RU2661529C1 - Способ и устройство классификации и идентификации банкнот на основе цветового пространства lab - Google Patents
Способ и устройство классификации и идентификации банкнот на основе цветового пространства lab Download PDFInfo
- Publication number
- RU2661529C1 RU2661529C1 RU2017127919A RU2017127919A RU2661529C1 RU 2661529 C1 RU2661529 C1 RU 2661529C1 RU 2017127919 A RU2017127919 A RU 2017127919A RU 2017127919 A RU2017127919 A RU 2017127919A RU 2661529 C1 RU2661529 C1 RU 2661529C1
- Authority
- RU
- Russia
- Prior art keywords
- gray
- absolute value
- banknote
- detected
- values
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 239000003086 colorant Substances 0.000 claims abstract description 14
- 230000009466 transformation Effects 0.000 claims abstract description 6
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000006467 substitution reaction Methods 0.000 claims 1
- 239000000126 substance Substances 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 5
- 210000003128 head Anatomy 0.000 description 5
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G07D7/06—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 using wave or particle radiation
- G07D7/12—Visible light, infrared or ultraviolet radiation
- G07D7/1205—Testing spectral properties
-
- 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
- G07D7/2008—Testing patterns thereon using pre-processing, e.g. de-blurring, averaging, normalisation or rotation
-
- 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
- G07D7/205—Matching spectral properties
-
- 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
- G07D7/2075—Setting acceptance levels or parameters
- G07D7/2091—Setting a plurality of levels
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Facsimile Image Signal Circuits (AREA)
- Color Image Communication Systems (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
Abstract
Изобретение относится к средствам классификации и идентификации банкнот на основе цветового пространства Lab. Технический результат заключается в обеспечении увеличения коэффициента распознавания номинальных стоимостей банкнот. Способ содержит: получение RGB-изображения банкноты, которая должна быть детектирована; вычисление значений серого Gray R, Gray G и Gray B RGB-изображения в полосах частот красного (R), зеленого (G) и синего (B) цветов; преобразование Gray R, Gray G и Gray B в значения серого Gray a и Gray b в цветовом пространстве Lab и сравнение произведения Gray a и Gray b и разности между абсолютным значением Gray a и абсолютным значением Gray b с предварительно заданной формулой, чтобы получать категорию банкноты, которая должна быть детектирована. 2 н. и 8 з.п. ф-лы, 3 ил.
Description
[0001] Настоящая заявка заявляет преимущество по отношению к китайской патентной заявке № 201510033336.2, озаглавленной "BANKNOTE CLASSIFICATION AND RECOGINTION METHOD AND DEVICE BASED ON LAB COLOR SPACE", зарегистрированной 22 января 2015 года Государственным ведомством по интеллектуальной собственности Китайской Народной Республики, которая включена в данный документ по ссылке в своей полноте.
Область техники, к которой относится изобретение
[0002] Настоящее изобретение относится к области классификации и распознавания номинала банкнот и, в частности, к способу и устройству классификации и распознавания банкнот на основе цветового пространства Lab.
Уровень техники
[0003] С продолжающимся процветанием экономики внутреннего рынка количество банкнот в денежном обращении становится все больше и больше. Финансовые институты требуют, чтобы финансовое оборудование могло поддерживать распознавание различных номиналов женьминьби. Цветовое пространство Lab - это цветовое пространство, близкое к человеческому зрению. "L" (яркость цвета) представляет яркость, а каждая из букв "a" и "b" представляет размерность между двумя противоположными цветами. "L" изменяется в диапазоне от 0 до 100, который представляет цвет от черного до чистого белого, "a" представляет цвет между красным и зеленым, который изменяется от +127 до -128, а "b" представляет цвет между синим и желтым, который изменяется в диапазоне от +127 до -128, где положительное значение представляет теплый цвет, а отрицательные значения представляют холодный цвет. Цветовое пространство Lab имеет широкую цветовую гамму, не только включающую в себя всю цветовую гамму RGB и CMYK, но также может выражать цвета, которые не могут быть выражены посредством RGB и CMYK. Все цвета, которые могут быть восприняты человеческими глазами, могут быть выражены через Lab-модель. Кроме того, цветовая модель Lab может также преодолевать недостаток неравномерного цветового распределения цветовой модели RGB вследствие слишком многих переходных цветов между синим и зеленым и недостатка желтого и других цветов между зеленым и красным в RGB-модели.
[0004] В настоящее время базовая технология финансового оборудования основывается на обработке изображения банкноты в реальном времени и распознавании изображения. Одним из типовых способов является распознавание с помощью геометрических признаков (длины и ширины) изображений банкнот различных номиналов. Однако, поскольку изображения банкнот получаются посредством высокоскоростного устройства инкассации, искривление и деформация являются неизбежными, что ведет к неустойчивости геометрических признаков и приводит в результате к снижению коэффициента распознавания. Другим способом является распознавание номиналов с помощью различия серого цвета различных областей в одноканальном сером изображении. Однако различие серых отличительных признаков некоторых различных номиналов является незначительным, а главная отличительная область для распознавания может быть запачкана. Следовательно, существует риск неправильного распознавания банкнот различных номиналов или различных типов валют.
[0005] Традиционная технология имеет недостаток в том, что традиционное устройство распознавания может лишь получать одноканальное изображение в оттенках серого, которое не может эффективно распознавать цвет банкноты, приводя в результате к низкому коэффициенту распознавания номинала.
Сущность изобретения
[0006] Способ и устройство классификации и распознавания банкнот на основе цветового пространства Lab предоставляются согласно вариантам осуществления настоящего изобретения, чтобы улучшать коэффициент распознавания номинала.
[0007] Способ классификации и распознавания банкнот на основе цветового пространства Lab предоставляется согласно вариантам осуществления настоящего изобретения. Технические решения включают в себя:
[0008] получение RGB-изображения банкноты, которая должна быть детектирована;
[0009] вычисление значений серого Gray R, Gray G и Gray B RGB-изображения в полосах частот красного (R), зеленого (G) и синего (B) цветов;
[0010] преобразование значений серого Gray R, Gray G и Gray B в значения серого Gray a и Gray b в цветовом пространстве Lab; и
[0011] подстановку произведения Gray a и Gray b и разности между абсолютным значением Gray a и абсолютным значением Gray b в предварительно заданные формулы, чтобы определять категорию банкноты, которая должна быть детектирована.
[0012] Предпочтительно подстановка произведения Gray a и Gray b и разности между абсолютным значением Gray a и абсолютным значением Gray b в предварительно заданные формулы, чтобы получать категорию банкноты, которая должна быть детектирована, включает в себя:
[0013] определение банкноты, которая должна быть детектирована, как 100 юаней, в случае, когда произведение Gray a и Gray b больше нуля, и разность между абсолютным значением Gray a и абсолютным значением Gray b больше 20;
[0014] определение банкноты, которая должна быть детектирована, как 20 юаней, в случае, когда произведение Gray a и Gray b больше нуля, и разность между абсолютным значением Gray a и абсолютным значением Gray b меньше 5;
[0015] определение банкноты, которая должна быть детектирована, как 50 юаней, в случае, когда произведение Gray a и Gray b меньше нуля, и разность между абсолютным значением Gray a и абсолютным значением Gray b больше 10; и
[0016] определение банкноты, которая должна быть детектирована, как 10 юаней, в случае, когда Gray a меньше нуля, и разность между абсолютным значением Gray a и абсолютным значением Gray b меньше 10.
[0017] Предпочтительно получение RGB-изображения банкноты, которая должна быть детектирована, включает в себя: извлечение всей области банкноты, которая должна быть детектирована; и получение RGB-изображения всей области через мультиспектральное устройство распознавания.
[0018] Предпочтительно вычисление значений серого Gray R, Gray G и Gray B RGB-изображения в полосах частот красного (R), зеленого (G) и синего (B) цветов включает в себя: выбор области головного портрета Мао Цзэдуна в RGB-изображении в качестве целевой области; и вычисление значений серого Gray R, Gray G и Gray B в полосах частот красного (R), зеленого (G) и синего (B) цветов на основе целевой области.
[0019] Предпочтительно преобразование Gray R, Gray G и Gray B в значения серого Gray a и Gray b цветового пространства Lab включает в себя:
[0020] подстановку Gray R, Gray G и Gray B в формулы преобразования, чтобы получать Gray a и Gray b, где формулами преобразования являются:
[0021] Gray a=1,4749 * (0,2213 * Gray R-0,3390 * Gray G+ 0,1177 * Gray B)+128, и
[0022] Gray b=0,6245 * (0,1949 * Gray R+0,6057 * Gray G-0,8006 * Gray B)+128.
[0023] Устройство классификации и распознавания банкнот на основе цветового пространства Lab предоставляется согласно вариантам осуществления настоящего изобретения. Технические решения включают в себя:
[0024] модуль получения, сконфигурированный, чтобы получать RGB-изображение банкноты, которая должна быть детектирована;
[0025] модуль обработки, сконфигурированный, чтобы вычислять значения серого Gray R, Gray G и Gray B RGB-изображения, полученного посредством модуля получения, в полосах частот красного (R), зеленого (G) и синего (B) цветов;
[0026] модуль преобразования, сконфигурированный, чтобы преобразовывать Gray R, Gray G и Gray B, вычисленные посредством модуля обработки, в значения серого Gray a и Gray b в цветовом пространстве Lab; и
[0027] модуль определения, сконфигурированный, чтобы подставлять произведение Gray a и Gray b и разность между абсолютным значением Gray a и абсолютным значением Gray b в предварительно заданные формулы, чтобы определять категорию банкноты, которая должна быть детектирована.
[0028] Предпочтительно модуль определения конфигурируется, чтобы:
[0029] определять банкноту, которая должна быть детектирована, как 100 юаней, в случае, когда произведение Gray a и Gray b больше нуля, и разность между абсолютным значением Gray a и абсолютным значением Gray b больше 20;
[0030] определять банкноту, которая должна быть детектирована, как 20 юаней, в случае, когда произведение Gray a и Gray b больше нуля, и разность между абсолютным значением Gray a и абсолютным значением Gray b меньше 5;
[0031] определять банкноту, которая должна быть детектирована, как 50 юаней, в случае, когда произведение Gray a и Gray b меньше нуля, и разность между абсолютным значением Gray a и абсолютным значением Gray b больше 10; и
[0032] определять банкноту, которая должна быть детектирована, как 10 юаней, в случае, когда Gray a меньше нуля, и разность между абсолютным значением Gray a и абсолютным значением Gray b меньше 10.
[0033] Предпочтительно модуль получения конфигурируется, чтобы получать RGB-изображение всей области банкноты, которая должна быть детектирована, через мультиспектральное устройство распознавания.
[0034] Предпочтительно модуль обработки конфигурируется, чтобы извлекать область головного портрета Мао Цзэдуна в RGB-изображении в качестве целевой области; и вычислять значения серого Gray R, Gray G и Gray B в полосах частот красного (R), зеленого (G) и синего (B) цветов на основе целевой области.
[0035] Предпочтительно модуль преобразования конфигурируется, чтобы преобразовывать значения серого Gray R, Gray G и Gray B в значения серого Gray a и Gray b в цветовом пространстве Lab согласно формулам преобразования
[0036] Gray a=1,4749 * (0,2213 * Gray R-0,3390 * Gray G+ 0,1177 * Gray B)+128, и
[0037] Gray b=0,6245 * (0,1949 * Gray R+0,6057 * Gray G - 0,8006 * Gray B)+128.
[0038] Варианты осуществления настоящего изобретения имеют следующие полезные результаты. На основе того, что различие между цветами банкнот, которые должны быть обнаружены, для различных номиналов является большим, получается RGB-изображение банкноты, которая должна быть детектирована. Вычисляются значения серого Gray R, Gray G и Gray B RGB-изображения в полосах частот красного (R), зеленого (G) и синего (B) цветов, и Gray R, Gray G и Gray B преобразуются в значения серого Gray a и Gray b в цветовом пространстве Lab. Произведение Gray a и Gray b и разность между абсолютным значением Gray a и абсолютным значением Gray b подставляются в предварительно заданные формулы, чтобы эффективно распознавать различные номиналы банкнот, улучшая коэффициент распознавания номинала.
Краткое описание чертежей
[0039] Чтобы иллюстрировать технические решения согласно вариантам осуществления настоящего изобретения или в традиционных технологиях более ясно, чертежи, которые должны быть использованы в описаниях традиционных технологий или вариантах осуществления, описываются кратко далее в данном документе. Ясно, что чертежи, описываемые далее в данном документе, существуют только для некоторых вариантов осуществления настоящего изобретения, и другие чертежи могут быть получены специалистами в области техники на основе этих чертежей без творческих усилий.
[0040] Фиг. 1 - это схематичная блок-схема последовательности операций способа классификации и распознавания банкнот на основе цветового пространства Lab согласно варианту осуществления настоящего изобретения;
[0041] Фиг. 2 - это схематичная блок-схема последовательности операций способа классификации и распознавания банкнот на основе цветового пространства Lab согласно другому варианту осуществления настоящего изобретения;
и
[0042] Фиг. 3 - это схематичная структурная схема устройства классификации и распознавания банкнот на основе цветового пространства Lab согласно варианту осуществления настоящего изобретения.
Подробное описание вариантов осуществления
[0043] Способ и устройство классификации и распознавания банкнот на основе цветового пространства Lab предоставляются согласно вариантам осуществления настоящего изобретения, чтобы улучшать коэффициент распознавания номинала.
[0044] Технические решения вариантов осуществления настоящего изобретения иллюстрируются ясно и полностью совместно с чертежами вариантов осуществления настоящего изобретения. Очевидно, что описанные варианты осуществления являются лишь несколькими, а не всеми вариантами осуществления настоящего изобретения. Все другие варианты осуществления, полученные специалистами в области техники на основе вариантов осуществления настоящего изобретения без творческих усилий, должны попадать в рамки защиты настоящего изобретения.
[0045] Ссылка выполняется на фиг. 1. Способ классификации и распознавания банкнот на основе цветового пространства Lab предоставляется согласно варианту осуществления настоящего изобретения. Способ включает в себя этапы 101-104.
[0046] На этапе 101 получается RGB-изображение банкноты, которая должна быть детектирована.
[0047] В варианте осуществления получается RGB-изображение банкноты, которая должна быть детектирована.
[0048] На этапе 102 вычисляются значения серого Gray R, Gray G и Gray B RGB-изображения в полосах частот красного (R), зеленого (G) и синего (B) цветов.
[0049] В варианте осуществления вычисляются значения серого Gray R, Gray G и Gray B для полученного RGB-изображения в полосах частот красного (R), зеленого (G) и синего (B) цветов.
[0050] На этапе 103 Gray R, Gray G и Gray B преобразуются в значения серого Gray a и Gray b в цветовом пространстве Lab.
[0051] В варианте осуществления Gray R, Gray G и Gray B преобразуются в значения серого Gray a и Gray b в цветовом пространстве Lab согласно формулам. Цветовое пространство Lab состоит из компонента L яркости цвета и двух компонентов насыщенности цвета. Два компонента насыщенности цвета являются, соответственно, компонентом "a", изменяющимся в диапазоне от зеленого до красного, и компонентом "b", изменяющимся в диапазоне от синего до желтого.
[0052] На этапе 104 произведение Gray a и Gray b и разность между абсолютным значением Gray a и абсолютным значением Gray b подставляются в предварительно заданные формулы, чтобы определять категорию банкноты, которая должна быть детектирована.
[0053] В варианте осуществления произведение Gray a и Gray b и разность между абсолютным значением Gray a и абсолютным значением Gray b подставляются в предварительно заданную формулу, чтобы получать категорию банкноты, которая должна быть детектирована.
[0054] В варианте осуществления, на основе того, что различие между цветами банкнот различных номиналов является большим, получается RGB-изображение банкноты, которая должна быть детектирована. Вычисляются значения серого Gray R, Gray G и Gray B RGB-изображения в полосах частот красного (R), зеленого (G) и синего (B) цветов, и Gray R, Gray G и Gray B преобразуются в значения серого Gray a и Gray b в цветовом пространстве Lab. Произведение Gray a и Gray b и разность между абсолютным значением Gray a и абсолютным значением Gray b подставляются в предварительно заданные формулы, чтобы эффективно распознавать различные номиналы банкнот, таким образом, улучшая коэффициент распознавания номинала.
[0055] Ссылка выполняется на фиг. 2. Способ классификации и распознавания банкнот на основе цветового пространства Lab предоставляется согласно другому варианту осуществления настоящего изобретения. Способ включает в себя этапы 201-205.
[0056] На этапе 201 извлекается вся область банкноты, которая должна быть детектирована.
[0057] В варианте осуществления вся область банкноты может быть распознана и получена с помощью алгоритма обнаружения краев.
[0058] На этапе 202 RGB-изображение всей области получается через мультиспектральное устройство распознавания.
[0059] В варианте осуществления изображение всей области банкноты, которая должна быть детектирована, в RGB-спектрах получается через мультиспектральное устройство распознавания.
[0060] На этапе 203 область головного портрета Мао Цзэдуна в RGB-изображении выбирается в качестве целевой области.
[0061] В варианте осуществления распознавание выполняется, главным образом, по банкнотам четырех номиналов в пятой серии женьминьби, а именно по банкнотам в 10 юаней, 20 юаней, 50 юаней и 100 юаней. В качестве отличительного признака изображения, воспринимаемого человеческими глазами, банкнота в 100 юаней женьминьби выглядит красной, банкнота в 50 юаней женьминьби выглядит зеленой, банкнота в 20 юаней женьминьби выглядит почти желтой, а типовой отличительный признак 10 юаней женьминьби выглядит почти синим. Область головного портрета Мао Цзэдуна, в которой цветовая информация банкноты является самой богатой, определяется в качестве целевой области.
[0062] На этапе 204 значения серого Gray R, Gray G и Gray B в полосах частот красного (R), зеленого (G) и синего (B) цветов вычисляются на основе целевой области.
[0063] В варианте осуществления значения серого Gray R, Gray G и Gray B в полосах частот красного (R), зеленого (G) и синего (B) цветов вычисляются на основе определенной целевой области.
[0064] На этапе 205 Gray R, Gray G и Gray B преобразуются в значения серого Gray a и Gray b в цветовом пространстве Lab.
[0065] В варианте осуществления Gray R, Gray G и Gray B преобразуются в значения серого Gray a и Gray b в цветовом пространстве Lab согласно формулам преобразования:
[0066] Gray a=1,4749 * (0,2213 * Gray R-0,3390 * Gray G+ 0,1177 * Gray B)+128; и
[0067] Gray b=0,6245 * (0,1949 * Gray R+0,6057 * Gray G - 0,8006 * Gray B)+128.
[0068] Следует отметить, что, на основе модели цветового пространства Lab, надлежит использовать положительную часть координатной оси a, чтобы описывать цветовой признак банкноты в 100 юаней, отрицательную часть координатной оси a, чтобы описывать цветовой признак банкноты в 50 юаней, положительную часть координатной оси b, чтобы описывать цветовой признак банкноты в 20 юаней, и отрицательную часть координатной оси b, чтобы описывать цветовой признак банкноты в 10 юаней. Кроме того, способ для описания отличительных признаков дополнительно включает в себя соотношение между компонентом a и компонентом b для одинакового номинала.
[0069] На этапе 206 произведение Gray a и Gray b и разность между абсолютным значением Gray a и абсолютным значением Gray b подставляются в предварительно заданные формулы, чтобы определять категорию банкноты, которая должна быть детектирована.
[0070] В варианте осуществления, предположим, что X=|Gray a|, Y=|Gray b|, E=Gray a и F=Gray b, предварительно заданные формулы соответственно являются следующими.
[0071] В предварительно заданной формуле 1, если E*F>0, и X-Y>20, банкнота определяется как банкнота в 100 юаней женьминьби.
[0072] В предварительно заданной формуле 2, если E*F<0, и X-Y>10, банкнота определяется как банкнота в 50 юаней женьминьби;
[0073] В предварительно заданной формуле 3, если E*F>0, и X-Y<5, банкнота определяется как банкнота в 20 юаней женьминьби; и
[0074] В предварительно заданной формуле 4, если E<0, и X-Y<10, банкнота определяется как банкнота в 10 юаней женьминьби.
[0075] В настоящем варианте осуществления, после преобразования с помощью формул, значения отличительных признаков банкнот женьминьби различных номиналов в Lab-пространстве могут быть следующими:
номинал | Gray L | Gray a | Gray b |
100 юаней | 89 | 35 | 7 |
50 юаней | 84 | -26 | 7 |
20 юаней | 77 | 3 | 10 |
10 юаней | 87 | -6 | 0 |
[0076] Поскольку различие между компонентами Gray L яркости цвета для различных номиналов является небольшим, компоненты Gray L яркости цвета не используются в качестве ориентира для определения. Из вышеприведенной таблицы следует, что, для банкноты в 100 юаней, значение Gray a является положительным, и большее значение из абсолютных значений (|Gray a|>|Gray b|) указывает более красный цвет; а для банкноты в 50 юаней значение Gray a является отрицательным, и большее значение из абсолютных значений (|Gray a|>|Gray b|) указывает более зеленый цвет. Следовательно, отношение между X=|Gray a|, Y=|Gray b|, E=Gray a и F=Gray b может быть использовано в качестве основы для определения.
[0077] В варианте осуществления, на основе того, что различие между цветами банкнот различных номиналов является большим, сначала получается RGB-изображение банкноты, которая должна быть детектирована. Вычисляются значения серого Gray R, Gray G и Gray B RGB-изображения в полосах частот красного (R), зеленого (G) и синего (B) цветов, и Gray R, Gray G и Gray B преобразуются в значения серого Gray a и Gray b в цветовом пространстве Lab. Произведение Gray a и Gray b и разность между абсолютным значением Gray a и абсолютным значением Gray b подставляются в предварительно заданные формулы, чтобы эффективно идентифицировать банкноты различных номиналов, таким образом, улучшая коэффициент распознавания номинала. Кроме того, |Gray a|, |Gray b|, Gray a и Gray b выбираются в качестве основы определения, что улучшает операционную гибкость.
[0078] Ссылка выполняется на фиг. 3. Устройство классификации и распознавания банкнот на основе цветового пространства Lab предоставляется согласно настоящему изобретению. Устройство включает в себя модуль 301 получения, модуль 302 обработки, модуль 303 преобразования и модуль 304 определения.
[0079] Модуль 301 получения конфигурируется, чтобы получать RGB-изображение банкноты, которая должна быть детектирована.
[0080] Модуль 302 обработки конфигурируется, чтобы вычислять значения серого Gray R, Gray G и Gray B RGB-изображения, полученного посредством модуля получения, в полосах частот красного (R), зеленого (G) и синего (B) цветов.
[0081] Модуль 303 преобразования конфигурируется, чтобы преобразовывать Gray R, Gray G и Gray B, вычисленные посредством модуля 302 обработки, в значения серого Gray a и Gray b в цветовом пространстве Lab.
[0082] Модуль 304 определения конфигурируется, чтобы подставлять произведение Gray a и Gray b и разность между абсолютным значением Gray a и абсолютным значением Gray b в предварительно заданные формулы, чтобы определять категорию банкноты, которая должна быть детектирована.
[0083] Модуль 304 определения может быть дополнительно сконфигурирован, чтобы:
[0084] определять банкноту, которая должна быть детектирована, как 100 юаней, в случае, когда произведение Gray a и Gray b больше нуля, и разность между абсолютным значением Gray a и абсолютным значением Gray b больше 20;
[0085] определять банкноту, которая должна быть детектирована, как 20 юаней, в случае, когда произведение Gray a и Gray b больше нуля, и разность между абсолютным значением Gray a и абсолютным значением Gray b меньше 5;
[0086] определять банкноту, которая должна быть детектирована, как 50 юаней, в случае, когда произведение Gray a и Gray b меньше нуля, и разность между абсолютным значением Gray a и абсолютным значением Gray b больше 10; и
[0087] определять банкноту, которая должна быть детектирована, как 10 юаней, в случае, когда Gray a меньше нуля, и разность между абсолютным значением Gray a и абсолютным значением Gray b меньше 10.
[0088] Дополнительно, модуль 301 получения может быть сконфигурирован, чтобы получать RGB-изображение всей области банкноты, которая должна быть детектирована, через мультиспектральное устройство распознавания.
[0089] Дополнительно, модуль 302 обработки может быть сконфигурирован, чтобы извлекать область головного портрета Мао Цзэдуна в RGB-изображении в качестве целевой области и вычислять значения серого Gray R, Gray G и Gray B на основе целевой области.
[0090] Дополнительно, модуль 303 преобразования может быть сконфигурирован, чтобы преобразовывать Gray R, Gray G и Gray B в значения серого Gray a и Gray b в цветовом пространстве Lab согласно формулам преобразования:
[0091] Gray a=1,4749 * (0,2213 * Gray R-0,3390 * Gray G+ 0,1177 * Gray B)+128, и
[0092] Gray b=0,6245 * (0,1949 * Gray R+0,6057 * Gray G-0,8006 * Gray B)+128.
[0093] Подводя итог, вышеприведенные варианты осуществления предназначены только, чтобы иллюстрировать технические решения настоящего изобретения, а не чтобы ограничивать настоящее изобретение. Хотя настоящее изобретение было описано подробно с помощью вышеприведенных вариантов осуществления, специалистам в области техники должно быть понятно, что технические решения, описанные в вышеприведенных вариантах осуществления, могут все еще быть модифицированы, или некоторые из технических деталей могут быть эквивалентно заменены, и такие модификации и замены не отступают от духа и рамок технических решений всех вариантов осуществления настоящего изобретения.
Claims (36)
1. Способ классификации и распознавания банкнот на основе цветового пространства Lab, содержащий этапы, на которых:
получают RGB-изображение банкноты, которая должна быть детектирована;
вычисляют значения серого Gray R, Gray G и Gray B RGB-изображения в полосах частот красного (R), зеленого (G) и синего (B) цветов;
преобразуют значения серого Gray R, Gray G и Gray B в значения серого Gray a и Gray b в цветовом пространстве Lab; и
подставляют произведение Gray a и Gray b и разность между абсолютным значением Gray a и абсолютным значением Gray b в предварительно заданные формулы, чтобы определять категорию банкноты, которая должна быть детектирована.
2. Способ по п. 1, в котором подстановка произведения Gray a и Gray b и разности между абсолютным значением Gray a и абсолютным значением Gray b в предварительно заданную формулу, чтобы получать категорию банкноты, которая должна быть детектирована, содержит этапы, на которых:
определяют банкноту, которая должна быть детектирована, как 100 юаней, в случае, когда произведение Gray a и Gray b больше нуля, и разность между абсолютным значением Gray a и абсолютным значением Gray b больше 20;
определяют банкноту, которая должна быть детектирована, как 20 юаней, в случае, когда произведение Gray a и Gray b больше нуля, и разность между абсолютным значением Gray a и абсолютным значением Gray b меньше 5;
определяют банкноту, которая должна быть детектирована, как 50 юаней, в случае, когда произведение Gray a и Gray b меньше нуля, и разность между абсолютным значением Gray a и абсолютным значением Gray b больше 10; и
определяют банкноту, которая должна быть детектирована, как 10 юаней, в случае, когда Gray a меньше нуля, и разность между абсолютным значением Gray a и абсолютным значением Gray b меньше 10.
3. Способ по п. 1, в котором получение RGB-изображения банкноты, которая должна быть детектирована, содержит этапы, на которых:
извлекают всю область банкноты, которая должна быть детектирована; и
получают RGB-изображение всей области через мультиспектральное устройство распознавания.
4. Способ по п. 3, в котором вычисление значений серого Gray R, Gray G и Gray B RGB-изображения в полосах частот красного (R), зеленого (G) и синего (B) цветов содержит этапы, на которых:
выбирают область головного портрета Мао Цзэдуна в RGB-изображении в качестве целевой области; и
вычисляют значения серого Gray R, Gray G и Gray B в полосах частот красного (R), зеленого (G) и синего (B) цветов на основе целевой области.
5. Способ по п. 1, в котором преобразование Gray R, Gray G и Gray B в значения серого Gray a и Gray b в цветовом пространстве Lab содержит этап, на котором:
подставляют Gray R, Gray G и Gray B в формулы преобразования, чтобы получать Gray a и Gray b, причем формулами преобразования являются:
Gray a=1,4749 * (0,2213 * Gray R-0,3390 * Gray G+ 0,1177 * Gray B)+128, и
Gray b=0,6245 * (0,1949 * Gray R+0,6057 * Gray G - 0,8006 * Gray B)+128.
6. Устройство классификации и распознавания банкнот на основе цветового пространства Lab, содержащее:
модуль получения, сконфигурированный, чтобы получать RGB-изображение банкноты, которая должна быть детектирована;
модуль обработки, сконфигурированный, чтобы вычислять значения серого Gray R, Gray G и Gray B RGB-изображения, полученного посредством модуля получения, в полосах частот красного (R), зеленого (G) и синего (B) цветов;
модуль преобразования, сконфигурированный, чтобы преобразовывать Gray R, Gray G и Gray B, вычисленные посредством модуля обработки, в значения серого Gray a и Gray b в цветовом пространстве Lab; и
модуль определения, сконфигурированный, чтобы подставлять произведение Gray a и Gray b и разность между абсолютным значением Gray a и абсолютным значением Gray b в предварительно заданные формулы, чтобы определять категорию банкноты, которая должна быть детектирована.
7. Устройство по п. 6, в котором модуль определения сконфигурирован, чтобы:
определять банкноту, которая должна быть детектирована, как 100 юаней, в случае, когда произведение Gray a и Gray b больше нуля, и разность между абсолютным значением Gray a и абсолютным значением Gray b больше 20;
определять банкноту, которая должна быть детектирована, как 20 юаней, в случае, когда произведение Gray a и Gray b больше нуля, и разность между абсолютным значением Gray a и абсолютным значением Gray b меньше 5;
определять банкноту, которая должна быть детектирована, как 50 юаней, в случае, когда произведение Gray a и Gray b меньше нуля, и разность между абсолютным значением Gray a и абсолютным значением Gray b больше 10; и
определять банкноту, которая должна быть детектирована, как 10 юаней, в случае, когда Gray a меньше нуля, и разность между абсолютным значением Gray a и абсолютным значением Gray b меньше 10.
8. Устройство по п. 6, в котором модуль получения сконфигурирован, чтобы получать RGB-изображение всей области банкноты, которая должна быть детектирована, через мультиспектральное устройство распознавания.
9. Устройство по п. 8, в котором модуль обработки сконфигурирован, чтобы извлекать область головного портрета Мао Цзэдуна в RGB-изображении в качестве целевой области; и
вычислять значения серого Gray R, Gray G и Gray B в полосах частот красного (R), зеленого (G) и синего (B) цветов на основе целевой области.
10. Устройство по п. 6, в котором модуль преобразования сконфигурирован, чтобы преобразовывать значения серого Gray R, Gray G и Gray B в значения серого Gray a и Gray b в цветовом пространстве Lab согласно формулам преобразования
Gray a=1,4749 * (0,2213 * Gray R-0,3390 * Gray G+ 0,1177 * Gray B)+128, и
Gray b=0,6245 * (0,1949 * Gray R+0,6057 * Gray G - 0,8006 * Gray B)+128.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510033336.2A CN104537756B (zh) | 2015-01-22 | 2015-01-22 | 一种基于Lab色彩空间的钞票分类鉴别方法和装置 |
CN201510033336.2 | 2015-01-22 | ||
PCT/CN2015/082615 WO2016115829A1 (zh) | 2015-01-22 | 2015-06-29 | 一种基于Lab色彩空间的钞票分类鉴别方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2661529C1 true RU2661529C1 (ru) | 2018-07-17 |
Family
ID=52853275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2017127919A RU2661529C1 (ru) | 2015-01-22 | 2015-06-29 | Способ и устройство классификации и идентификации банкнот на основе цветового пространства lab |
Country Status (7)
Country | Link |
---|---|
US (1) | US20180005478A1 (ru) |
EP (1) | EP3249618B1 (ru) |
CN (1) | CN104537756B (ru) |
HK (1) | HK1245479A1 (ru) |
RU (1) | RU2661529C1 (ru) |
WO (1) | WO2016115829A1 (ru) |
ZA (1) | ZA201704880B (ru) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537756B (zh) * | 2015-01-22 | 2018-04-20 | 广州广电运通金融电子股份有限公司 | 一种基于Lab色彩空间的钞票分类鉴别方法和装置 |
CN105069900B (zh) * | 2015-08-14 | 2018-02-09 | 深圳怡化电脑股份有限公司 | 一种处理纸币信息的方法及装置 |
CN105261108B (zh) * | 2015-10-15 | 2018-06-19 | 深圳怡化电脑股份有限公司 | 一种人民币币值识别的方法和系统 |
WO2017079904A1 (zh) * | 2015-11-10 | 2017-05-18 | 深圳怡化电脑股份有限公司 | 一种货币面值的识别方法及装置 |
CN106530482A (zh) * | 2016-11-03 | 2017-03-22 | 深圳怡化电脑股份有限公司 | 纸币币值的识别方法及装置 |
CN108416894B (zh) * | 2018-03-08 | 2021-09-03 | 惠州学院 | 智能扫描货币鉴别方法、装置、存储介质及系统 |
CN111415450B (zh) * | 2019-01-08 | 2022-03-08 | 深圳怡化电脑股份有限公司 | 票据涂改的检测方法及其检测装置、计算机存储介质 |
CN112085885A (zh) * | 2020-09-24 | 2020-12-15 | 理光图像技术(上海)有限公司 | 票证识别装置以及票证信息管理系统 |
CN112634796A (zh) * | 2020-12-08 | 2021-04-09 | 合肥金人科技有限公司 | 一种客运站智能语音系统 |
CN113487641B (zh) * | 2021-08-03 | 2024-08-02 | 青岛海存微电子有限公司 | 一种基于stt-mram的图像边缘检测方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2246825A1 (en) * | 2009-04-28 | 2010-11-03 | Banqit AB | Method for a banknote detector device, and a banknote detector device |
RU2449364C2 (ru) * | 2006-07-19 | 2012-04-27 | Б-Кор Инк. | Оптический символ, предмет, на котором закреплен оптический символ, способ крепления оптического символа на предмете, способ декодирования оптического символа, соответствующее устройство и соответствующая программа |
CN102750771A (zh) * | 2012-07-13 | 2012-10-24 | 中山大学 | 一种应用于智能手机的第五套人民币面额识别方法 |
US8921473B1 (en) * | 2004-04-30 | 2014-12-30 | Sydney Hyman | Image making medium |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100718728B1 (ko) * | 2005-07-21 | 2007-05-16 | 주식회사 씨텍 | 지폐 권종 인식 방법 및 장치 |
JP4557843B2 (ja) * | 2005-08-31 | 2010-10-06 | キヤノン株式会社 | 画像処理装置及びその方法 |
KR101342826B1 (ko) * | 2007-05-29 | 2013-12-17 | 주식회사 엘지씨엔에스 | 컬러센서가 적용된 매체인식장치 및 그 제어방법 |
AU2009276622B2 (en) * | 2008-07-29 | 2014-07-10 | Mei, Inc. | Classifying and discriminating an item of currency based on the item's spectral response |
AU2010234450B2 (en) * | 2009-04-08 | 2014-06-26 | Mei, Inc. | Characterizing items of currency |
CN102063758B (zh) * | 2009-11-16 | 2012-12-26 | 深圳市中钞科信金融科技有限公司 | 一种钞票纸纹理的检测方法和装置 |
DE102009058439A1 (de) * | 2009-12-16 | 2011-06-22 | Giesecke & Devrient GmbH, 81677 | Verfahren zur Prüfung von Wertdokumenten |
CN101908241B (zh) * | 2010-08-03 | 2012-05-16 | 广州广电运通金融电子股份有限公司 | 有价文件识别方法及其识别系统 |
DE102010047948A1 (de) * | 2010-10-08 | 2012-04-12 | Giesecke & Devrient Gmbh | Verfahren zum Prüfen eines optischen Sicherheitsmerkmals eines Wertdokuments |
DE102011114410A1 (de) * | 2011-09-26 | 2013-03-28 | Giesecke & Devrient Gmbh | Verfahren zum Prüfen der Herstellungsqualität eines optischen Sicherheitsmerkmals eines Wertdokuments |
CN103020996B (zh) * | 2012-12-28 | 2016-01-20 | 昆山市工业技术研究院有限责任公司 | 基于Lab空间的图像偏色的检测方法 |
CN103234975B (zh) * | 2013-03-29 | 2015-07-29 | 西安理工大学 | 一种棉花异性纤维的检测定位方法 |
CN103400146B (zh) * | 2013-07-19 | 2017-03-01 | 北京工业大学 | 基于颜色建模的中医面色识别方法 |
CN103402117B (zh) * | 2013-08-06 | 2015-08-26 | 夏东 | 基于Lab色度空间的视频图像偏色检测方法 |
CN103729863B (zh) * | 2013-12-06 | 2016-05-25 | 南京金智视讯技术有限公司 | 基于自主学习的交通信号灯全自动定位识别的方法 |
CN103824373B (zh) * | 2014-01-27 | 2016-06-08 | 深圳辰通智能股份有限公司 | 一种票据图像金额分类方法及系统 |
CN103793888B (zh) * | 2014-02-18 | 2017-01-11 | 厦门美图网科技有限公司 | 一种基于参照图像的主要颜色的图像增强方法 |
CN104167045A (zh) * | 2014-04-30 | 2014-11-26 | 昆山古鳌电子机械有限公司 | 一种纸币交易装置 |
CN104036290A (zh) * | 2014-06-11 | 2014-09-10 | 新达通科技股份有限公司 | 一种纸币面值识别方法及装置 |
CN104168478B (zh) * | 2014-07-29 | 2016-06-01 | 银江股份有限公司 | 基于Lab空间及相关性函数的视频图像偏色检测方法 |
CN104537756B (zh) * | 2015-01-22 | 2018-04-20 | 广州广电运通金融电子股份有限公司 | 一种基于Lab色彩空间的钞票分类鉴别方法和装置 |
-
2015
- 2015-01-22 CN CN201510033336.2A patent/CN104537756B/zh active Active
- 2015-06-29 RU RU2017127919A patent/RU2661529C1/ru active
- 2015-06-29 US US15/541,705 patent/US20180005478A1/en not_active Abandoned
- 2015-06-29 WO PCT/CN2015/082615 patent/WO2016115829A1/zh active Application Filing
- 2015-06-29 EP EP15878501.4A patent/EP3249618B1/en active Active
-
2017
- 2017-07-18 ZA ZA2017/04880A patent/ZA201704880B/en unknown
-
2018
- 2018-04-13 HK HK18104832.4A patent/HK1245479A1/zh unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8921473B1 (en) * | 2004-04-30 | 2014-12-30 | Sydney Hyman | Image making medium |
RU2449364C2 (ru) * | 2006-07-19 | 2012-04-27 | Б-Кор Инк. | Оптический символ, предмет, на котором закреплен оптический символ, способ крепления оптического символа на предмете, способ декодирования оптического символа, соответствующее устройство и соответствующая программа |
EP2246825A1 (en) * | 2009-04-28 | 2010-11-03 | Banqit AB | Method for a banknote detector device, and a banknote detector device |
CN102750771A (zh) * | 2012-07-13 | 2012-10-24 | 中山大学 | 一种应用于智能手机的第五套人民币面额识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104537756A (zh) | 2015-04-22 |
ZA201704880B (en) | 2019-07-31 |
CN104537756B (zh) | 2018-04-20 |
EP3249618A4 (en) | 2018-02-14 |
HK1245479A1 (zh) | 2018-08-24 |
EP3249618B1 (en) | 2020-08-05 |
WO2016115829A1 (zh) | 2016-07-28 |
US20180005478A1 (en) | 2018-01-04 |
EP3249618A1 (en) | 2017-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2661529C1 (ru) | Способ и устройство классификации и идентификации банкнот на основе цветового пространства lab | |
CN108038456B (zh) | 一种人脸识别系统中的防欺骗方法 | |
CN103914708B (zh) | 基于机器视觉的食品品种检测方法及系统 | |
CN104978565B (zh) | 一种普适性的图像文字提取方法 | |
CN102521564A (zh) | 基于颜色和形状识别茶叶的方法 | |
WO2009007978A2 (en) | System and method for calibration of image colors | |
US9378564B2 (en) | Methods for color correcting digital images and devices thereof | |
CN101882223A (zh) | 人体肤色的测评方法 | |
CN107742094A (zh) | 提高人证比对结果的图像处理方法 | |
TW201123027A (en) | A method for image characterization and a method for image search | |
Lionnie et al. | A comparison of human skin color detection for biometrie identification | |
WO2016119394A1 (zh) | 一种基于Lab色彩空间的人民币变色油墨检测方法和装置 | |
WO2022246945A1 (zh) | 一种信息显示方法、装置、ar设备及存储介质 | |
Hussain et al. | Max-RGB based colour constancy using the sub-blocks of the image | |
Berbar | Novel colors correction approaches for natural scenes and skin detection techniques | |
CN111611940A (zh) | 一种基于大数据处理的快速视频人脸识别方法 | |
CN109657544B (zh) | 一种人脸检测方法和装置 | |
Yu et al. | A hybrid color matching between stereo image sequences | |
JP2013196681A (ja) | 色特徴を抽出するための方法および装置 | |
CN110197178A (zh) | 一种图谱特征融合深度网络的大米种类快速鉴别检测装置及其检测方法 | |
Berbar | Skin colour correction and faces detection techniques based on HSL and R colour components | |
CN113658157A (zh) | 一种基于hsv空间的颜色分割方法及装置 | |
Li et al. | A new color-to-gray conversion method based on edge detection | |
Kryszczuk et al. | Color correction for face detection based on human visual perception metaphor | |
Jo et al. | Adaptive white point extraction based on dark channel prior for automatic white balance |