鉴伪系统包括:
图像采集模块,用于采集票证表面的紫外荧光图像、红外图像、可见光图像或磁图像中的任意一种或多种;
特征文件生成与导入模块,用于根据用户划定的图像区域与选择的特征类型进行特征文件的制作,包含已有特征文件的导入与解析功能,同时包含一个特征文件数据库,多个系统之间共享数据库;
特征比对模块,用于根据特征文件中的信息对特征区域进行对应的比对,得出比对结果;
结果显示与导出模块,用于在比对完成后显示出每一个特征区域的比对结果,并提供导出鉴定报告的功能;
UI模块,用于与用户交互,提供特征图像的预览,并调用其他模块的功能。
为了证明本发明的技术方案的创造性和技术价值,该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
实施例
本发明实施例提供了一种基于磁图像模板比对的纸币鉴伪方法,可以实现对纸币磁图像的高效鉴伪;其中,纸币包括且不限于人民币、美元、欧元及其各个版本与面额。如图2所示,本发明实施例提供的基于磁图像模板比对的纸币鉴伪方法包括以下步骤:
步骤201,采集真纸币的磁图像,需注意此纸币除了保证真实之外,需要与待鉴定的纸币的币种、面额、版别保持一致。
步骤202,制作特征文件。特征文件中包含手动选择的矩形特征区域,包括其位置与大小,特征区域类型。
本发明实施例提供的特征区域类型包括固定特征区域、字符区域与安全线区域。固定特征区域指的是在纸币固定位置有完全相同的磁性分布的区域;字符区域指的是纸币固定位置有着相同长度的字符串的区域,字符串内容可以相同也可以不相同;安全线区域指的是纸币中带有磁性的金属线所在的特定区域。其中一个特征文件只能对应一幅特征图像,但是可以包含一个或多个特征区域。
步骤203,采集待鉴伪纸币的磁图像。
步骤204,根据特征文件对待鉴伪纸币进行比对。需注意,此处所使用的特征文件必须与待鉴伪纸币的币种、面额、版本所对应。
在比对时,特征文件中所描述的所有特征区域都将独立进行比对,每个特征区域的比对结果不影响其他特征区域的比对结果。为了适应采集设备在采集过程中容易出现的抖动以及走纸速度不稳定等因素导致的采集图像的位置偏移,三种特征区域都使用滑动窗口算法,在特征区域所在位置附近长宽各10%范围内裁剪出一系列候选区域参与比对,取其中相似度最高的结果作为此特征区域比对的最终结果。
步骤205,得出真伪结果,导出鉴定报告。
可选地,步骤204中每一个特征区域的比对流程如图3所示,具体包括:
步骤S211,使用滑动窗口算法在待鉴伪特征图像中的特征区域位置附近裁剪一系列相同大小的候选区域;
步骤S212,对每个特征区域与候选区域进行高斯模糊,以去除图像中的噪声干扰。
步骤S213,根据特征文件中记录的特征区域类型进行算法比对。
步骤S214,输出候选区域中的最高相似度,作为当前特征区域的比对结果。
可选地,步骤S213中比对算法的具体步骤如图4、5、6所示。
对于固定特征区域类型的比对算法如图4所示,具体包括:
步骤S221,使用边缘提取算子提取图像的边缘,然后根据边缘图像计算图像的复杂性。如果是复杂图像则进入步骤S222,提取HOG特征点并进行匹配,从而计算相似度。对于简单图像,则进入步骤217,进行逐像素的模糊匹配,从而计算相似度,最后输出结果。
对于字符区域类型的比对算法如图5所示,具体包括:
步骤S231,使用OCR技术识别字符串的位置和长度,之后进入步骤S232,根据字符串位置和长度的差异来计算相似度,最后输出结果。
对于安全线区域类型的比对算法如图6所示,具体包括:
步骤S241,记录每一个亮块的长度和位置关系,从而形成一个特征数组,之后进入步骤S242,对特征数组进行循环比对计算相似度,最后输出结果。
实施例
本发明实施例提供了一种基于紫外荧光图像模板比对的票证鉴伪方法,可以实现对各种带有紫外防伪特征的纸币、银行票据和证书证件进行高效鉴伪。需注意,由于紫外防伪特征绝大部分以不可变的固定图像的形式展现,因此本发明实施例的特征区域仅有固定特征一种类型。如图7所示,本发明实施例提供的基于紫外荧光图像模板比对的票证鉴伪方法包括以下步骤:
步骤301,采集真票证的紫外荧光图像,需注意此票证除了保证真实之外,需要与待鉴定的票证的类型、版本保持一致。
步骤302,制作特征文件。特征文件中包含手动选择的矩形特征区域,包括其位置与大小,特征区域类型。一个特征文件只能对应一幅特征图像,但是可以包含一个或多个特征区域。
本发明实施例提供的特征区域类型只包括固定特征区域。此处固定特征区域指的是在票证固定位置有完全相同的紫外特征的区域。
步骤303,采集待鉴伪票证的紫外荧光图像。
步骤304,根据特征文件对待鉴伪票证进行比对。需注意,此处所使用的特征文件必须与待鉴伪票证的类型、版本所对应。
在比对时,特征文件中所描述的所有特征区域都将独立进行比对,每个特征区域的比对结果不影响其他特征区域的比对结果。为了适应采集设备在采集过程中容易出现的抖动以及走纸速度不稳定等因素导致的采集图像的位置偏移,本实施例使用滑动窗口算法,在特征区域所在位置附近长宽各10%范围内裁剪出一系列候选区域参与比对,取其中相似度最高的结果作为此特征区域比对的最终结果。
步骤305,得出真伪结果,导出鉴定报告。
可选地,步骤304中每一个特征区域的比对流程如图8所示,具体包括:
步骤311,使用滑动窗口算法在待鉴伪特征图像中的特征区域位置附近裁剪一系列相同大小的候选区域。
步骤312,对每个特征区域与候选区域进行高斯模糊,以去除图像中的噪声干扰。
步骤313,使用边缘提取算子提取图像的边缘,然后根据边缘图像计算图像的复杂性。如果是复杂图像则进入步骤314,提取HOG特征点并进行匹配,从而计算相似度。对于简单图像,则进入步骤315,进行逐像素的模糊匹配,从而计算相似度。
最后进入步骤316,在对所有候选区域进行比对后,输出最高相似度作为此特征区域的比对结果。
实施例
在本发明实施例1提供的基于磁图像模板比对的纸币鉴伪方法基础上,本发明实施例提供了一种可用于实现上述方法的基于磁图像模板比对的纸币鉴伪系统。如图9所示,是本发明实施例提供的系统架构示意图。
其中图像采集模块负责采集纸币的磁图像,包含一个磁性传感器阵列和一套滚轮结构,其中磁性传感器阵列用于检测纸币每一列的磁性分布,滚轮结构用于以稳定速度将纸币传送经过磁性传感器阵列下方,图像数据经过MCU处理后通过USB上传至PC机软件。
其中特征文件生成与导入模块用于在PC端根据用户划定的图像区域与选择的特征类型进行特征文件的制作,也包含了已有特征文件的导入与解析功能;
特征比对模块用于执行实施例一所提供的基于紫外荧光图像模板比对的票证鉴伪方法中的比对过程,得出比对结果;
结果显示与导出模块用于在比对完成后显示出每一个特征区域的比对结果,并提供导出鉴定报告的功能;
UI模块用于与用户交互,提供特征图像的预览,并调用其他模块的功能,方便用户操作。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
本发明实施例在研发或者使用过程中取得了一些积极效果,和现有技术相比的确具备很大的优势,下面内容结合试验过程的数据、图表等进行描述。
在研发过程中,本发明实施例1提供的一种基于磁图像模板比对的纸币鉴伪方法能够很好地对纸币磁图像进行鉴伪。为了测试鉴伪效果,我们依照人民币的各个版本和面额制作了一个完备的数据集,其中包括了1999年版1元纸币,1999年版、2005年版、2020年版5元纸币, 1980年版2005年版、2019年版10元纸币,1999年版、2005年版、2019年版20元纸币,1990年版、1999年版、2005年版、2019年版50元纸币,以及1990年版、1999年版、2005年版、2015年版100元纸币,再加上一些人工制作的伪币,总共360张磁图像。在此数据集基础上我们设计了一个测试实验,对每一种面额和版别的纸币都制作了鉴伪所必须的特征文件。同时考虑到不同纸币制作特征文件时产生的差异,我们每种面额和版别都制作了多个特征文件进行测试。在与特征文件同面额和版别的纸币的比对,以及与特征文件面额版别不同的纸币之间的比对中,我们的算法取得了良好的测试精度,在字符区域的比对中正确率达到了100%,在固定区域的比对中正确率达到了99.3%,在安全线区域的比对中正确率也达到了99.4%。有少量的比对误差来源于一些磨损较为严重的纸币,其磁特征被弱化,导致了少量的误识别。
在本发明提供的实施例2中提供的基于紫外荧光图像模板比对的票证鉴伪方法,我们也进行了定性的测试,在一个小规模的数据集中已经取得了良好的鉴伪效果,能够满足对常见的一些紫外荧光票证图像进行精确鉴伪的需求。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种票证鉴伪方法,其特征在于,票证鉴伪方法包括:采集真票证的特征图像,划定特征区域并制作特征文件;在鉴伪时,对每个特征文件中的特征区域都与待鉴定票证的特征图像中对应区域进行一致性比对;在比对前,根据滑动窗口算法在待鉴定票证对应区域附近挑选系列候选区域参与当前区域的比对;在比对时,对每个候选区域进行与模板特征图像区域的比对并计算相似度;在所有候选区域中选择最大的相似度作为当前特征区域的比对结果,最后综合所有特征区域的相似度后给出真伪结果。
2.如权利要求1所述票证鉴伪方法,其特征在于,票证鉴伪方法包括以下步骤:
步骤一,在鉴别票证真伪前,预先采集真票证的特征图像作为模板特征图像,并手动选择特征区域,保存特征图像与特征区域信息到特征文件中;
步骤二,在鉴别票证真伪时,采集待鉴伪票证的特征图像,并用软件加载对应的特征文件;
步骤三,将特征文件中所有特征区域所对应裁剪的模板特征图像与待鉴伪特征图像进行比对,得出比对结果,并输出待鉴伪特征图像的真伪信息。
3.如权利要求2所述票证鉴伪方法,其特征在于,票证包括带有光学和/或磁性防伪特征的各种纸币、银行票据、证件和证书;特征图像指的是在特定条件下呈现出防伪特征的图像,包括红外图像、紫外荧光图像、可见光图像和磁图像,其中磁图像是指票证表面的磁性分布图像;特征区域指的是在特征图像中防伪标识所在的区域;模板特征图像是指特征文件中保存或描述的真票证的特征图像。
4.如权利要求2所述票证鉴伪方法,其特征在于,步骤一中,在鉴伪之前预先采集真票证的特征图像,人工选取任意数量的需要鉴别的特征区域,并保存每个区域在原图中的位置以及对应的特征类型到一个特征文件中;其中,一个特征文件只能对应一幅特征图像,但包含一个或多个特征区域。
5.如权利要求2所述票证鉴伪方法,其特征在于,步骤二中,在进行鉴伪时,从采集设备或从本地文件或通过网络远程传输读取待鉴定的特征图像,并从特征文件库中选择使用的特征文件;对每一个特征区域针对对应的特征类型选择对应的比对算法进行比对,输出每个特征区域的相似度,综合得出真伪鉴别结果;在比对时,特征文件中所描述的所有特征区域均独立进行比对,每个特征区域的比对结果不影响其他特征区域的比对结果;
其中,特征类型包括固定特征区域、字符区域和安全线区域三种;固定特征区域是指在票证特征图像的固定位置存在完全相同形状的防伪特征的区域;字符区域是指在票证固定位置存在相同长度字符串的区域,字符串内容相同或不相同;安全线区域是指票证中带有磁性的金属线所在的特定区域。
6.如权利要求2所述票证鉴伪方法,其特征在于,步骤三中,在对特征进行比对时,使用滑动窗口算法,在特征区域所在位置附近一定范围内的窗口裁剪一系列候选区域进行逐一比对,取最高的相似度作为特征区域比对结果;
比对算法针对不同的特征类型对输入图像进行预处理,包括通道融合、高斯滤波、直方图均衡和阈值分割,用于突出票证的防伪特征;其中,对于安全线区域,防伪特征体现在磁性分布上,故安全线区域的比对仅适用于磁图像;
固定特征区域的比对算法,使用边缘检测算子来计算图像的边缘信息,根据边缘图像的平均亮度将图像分为特征简单图像与特征复杂图像;针对特征简单图像使用逐点匹配的方法,特征复杂图像则使用提取HOG特征再匹配的方法;
字符区域的比对使用OCR技术对字符串进行定位,根据位置和字符串长度差异来确定相似度;
安全线区域的比对使用预处理算法,在有效滤除图像干扰信息后进行图像分割,仅保留安全线部分;对安全线中的每个亮块的长度与位置关系进行记录,形成特征数组;根据两幅图像生成的特征数组进行循环比对,确定安全线区域的相似度;
循环比对是指,由于安全线磁性块呈现规律的周期性分布,使用特征数组中一部分连续磁性块作为匹配目标,在待鉴伪图像的特征数组中寻找相近的连续磁性块,计算出相似度。
7.一种应用如权利要求1~6任意一项所述票证鉴伪方法的票证鉴伪系统,其特征在于,票证鉴伪系统包括:
图像采集模块,用于采集票证表面的紫外荧光图像、红外图像、可见光图像或磁图像中的任意一种或多种;
特征文件生成与导入模块,用于根据用户划定的图像区域与选择的特征类型进行特征文件的制作,包含已有特征文件的导入与解析功能,同时包含一个特征文件数据库,多个系统之间共享数据库;
特征比对模块,用于根据特征文件中的信息对特征区域进行对应的比对,得出比对结果;
结果显示与导出模块,用于在比对完成后显示出每一个特征区域的比对结果,并提供导出鉴定报告的功能;
UI模块,用于与用户交互,提供特征图像的预览,并调用其他模块的功能。
8.一种计算机设备,其特征在于,计算机设备包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行如权利要求1~6任意一项所述票证鉴伪方法的步骤。
9.一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行如权利要求1~6任意一项所述票证鉴伪方法的步骤。
10.一种信息数据处理终端,其特征在于,信息数据处理终端用于实现如权利要求7所述票证鉴伪系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211653271.8A CN116092230A (zh) | 2022-12-21 | 2022-12-21 | 一种票证鉴伪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211653271.8A CN116092230A (zh) | 2022-12-21 | 2022-12-21 | 一种票证鉴伪方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116092230A true CN116092230A (zh) | 2023-05-09 |
Family
ID=86200250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211653271.8A Pending CN116092230A (zh) | 2022-12-21 | 2022-12-21 | 一种票证鉴伪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116092230A (zh) |
-
2022
- 2022-12-21 CN CN202211653271.8A patent/CN116092230A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5044567B2 (ja) | 媒体アイテム確認装置及びセルフサービス装置 | |
Mirza et al. | Paper currency verification system based on characteristic extraction using image processing | |
CN102737435A (zh) | 一种纸币鉴伪方法和装置 | |
CN107103683B (zh) | 纸币识别方法和装置、电子设备和存储介质 | |
CN103761795A (zh) | 纸币防伪特征数据库鉴别假币的方法 | |
CN103617673A (zh) | 一种基于紫外图像特征的支票真伪鉴别系统及其方法 | |
Sharma et al. | Recognition of Indian paper currency based on LBP | |
US9460345B2 (en) | Apparatus and method for recognizing media, financial device | |
CN103886309A (zh) | 人像识别鉴别美元面额的方法 | |
CN108665603B (zh) | 识别纸币币种的方法、装置及电子设备 | |
Sawant et al. | Currency recognition using image processing and minimum distance classifier technique | |
Zarin et al. | A hybrid fake banknote detection model using OCR, face recognition and hough features | |
WO2018130119A1 (zh) | 一种基于双冠字号的纸币鉴伪方法和系统 | |
Ansari et al. | A robust method for identification of paper currency using otsu’s thresholding | |
JPWO2011086665A1 (ja) | 紙葉類識別装置および紙葉類識別方法 | |
CN106447897A (zh) | 一种检测纸币磁性特征的方法及装置 | |
Lamsal et al. | Counterfeit paper banknote identification based on color and texture | |
Amirsab et al. | An automated recognition of fake or destroyed Indian currency notes | |
CN116092230A (zh) | 一种票证鉴伪方法及系统 | |
RU2280284C2 (ru) | Способ определения неплатежных банкнот, полученных посредством склеивания частей различных банкнот и фальшивых банкнот | |
Muhamad et al. | Image-Based Processing of Paper Currency Recognition and Fake Identification: A Review | |
Ogbuju et al. | Deep learning for genuine Naira banknotes | |
EP3410409B1 (en) | Media security validation | |
Chavan et al. | Design and implementation of automatic coin dispensing machine | |
Shamini et al. | Fake Currency Detection |
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 |