CN117115486A - 纸币版本的识别方法、装置和电子设备 - Google Patents
纸币版本的识别方法、装置和电子设备 Download PDFInfo
- Publication number
- CN117115486A CN117115486A CN202311354787.7A CN202311354787A CN117115486A CN 117115486 A CN117115486 A CN 117115486A CN 202311354787 A CN202311354787 A CN 202311354787A CN 117115486 A CN117115486 A CN 117115486A
- Authority
- CN
- China
- Prior art keywords
- image
- identified
- version
- pixel
- target area
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012417 linear regression Methods 0.000 claims abstract description 11
- 238000010586 diagram Methods 0.000 claims description 50
- 230000005540 biological transmission Effects 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
Abstract
本发明提供一种纸币版本的识别方法、装置和电子设备,该识别方法包括:对待识别纸币的初始图像进行旋转及拼接处理,得到双面拼接图像;基于预设的标准值N0和初始值N1对双面拼接图像中的预设的目标区域进行二值化处理,得到二值化图像;对二值化图像进行垂直投影以及线性回归,得到目标区域的黑点折线图;基于待识别纸币的发行主体和面额,将目标区域的黑点折线图与预设的标准折线图进行数据对比,以确定待识别纸币的版本。本申请通过基于预设的像素值N0、N1进行二值化处理、通过线性回归进行折线拟合以进行版本识别,能够提高识别速度和精准度。
Description
技术领域
本发明涉及纸币识别技术领域,尤其是涉及一种纸币版本的识别方法、装置和电子设备。
背景技术
目前国内外各大银行普遍要求硬件提供商实现纸币图像的精确识别。鉴于神经网络识别技术的不断发展,纸币图像识别的准确率虽已大幅提升,但由于同一面额的不同版本的纸币极其相似,现有技术还是无法准确区分同一面额的纸币的版本,且由于纸币因流通导致磨损、脏污等问题,也为纸币的版本识别增加了难度。
发明内容
基于此,本发明提供一种纸币版本的识别方法和装置,以精准区分纸币的版本。
第一方面,本发明实施例一种纸币版本的识别方法,所述识别方法包括:S1:对待识别纸币的初始图像进行旋转及拼接处理,得到双面拼接图像;S2:基于预设的标准值N0和初始值N1对双面拼接图像中的预设的目标区域进行二值化处理,得到二值化图像;S3:对二值化图像进行垂直投影以及线性回归,得到目标区域的黑点折线图;S4:基于待识别纸币的发行主体和面额,将目标区域的黑点折线图与预设的标准折线图进行数据对比,以确定待识别纸币的版本。
进一步地,S1包括:S11:分别采集待识别纸币正面的绿光透射图、红光反射图以及反面的红光反射图,得到绿光透射图、红光反射正图和红光反射反图;S12:对绿光透射图进行线性拟合,得到倾斜角度Zrf;S13:根据倾斜角度Zrf对所述待识别纸币的红光反射正图和红光反射反图采用临近插值算法依次进行旋转、旋转后进行拼接,得到待识别纸币的初始拼接图像;S14:对初始拼接图像进行区块归一化处理,得到双面拼接图像。
进一步地,S2包括:S21:根据待识别纸币的发行主体和面额确定目标区域;S22:对目标区域进行去噪,得到去噪目标区域;S23:基于预设的标准值N0和初始值N1对去噪目标区域的像素点的像素值进行二值化处理,得到二值化图像。
进一步地,S23包括:S231:基于预设的初始值N1分割去噪目标区域,得到第一区域S1和第二区域S2,其中,第一区域S1是由像素值大于N1的像素点组成,第二区域S2是由像素值小于或等于N1的像素点组成;S232:分别计算第一区域S1与第二区域S2中所有像素点的像素值的平均值W1和W2;S233:取W1和W2的均值得到更新阈值N2;S234:判断|N1-N2|是否小于N0;S235:若|N1-N2|<N0,则将N2作为最优阈值N’;S236:若|N1-N2|≥N0,将N2赋值给N1,并重复步骤S231-S234,直到|N1-N2|<N0;S237:将去噪目标区域的像素点的像素值大于最优阈值N’的点赋像素值255;将去噪目标区域的像素点的像素值小于或等于最优阈值N’的点赋像素值0,得到二值化图像。
进一步地,S32包括:S31:对二值化图像进行垂直投影积分计算,得到黑点散点图;S32:对所述黑点散点图进行分段线性拟合,得到黑点折线图。
进一步地,S32包括:S321:将黑点散点图的纵坐标最高的像素点作为分段折点,设坐标为(x1,L1);S322:拟合分段折点前黑点散点图的第一折线;S323:拟合分段折点后黑点散点图的第二折线。
进一步地,S4包括:根据余弦相似度,将待识别纸币的黑点折线图与对应的标准折线图进行对比,从而确定待识别纸币的版本。
第二方面,本发明实施例提供一种纸币版本的识别装置,所述识别装置包括:拼接模块,用于对待识别纸币的初始图像进行旋转及拼接处理,得到双面拼接图像;二值化模块,用于基于预设的标准值N0和初始值N1对双面拼接图像中的预设的目标区域进行二值化处理,得到二值化图像;折线拟合模块,用于对二值化图像进行垂直投影以及线性回归,得到目标区域的黑点折线图;版本确定模块,用于基于待识别纸币的发行主体和面额,将目标区域的黑点折线图与预设的标准折线图进行数据对比,以确定待识别纸币的版本。
第三方面,本发明实施例提供一种电子设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行上述纸币版本的识别方法的步骤。
本发明实施例的有益效果如下:
本申请的识别方法包括:S1:对待识别纸币的初始图像进行旋转及拼接处理,得到双面拼接图像;S2:基于预设的标准值N0和初始值N1对双面拼接图像中的预设的目标区域进行二值化处理,得到二值化图像;S3:对二值化图像进行垂直投影以及线性回归,得到目标区域的黑点折线图;S4:基于待识别纸币的发行主体和面额,将目标区域的黑点折线图与预设的标准折线图进行数据对比,以确定待识别纸币的版本。本申请通过基于预设的像素值N0、N1进行二值化处理、通过线性回归进行折线拟合以进行版本识别,能够提高识别速度和精准度。
本发明的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本发明的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施方式,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为本发明实施例提供的一种纸币版本的识别方法的流程图;
图2为本发明实施例提供的一种双面拼接图像的示意图;
图3为本发明实施例提供的一种俄罗斯发行的2010版5000面额的双面拼接图像的部分的示意图;
图4为本发明实施例提供的一种俄罗斯发行的2007版5000面额的双面拼接图像的部分的示意图;
图5为本发明实施例提供的一种俄罗斯发行的2010版5000面额的去噪目标区域的示意图;
图6为本发明实施例提供的一种俄罗斯发行的2007版5000面额的去噪目标区域的示意图;
图7为本发明实施例提供的一种俄罗斯发行的2010版5000面额的去噪目标区域的二值化图;
图8为本发明实施例提供的一种俄罗斯发行的2007版5000面额的去噪目标区域的二值化图;
图9为本发明实施例提供的一种俄罗斯发行的2010版5000面额的黑点散点图和黑点折线图;
图10为本发明实施例提供的一种二值化处理的流程图;
图11为本发明实施例提供的一种电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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。
实施例
如图1所示,本实施例的纸币版本的识别方法包括:
S1:对待识别纸币的初始图像进行旋转及拼接处理,得到双面拼接图像。
S1包括:
S11:分别采集待识别纸币正面的绿光透射图、红光反射图以及反面的红光反射图,得到绿光透射图、红光反射正图和红光反射反图。
具体地,绿光透射图、红光反射正图和红光反射反图为初始图像。
S12:对绿光透射图进行线性拟合,得到倾斜角度Zrf。
S13:根据倾斜角度Zrf对所述待识别纸币的红光反射正图和红光反射反图采用临近插值算法依次进行旋转、旋转后进行拼接,得到待识别纸币的初始拼接图像。
S14:对初始拼接图像进行区块归一化处理,得到双面拼接图像。
如图2所示,为双面拼接图像的示意图,该图的像素长度为400像素,高度为240像素。
S2:基于预设的标准值N0和初始值N1对双面拼接图像中的预设的目标区域进行二值化处理,得到二值化图像。
S2包括:
S21:根据待识别纸币的发行主体和面额确定目标区域。
具体地,一般来说,同一国家/地区发行的同一面额的纸币大体是相同,只有很小的区域会有差别,因此,本实施例后续只识别有区别的小区域(即目标区域)的特征以进行版本的识别,这样可以减小计算量,识别结果也更加精确。
再具体地,如图3、图4分别为俄罗斯发行的2010版5000面额的双面拼接图像的部分的示意图、2007版5000面额的双面拼接图像的部分的示意图。这2种版本的纸币只有“树”附近的区域存在细微的差别,因此,将该区域作为目标区域,即图3、图4中方框框住的区域,该区域的像素长度为90,高度为70。
S22:对目标区域进行去噪,得到去噪目标区域。
具体地,俄罗斯发行的2010版5000面额的去噪目标区域和2007版5000面额的去噪目标区域示意图见图5和图6。
S23:基于预设的标准值N0和初始值N1对去噪目标区域的像素点的像素值进行二值化处理,得到二值化图像。
S231:基于预设的初始值N1分割去噪目标区域,得到第一区域S1和第二区域S2,其中,第一区域S1是由像素值大于N1的像素点组成,第二区域S2是由像素值小于或等于N1的像素点组成。
第一区域S1的像素点个数为m,各像素点的像素值为Ai;第二区域S2的像素点个数为n,各像素点的像素值为Bi。
S232:分别计算第一区域S1与第二区域S2中所有像素点的像素值的平均值W1和W2。
1);
2);
S233:取W1和W2的均值得到更新阈值N2。
3)。
S234:判断|N1-N2|是否小于N0。
S235:若|N1-N2|<N0,则将N2作为最优阈值N’。
其中,N1、N0均为预设的值。
S236:若|N1-N2|≥N0,将N2赋值给N1,并重复步骤S231-S234,直到|N1-N2|<N0
S237:将去噪目标区域的像素点的像素值大于最优阈值N’的点赋像素值255;将去噪目标区域的像素点的像素值小于或等于最优阈值N’的点赋像素值0,得到二值化图像。
具体地,像素值为255代表该点为白点,像素值为0代表该点为黑点,到此,得到非黑即白的二值化图像。
S23的步骤如图10所示。
再具体地,图7和图8分别为俄罗斯发行的2010版5000面额的去噪目标区域的二值化图像和2007版5000面额的去噪目标区域的二值化图像。
S3:对二值化图像进行垂直投影以及线性回归,得到目标区域的黑点折线图。
S3包括:
S31:对二值化图像进行垂直投影积分计算,得到黑点散点图。
具体地,设A(x,y)是二值化图像在像素点(x,y)的像素值,则代表二值化图像共有x*y个像素点,二值化图像在[1-x]积分投影为:
4);
其中,L-iNum为二值化图像在该列的黑点的个数。
S32:对黑点散点图进行分段线性拟合,得到黑点折线图。
具体地,黑点散点图为如图9所示的散点,黑点折线图为如图9所示的折线。图9的横坐标代表二值化图像的列,纵坐标代表黑点个数L。图9为俄罗斯发行的2010版5000面额的黑点散点图和黑点折线图。
S32分段拟合的过程包括:
S321:将黑点散点图的纵坐标最高的像素点作为分段折点,设坐标为(x1,L1)。
S322:拟合分段折点前黑点散点图的第一折线。
具体地,在0-x1范围内,将采集到的黑点进行线性拟合后得到第一折线,第一折线的表达式为:
5);
其中,为第一折线的斜率,L0为纵截距。
S323:拟合分段折点后黑点散点图的第二折线。
具体地,在0-xt范围内,将采集到的黑点进行线性拟合后得到第二折线,第二折线的表达式为:
6);
其中,xt代表最后出现黑点的列,为第二折线的斜率,Lt代表二值化图像的第t列的黑点个数。
S4:基于待识别纸币的发行主体和面额,将目标区域的黑点折线图与预设的标准折线图进行数据对比,以确定待识别纸币的版本。
具体地,标准折线图是对大量样本纸币执行S1-S3相同的处理方法得到的。
S4包括:根据余弦相似度,将待识别纸币的黑点折线图与相对应的标准折线图进行对比,从而确定待识别纸币的版本。
再具体地,相似度阈值可以设置为0.9。
本实施例通过基于预设的像素值N0、N1进行二值化处理、通过线性回归进行折线拟合以进行版本识别,能够提高版本识别速度和精准度。
实施例
本实施例提供一种纸币版本的识别装置,该识别装置包括:
拼接模块,用于对待识别纸币的初始图像进行旋转及拼接处理,得到双面拼接图像。
二值化模块,用于基于预设的标准值N0和初始值N1对双面拼接图像中的预设的目标区域进行二值化处理,得到二值化图像。
折线拟合模块,用于对二值化图像进行垂直投影以及线性回归,得到目标区域的黑点折线图。
版本确定模块,用于基于待识别纸币的发行主体和面额,将目标区域的黑点折线图与预设的标准折线图进行数据对比,以确定待识别纸币的版本。
本发明实施例所提供的纸币版本的识别装置,其实现原理及产生的技术效果和前述的纸币版本的识别装置方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
实施例
图11示出了本申请实施例所提供的一种电子设备的结构示意图,包括:处理器401、存储介质402和总线403,所述存储介质402存储有所述处理器401可执行的机器可读指令,当电子设备运行如实施例中的数据提取方法时,所述处理器401与所述存储介质402之间通过总线403通信,所述处理器401执行所述机器可读指令,以执行如实施例中的步骤。
在实施例中,所述存储介质402还可以执行其它机器可读指令,以执行如实施例中其它所述的方法,关于具体执行的方法步骤和原理参见实施例的说明,在此不再详细赘述。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (9)
1.一种纸币版本的识别方法,其特征在于,所述识别方法包括:
S1:对待识别纸币的初始图像进行旋转及拼接处理,得到双面拼接图像;
S2:基于预设的标准值N0和初始值N1对双面拼接图像中的预设的目标区域进行二值化处理,得到二值化图像;
S3:对二值化图像进行垂直投影以及线性回归,得到目标区域的黑点折线图;
S4:基于待识别纸币的发行主体和面额,将目标区域的黑点折线图与预设的标准折线图进行数据对比,以确定待识别纸币的版本。
2.根据权利要求1所述的纸币版本的识别方法,其特征在于,S1包括:
S11:分别采集待识别纸币正面的绿光透射图、红光反射图以及反面的红光反射图,得到绿光透射图、红光反射正图和红光反射反图;
S12:对绿光透射图进行线性拟合,得到倾斜角度Zrf;
S13:根据倾斜角度Zrf对所述待识别纸币的红光反射正图和红光反射反图采用临近插值算法依次进行旋转、旋转后进行拼接,得到待识别纸币的初始拼接图像;
S14:对初始拼接图像进行区块归一化处理,得到双面拼接图像。
3.根据权利要求1所述的纸币版本的识别方法,其特征在于,S2包括:
S21:根据待识别纸币的发行主体和面额确定目标区域;
S22:对目标区域进行去噪,得到去噪目标区域;
S23:基于预设的标准值N0和初始值N1对去噪目标区域的像素点的像素值进行二值化处理,得到二值化图像。
4.根据权利要求3所述的纸币版本的识别方法,其特征在于,S23包括:
S231:基于预设的初始值N1分割去噪目标区域,得到第一区域S1和第二区域S2,其中,第一区域S1是由像素值大于N1的像素点组成,第二区域S2是由像素值小于或等于N1的像素点组成;
S232:分别计算第一区域S1与第二区域S2中所有像素点的像素值的平均值W1和W2;
S233:取W1和W2的均值得到更新阈值N2;
S234:判断|N1-N2|是否小于N0;
S235:若|N1-N2|<N0,则将N2作为最优阈值N’;
S236:若|N1-N2|≥N0,将N2赋值给N1,并重复步骤S231-S234,直到|N1-N2|<N0;
S237:将去噪目标区域的像素点的像素值大于最优阈值N’的点赋像素值255;将去噪目标区域的像素点的像素值小于或等于最优阈值N’的点赋像素值0,得到二值化图像。
5.根据权利要求1所述的纸币版本的识别方法,其特征在于,S32包括:
S31:对二值化图像进行垂直投影积分计算,得到黑点散点图;
S32:对所述黑点散点图进行分段线性拟合,得到黑点折线图。
6.根据权利要求5所述的纸币版本的识别方法,其特征在于,S32包括:
S321:将黑点散点图的纵坐标最高的像素点作为分段折点,设坐标为(x1,L1);
S322:拟合分段折点前黑点散点图的第一折线;
S323:拟合分段折点后黑点散点图的第二折线。
7.根据权利要求1所述的纸币版本的识别方法,其特征在于,S4包括:
根据余弦相似度,将待识别纸币的黑点折线图与对应的标准折线图进行对比,从而确定待识别纸币的版本。
8.一种纸币版本的识别装置,其特征在于,所述识别装置包括:
拼接模块,用于对待识别纸币的初始图像进行旋转及拼接处理,得到双面拼接图像;
二值化模块,用于基于预设的标准值N0和初始值N1对双面拼接图像中的预设的目标区域进行二值化处理,得到二值化图像;
折线拟合模块,用于对二值化图像进行垂直投影以及线性回归,得到目标区域的黑点折线图;
版本确定模块,用于基于待识别纸币的发行主体和面额,将目标区域的黑点折线图与预设的标准折线图进行数据对比,以确定待识别纸币的版本。
9.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如权利要求1至7中任一项所述纸币版本的识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311354787.7A CN117115486B (zh) | 2023-10-19 | 2023-10-19 | 纸币版本的识别方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311354787.7A CN117115486B (zh) | 2023-10-19 | 2023-10-19 | 纸币版本的识别方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117115486A true CN117115486A (zh) | 2023-11-24 |
CN117115486B CN117115486B (zh) | 2024-03-19 |
Family
ID=88798650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311354787.7A Active CN117115486B (zh) | 2023-10-19 | 2023-10-19 | 纸币版本的识别方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117115486B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117314897A (zh) * | 2023-11-28 | 2023-12-29 | 恒银金融科技股份有限公司 | 纸币图像的失真判别方法和装置 |
CN117671849A (zh) * | 2023-12-14 | 2024-03-08 | 浙江南星科技有限公司 | 一种采用滑钞结构的立式图像扫描点钞机 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780967A (zh) * | 2017-01-09 | 2017-05-31 | 深圳怡化电脑股份有限公司 | 一种纸币版本识别方法及装置 |
CN106875542A (zh) * | 2017-01-09 | 2017-06-20 | 深圳怡化电脑股份有限公司 | 一种纸币版本的识别方法及其装置 |
CN107393126A (zh) * | 2017-07-12 | 2017-11-24 | 深圳怡化电脑股份有限公司 | 一种纸币版本分类的方法、装置、设备及存储介质 |
CN107481389A (zh) * | 2017-08-03 | 2017-12-15 | 恒银金融科技股份有限公司 | 一种纸币冠字号区域图像二值化处理方法 |
CN107610322A (zh) * | 2017-10-11 | 2018-01-19 | 深圳怡化电脑股份有限公司 | 纸币版本的识别方法、装置、电子设备以及存储介质 |
CN108062820A (zh) * | 2017-11-29 | 2018-05-22 | 深圳怡化电脑股份有限公司 | 一种纸币检测方法、纸币检测装置及电子设备 |
CN115239594A (zh) * | 2022-08-03 | 2022-10-25 | 洛阳科技职业学院 | 一种基于全变差模型的文档图像去噪方法 |
-
2023
- 2023-10-19 CN CN202311354787.7A patent/CN117115486B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780967A (zh) * | 2017-01-09 | 2017-05-31 | 深圳怡化电脑股份有限公司 | 一种纸币版本识别方法及装置 |
CN106875542A (zh) * | 2017-01-09 | 2017-06-20 | 深圳怡化电脑股份有限公司 | 一种纸币版本的识别方法及其装置 |
CN107393126A (zh) * | 2017-07-12 | 2017-11-24 | 深圳怡化电脑股份有限公司 | 一种纸币版本分类的方法、装置、设备及存储介质 |
CN107481389A (zh) * | 2017-08-03 | 2017-12-15 | 恒银金融科技股份有限公司 | 一种纸币冠字号区域图像二值化处理方法 |
CN107610322A (zh) * | 2017-10-11 | 2018-01-19 | 深圳怡化电脑股份有限公司 | 纸币版本的识别方法、装置、电子设备以及存储介质 |
CN108062820A (zh) * | 2017-11-29 | 2018-05-22 | 深圳怡化电脑股份有限公司 | 一种纸币检测方法、纸币检测装置及电子设备 |
CN115239594A (zh) * | 2022-08-03 | 2022-10-25 | 洛阳科技职业学院 | 一种基于全变差模型的文档图像去噪方法 |
Non-Patent Citations (2)
Title |
---|
俞忠原等: "《工业过程控制计算机系统》", 西安交通大学出版社, pages: 208 - 209 * |
陈财雄等: "基于水平积分投影图形状的试纸条图像匹配", 《计算机应用与软件》, vol. 30, no. 03, pages 78 - 81 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117314897A (zh) * | 2023-11-28 | 2023-12-29 | 恒银金融科技股份有限公司 | 纸币图像的失真判别方法和装置 |
CN117314897B (zh) * | 2023-11-28 | 2024-03-19 | 恒银金融科技股份有限公司 | 纸币图像的失真判别方法和装置 |
CN117671849A (zh) * | 2023-12-14 | 2024-03-08 | 浙江南星科技有限公司 | 一种采用滑钞结构的立式图像扫描点钞机 |
CN117671849B (zh) * | 2023-12-14 | 2024-05-14 | 浙江南星科技有限公司 | 一种采用滑钞结构的立式图像扫描点钞机 |
Also Published As
Publication number | Publication date |
---|---|
CN117115486B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117115486B (zh) | 纸币版本的识别方法、装置和电子设备 | |
US11580647B1 (en) | Global and local binary pattern image crack segmentation method based on robot vision | |
CN116168026B (zh) | 基于计算机视觉的水质检测方法及系统 | |
EP3176751B1 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
CN110781885A (zh) | 基于图像处理的文本检测方法、装置、介质及电子设备 | |
US20180101710A1 (en) | Method and apparatus for recognizing fingerprint ridge point | |
US9202146B2 (en) | Duplicate check image resolution | |
CN116110053B (zh) | 基于图像识别的集装箱表面信息检测方法 | |
CN107220962B (zh) | 一种隧道裂纹的图像检测方法和装置 | |
CN111882568B (zh) | 火灾图像边缘提取处理方法、终端及系统 | |
CN111179295B (zh) | 改进的二维Otsu阈值图像分割方法和系统 | |
US10013619B2 (en) | Method and device for detecting elliptical structures in an image | |
CN105095835A (zh) | 行人检测方法及系统 | |
CN114511523A (zh) | 基于自监督学习的胃癌分子亚型分类方法及装置 | |
CN107680246B (zh) | 一种纸币图案中的曲线边界定位方法及设备 | |
CN116168030B (zh) | 极片的缺陷检测方法、装置、电子设备及存储介质 | |
CN109871779B (zh) | 掌纹识别的方法及电子设备 | |
CN117037105A (zh) | 基于深度学习的路面灌缝检测方法、系统、终端及介质 | |
WO2024016632A1 (zh) | 亮点定位方法、亮点定位装置、电子设备及存储介质 | |
CN114821194B (zh) | 一种设备运行状态识别方法及装置 | |
CN116596899A (zh) | 基于荧光图像识别循环肿瘤细胞方法、装置、终端及介质 | |
WO2022121858A1 (zh) | 图像处理方法、指纹信息提取方法、装置、设备、产品及介质 | |
CN116206229A (zh) | 目标检测方法和装置 | |
CN111832419B (zh) | 手指静脉验证方法、电子设备和存储介质 | |
CN114612802A (zh) | 基于mbcnn的舰船目标细粒度分类系统及方法 |
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 |