RU2668731C1 - Способ распознавания денежной купюры - Google Patents

Способ распознавания денежной купюры Download PDF

Info

Publication number
RU2668731C1
RU2668731C1 RU2017135352A RU2017135352A RU2668731C1 RU 2668731 C1 RU2668731 C1 RU 2668731C1 RU 2017135352 A RU2017135352 A RU 2017135352A RU 2017135352 A RU2017135352 A RU 2017135352A RU 2668731 C1 RU2668731 C1 RU 2668731C1
Authority
RU
Russia
Prior art keywords
color
color data
banknote
data
orientation
Prior art date
Application number
RU2017135352A
Other languages
English (en)
Inventor
Сюйяо ЮЭ
Чжумин СЯО
Даньдань ВАН
Сяоцюнь ХУАН
Original Assignee
Джи Ар Джи БЭНКИНГ ЭКВИПМЕНТ КО., ЛТД.
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Джи Ар Джи БЭНКИНГ ЭКВИПМЕНТ КО., ЛТД. filed Critical Джи Ар Джи БЭНКИНГ ЭКВИПМЕНТ КО., ЛТД.
Application granted granted Critical
Publication of RU2668731C1 publication Critical patent/RU2668731C1/ru

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
    • G07D7/202—Testing patterns thereon using pattern matching
    • G07D7/2033—Matching unique patterns, i.e. patterns that are unique to each individual paper
    • 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
    • G06V10/40—Extraction of image or video features
    • 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
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • 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
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • G06V10/76—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 based on eigen-space representations, e.g. from pose or different illumination conditions; Shape manifolds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H04N1/6016—Conversion to subtractive colour signals
    • H04N1/6022—Generating a fourth subtractive colour signal, e.g. under colour removal, black masking
    • H04N1/6025—Generating a fourth subtractive colour signal, e.g. under colour removal, black masking using look-up tables

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Inspection Of Paper Currency And Valuable Securities (AREA)
  • Character Input (AREA)

Abstract

Изобретение относится к средствам распознавания денежной купюры. Технический результат заключается в повышении точности распознавания. В способе: собирают цветовые данные опознаваемых денежных купюр путем использования устройства сбора цветов; извлекают соответствующие характеристики из предварительно обработанных цветовых данных; сопоставляют извлеченные характеристики с набором эталонов характеристик, соответствующим каждому виду денежных купюр, для получения соответствующих количественных показателей соответствия и использования эталона характеристик, имеющего наибольший количественный показатель, в качестве соответствующего подобранного эталона цветовых данных; определяют виды денежных купюр в соответствии с результатами сопоставления. В способе денежные купюры распознают при использовании изменений тренда набора средних значений стабильных субсегментов, соответствующего цветовым данным, так что проблема цветового сдвига цветовых данных может быть исключена, а денежные купюры точно распознаны. 9 з.п. ф-лы, 5 ил.

Description

[01] По этой заявке испрашивается приоритет заявки №201510176330.0 на патент Китая под названием ʺValue bill identifying methodʺ, поданной 13 апреля 2015 г. в Государственное ведомство по интеллектуальной собственности Народной Республики Китай, которая полностью включена в эту заявку путем ссылки.
ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ
[02] Настоящее раскрытие относится к технологии распознавания денежной купюры, в частности к способу распознавания денежной купюры.
УРОВЕНЬ ТЕХНИКИ
[03] Из предшествующего уровня техники известно, что способ распознавания денежной купюры обычно выполняют путем сбора признаков изображения контактным датчиком изображения. В области техники распознавания образов, основанного на изображении, необходимо собирать распознаваемые изображения посредством использования датчика. Если разрешение изображения является недостаточным, корректность результата распознавания будет значительно пониженной, особенно в случае таких распознаваемых объектов, как ʺOʺ и ʺDʺ, которые легко перепутываются при распознавании знаков. Хотя компьютерная технология быстро изменяется, высокопроизводительную аппаратную платформу обычно не выбирают, принимая во внимание ее стоимость, а выбирают аппаратную платформу только для удовлетворения фактической потребности. В этом случае, на практике, вследствие различий между аппаратным обеспечением и многообразием пространства распознавания более значительное количество объектов, которые легко перепутываются, будут распознаваться неправильно. Поэтому для распознавания вида денежной купюры разработан способ распознавания, основанный на цветовых данных.
[04] Цветовыми данными называется набор значений трех цветов, красного, зеленого и синего, которые собираются цветовым датчиком. Интуитивный и быстрый способ распознавания денежной купюры основан на цветовых данных денежной купюры. Процесс распознавания цветовых данных включает в себя две части, извлечение и распознавание признака, и при этом надежность извлеченного признака непосредственно влияет на точность распознавания. При извлечении цветовых признаков в основном имеются следующие проблемы. С одной стороны, поскольку цветовые данные являются результатом общего действия цвета в определенной области денежной купюры, то, когда поверхность участка регистрации сигнала не имеет однотонной окраски, цветовые данные будут иметь большее отклонение от истинного цвета. С другой стороны, при однотонном участке регистрации разные текстуры имеют разные интенсивности отражения, что является причиной приема цветовым датчиком сигналов с разными интенсивностями, результатом чего является нестабильность цветовых данных.
[05] По перечисленным выше причинам трудно добиться надежности признаков, получаемых в результате извлечения признаков, вследствие чего невозможно точно распознать вид денежной купюры.
СУЩНОСТЬ ИЗОБРЕТЕНИЯ
[06] Чтобы решить проблему из предшествующего уровня техники, заключающуюся в том, что в способе распознавания денежной купюры, основанном на цветовых данных, трудно получать надежный цветовой признак, вследствие чего точность распознавания является низкой, в соответствии с настоящим раскрытием предложен способ распознавания денежной купюры, основанный на цветовых данных. В способе согласно настоящему раскрытию денежную купюру распознают с использованием изменения тренда в наборе средних значений стабильных субсегментов, соответствующем цветовым данным, чтобы решить проблему цветового сдвига цветовых данных и точно распознать денежную купюру.
[07] Способ распознавания денежной купюры включает в себя:
этап 1, на котором собирают устройством сбора цветов, включающим в себя множество цветовых датчиков, цветовые данные опознаваемой денежной купюры и выполняют предварительную обработку собранных цветовых данных;
этап 2, на котором извлекают признак из предварительно обработанных цветовых данных, при этом признак, извлекаемый из цветовых данных, является одномерным вектором, включающим в себя средние значения всех субсегментов с меньшей вариацией оттенков в оттеночных данных, соответствующих цветовым данным;
этап 3, на котором сопоставляют извлеченный признак с наборами эталонов признаков, соответствующими каждому виду денежных купюр, для получения количественных показателей соответствия и рассматривают эталон признаков с наибольшим количественным показателем в качестве подобранного эталона цветовых данных, при этом изображение цветной купюры при ориентации лицевой стороной и ориентации обратной стороной разделяют на множество подобластей, моделированные цветовые данные каждой из подобластей получают моделированием рабочего режима цветового датчика, признак из моделированных цветовых данных каждой из подобластей является эталоном признака, а набор эталонов признаков, соответствующих подобластям в изображении цветной денежной купюры при ориентации лицевой стороной и в изображении при ориентации обратной стороной, является набором эталонов признаков, соответствующим денежной купюре; и
этап 4, на котором определяют вид денежной купюры на основе результата сопоставления.
[08] Предпочтительно, чтобы до этапа 1 способ распознавания денежной купюры включал в себя этап предварительного определения множества наборов эталонов признаков, соответствующих каждому виду денежных купюр, и чтобы на этом этапе извлечение набора эталонов признаков, соответствующего денежной купюре, на основе изображения купюры в естественных цветах включало в себя:
этап 01, на котором разделяют на основе сложности информации об изображении цветное изображение в ориентации купюры на множество подобластей;
этап 02, на котором преобразуют каждую из отдельных подобластей в цветовые данные в соответствии с моделированием рабочего режима цветового датчика;
этап 03, на котором выполняют преобразование цветового пространства в преобразованные цветовые данные для получения оттеночных данных области;
этап 04, на котором определяют стабильный субсегмент в оттеночных данных;
этап 05, на котором вычисляют среднее значение оттенков стабильного субсегмента;
этап 06, на котором образуют в соответствии со средними значениями оттенков всех стабильных субсегментов эталон признаков, соответствующий области; и
этап 07, на котором образуют с помощью эталонов признаков, соответствующих всем подобластям при этой ориентации, набор эталонов признаков, соответствующий данной ориентации купюры, и образуют с помощью наборов эталонов признаков, соответствующих всем ориентациям купюры, набор эталонов признаков, соответствующий купюре.
[09] В частности, на этапе 03 моделированные цветовые данные преобразуют в цветовое пространство тон-насыщенность-яркость (HSL), при этом оттеночные данные SH из цветовых данных SS получают и выражают в следующем виде:
Figure 00000001
,
а способ преобразования описывают так, как представлено ниже:
Figure 00000002
.
[10] В частности, на этапе 04 определение положения стабильного субсегмента в оттеночных данных включает в себя:
вычисление полного изображения по оттеночным данным SH, выражаемого в следующем виде:
Figure 00000003
,
где
Figure 00000004
; и
поиск стабильного субсегмента в оттеночных данных способом скользящего окна, при этом набор стабильных субсегментов в сигнале SH полагают равным:
Figure 00000005
,
где SP является количеством стабильных субсегментов в сигнале SH, при этом spart s можно выразить как:
Figure 00000006
,
где st s и end s обозначают, соответственно, начальное положение и конечное положение стабильного субсегмента, st s является первым l-значением, удовлетворяющим следующей формуле:
Figure 00000007
,
где end s является последним l-значением, удовлетворяющим следующей формуле:
Figure 00000008
, и
где thres является предварительно заданным пороговым значением для определения стабильности сигнала из сегмента.
[11] В частности, на этапе 05 среднее значение f s каждого стабильного субсегмента выражают как:
Figure 00000009
;
при этом средние значения оттенков всех стабильных субсегментов образуют эталон признаков, соответствующий области, выражаемый как:
Figure 00000010
; и
признаки моделированных цветовых данных каждой из областей извлекают, чтобы образовать набор признаков банкноты для ориентации лицевой стороной и ориентации обратной стороной, выражаемые как:
Figure 00000011
,
Figure 00000012
,
где
Figure 00000013
,
Figure 00000014
.
[12] Предпочтительно, чтобы на этапе 1 предварительная обработка цветовых данных включала в себя:
определение положений начальной точки и конечной точки эффективной области цветовых данных для размещения данных, собранных с банкноты цветовым датчиком; и
фильтрацию размещенных цветовых данных для фильтрации шума, при этом предварительно обработанные цветовые данные выражают как:
Figure 00000015
,
Figure 00000016
,
Figure 00000017
,
Figure 00000018
,
где M является количеством цветовых датчиков и M должно быть больше чем 1 для надежности способа согласно варианту осуществления настоящего раскрытия, R i , G i и B i являются красной, зеленой и синей, соответственно, компонентами сигнала, а N i является длительностью сигнала цветовых данных i.
[13] Предпочтительно, чтобы на этапе 2 извлечение признака из предварительно обработанных данных включало в себя:
этап 21, на котором выполняют преобразование цветового пространства в предварительно обработанных цветовых данных для получения оттеночных данных;
этап 22, на котором определяют положение набора стабильных субсегментов в оттеночных данных, при этом стабильным субсегментом является сегмент с меньшей вариацией оттенков; и
этап 23, на котором вычисляют среднее значение оттенков стабильного субсегмента, при этом средние значения оттенков всех субсегментов в наборе стабильных субсегментов образуют вектор признаков цветовых данных, вектор F i признаков выражают как:
Figure 00000019
,
и где N является количеством цветовых датчиков.
[14] На этапе 3, когда выполняют сопоставление с наборами эталонов признаков, соответствующими каждому виду купюр, предпочтительно выполнять сопоставление с набором эталонов для ориентации лицевой стороной и набором эталонов для ориентации обратной стороной из набора эталонов, соответствующего купюре, и выполнять сопоставление при направлении передним краем и направлении задним краем, и при этом при направлении передним краем степень соответствия между признаком F i и признаком Sf k эталона описывают как:
Figure 00000020
,
где flag является знаком эталона для ориентации лицевой стороной и эталона для ориентации обратной стороной, T является предварительно заданным пороговым значением и S(z) выражают как:
Figure 00000021
,
при направлении задним краем степень соответствия между признаком F i и признаком Sf k эталона описывают как:
Figure 00000022
,
где flag является знаком эталона для ориентации лицевой стороной и эталона для ориентации обратной стороной, T является предварительно заданным пороговым значением и S'(z) выражают как:
Figure 00000023
.
[15] Предпочтительно, чтобы этап 3 дополнительно включал в себя:
этап 31, на котором получают расстояния между множеством цветовых датчиков на основе информации о положении цветовых датчиков в устройстве сбора цветов, при этом информация о положении цветовых датчиков указывает на относительные положения цветовых датчиков, получаемые на основе информации о структуре устройства сбора цветов;
этап 32, на котором получают расстояния между подобранными эталонами признаков на основе информации о положении подобранных эталонов признаков, при этом информация о положении эталонов признаков отражает относительные положения центров отдельных подобластей, получаемых при получении набора эталонов признаков; и
этап 33, на котором определяют, являются ли расстояния между подобранными эталонами признаков согласованными с расстояниями между соответствующими цветовыми датчиками, и определяют, что сопоставление является успешным в случае, когда расстояния между подобранными эталонами признаков являются согласованными с расстояниями между соответствующими цветовыми датчиками, и определяют, что сопоставление не является успешным в случае, когда расстояния между подобранными эталонами признаков не являются согласованными с расстояниями между соответствующими цветовыми датчиками.
[16] В частности, на этапе 33 степень подобия расстояний между цветовыми датчиками и расстояний между соответствующими подобранными эталонами вычисляют в соответствии со следующими формулами:
Figure 00000024
,
Figure 00000025
,
где DistS i , j является расстоянием между цветовым датчиком, соответствующим цветовым данным i, и цветовым датчиком, соответствующим цветовым данным j, DistM i , j является расстоянием между подобранным эталоном цветовых данных i и подобранным эталоном цветовых данных j, T dist является предварительно заданным пороговым значением расстояния, и
определяют, что сопоставление является успешными в случае, когда степень подобия больше чем предварительно заданное пороговое значение T sim , и
определяют, что сопоставление не является успешным в случае, когда степень подобия не больше чем предварительно заданное пороговое значение T sim .
[17] В способе распознавания денежной купюры согласно настоящему раскрытию прежде всего на основе изображения купюры образуют набор эталонов признаков; затем цветовые данные предварительно обрабатывают; после этого цветовые данные преобразуют в оттеночные данные, при этом набор средних значений каждого стабильного субсегмента в оттеночных данных образует признак цветовых данных; признак, извлеченный из цветовых данных, сопоставляют с набором эталонов признаков и в заключение получают вид денежной купюры. В соответствии с настоящим раскрытием денежную купюру распознают, используя изменение тренда в наборе средних значений стабильных субсегментов, соответствующем цветовым данным, так что проблема цветового сдвига цветовых данных может быть исключена, а денежная купюра точно распознана. Согласно настоящему раскрытию, моделируют принцип работы цветового датчика, а преимущества способа извлечения моделированных цветовых данных из цветного изображения купюры и образования набора эталонов признаков заключаются в высокой производительности и практичности. В настоящем раскрытии для распознавания выбран способ сопоставления с эталоном, при этом результат сопоставления подкрепляется сравнением расстояний между цветовыми датчиками и расстояний между подобранными эталонами, и в результате достигается точное распознавание. Таким образом, способ обладает преимуществами, заключающимися в высокой производительности и эффективности.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
На чертежах:
[18] фиг. 1 приведена блок-схема последовательности действий основанного на цветовых данных способа распознавания денежной купюры согласно варианту осуществления настоящего раскрытия;
[19] фиг. 2 - схематическое представление сегментирования оттеночных данных согласно варианту осуществления настоящего раскрытия;
[20] фиг. 3 - схематическое представление разделения областей на изображении банкноты при ориентации лицевой стороной в части извлечения набора эталонов признаков денежной купюры согласно варианту осуществления настоящего раскрытия;
[21] фиг. 4 - схематическое представление вычисления полосы приема цветового датчика; и
[22] фиг. 5 - схематическое представление процесса моделирования цветового датчика, собирающего сигнал, в соответствии со способом скользящего окна, в части извлечения набора эталонов признаков денежной купюры.
ОСУЩЕСТВЛЕНИЕ ИЗОБРЕТЕНИЯ
[23] Согласно вариантам осуществления настоящего раскрытия предложен способ распознавания банкноты на основе цветовых данных, предназначенный для распознавания банкноты путем сопоставления собранных цветовых данных и набора эталонов признаков, извлеченного из изображения известной подлинной цветной банкноты.
[24] Следует понимать, что способ распознавания денежной купюры, основанный на цветовых данных, согласно вариантам осуществления настоящего изобретения можно использовать для распознавания не только банкнот, но также и распознавания отрезных документов, таких как чеки, и этим в настоящей заявке способ не ограничивается. Способ согласно вариантам осуществления настоящего раскрытия будет описан ниже для примера применительно к распознавания банкноты, при этом описание распознавания банкноты следует воспринимать только как пример, который не следует считать ограничивающим способ из настоящего раскрытия.
[25] Обратимся к фиг. 1, на которой способ распознавания банкноты, основанный на цветовых данных, согласно варианту осуществления настоящего раскрытия включает в себя этапы с 101 по 104.
[26] На этапе 101 извлекают набор эталонов признаков, соответствующий банкноте.
[27] Цветное изображение при одной ориентации банкноты разделяют на множество подобластей на основе сложности информации об изображении. Каждую из отдельных подобластей преобразуют в цветовые данные путем моделирования рабочего режима цветового датчика. Преобразование цветового пространства выполняют относительно преобразованных цветовых данных, чтобы получить оттеночные данные области. Определяют положение стабильного субсегмента в оттеночных данных. Вычисляют среднее значение оттенков стабильного субсегмента. Средние значения оттенков всех стабильных субсегментов образуют эталон признаков, соответствующий области. Эталоны признаков, соответствующие всем подобластям, при одной ориентации образуют набор эталонов признаков, соответствующий одной ориентации банкноты, а наборы эталонов признаков, соответствующие всем ориентациям банкноты, образуют набор эталонов признаков, соответствующий банкноте.
[28] На этапе 102 цветовые данные предварительно обрабатывают.
[29] Определяют положения начальной точки и конечной точки эффективной области цветовых данных и определяют положение данных, собранных из банкноты цветовым датчиком. Чтобы отфильтровать шум, цветовые данные, положение которых определено, фильтруют.
[30] На этапе 103 из цветовых данных извлекают признак.
[31] Преобразование цветового пространства выполняют исходя из предварительно обработанных цветовых данных, чтобы получить оттеночные данные. Определяют положение набора стабильных субсегментов в оттеночных данных, при этом стабильный субсегмент представляет собой сегмент с меньшей вариацией оттенков. Вычисляют среднее значение оттенков стабильного субсегмента, при этом средние значения оттенков всех субсегментов в наборе стабильных субсегментов образуют вектор признаков цветовых данных.
[32] На этапе 104 выполняют сопоставление и распознавание.
[33] Признак цветовых данных сопоставляют с каждым эталоном признаков из набора эталонов признаков, чтобы получить количественный показатель соответствия. Эталон признаков с наибольшим количественным показателем считают подобранным эталоном цветовых данных. Расстояния между многочисленными цветовыми датчиками получают на основе информации о положении цветовых датчиков, при этом информация о положении цветовых датчиков отражает относительные положения цветовых датчиков, получаемые на основе информации о структуре устройства сбора цветов. Расстояния между подобранными эталонами признаков получают на основе информации о положении подобранных эталонов признаков, при этом информация о положении эталонных признаков отражает относительные положения центров отдельных подобластей, полученных при получении набора эталонов признаков. Определяют, являются ли расстояния между подобранными эталонами признаков согласованными с расстояниями между соответствующими цветовыми датчиками, и определяют, что сопоставление является успешным в случае, когда расстояния между подобранными эталонами признаков являются согласованными с расстояниями между соответствующими цветовыми датчиками, и определяют, что сопоставление не является успешным в случае, когда расстояния между подобранными эталонами признаков не согласованными с расстояниями между соответствующими цветовыми датчиками.
[34] Поскольку ориентация при вводе банкноты является неизвестной, то когда набор эталонов банкноты сопоставляют, необходимо соответственно выполнять сопоставление с набором эталонов для ориентации лицевой стороной и набором эталонов для ориентации обратной стороной. Кроме того, поскольку направление при вводе банкноты является неизвестным, при сопоставлении набора эталонов для каждой ориентации необходимо выполнять сопоставление при направлении передним краем и направлении задним краем.
[35] Следует отметить, что этап 101 извлечения набора эталонов признаков, соответствующего банкноте, можно выполнять независимо от других этапов, то есть, после заблаговременного извлечения набора эталонов признаков, соответствующего банкнотам каждого вида, нет необходимости в извлечении набора эталонов признаков, соответствующего банкнотам каждого вида, каждый раз в процессе распознавания подлежащей обнаружению банкноты и набора эталонов признаков, соответствующего банкноте каждого вида, которые извлекают заранее и сохраняют в системе распознавания, и их можно использовать неоднократно.
[36] Ниже варианты осуществления будут описаны подробно.
[37] На этапе 101 извлекают набор эталонов признаков, соответствующий банкноте.
[38] 1. Изображение банкноты разделяют на области.
[39] На основе сложности изображения банкноты равномерно разделяют банкноту в ориентации лицевой стороной и ориентации обратной стороной на K + и K - областей, соответственно. На фиг. 3 приведено схематическое представление участков банкноты при ориентации лицевой стороной, где SL является шириной каждой области. Для предотвращения невозможности обнаружения подобранного эталона в случае, когда цветовой датчик собирает цветовые данные в поперечном направлении, между двумя соседними частями предусматривают область перекрытия, когда выполняют разделение при ориентации лицевой стороной, и при этом протяженность области перекрытия является шириной поверхности сбора каждого цветового датчика, то есть W датчика.
[40] 2. Образуют моделированный сигнал цветового датчика.
[41] Как показано на фиг. 4, эффективная поверхность сбора цветового датчика определяется расстоянием h между датчиком и поверхностью банкноты и эффективным углом θ. Высота эффективной поверхности сбора выражается как:
W=2h×tg(θ/2).
[42] Как показано на фиг. 5, для секции k скользящее окно шириной SL и высотой W постепенно перемещается. Среднее значение цветовых характеристик всех пикселей в окне представляет собой значение моделированного сигнала с текущего места. После завершения скольжения окна получают моделированные цветовые данные текущей области.
[43] 3. Извлекают набор эталонов признаков, соответствующий банкноте.
[44] Извлечение признаков выполняют на основе моделированных цветовых данных, образованных на этапе 2, чтобы получить признаки моделированных цветовых данных для каждой подобласти, и в заключение образуют набор признаков, соответствующий банкноте в ориентации лицевой стороной, и набор признаков, соответствующий банкноте в ориентации обратной стороной, что будет описано ниже.
[45] (1) Извлечение признаков
[46] Моделированные цветовые данные, образованные на этапе 2, представляют собой данные основных цветов изображения (красного, зеленого и синего). Интенсивность сигнала в каждой выборочной точке описывается тремя параметрами, ее трудно обрабатывать и она зависит от яркости. Поэтому моделированные цветовые данные преобразуют в пространство тон-насыщенность-яркость (HSL), а извлечение признаков выполняют на основе оттеночных данных, соответствующих моделированным цветовым данным. Для цветовых данных SS, полученных из отдельной области, извлечение признаков может быть описано в следующем порядке.
[47] 1) Преобразование цветового пространства
[48] Моделированные цветовые данные преобразуют в цветовое пространство тон-насыщенность-яркость, чтобы получить оттеночные данные SH из цветовых данных SS, при этом оттеночные данные SH выражаются в виде:
Figure 00000026
.
Способ преобразования описывается следующим образом:
Figure 00000027
.
[49] 2) Поиск субсегментов
[50] После преобразования поиск стабильных субсегментов в оттеночных данных может быть выполнен следующим образом.
[51] Полное изображение оттеночных данных SH вычисляют и полное изображение выражают следующим образом:
Figure 00000028
,
где
Figure 00000029
представляют собой стабильные субсегменты в оттеночных данных, найденные способом скользящего окна. Набор стабильных субсегментов в сигнале SH определяется как:
Figure 00000030
,
где SP является количеством стабильных субсегментов в сигнале SH, при этом spart s можно выразить как:
Figure 00000031
,
а st s и end s обозначают соответственно начальное положение и конечное положение стабильного субсегмента, st s является первым l-значением, удовлетворяющим следующей формуле:
Figure 00000032
,
где end s является последним l-значением, удовлетворяющим следующей формуле:
Figure 00000033
,
где thres является предварительно заданным пороговым значением, необходимым для определения стабильности сигнала из сегмента. На фиг. 2 приведено схематическое представление с показом случая после сегментирования моделированных данных.
[52] 3) Извлечение признаков
[53] Признаки из моделированных данных могут быть выражены как:
Figure 00000034
,
где f s является средним значением каждого из стабильных субсегментов, то есть:
Figure 00000035
.
[54] (2) Образование набора эталонов признаков
[55] Используя такой же способ извлечения признаков, как способ, использованный на этапе (1), извлекают признаки из моделированных цветовых данных каждой области, чтобы образовать набор признаков для ориентации банкноты лицевой стороной и набор признаков для ориентации банкноты обратной стороной, которые выражают как:
Figure 00000036
,
Figure 00000037
,
где
Figure 00000038
,
Figure 00000039
.
[56] На этапе 102 выполняют предварительную обработку.
[57] Предварительная обработка включает в себя определение положений начальной точки и конечной точки цветовых данных в соответствии с предварительно заданным пороговым значением и выполнение медианной фильтрации цветовых данных при использовании окна из фиг. 5, чтобы отфильтровать шум, такой как электромагнитная помеха, из цветовых данных.
[58] Предварительную обработку цветовых данных выражают как:
Figure 00000040
,
Figure 00000041
,
Figure 00000042
,
Figure 00000043
,
где M - количество цветовых датчиков и M должно быть больше чем 1 для надежности способа согласно варианту осуществления настоящего раскрытия, R i , G i и B i являются красной, зеленой и синей, соответственно, компонентами сигнала и N i является длительностью сигнала цветовых данных i.
[59] На этапе 102 выполняют извлечение признаков.
[60] С обращением к способу извлечения признаков из моделированных цветовых данных на этапе 101 из реальных собранных цветовых данных извлекают признаки, выражаемые как:
Figure 00000044
,
где N является количеством цветовых датчиков.
[61] На этапе 104 выполняют сопоставление и распознавание.
[62] (1) Подбор эталона
[63] Признак из каждых цветовых данных сопоставляют с набором эталонов признаков для ориентации лицевой стороной и набором эталонов признаков для ориентации обратной стороной из набора эталонов признаков, соответствующего банкноте, при этом эталон с наибольшим количественным показателем соответствия представляет собой подобранный эталон, и регистрируют информацию о положении подобранного эталона. Поскольку направление при вводе банкноты является неизвестным, то, когда выполняют сопоставление для одной ориентации банкноты, необходимо соответствующим образом осуществлять сопоставление для направления передним краем и направления задним краем.
[64] Степень соответствия при направлении передним краем между признаком F i из цветовых данных и признаком Sf k из эталона описывают как:
Figure 00000045
,
где flag является знаком эталона при ориентации лицевой стороной и эталона при ориентации обратной стороной, T является предварительно заданным пороговым значением, а S(z) выражают так, как указано ниже:
Figure 00000046
,
а степень соответствия при направлении задним краем между признаком F i из цветовых данных и признаком Sf k из эталона описывают как:
Figure 00000047
,
где flag является знаком эталона при ориентации лицевой стороной и эталона при ориентации обратной стороной, T является предварительно заданным пороговым значением, а S'(z) выражают так, как указано ниже:
Figure 00000048
.
[65] (2) Сравнение информации о положении
[66] После сопоставления с эталоном признаков степень подобия расстояний между цветовыми датчиками и расстояний между соответствующими подобранными эталонами вычисляют по следующим формулам:
Figure 00000049
,
Figure 00000050
,
где DistS i , j является расстоянием между цветовым датчиком, соответствующим цветовым данным i, и цветовым датчиком, соответствующим цветовым данным j, DistM i , j является расстоянием между подобранным эталоном цветовых данных i и подобранным эталоном цветовых данных j, T dist является предварительно заданным пороговым значением расстояния; и определяют, что сопоставление является успешным в случае, когда степень подобия больше чем предварительно заданное пороговое значение T sim , и определяют, что сопоставление является неуспешным в случае, когда степень подобия не больше чем предварительно заданное пороговое значение T sim . Таким образом, распознавание завершается.
[67] Согласно настоящему раскрытию прежде всего образуют набор эталонов признаков, основанный на изображении банкноты; затем предварительно обрабатывают цветовые данные; после этого цветовые данные преобразуют в оттеночные данные, набор стабильных субсегментов в цветовых данных находят с помощью способа скользящего окна для полного изображения, вычисляют среднее значение оттенков каждого субсегмента и образуют вектор признаков цветовых данных. Признаки, извлеченные из цветовых данных, сопоставляют с набором эталонов признаков и в заключение получают результат распознавания. В соответствии с настоящим раскрытием банкноту распознают, используя признак тренда цветовых данных, так что проблема цветового сдвига цветовых данных может быть эффективно преодолена, а банкнота точно распознана. Признаком тренда называется соотношение величин между средними значениями двух соседних стабильных субсегментов в векторе признаков цветовых данных. В соответствии с настоящим раскрытием моделируют принцип работы цветового датчика, а способ извлечения моделированных цветовых данных из цветного изображения купюры и образования набора эталонов признаков обладает преимуществами, заключающимися в высокой скорости выполнения и практичности. В настоящем раскрытии способ сопоставления с эталоном выбран для распознавания, результат сопоставления подкрепляется сравнением расстояний между цветовыми датчиками и расстояний между подобранными эталонами и в результате этого достигается точное распознавание. Таким образом, способ обладает преимуществами, заключающимися в высокой скорости выполнения и эффективности.
[68] В приведенном выше описании показаны только предпочтительные варианты осуществления настоящего раскрытия. Следует отметить, что приведенные выше предпочтительные варианты осуществления не должны рассматриваться как ограничение настоящего раскрытия, а объем настоящего раскрытия определяется формулой изобретения из настоящего раскрытия. Специалист в данной области техники может сделать некоторое количество усовершенствований и модификаций к настоящему раскрытию без отступления от сущности и объема настоящего раскрытия, и эти усовершенствования и модификации также подразумеваются попадающими в объем настоящего раскрытия.

Claims (74)

1. Способ распознавания денежной купюры, содержащий:
этап 1, на котором собирают с помощью устройства сбора цветов, содержащего множество цветовых датчиков, цветовые данные опознаваемой денежной купюры, и выполняют предварительную обработку собранных цветовых данных;
этап 2, на котором извлекают признак из предварительно обработанных цветовых данных, при этом признак, извлекаемый из цветовых данных, является одномерным вектором, содержащим средние значения всех субсегментов с меньшей вариацией оттенков в оттеночных данных, соответствующих цветовым данным;
этап 3, на котором сопоставляют извлеченный признак с наборами эталонов признаков, соответствующими каждому виду денежных купюр, для получения количественных показателей соответствия и рассматривают эталон признаков с наибольшим количественным показателем в качестве подобранного эталона цветовых данных, при этом изображение цветной купюры при ориентации лицевой стороной и ориентации обратной стороной разделяют на множество подобластей, моделированные цветовые данные каждой из подобластей получают моделированием рабочего режима цветового датчика, признак из моделированных цветовых данных каждой из подобластей является эталоном признака, а набор эталонов признаков, соответствующих подобластям в изображении цветной денежной купюры при ориентации лицевой стороной и в изображении при ориентации обратной стороной, является набором эталонов признаков, соответствующим денежной купюре; и
этап 4, на котором определяют вид денежной купюры на основе результата сопоставления.
2. Способ распознавания денежной купюры по п. 1, в котором до этапа 1 способ распознавания денежной купюры дополнительно содержит этап, на котором предварительно определяют множество наборов эталонов признаков, соответствующих каждому виду денежных купюр, и на этом этапе извлечение набора эталонов признаков, соответствующего денежной купюре, на основе изображения купюры в естественных цветах содержит:
этап 01, на котором разделяют на основе сложности информации об изображении цветное изображение в ориентации купюры на множество подобластей;
этап 02, на котором преобразуют каждую из отдельных подобластей в цветовые данные путем моделирования рабочего режима цветового датчика;
этап 03, на котором выполняют преобразование цветового пространства в преобразованные цветовые данные для получения оттеночных данных области;
этап 04, на котором определяют положение стабильного субсегмента в оттеночных данных;
этап 05, на котором вычисляют среднее значение оттенков стабильного субсегмента;
этап 06, на котором образуют посредством средних значений оттенков всех стабильных субсегментов эталон признаков, соответствующий области; и
этап 07, на котором образуют с помощью эталонов признаков, соответствующих всем подобластям при этой ориентации, набор эталонов признаков, соответствующий данной ориентации купюры, и образуют с помощью наборов эталонов признаков, соответствующих всем ориентациям купюры, набор эталонов признаков, соответствующий купюре.
3. Способ распознавания денежной купюры по п. 2, в котором на этапе 03 моделированные цветовые данные преобразуют в цветовое пространство HSL, при этом оттеночные данные SH для цветовых данных SS получают и выражают в следующем виде:
Figure 00000051
,
а способ преобразования описывают, как представлено ниже:
Figure 00000052
.
4. Способ распознавания денежной купюры по п. 3, в котором на этапе 04 определение положения стабильного субсегмента в оттеночных данных содержит:
вычисление полного изображения по оттеночным данным SH, выражаемого в следующем виде:
Figure 00000053
,
где
Figure 00000054
; и
поиск стабильного субсегмента в оттеночных данных способом скользящего окна, при этом набор стабильных субсегментов в сигнале SH задают равным:
Figure 00000055
,
где SP является количеством стабильных субсегментов в сигнале SH, при этом spart s можно выразить как:
Figure 00000056
,
где st s и end s обозначают, соответственно, начальное положение и конечное положение стабильного субсегмента, st s является первым l-значением, удовлетворяющим следующей формуле:
Figure 00000057
,
где end s является последним l-значением, удовлетворяющим следующей формуле:
Figure 00000058
,
где thres является предварительно заданным пороговым значением для определения стабильности сигнала из сегмента.
5. Способ распознавания денежной купюры по п. 4, в котором
на этапе 05 среднее значение f s каждого стабильного субсегмента выражают как:
Figure 00000059
;
при этом средние значения оттенков всех стабильных субсегментов образуют эталон признаков, соответствующий области, выражаемый как:
Figure 00000060
; и
признаки моделированных цветовых данных каждой из областей извлекают, чтобы образовать набор признаков банкноты для ориентации лицевой стороной и ориентации обратной стороной, выражаемые как:
Figure 00000061
,
Figure 00000062
,
где
Figure 00000063
,
Figure 00000064
.
6. Способ распознавания денежной купюры по любому одному из пп. 1-5, в котором на этапе 1 предварительная обработка цветовых данных содержит:
определение положений начальной точки и конечной точки эффективной области цветовых данных для размещения данных, собранных с банкноты цветовым датчиком; и
фильтрацию размещенных цветовых данных для фильтрации шума, при этом предварительно обработанные цветовые данные выражают как:
Figure 00000065
,
Figure 00000066
,
Figure 00000067
,
Figure 00000068
,
где M является количеством цветовых датчиков и M должно быть больше чем 1 для надежности способа согласно варианту осуществления настоящего раскрытия; R i , G i и B i являются красной, зеленой и синей, соответственно, компонентами сигнала; N i является длительностью сигнала цветовых данных i.
7. Способ распознавания денежной купюры по п. 6, в котором на этапе 2 извлечение признака из предварительно обработанных цветовых данных содержит:
этап 21, на котором выполняют преобразование цветового пространства в предварительно обработанные цветовые данные для получения оттеночных данных;
этап 22, на котором определяют положение набора стабильных субсегментов в оттеночных данных, при этом стабильным субсегментом является сегмент с меньшей вариацией оттенков; и
этап 23, на котором вычисляют среднее значение оттенков стабильного субсегмента, при этом средние значения оттенков всех субсегментов в наборе стабильных субсегментов образуют вектор признаков цветовых данных, вектор F i признаков выражают как:
Figure 00000069
,
и где N является количеством цветовых датчиков.
8. Способ распознавания денежной купюры по п. 7, в котором на этапе 3, когда выполняют сопоставление с наборами эталонов признаков, соответствующими каждому виду купюр, сопоставление выполняют с набором эталонов для ориентации лицевой стороной и набором эталонов для ориентации обратной стороной из набора эталонов, соответствующего купюре, и сопоставление выполняют при направлении передним краем и направлении задним краем, при направлении передним краем степень соответствия между признаком F i и признаком Sf k эталона описывают как:
Figure 00000070
,
где flag является знаком эталона для ориентации лицевой стороной и эталона для ориентации обратной стороной, T является предварительно заданным пороговым значением и S(z) выражают как:
Figure 00000071
,
при направлении задним краем степень соответствия между признаком F i цветовых данных и признаком Sf k эталона описывают как:
Figure 00000072
,
где flag является знаком эталона для ориентации лицевой стороной и эталона для ориентации обратной стороной, T является предварительно заданным пороговым значением и S'(z) выражают как:
Figure 00000073
.
9. Способ распознавания денежной купюры по п. 8, в котором этап 3 дополнительно содержит:
этап 31, на котором получают расстояния между множеством цветовых датчиков на основе информации о положении цветовых датчиков в устройстве сбора цветов, при этом информация о положении цветовых датчиков указывает на относительные положения цветовых датчиков, получаемые на основе информации о структуре устройства сбора цветов;
этап 32, на котором получают расстояния между подобранными эталонами признаков на основе информации о положении подобранных эталонов признаков, при этом информация о положении эталонов признаков отражает относительные положения центров отдельных подобластей, получаемых при получении набора эталонов признаков; и
этап 33, на котором определяют, являются ли расстояния между подобранными эталонами признаков согласованными с расстояниями между соответствующими цветовыми датчиками, и определяют, что упомянутое сопоставление является успешным в случае, когда расстояния между подобранными эталонами признаков являются согласованными с расстояниями между соответствующими цветовыми датчиками, и определяют, что упомянутое сопоставление не является успешным в случае, когда расстояния между подобранными эталонами признаков не являются согласованными с расстояниями между соответствующими цветовыми датчиками.
10. Способ распознавания денежной купюры по п. 9, в котором на этапе 33 степень подобия расстояний между цветовыми датчиками и расстояний между соответствующими подобранными эталонами вычисляют в соответствии со следующими формулами:
Figure 00000074
,
Figure 00000075
,
где DistS i , j является расстоянием между цветовым датчиком, соответствующим цветовым данным i, и цветовым датчиком, соответствующим цветовым данным j, DistM i , j является расстоянием между подобранным эталоном цветовых данных i и подобранным эталоном цветовых данных j, T dist является предварительно заданным пороговым значением расстояния, и
определяют, что сопоставление является успешным в случае, когда степень подобия больше чем предварительно заданное пороговое значение T sim , и
определяют, что сопоставление не является успешным в случае, когда степень подобия не больше чем предварительно заданное пороговое значение T sim .
RU2017135352A 2015-04-13 2016-04-06 Способ распознавания денежной купюры RU2668731C1 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201510176330.0A CN104732231B (zh) 2015-04-13 2015-04-13 一种有价票据的识别方法
CN201510176330.0 2015-04-13
PCT/CN2016/078566 WO2016165574A1 (zh) 2015-04-13 2016-04-06 一种有价票据的识别方法

Publications (1)

Publication Number Publication Date
RU2668731C1 true RU2668731C1 (ru) 2018-10-02

Family

ID=53456106

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2017135352A RU2668731C1 (ru) 2015-04-13 2016-04-06 Способ распознавания денежной купюры

Country Status (6)

Country Link
US (1) US10235595B2 (ru)
EP (1) EP3285210A4 (ru)
CN (1) CN104732231B (ru)
HK (1) HK1249626A1 (ru)
RU (1) RU2668731C1 (ru)
WO (1) WO2016165574A1 (ru)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732231B (zh) * 2015-04-13 2019-02-26 广州广电运通金融电子股份有限公司 一种有价票据的识别方法
CN105894655B (zh) * 2016-04-25 2018-05-22 浙江大学 基于rgb-d相机的复杂环境下纸币检测和识别方法
CN106803307B (zh) * 2016-12-16 2023-05-02 恒银金融科技股份有限公司 一种基于模板匹配的纸币面值面向识别方法
CN107689006B (zh) * 2017-03-13 2020-02-14 平安科技（深圳）有限公司 理赔账单识别方法和装置
WO2019210237A1 (en) 2018-04-27 2019-10-31 Alibaba Group Holding Limited Method and system for performing machine learning
CN110674863B (zh) * 2019-09-19 2022-06-21 北京迈格威科技有限公司 汉明码识别方法、装置及电子设备
CN111444793A (zh) * 2020-03-13 2020-07-24 安诚迈科(北京)信息技术有限公司 基于ocr的票据识别方法、设备、存储介质及装置
CN111899411B (zh) * 2020-08-14 2022-02-25 中国工商银行股份有限公司 票据数据识别方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6798900B1 (en) * 1999-10-29 2004-09-28 Nippon Conlux Co., Ltd. Paper sheet identification method and apparatus
US20070274573A1 (en) * 2006-05-26 2007-11-29 Canon Kabushiki Kaisha Image processing method and image processing apparatus
WO2012131581A1 (en) * 2011-03-30 2012-10-04 Kba-Notasys Sa Device for offline inspection and color measurement of printed sheets for the production of banknotes and like printed securities
RU2547700C2 (ru) * 2008-08-05 2015-04-10 Гизеке Унд Девриент Гмбх Защитная система

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AUPN310195A0 (en) * 1995-05-22 1995-06-15 Canon Kabushiki Kaisha Template formation method
US20050276458A1 (en) * 2004-05-25 2005-12-15 Cummins-Allison Corp. Automated document processing system and method using image scanning
GB0313002D0 (en) 2003-06-06 2003-07-09 Ncr Int Inc Currency validation
ITMI20031449A1 (it) * 2003-07-15 2005-01-16 St Microelectronics Srl Metodo per classificare una immagine digitale
CA2559102C (en) 2004-03-09 2013-01-15 Council Of Scientific And Industrial Research Improved fake currency detector using visual and reflective spectral response
US7916924B2 (en) * 2006-09-19 2011-03-29 Primax Electronics Ltd. Color processing method for identification of areas within an image corresponding to monetary banknotes
EP1944737A1 (en) * 2006-12-29 2008-07-16 NCR Corporation Validation template for valuable media of multiple classes
US8780206B2 (en) * 2008-11-25 2014-07-15 De La Rue North America Inc. Sequenced illumination
US8265346B2 (en) * 2008-11-25 2012-09-11 De La Rue North America Inc. Determining document fitness using sequenced illumination
CN102005078A (zh) * 2010-12-23 2011-04-06 北京新岸线软件科技有限公司 一种纸币、票券识别方法和装置
CN102054168B (zh) * 2010-12-23 2012-11-14 武汉大学苏州研究院 一种有价票据圆形印鉴识别方法
DE102010055974A1 (de) * 2010-12-23 2012-06-28 Giesecke & Devrient Gmbh Verfahren und Vorrichtung zur Bestimmung eines Klassenreferenzdatensatzes für die Klassifizierung von Wertdokumenten
US8531652B2 (en) * 2011-04-08 2013-09-10 Dri-Mark Products Three way desktop UV counterfeit detector
CN102890840B (zh) * 2012-08-22 2016-03-23 山东新北洋信息技术股份有限公司 纸币鉴别方法和装置
CN103136845B (zh) * 2013-01-23 2015-09-16 浙江大学 一种基于冠字号图像特征的人民币鉴伪方法
CN103208004A (zh) * 2013-03-15 2013-07-17 北京英迈杰科技有限公司 票据信息区域自动识别和提取方法及设备
CN104156732A (zh) * 2014-08-01 2014-11-19 北京利云技术开发公司 纸张真伪辨别系统和方法
CN104732231B (zh) * 2015-04-13 2019-02-26 广州广电运通金融电子股份有限公司 一种有价票据的识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6798900B1 (en) * 1999-10-29 2004-09-28 Nippon Conlux Co., Ltd. Paper sheet identification method and apparatus
US20070274573A1 (en) * 2006-05-26 2007-11-29 Canon Kabushiki Kaisha Image processing method and image processing apparatus
RU2547700C2 (ru) * 2008-08-05 2015-04-10 Гизеке Унд Девриент Гмбх Защитная система
WO2012131581A1 (en) * 2011-03-30 2012-10-04 Kba-Notasys Sa Device for offline inspection and color measurement of printed sheets for the production of banknotes and like printed securities

Also Published As

Publication number Publication date
HK1249626A1 (zh) 2018-11-02
EP3285210A4 (en) 2018-06-20
CN104732231A (zh) 2015-06-24
EP3285210A1 (en) 2018-02-21
WO2016165574A1 (zh) 2016-10-20
CN104732231B (zh) 2019-02-26
US10235595B2 (en) 2019-03-19
US20180101749A1 (en) 2018-04-12

Similar Documents

Publication Publication Date Title
RU2668731C1 (ru) Способ распознавания денежной купюры
Nguyen et al. Robust minutiae extractor: Integrating deep networks and fingerprint domain knowledge
Türetken et al. Automated reconstruction of tree structures using path classifiers and mixed integer programming
CN105745687B (zh) 情景感知移动目标检测
Huang et al. Morphological building/shadow index for building extraction from high-resolution imagery over urban areas
WO2017190574A1 (zh) 一种基于聚合通道特征的快速行人检测方法
CN109829467A (zh) 图像标注方法、电子装置及非暂态电脑可读取储存媒体
CN107085708B (zh) 基于多尺度分割和融合的高分辨率遥感图像变化检测方法
CN109446942A (zh) 目标跟踪方法、装置和系统
Ren et al. Fusion of intensity and inter-component chromatic difference for effective and robust colour edge detection
CN104182973A (zh) 基于圆形描述算子csift的图像复制粘贴检测方法
CN106548139B (zh) 一种行人重识别方法
CN110348356A (zh) 一种基于深度光流网络的连续帧rd图像目标识别方法
CN108647695A (zh) 基于协方差卷积神经网络的低对比度图像显著性检测方法
CN105493141A (zh) 非结构化道路边界检测
CN107195069A (zh) 一种人民币冠字号自动识别方法
CN109543498A (zh) 一种基于多任务网络的车道线检测方法
CN110458019B (zh) 稀缺认知样本条件下的排除倒影干扰的水面目标检测方法
CN105975955B (zh) 一种图像中文本区域的检测方法
CN109800637A (zh) 一种遥感影像小目标检测方法
Feng et al. Scene text detection based on multi-scale SWT and edge filtering
CN109948577B (zh) 一种布料识别方法、装置及存储介质
CN104463182A (zh) 基于关键点检测的nbi胃镜图像处理方法
CN115100733B (zh) Rfid手势识别方法、计算机装置、产品及存储介质
CN106257494B (zh) 复杂场景下的车牌检测方法及装置

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20200407