CN116959165A - 假币辅助收缴方法、装置、系统、设备及存储介质 - Google Patents
假币辅助收缴方法、装置、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN116959165A CN116959165A CN202310848053.8A CN202310848053A CN116959165A CN 116959165 A CN116959165 A CN 116959165A CN 202310848053 A CN202310848053 A CN 202310848053A CN 116959165 A CN116959165 A CN 116959165A
- Authority
- CN
- China
- Prior art keywords
- currency
- image
- counterfeit money
- counterfeit
- money
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004806 packaging method and process Methods 0.000 claims abstract description 20
- 230000015654 memory Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 18
- 238000012015 optical character recognition Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000012549 training Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 102100032202 Cornulin Human genes 0.000 description 1
- 101000920981 Homo sapiens Cornulin Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 229940108461 rennet Drugs 0.000 description 1
- 108010058314 rennet Proteins 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Inspection Of Paper Currency And Valuable Securities (AREA)
Abstract
本说明书涉及人工智能技术领域,提供了一种假币辅助收缴方法、装置、系统、设备及存储介质,该方法包括:获取假币图像和证件图像;从所述假币图像中识别货币特征,并从所述证件图像中识别证件内容;提取所述假币图像中的货币唯一标识;将所述证件内容、所述货币特征及所述货币唯一标识封装为假币收缴信息;向上位机发送所述假币收缴信息。通过本说明书实施例可以提高假币收缴的收缴效率和信息准确性。
Description
技术领域
本说明书涉及人工智能技术领域,尤其是涉及一种假币辅助收缴方法、装置、系统、设备及存储介质。
背景技术
假币收缴作为金融机构业务的一个重要组成部分。当前的假币收缴业务,需要业务人员手工录入假币持有人证件号码、姓名、假币币种、面额、版别、冠字号码等大量信息,不仅耗费大量人力资源,影响假币收缴的收缴效率;而且容易造成因录入错误而影响假币收缴的信息准确性。
发明内容
本说明书实施例的目的在于提供一种假币辅助收缴方法、装置、系统、设备及存储介质,以提高假币收缴的收缴效率和信息准确性。
为达到上述目的,一方面,本说明书实施例提供了一种假币辅助收缴方法,包括:
获取假币图像和证件图像;
从所述假币图像中识别货币特征,并从所述证件图像中识别证件内容;
提取所述假币图像中的货币唯一标识;
将所述证件内容、所述货币特征及所述货币唯一标识封装为假币收缴信息;
向上位机发送所述假币收缴信息。
本说明书实施例的假币辅助收缴方法中,从所述假币图像中识别货币特征,包括:
基于预训练的货币识别模型识别所述假币图像中的货币特征。
本说明书实施例的假币辅助收缴方法中,所述货币特征包括:币种、面额和版别。
本说明书实施例的假币辅助收缴方法中,从所述证件图像中识别证件内容,包括:
基于预训练的证件类型识别模型识别所述证件图像对应的证件类型;
根据所述证件类型将所述证件图像切分为多个图像切片,每个所述图像切片均包含证件内容;
基于光学字符识别模块识别每个所述图像切片中的证件内容。
本说明书实施例的假币辅助收缴方法中,所述证件内容包括证件名称、证件人姓名和证件号码。
本说明书实施例的假币辅助收缴方法中,提取所述假币图像中的货币唯一标识,包括:
确认所述假币图像中是否包含货币唯一标识;
若所述假币图像中包含货币唯一标识,则基于光学字符识别模块提取所述假币图像中的货币唯一标识。
本说明书实施例的假币辅助收缴方法中,在确认所述假币图像中是否包含货币唯一标识之后,还包括:
若所述假币图像中不包含货币唯一标识,将所述证件内容及所述货币特征封装为假币收缴信息。
本说明书实施例的假币辅助收缴方法中,将所述证件内容、所述货币特征及所述货币唯一标识封装为假币收缴信息,包括:
将所述证件内容、所述货币特征及所述货币唯一标识,自动填充至假币收缴信息模板中,以生成对应的假币收缴信息。
本说明书实施例的假币辅助收缴方法中,从所述假币图像中识别货币特征,还包括:
当识别出的货币特征的概率值低于概率阈值时,对该货币特征进行标记,以供所述上位机二次确认。
本说明书实施例的假币辅助收缴方法中,从所述证件图像中识别证件内容,还包括:
当识别出的证件内容的概率值低于概率阈值时,对该证件内容进行标记,以供所述上位机二次确认。
本说明书实施例的假币辅助收缴方法中,所述向上位机发送所述假币收缴信息,包括:
通过消息中间件向所述上位机发送所述假币收缴信息。
另一方面,本说明书实施例还提供了一种假币辅助收缴系统,包括:
图像采集装置,用于采集假币图像和证件图像;
假币辅助收缴装置,用于获取所述假币图像和所述证件图像;从所述假币图像中识别货币特征,并从所述证件图像中识别证件内容;提取所述假币图像中的货币唯一标识;将所述证件内容、所述货币特征及所述货币唯一标识封装为假币收缴信息;向上位机发送所述假币收缴信息。
另一方面,本说明书实施例还提供了一种假币辅助收缴装置,包括:
获取模块,用于获取假币图像和证件图像;
识别模块,用于从所述假币图像中识别货币特征,并从所述证件图像中识别证件内容;
提取模块,用于提取所述假币图像中的货币唯一标识;
封装模块,用于将所述证件内容、所述货币特征及所述货币唯一标识封装为假币收缴信息;
发送模块,用于向上位机发送所述假币收缴信息。
另一方面,本说明书实施例还提供了一种计算机设备,包括存储器、处理器、以及存储在所述存储器上的计算机程序,所述计算机程序被所述处理器运行时,执行上述方法的指令。
另一方面,本说明书实施例还提供了一种计算机存储介质,其上存储有计算机程序,所述计算机程序被计算机设备的处理器运行时,执行上述方法的指令。
另一方面,本说明书实施例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,所述计算机程序被计算机设备的处理器运行时,执行上述方法的指令。
由以上本说明书实施例提供的技术方案可见,本说明书实施例中,在获取到假币图像和证件图像后,可以从假币图像中识别货币特征,从证件图像中识别证件内容,并提取假币图像中的货币唯一标识,然后将证件内容、货币特征及货币唯一标识封装为假币收缴信息并提供给上位机;从而实现假币及持有人证件相关信息的自动采集和录入,因而提高了假币收缴的收缴效率;而且与人工录入假币收缴信息相比,自动录入假币收缴信息不易出错,从而也提高了假币收缴的信息准确性。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1示出了本说明书一些实施例中假币辅助收缴系统的应用场景示意图;
图2示出了本说明书一些实施例中假币辅助收缴方法的流程图;
图3示出图2所示的假币辅助收缴方法中从证件图像中识别证件内容的流程图;
图4示出图2所示的假币辅助收缴方法中提取假币图像中的货币唯一标识的流程图;
图5示出了本说明书一示例性实施例中身份证图像切分图像分片的示意图;
图6示出了本说明书一些实施例中假币辅助收缴装置的结构框图;
图7示出了本说明书一些实施例中计算机设备的结构框图。
【附图标记说明】
10、图像采集装置;
20、假币辅助收缴装置;
30、上位机;
40、身份证图像;
41、图像切片;
61、获取模块;
62、识别模块;
63、提取模块;
64、封装模块;
65、发送模块;
702、计算机设备;
704、处理器;
706、存储器;
708、驱动机构;
710、输入/输出接口;
712、输入设备;
714、输出设备;
716、呈现设备;
718、图形用户接口;
720、网络接口;
722、通信链路;
724、通信总线。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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,都应当属于本说明书保护的范围。
图1中示出了本说明书一些实施例中假币辅助收缴系统的应用场景示意图。该假币辅助收缴系统包括图像采集装置10和假币辅助收缴装置20。图像采集装置10用于采集假币图像和证件图像。假币辅助收缴装置20用于获取所述假币图像和所述证件图像;从所述假币图像中识别货币特征,并从所述证件图像中识别证件内容;提取所述假币图像中的货币唯一标识;将所述证件内容、所述货币特征及所述货币唯一标识封装为假币收缴信息;向上位机30发送所述假币收缴信息;从而实现假币辅助收缴的自动化处理,提高了假币收缴的收缴效率和信息准确性。
在本说明书一些实施例中,所述图像采集装置10可以为自助终端设备、移动终端(即智能手机)、显示器、台式电脑、平板电脑、笔记本电脑、数字助理或智能可穿戴设备等带有图像采集器(例如摄像头等)的电子设备。其中,智能可穿戴设备可以包括智能手环、智能手表、智能眼镜或智能头盔等。当然,所述图像采集装置10并不限于上述具有一定实体的电子设备,其还可以为运行于上述电子设备中的软件。
在本说明书一些实施例中,所述假币辅助收缴装置20可以为具有运算和网络交互功能的电子设备;也可以为运行于该电子设备中,为数据处理和网络交互提供业务逻辑的软件。所述假币辅助收缴装置20可以与所述图像采集装置10进行数据交互。
在本说明书一些实施例中,上位机30可以是假币收缴的汇总管理机构对应的数据库或服务端等。
此外,需要说明的是,图1所示的仅仅是本说明书提供的一种应用环境,在实际应用中,所述图像采集装置10可以为多个,所述假币辅助收缴装置20也可以为多个,例如,可以每个网点均设置一个图像采集装置10和一个图像采集装置10,本说明书不做限制。
本说明书实施例提供了一种假币辅助收缴方法,可以应用于上述的假币辅助收缴装置侧,参考图2所示,在本说明书一些实施例中,假币辅助收缴方法可以包括以下步骤:
步骤201、获取假币图像和证件图像。
步骤202、从所述假币图像中识别货币特征,并从所述证件图像中识别证件内容。
步骤203、提取所述假币图像中的货币唯一标识。
步骤204、将所述证件内容、所述货币特征及所述货币唯一标识封装为假币收缴信息。
步骤205、向上位机发送所述假币收缴信息。
本说明书实施例中,在获取到假币图像和证件图像后,可以从假币图像中识别货币特征,从证件图像中识别证件内容,并提取假币图像中的货币唯一标识,然后将证件内容、货币特征及货币唯一标识封装为假币收缴信息并提供给上位机;从而实现假币及持有人证件相关信息的自动采集和录入,因而提高了假币收缴的收缴效率;而且与人工录入假币收缴信息相比,自动录入假币收缴信息不易出错,从而也提高了假币收缴的信息准确性。
假币图像是指被识别确认为假币的图像;在本说明书的实施例中,假币一般是指面额相对较大的纸币、塑料币、半纸半塑料币等非硬币假币。当然,在其他实施例中,也可以应用于硬币假币,本说明书对此不作唯一限定。证件图像是指可表明假币持有人身份的证件对应的图像。在本说明书一些实施例中,从证件例如可以包括但不限于身份证、户口簿、驾驶证、护照、签证等。
在本说明书一些实施例中,从所述假币图像中识别货币特征可以包括基于预训练的货币识别模型识别所述假币图像中的货币特征。即可以将所述假币图像的图像数据输入至货币识别模型,从而预测出假币图像中的货币特征。在本说明书一些实施例中,货币特征可以包括币种(例如人民币、美元、欧元等)、面额(例如10元、20元、50元、100元等)和版别(例如1999年版、2005年版、2015年版)等,具体可以根据实际需要自定义。
货币识别模型可以预先通过训练深度神经网络获得;例如,在一示例性实施例中,货币识别模型可以预先通过训练卷积神经网络(Convolutional Neural Network,CNN)的ResNet(Residual Networks)网络中,并以Ranger优化器作为优化器训练得到。ResNet网络易于优化,并且能够通过增加相当的深度来提高模型准确率。考虑到Ranger优化器兼具有radam优化器和lookahead优化器的优点,为了削弱因增加ResNet网络深度所带来的训练时间及训练复杂度开销的增加,可以采用Ranger优化器来加快ResNet网络的训练速度。如此,可以获得一个训练成本低且预测准确率高的货币识别模型。
此外,模型训练所使用的数据样本可以为本国或本地区范围内的大量货币图像(例如成千上万张不同货币的货币图像)。当然,在其他实施例中,当需要对本币和外币进行假币收缴时,模型训练所使用的数据样本亦可以包括本币和各种外币的货币图像。
结合图3所示,在本说明书一些实施例中,从所述证件图像中识别证件内容可以包括以下步骤:
步骤301、基于预训练的证件类型识别模型识别所述证件图像对应的证件类型。
证件类型识别模型也可以预先通过训练深度神经网络获得;例如,在一示例性实施例中,证件类型识别模型可以预先通过训练CNN的ResNet网络中,并以Ranger优化器作为优化器训练得到。类似于货币识别模型的训练,证件类型识别模型的训练中采用CNN的ResNet网络+Ranger优化器的组合,同样可以达到兼顾模型准确率和模型训练速度的效率。
此外,模型训练所使用的数据样本可以为大量证件图像(例如成千上万张不同证件的证件图像)。证件类型即为证件的种类,例如,在一示例性实施例中,证件类型可以分为身份证、驾驶证、护照、签证等不同类型。
步骤302、根据所述证件类型将所述证件图像切分为多个图像切片,每个所述图像切片均包含证件内容。
不同类型证件所包含的信息不同,且版式样式不同;因此,可以预先设定每种证件类型对应的切分策略;当识别出证件类型时,则可以根据该证件类型匹配对应的切分策略,并根据匹配到的切分策略对证件图像进行切分;如此,可以提高证件识别效率。其中,切分策略中包含切分区域和切分数量等。例如,在一示例性实施例中,以身份证为例,可以将身份证图像40的正面按照图5中的虚线框所示的切分范围,从身份证图像40中切分出包含姓名信息的图像切片41,以及包含身份证号码的图像切片41。
步骤303、基于光学字符识别模块识别每个所述图像切片中的证件内容。
在本说明书一些实施例中,可以利用光学字符识别模块(Optical CharacterRecognition,OCR)从每个图像切片中识别提取出可编辑的证件内容。其中,证件内容可以包括但不限于证件名称、证件人姓名和证件号码等。
例如,在一示例性实施例中,可以利用OCR中的CRNN从图5所示的图像切片41中识别提取证件内容:“姓名:xxx”和“公民身份号码:xxxxxxxxxxxxxxxxxx”。
结合图4所示,在本说明书一些实施例中,提取所述假币图像中的货币唯一标识,可以包括以下步骤:
步骤401、确认所述假币图像中是否包含货币唯一标识。
在本说明书实施例中,货币唯一标识不仅可以用于唯一标识一张货币的字符串序列(例如人民币中的“冠字码”),还可以用于货币真伪检验。因此,如果假币图像中包含有货币唯一标识,则可以提取假币图像中的货币唯一标识,并将其作为假币收缴信息中的一部部分。
不同版别的真实货币的版式不同,可能存在某些版别的真实货币未设有货币唯一标识的情况,而每张假币均模仿对应版式的真实货币,同样也存在未设有货币唯一标识的情况。因此,对于任意一幅假币图像,可以根据其货币特征(主要为版别和面额),来确认该幅假币图像中是否包含货币唯一标识。具体而言,可以根据货币特征查询货币描述数据库,以确认该假币图像中是否包含货币唯一标识。其中,货币描述数据库中包含各种真实货币的描述字段,是否设有货币唯一标识是其中的一个描述字段。
步骤402、若所述假币图像中包含货币唯一标识,则基于光学字符识别模块提取所述假币图像中的货币唯一标识。
步骤403、若所述假币图像中不包含货币唯一标识,将所述证件内容及所述货币特征封装为假币收缴信息。
将所述证件内容及所述货币特征封装为假币收缴信息可以包括:将所述证件内容及所述货币特征自动填充至假币收缴信息模板中,以生成对应的假币收缴信息。同理,将所述证件内容、所述货币特征及所述货币唯一标识封装为假币收缴信息可以包括:将所述证件内容、所述货币特征及所述货币唯一标识,自动填充至假币收缴信息模板中,以生成对应的假币收缴信息。其中,假币收缴信息模板是预设的用于录入假币收缴信息的信息模板,假币收缴信息模板的具体样式可以由相关监管机构自定义。
如上文所述,货币识别模型和证件类型识别模型均是预训练的深度神经网络模型,预测结果均是最大概率值对应的预测结果;但在一些情况下,可能预测结果对应的最大概率值比较低的情况,从而使得预测结果的准确性和可靠性难以保证。因此,在本说明书一些实施例中,为了进一步提高假币收缴信息的准确性和可靠性,从所述假币图像中识别货币特征,还可以包括:当识别出的货币特征的概率值低于概率阈值时,对该货币特征进行标记,以供所述上位机二次确认。同理,在本说明书另一些实施例中,为了进一步提高假币收缴信息的准确性和可靠性,从所述证件图像中识别证件内容,还可以包括:当识别出的证件内容的概率值低于概率阈值时,对该证件内容进行标记,以供所述上位机二次确认。其中,供所述上位机二次确认可以是指:供上位机侧的相关人员进行人工二次确认。
上述的标记可以为任何合适的标记方式。例如,在一示例性实施例中,标记可以为:将该货币特征对应的字体变为红色加粗字体;再如,在另一示例性实施例中,标记可以为:在对应位置增加指定标记符号(如“#”等)。
在本说明书一些实施例中,所述向上位机发送所述假币收缴信息可以包括:通过消息中间件向所述上位机发送所述假币收缴信息;如此,可以降低假币辅助收缴装置的处理负担,更易于实现。例如,在一示例性实施例中,可以通过TongLINK/Q V8.1消息中间件向所述上位机发送所述假币收缴信息。
虽然上文描述的过程流程包括以特定顺序出现的多个操作,但是,应当清楚了解,这些过程可以包括更多或更少的操作,这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。
参考图6所示,在本说明书一些实施例中,上述的假币辅助收缴装置可以包括:
获取模块61,用于获取假币图像和证件图像;
识别模块62,用于从所述假币图像中识别货币特征,并从所述证件图像中识别证件内容;
提取模块63,用于提取所述假币图像中的货币唯一标识;
封装模块64,用于将所述证件内容、所述货币特征及所述货币唯一标识封装为假币收缴信息;
发送模块65,用于向上位机发送所述假币收缴信息。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
需要说明的是,本说明书的实施例中,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),均为经用户授权同意且经过各方充分授权的信息和数据。
本说明书的实施例还提供一种计算机设备。如图7所示,在本说明书一些实施例中,所述计算机设备702可以包括一个或多个处理器704,诸如一个或多个中央处理单元(CPU)或图形处理器(GPU),每个处理单元可以实现一个或多个硬件线程。计算机设备702还可以包括任何存储器706,其用于存储诸如代码、设置、数据等之类的任何种类的信息,一具体实施例中,存储器706上并可在处理器704上运行的计算机程序,所述计算机程序被所述处理器704运行时,可以执行上述任一实施例所述的假币辅助收缴方法的指令。非限制性的,比如,存储器706可以包括以下任一项或多种组合:任何类型的RAM,任何类型的ROM,闪存设备,硬盘,光盘等。更一般地,任何存储器都可以使用任何技术来存储信息。进一步地,任何存储器可以提供信息的易失性或非易失性保留。进一步地,任何存储器可以表示计算机设备702的固定或可移除部件。在一种情况下,当处理器704执行被存储在任何存储器或存储器的组合中的相关联的指令时,计算机设备702可以执行相关联指令的任一操作。计算机设备702还包括用于与任何存储器交互的一个或多个驱动机构708,诸如硬盘驱动机构、光盘驱动机构等。
计算机设备702还可以包括输入/输出接口710(I/O),其用于接收各种输入(经由输入设备712)和用于提供各种输出(经由输出设备714)。一个具体输出机构可以包括呈现设备716和相关联的图形用户接口718(GUI)。在其他实施例中,还可以不包括输入/输出接口710(I/O)、输入设备712以及输出设备714,仅作为网络中的一台计算机设备。计算机设备702还可以包括一个或多个网络接口720,其用于经由一个或多个通信链路722与其他设备交换数据。一个或多个通信总线724将上文所描述的部件耦合在一起。
通信链路722可以以任何方式实现,例如,通过局域网、广域网(例如,因特网)、点对点连接等、或其任何组合。通信链路722可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称假币辅助收缴装置等的任何组合。
本申请是参照本说明书一些实施例的方法、设备(系统)、计算机可读存储介质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器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器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器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器上,使得在计算机或其他可编程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。
在一个典型的配置中,计算机设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算机设备访问的信息。按照本说明书中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书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,本说明书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。
本说明书实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理器来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
还应理解,在本说明书实施例中,术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系。例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,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。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (16)
1.一种假币辅助收缴方法,其特征在于,包括:
获取假币图像和证件图像;
从所述假币图像中识别货币特征,并从所述证件图像中识别证件内容;
提取所述假币图像中的货币唯一标识;
将所述证件内容、所述货币特征及所述货币唯一标识封装为假币收缴信息;
向上位机发送所述假币收缴信息。
2.如权利要求1所述的假币辅助收缴方法,其特征在于,从所述假币图像中识别货币特征,包括:
基于预训练的货币识别模型识别所述假币图像中的货币特征。
3.如权利要求1所述的假币辅助收缴方法,其特征在于,所述货币特征包括:币种、面额和版别。
4.如权利要求1所述的假币辅助收缴方法,其特征在于,从所述证件图像中识别证件内容,包括:
基于预训练的证件类型识别模型识别所述证件图像对应的证件类型;
根据所述证件类型将所述证件图像切分为多个图像切片,每个所述图像切片均包含证件内容;
基于光学字符识别模块识别每个所述图像切片中的证件内容。
5.如权利要求1所述的假币辅助收缴方法,其特征在于,所述证件内容包括证件名称、证件人姓名和证件号码。
6.如权利要求1所述的假币辅助收缴方法,其特征在于,提取所述假币图像中的货币唯一标识,包括:
确认所述假币图像中是否包含货币唯一标识;
若所述假币图像中包含货币唯一标识,则基于光学字符识别模块提取所述假币图像中的货币唯一标识。
7.如权利要求6所述的假币辅助收缴方法,其特征在于,在确认所述假币图像中是否包含货币唯一标识之后,还包括:
若所述假币图像中不包含货币唯一标识,将所述证件内容及所述货币特征封装为假币收缴信息。
8.如权利要求1所述的假币辅助收缴方法,其特征在于,将所述证件内容、所述货币特征及所述货币唯一标识封装为假币收缴信息,包括:
将所述证件内容、所述货币特征及所述货币唯一标识,自动填充至假币收缴信息模板中,以生成对应的假币收缴信息。
9.如权利要求2所述的假币辅助收缴方法,其特征在于,从所述假币图像中识别货币特征,还包括:
当识别出的货币特征的概率值低于概率阈值时,对该货币特征进行标记,以供所述上位机二次确认。
10.如权利要求2所述的假币辅助收缴方法,其特征在于,从所述证件图像中识别证件内容,还包括:
当识别出的证件内容的概率值低于概率阈值时,对该证件内容进行标记,以供所述上位机二次确认。
11.如权利要求1所述的假币辅助收缴方法,其特征在于,所述向上位机发送所述假币收缴信息,包括:
通过消息中间件向所述上位机发送所述假币收缴信息。
12.一种假币辅助收缴系统,其特征在于,包括:
图像采集装置,用于采集假币图像和证件图像;
假币辅助收缴装置,用于获取所述假币图像和所述证件图像;从所述假币图像中识别货币特征,并从所述证件图像中识别证件内容;提取所述假币图像中的货币唯一标识;将所述证件内容、所述货币特征及所述货币唯一标识封装为假币收缴信息;向上位机发送所述假币收缴信息。
13.一种假币辅助收缴装置,其特征在于,包括:
获取模块,用于获取假币图像和证件图像;
识别模块,用于从所述假币图像中识别货币特征,并从所述证件图像中识别证件内容;
提取模块,用于提取所述假币图像中的货币唯一标识;
封装模块,用于将所述证件内容、所述货币特征及所述货币唯一标识封装为假币收缴信息;
发送模块,用于向上位机发送所述假币收缴信息。
14.一种计算机设备,包括存储器、处理器、以及存储在所述存储器上的计算机程序,其特征在于,所述计算机程序被所述处理器运行时,执行根据权利要求1-11任意一项所述方法的指令。
15.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被计算机设备的处理器运行时,执行根据权利要求1-11任意一项所述方法的指令。
16.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被计算机设备的处理器运行时,执行根据权利要求1-11任意一项所述方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310848053.8A CN116959165A (zh) | 2023-07-11 | 2023-07-11 | 假币辅助收缴方法、装置、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310848053.8A CN116959165A (zh) | 2023-07-11 | 2023-07-11 | 假币辅助收缴方法、装置、系统、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116959165A true CN116959165A (zh) | 2023-10-27 |
Family
ID=88452280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310848053.8A Pending CN116959165A (zh) | 2023-07-11 | 2023-07-11 | 假币辅助收缴方法、装置、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116959165A (zh) |
-
2023
- 2023-07-11 CN CN202310848053.8A patent/CN116959165A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110634223A (zh) | 票据校验方法及装置 | |
CN110516664A (zh) | 票据识别方法、装置、电子设备及存储介质 | |
CN110363667A (zh) | 基于ai的订单融资处理方法、装置、计算机设备及存储介质 | |
CN111415336A (zh) | 一种图像篡改识别方法、装置、服务器及存储介质 | |
Jha et al. | Automation of cheque transaction using deep learning and optical character recognition | |
CN111462388A (zh) | 一种票据检验方法、装置、终端设备及存储介质 | |
CN110738184B (zh) | 纸质凭证的预警信息生成方法及装置 | |
CN112487982A (zh) | 商户信息的审核方法、系统和存储介质 | |
CN113469005A (zh) | 一种银行回单的识别方法、相关装置及存储介质 | |
CN117746117A (zh) | 变体图像识别及其模型训练方法、及电子设备 | |
CN117523586A (zh) | 支票印章的验证方法、装置、电子设备和介质 | |
CN116959165A (zh) | 假币辅助收缴方法、装置、系统、设备及存储介质 | |
CN111104853A (zh) | 图像信息录入方法、装置、电子设备及存储介质 | |
CN116246294A (zh) | 图像信息识别方法、装置、存储介质和电子设备 | |
CN112308141B (zh) | 一种扫描票据分类方法、系统及可读存储介质 | |
CN108537945A (zh) | 票据水印检测方法、系统及自助设备 | |
CN108109284A (zh) | 存款业务处理方法、设备及计算机可读存储介质 | |
CN110415424B (zh) | 一种防伪鉴定方法、装置、计算机设备和存储介质 | |
CN116092094A (zh) | 图像文本识别方法、装置、计算机可读介质及电子设备 | |
CN112132693A (zh) | 交易验证方法、装置、计算机设备与计算机可读存储介质 | |
CN113240188A (zh) | 基于增强现实ar的填单处理方法及装置 | |
CN111652272A (zh) | 图像处理方法及装置、计算机设备、存储介质 | |
CN114120546B (zh) | 基于区块链及人脸识别的跨行取款方法及装置 | |
CN103793486A (zh) | 对印鉴组合数据进行存储、验印的方法和系统 | |
KR102341893B1 (ko) | 지폐 데이터 자동 수집을 통한 지폐 인식 프로그램의 최신화를 위한 지폐 정사기와 서버 장치 및 이들의 제어 방법 |
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 |