WO2014173012A1 - 一种金融票据识别模块中积灰检测方法及系统 - Google Patents

一种金融票据识别模块中积灰检测方法及系统 Download PDF

Info

Publication number
WO2014173012A1
WO2014173012A1 PCT/CN2013/078645 CN2013078645W WO2014173012A1 WO 2014173012 A1 WO2014173012 A1 WO 2014173012A1 CN 2013078645 W CN2013078645 W CN 2013078645W WO 2014173012 A1 WO2014173012 A1 WO 2014173012A1
Authority
WO
WIPO (PCT)
Prior art keywords
dust accumulation
condition
effective area
column
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/CN2013/078645
Other languages
English (en)
French (fr)
Inventor
罗攀峰
陈建
王荣秋
徐朝阳
欧阳灵文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GRG Banking Equipment Co Ltd
Original Assignee
GRG Banking Equipment Co Ltd
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 GRG Banking Equipment Co Ltd filed Critical GRG Banking Equipment Co Ltd
Publication of WO2014173012A1 publication Critical patent/WO2014173012A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images

Definitions

  • the present invention relates to an image analysis technique, and more particularly to a detection method and a detection system suitable for use in a financial self-service device for determining whether or not there is dust accumulation in an identification module.
  • the invention solves the above-mentioned problem that the identification accuracy of the identification module is affected by the ash accumulation of the sensor in the identification module, and proposes an ash accumulation detection method for analyzing whether the ash accumulation exists in the identification module according to the collected spectral image.
  • the method for detecting ash in the financial ticket identification module includes the following steps:
  • Step 1 Acquire a spectral image of the channel before identifying the financial instrument
  • Step 2 Searching for an effective area of the spectral image, specifically: comparing, by using a preset discrimination condition 1 and a discrimination condition 2, a gray difference value of any two pixel points in adjacent columns in the spectral image, when When the discrimination condition 1 is satisfied, the search for the stop position is the start position of the effective area, and it is recorded that when the determination condition 2 is satisfied, the search is stopped, and the first column is the end position of the effective area, which is recorded as The start position and the end position determine a boundary of an effective area of the spectral image; wherein, the discrimination condition 1 is: j) > 2* j + ⁇ ) (0 ⁇ i ⁇ H, 0 ⁇ j ⁇ W / 1) ;
  • the discriminating condition 2 is: l)>2*/( )(0 ⁇ ⁇ H, /2 ⁇ ⁇ if) , , is the gray value of the pixel of the first row and the first column of the spectral image, is the height of the spectral image, and w is the spectrum Image width
  • Step 3 searching for each pixel of the effective area of the X-ray spectral image, and counting the number of pixels in each column of the effective area that meet the preset discrimination condition 3,
  • the discriminating condition 3 is: KU)>T 1 (0 ⁇ i ⁇ H, S ⁇ j ⁇ E) ⁇ is a gray threshold; step 4, judging "whether the predetermined discriminating condition 4 is satisfied, when the value of "is satisfied" When the condition 4 is determined, it is determined that there is dust accumulation in the identification module.
  • the discriminating condition 4 is: S draw U ⁇ T ⁇ H, and ⁇ is a single-column gray-collecting point threshold.
  • the method when the value of the S picture satisfies the determination condition 4, before the determination of the ash accumulation in the identification module, the method further includes:
  • Step 4.1 when the value of ⁇ satisfies the discriminating condition 4, the statistical variable ⁇ is incremented by 1, which The initial value of ⁇ is 0;
  • Step 4.2 determining whether ⁇ satisfies the preset discrimination condition 5
  • the discriminating condition 5 is: let > ⁇ ⁇ 3 be the dust collecting stripe threshold.
  • the spectral image information in the step 1 includes at least two of white light reflection information, infrared light reflection information, infrared light transmission information, and ultraviolet light information.
  • step 4.2 determining whether St M satisfies a preset discriminating condition 5 is specifically: Step 4.2.1: determining whether a statistical variable of t spectral image information satisfies a discriminating condition 5,
  • Step 4.2.2 the logic and decision fusion of W, to obtain the final recognition result Z, wherein
  • the method further comprises: when it is determined that there is dust accumulation in the identification module, prompting to clear the dust. Further preferably, the reminder cleans up the dust to issue a warning by sound, text or image, prompting the user to clean up the dust in the identification module.
  • ⁇ is satisfied as the height of the financial document image included in the spectral image to exclude interference of the foreground image characteristic pixel points.
  • the starting position is a preset effective area starting position default value
  • the ending position is a preset effective area. Domain termination location default value
  • the present invention also provides a detection system for implementing the ash accumulation detection method in the above financial ticket identification module, which includes:
  • a sensor for collecting a detection spectrum image before identifying the financial instrument; an image effective area acquisition module for searching an effective area of the spectral image; and a dust collecting feature extraction module for using the effective area
  • the gray value of the pixel in the analysis is analyzed to form a gray feature of each column of the effective area;
  • a dust accumulation discriminating module is configured to analyze and analyze the dust collecting features of each column of the effective area to determine whether the spectral image has accumulated dust.
  • the ash feature extraction module is specifically configured to compare gamma difference values of any two pixel points in adjacent columns in the spectral image by using a predetermined discrimination condition 1 and a discrimination condition 2
  • condition 1 When condition 1 is established, the search is stopped, and the first column is the starting position of the effective area, which is denoted as ⁇
  • the discrimination condition 2 When the discrimination condition 2 is established, the search is stopped, and the 'th column is the end position of the effective area, which is recorded as a starting position and a ending position determining a boundary of an effective area of the spectral image;
  • the criterion 1 is: j) > 2*/( , 7 +1) (0 ⁇ H, 0 ⁇ j ⁇ WI2) ⁇ Discrimination condition 2:
  • the dust accumulation discriminating module specifically includes:
  • a first ash feature statistic unit is configured to perform statistic on the ash feature of each column of the spectral image that satisfies a preset discriminating condition, and obtain statistical data, wherein the predetermined condition is satisfied in each column
  • the ash accumulation feature is statistically calculated as: X-inch each pixel of the effective region of the spectral image is searched, and the pixel points satisfying the preset discrimination condition 3 in each column of the effective region are counted. Number, Another ij determination condition 3: 7 (, 7)> r i (0 ⁇ H "S ⁇ 7 ⁇ E); 7 for the gray-level threshold;
  • a first determining unit is configured to determine whether the statistical data satisfies the preset discriminating condition 4, and when the value of >3 ⁇ 4 ⁇ ( ') satisfies the discriminating condition 4 , it is determined that there is dust accumulation in the identification module, and when the value of S does not satisfy the discriminant In condition 4, there is no accumulation of dust in the determination recognition module, wherein the discrimination condition 4 is: Sum(j)>T 2 (T 2 ⁇ H) ⁇ where ⁇ is a single-column dust-collecting point threshold.
  • the first determining unit is further configured to: when the value of “the condition satisfies the discriminating condition 4, increase the statistical variable ⁇ by 1 to determine whether the ⁇ satisfies the preset discriminating condition 5, and when the ⁇ satisfies the discriminating condition At 5 o'clock, it is determined that there is ash accumulation in the identification module.
  • the sensor comprises at least two of a sensor for acquiring white light reflection information of the financial instrument, a sensor for infrared light reflection information, an infrared light transmission information sensor or an ultraviolet light information sensor.
  • the ash discriminating module specifically includes:
  • a second ash collecting characteristic statistic unit configured to perform statistics on the ashing features of each of the at least two kinds of spectral images that satisfy a predetermined discriminating condition, to obtain statistical data, wherein each of the at least two kinds of spectral images is obtained
  • the ash accumulation feature in a column that satisfies the preset discrimination condition is specifically calculated as: searching for each pixel of the effective region of at least two spectral images, and counting each of the effective regions to satisfy a preset determination condition 3
  • the number of pixels is recorded as 0 ⁇ ⁇ ' ⁇ £ ), and the condition 3 is: ('', ) >T l (0 ⁇ i ⁇ H, S ⁇ j ⁇ E) ⁇ is the gray threshold, whenever When the value of S drawing ⁇ satisfies the discriminating condition 4, the statistical variable ⁇ is incremented by 1, the initial value of SUM is 0, and the discriminating condition 4 is: m > ⁇ 2 ( ⁇ 2 ⁇ ⁇ , ⁇ 2 is the threshold of the number of points
  • ⁇ ⁇ where t>2, ⁇ initial value is 0, and the condition 5 is: Please > ⁇ ⁇ 3 is the gray-striped threshold; a second judgment unit is used for the X-inch statistic
  • the data is logically and decision-making fusion, and the decision fusion feature is formed as follows: judging whether the statistics of the t kinds of spectral image information ⁇ meet the preset judgment
  • condition 5 form a decision basis 0 please ' ⁇ ⁇ , where t> 2, ⁇ ⁇ initial value is 0, and the condition 5 is:
  • a reminding module configured to prompt to clear the dust when the dust is present in the determining module.
  • the reminder cleans up the dust to issue a warning by sound, text or image to remind the user to clean up the dust in the identification module.
  • ⁇ is satisfied, where ⁇ is the height of the financial document image contained in the spectral image.
  • the starting position is a preset effective area starting position default value
  • the ending position is a preset effective area ending position default value.
  • the method for detecting ash provided by the present invention is based on the existing identification module, and uses the spectral image information collected by the sensor to determine whether there is dust accumulation in the identification module before the identification module initializes the self-test and before the financial instrument is recognized. , that is to say, there is no need to add extra equipment for this test. Therefore, it is only necessary to perform a test on different spectral signal images before the financial instrument is recognized, and it can be concluded whether there is dust accumulation. Therefore, the ash detection method is a low-cost, high-reliability detection method to ensure the stability and reliability of the sensor image signal of the recognition module and the accuracy of the financial instrument recognition result.
  • FIG. 1 is a schematic diagram of a financial instrument identification module
  • FIG. 2 is a schematic diagram of a composition of a dust collecting detection system according to a preferred embodiment of the present invention
  • FIG. 3 is a flow chart of a method for detecting dust accumulation provided by a preferred embodiment of the present invention
  • FIG. 4 is a schematic diagram of an infrared reflection spectrum image acquired when the system shown in FIG. 2 performs the method shown in FIG. 3;
  • Figure 5 is a schematic diagram showing the boundary of the effective area of the infrared reflection spectrum image of Figure 4.
  • FIG. 6 is a schematic diagram of the accumulation of spectral images.
  • the technical solutions in the embodiments of the present invention are clearly and completely described in the following with reference to the accompanying drawings in the embodiments of the present invention. It is obvious that the described embodiments are only a part of the embodiments of the present invention, and not all of the embodiments. example. All other embodiments obtained by a person of ordinary skill in the art based on the embodiments of the present invention without creative work are within the scope of the present invention.
  • the financial instrument identification module includes a financial instrument transmission channel 30, a sensor 10 disposed in the transmission channel, the surface of the sensor 10 is covered with a certain amount of dust 20, and the RMB 40 is from right to left.
  • the transmission passes through the two-pole sensor 40 in sequence, and completes the collection of spectral image information on the front side and the back side of the RMB. It should be noted that the number of sensors and the information collection surface can be appropriately increased and adjusted as needed. This is a technique well known to those skilled in the art.
  • a schematic diagram of a composition of a dust collecting detection system includes: a sensor 10 for acquiring a spectral image before identifying a financial instrument; - for searching for a spectral image An image effective area obtaining module 2 of an effective image area; - an ash feature extracting module 3 for analyzing gray values of pixel points in the effective image area and forming a ash feature of each column; The gray-collecting features of each column are analyzed and processed to determine whether the spectral image has an accumulated dust-distributing discriminating module 4; and the necessary data storage module 5 and a reminder module 6 for reminding the cleaning of the dust.
  • the ash discriminating module 4 includes a ashing feature statistic unit 41 for performing statistics on the ashing features satisfying the preset conditions in each column of each spectral image, and obtaining statistical data.
  • the statistical data is merged with the decision of the logical sum, and the decision fusion unit 42 for forming the decision fusion feature is formed, and a judging unit 43 for judging and analyzing the decision fusion feature and determining whether the speckle image exists.
  • FIG. 3 a flow chart of a method for detecting ash provided by a preferred embodiment of the present invention is described in detail.
  • the method for detecting ash includes the following steps:
  • Step Sl collecting spectral image information, when the identification module initializes the self-test or before the financial note is recognized, the sensor 10 in the identification module performs spectral image acquisition;
  • Step S2 Searching for an effective area of the image, searching for an effective area of the spectral image collected in S1, and comparing the difference between the pixels of the adjacent column by the following discrimination condition 1 and the discrimination condition 2, thereby determining the boundary of the effective area of the spectral image,
  • Judging condition 1 I(U)>2*I(i +W ⁇ i ⁇ H, 0 ⁇ j ⁇ W/2).
  • Discrimination condition 2 ⁇ ,7 -1) > 2* /(,7)(0 ⁇ i ⁇ H, WI2 ⁇ j ⁇ W)
  • W, ') is the gray value of the pixel of the first and second columns of the spectral image
  • H is the height of the spectral image, and is the width of the spectral image
  • the specific discriminating step is, when the discrimination condition 1 is established, the search is stopped, the first The column is the starting position of the effective area, and is marked as ⁇
  • the default value is the default value of the preset effective area starting position.
  • the discrimination condition 2 is established, the search is stopped.
  • the column is the end position of the effective area, and it is recorded that when the discrimination condition 2 is not established, the default value is the preset effective area termination position default value £ . ;
  • Step S3 extracting the ash feature, searching for each pixel of the effective area of the image obtained in step S2 from left to right, top to bottom, and counting the number of pixel feature points satisfying the condition 3 in each column of the statistical image , ,
  • Discriminating condition 3 I(i)> ⁇ i ⁇ H, S ⁇ j ⁇ E) ⁇ where is the grayscale threshold, the financial instrument in this embodiment is RMB, so here 7 8G .
  • Step S4 the image dust is discriminated, and the discrimination condition 4 is judged for the ⁇ « ⁇ obtained in the step S3,
  • Judging condition 4 Sum(j)>T 2 (T 2 ⁇ H) ⁇ is a single-column dust-collecting point threshold, which is an integer greater than zero and less than the height of the spectral image;
  • step S4 is specifically:
  • Step 4.1 when the value of j satisfies the discriminating condition 4, the statistical value SUM with an initial value of 0 plus
  • Step 4.2 and then discriminate according to the discriminating condition 5, and determine the condition 5: let > ⁇ ⁇ 3 be the ash streak threshold;
  • the cleaning of the dust is stopped and the end is completed; if the determination condition 5 is not established, the financial instrument identification is performed.
  • image information such as white light reflection information, infrared light reflection information, infrared light transmission information, or ultraviolet light information of the financial instrument.
  • the statistical variable ⁇ 4 of the t-spectrum image information is discriminated
  • the white light reflection spectrum image information of the financial instrument and the infrared reflection spectrum image information are selected as the recognition object, and the identification of the infrared reflection spectrum image is described in detail.
  • Step 1 collecting spectral image information, and collecting complete infrared reflection spectrum image information through the sensor 10 before identifying the financial instrument.
  • the image information is as shown in FIG. 4, and the image information includes a white calibration edge 51 and a left calibration boundary 52. Background 53, financial document image (foreground) 54, black calibration edge 55, and right calibration boundary 56.
  • Step 2. Search for the effective area of the image.
  • the white calibration edge 51 and the black calibration edge 55 are invalid regions of image detection, and their characteristics are not because The change of the physical environment changes, so the removal of the invalid area can reduce the data processing amount of the system on the one hand, and improve the accuracy of the edge detection of the financial document image on the other hand. Therefore, the position search of the left and right calibration circles 52, 56 is required to achieve the purpose of self-calibration of the effective area boundary.
  • the boundary of the effective region of the spectral image can be judged by comparing the difference between adjacent column image pixels.
  • the gray value of the pixel and the pixel of the infrared reflection spectrum image H is the height of the infrared reflection spectrum image, and is the image width of the infrared reflection spectrum.
  • the search By discriminating the condition 1 to compare the difference between the adjacent column image pixels, once the discrimination condition 1 is satisfied, the search is stopped, and the first column is the start position of the effective region, which is recorded as the default value if the search condition 1 is not satisfied.
  • the default value of the preset effective area start position is also set; the difference between the adjacent column image pixels is also compared by the discrimination condition 2, and once the discrimination condition 2 is satisfied, the search is stopped, and the column is the end position of the effective area, that is, if If the search completion condition 2 is not established, the default value is the preset valid area end position default value £ . .
  • Step 3 extracting the ash feature
  • condition 4 Sum(j)>T 2 (T 2 ⁇ H) , 2 is the threshold of the number of points in a single row of gray, and if the value satisfies the condition 4, it is regarded as the gray of the column image, and the statistical variable ⁇ > 0 starts to increase by 1, and SUM shows the number of columns in the image.
  • the statistical variables of the two kinds of spectral image information ⁇ ⁇ are respectively judged by the condition 5 , forming a decision basis ⁇ and
  • the discriminating condition 5 is ⁇ / ⁇ > ⁇ 3
  • ⁇ 3 is the threshold of the ash streak
  • ⁇ 3 3 in the renminbi recognition algorithm, wherein the threshold of ⁇ 3 can be based on different sensors The actual situation is adjusted appropriately, and the value can generally be 2, 3 or 4.
  • the foreground image information is very different, and the background image information is small.
  • the image features of different financial instruments are easily mistaken for the gray image features. Therefore, the background image in the spectral information is selected as the product.
  • the basis for the determination of gray detection To exclude the interference of the foreground image feature pixel, X fouling inch single point addition of 2-butoxy threshold constraint: T 2> h, where /; FIG. 5 is a financial The height of the ticket image.
  • the device for prompting the cleaning of the dust can be a display module, and by prompting a warning by using sound, text or image, the user is reminded to clean the dust on the channel of the identification module.
  • the method for detecting ash accumulation in the sorting machine adopted by the invention is based on the existing identification module, and uses the identification module to initialize the self-test process or before the identification of the financial bill, and judges whether the identification module exists in the identification module through the image information collected by the sensor 10. Ash accumulation, that is to say, there is no need to add additional devices for this test. It is only necessary to perform a test on different spectral signal images before the financial instrument is recognized, and it can be concluded whether there is dust accumulation. Therefore, the ash accumulation detection method in the sorting machine is a low-cost, high-reliability detection method, thereby ensuring the stability and reliability of the sensor image signal of the identification module and the accuracy of the financial instrument identification result, so as to improve the financial self-service equipment. The quality of the ticket identification.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Inspection Of Paper Currency And Valuable Securities (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

一种金融票据识别模块中积灰检测方法及系统，该方法包括：步骤1，采集光谱图像信息；步骤2，搜索该光谱图像的有效区域；步骤3，提取积灰特征；步骤4，图像积灰判别，根据是否存在积灰的判别结果给出提醒清理积灰并结束或进行进入票据识别的过程。该检测方法不需要增加额外的装置，只需要在设备自检过程中或金融票据识别之前，对采集光谱图像信息进行一次积灰检测，即可得出是否有积灰的结论。因此，成本低，识别可靠性高，确保识别模块传感器图像信号的稳定可靠、金融票据识别结果的精确程度。

Description

一种金融票据识别模块中积灰检测方法及系统
本申请要求于 2013 年 4 月 24 日提交中国专利局、 申请号为 201310145676.5、发明名称为 "一种金融票据识别模块中积灰检测方法及系统" 的中国专利申请的优先权， 其全部内容通过弓 [用结合在本申请中。
技术领域
本发明涉及一种图像分析技术，特别涉及一种适用于金融自助设备中用于 判断识别模块内是否存在积灰的检测方法以及检测系统。
背景技术
在金融自助设备中为了对批量处理的每一张进入票据（比如纸币）逐一进 行检验，需要将堆叠的金融票据一张张分离开来，然后对分离的单张金融票据 进行图像识别、厚度检测、磁信息检测等识别手段， 以保证所处理的金融票据 的真实性，其中，金融票据的图像识别对于票据的有效性识别是最为有效的一 种检测手段。
但是，当金融票据在金融设备的传动装置中传递时其表面的纸屑和印刷油 墨等会脱落积聚，在其通过识别模块时就会自然地堆积在传感器上，从而造成 传感器采集到的光谱图像并不能真实反映金融票据的真实特征，从而影响金融 设备对票据识别结果的准确性。 发明内容
本发明要解决上述由于识别模块中传感器的积灰而影响识别模块的识别 准确性，而提出根据采集的光谱图像进行分析判别识别模块中是否存在积灰的 积灰检测方法。 这种金融票据识别模块中积灰检测方法， 包括如下步骤：
步骤 1， 在对金融票据进行识别之前， 采集通道的光谱图像；
步骤 2， 搜索所述光谱图像的有效区域， 具体为： 通过预设的判别条件 1 和判别条件 2对比在所述光谱图像中处于相邻列的任意两个像素点的灰度差 值， 当判别条件 1成立时， 则停止搜 列即为有效区域的起始位置， 记 为 当判别条件 2成立时， 则停止搜索， 第 '列即为有效区域的终止位置， 记为 , 根据所述起始位置和终止位置确定所述光谱图像的有效区域的边界； 其中， 判别条件 1为： j) > 2* j +ΐ)(0≤ i < H,0≤ j <W / 1) ;
判别条件 2为： l)〉2*/( )(0≤ <H, /2≤ <if) , ， 为光谱图像第行、第 列像素点的灰度值， 为光谱图像高度， w为 光谱图像宽度；
步骤 3， X寸所述光谱图像的有效区域的每一个像素点进行搜索， 统计所述 有效区域的每一列中满足预设的判别条件 3的像素点个数， 记为
Sum(j)(S<j<E) .
，
其中， 判别条件 3为： KU)>T1(0≤i<H,S≤j<E) ^ 为灰度阈值； 步骤 4，判断" 是否满足预设的判别条件 4，当" 的值满足判别条 件 4时， 则判定识别模块中存在积灰，
当 S飄 的值不满足判别条件 4时， 则判定识别模块中不存在积灰； 其中， 判别条件 4为： S画 U^T^H , ^为单列积灰点数阈值。
优选的，所述步骤 4中当 S画 的值满足判别条件 4时， 在判定识别模块 中存在积灰之前， 所述方法还包括：
步骤 4.1, 每当" ^ 的值满足判别条件 4时， 将统计变量^ ^加 1, 其 中， ^^的初始值为 0;
步骤 4.2， 判断^ ^是否满足预设的判别条件 5，
当 SUM满足判别条件 5时， 则判定识别模块中存在积灰，
当^/ M不满足判别条件 5时， 则判定识别模块中不存在积灰； 其中， 判别条件 5为： 讓 > τ Τ3为积灰条纹阈值。
进一步的，所述步骤 1中光谱图像信息包括白光反射信息、红外光反射信 息、 红外光透射信息或紫外光信息中的至少 2种。
优选的， 所述步骤 4.2中判断 St M是否满足预设的判别条件 5具体为： 步骤 4.2.1 , 判断 t种光谱图像信息的统计变量 是否满足判别条件 5，
A (SUMt > T3)
形成决策依据 0 (^ ) , 其中， t>2 ;
步骤 4.2.2， 对 W进行逻辑与的决策融合， 得到最终识别结果 Z， 其中
7 f! wx = . = wt
其他 ' 当 z=o时， 则判定识别模块中不存在积灰，
当 Z=l时， 则判定识别模块中存在积灰。
优选的，所述方法还包括：当判定识别模块中存在积灰时，提醒清理积灰。 进一步优选的，所述提醒清理积灰为通过声音、文字或图像方式发出警告， 提醒用户清理识别模块中的积灰。
优选的， 在所述步骤 4中， ^满足 其中， 为该光谱图像中包含的 金融票据图像的高度， 以排除前景图像特征像素点的干扰。
优选的， 当判别条件 1不成立时，所述起始位置为预先设定的有效区域起 始位置默认值 , 当判别条件 2不成立时，所述终止位置为预先设定的有效区 域终止位置默认值 。
本发明还提供了一种实现上述金融票据识别模块中积灰检测方法的检测 系统， 其包括：
一传感器， 用于在对金融票据进行识别之前， 采集检测光谱图像； 一图像有效区域获取模块， 用于搜索所述光谱图像的有效区域； 一积灰特征提取模块， 用于对所述有效区域中的像素点的灰度值进行分 析， 形成所述有效区域的每一列的积灰特征；
一积灰判别模块， 用于对所述有效区域的每一列的积灰特征进行分析处 理， 判断出所述光谱图像是否存在积灰。
优选的，所述积灰特征提取模块具体用于，通过预设的判别条件 1和判别 条件 2对比在所述光谱图像中处于相邻列的任意两个像素点的灰度差值，当判 别条件 1成立时， 停止搜索， 第 '列即为有效区域的起始位置， 记为^ 当判 别条件 2成立时， 停止搜索， 第 '列即为有效区域的终止位置， 记为 , 根据 所述起始位置和终止位置确定所述光谱图像的有效区域的边界；
其中， 判别条件 1 : j) > 2*/( ,7 +1)(0 < < H,0≤j < WI2) ^ 判别条件 2 :
> 2*I(i,j)(0≤i < H,W/2≤j < W) , ('', 7·)为光谱图像中第行、 第 列的像素点 的灰度值， 为光谱图像高度， 为光谱图像宽度。
优选的， 所述积灰判别模块具体包括：
一第一积灰特征统计单元，用于对光谱图像的每一列中满足预设的判别条 件的积灰特征进行统计，得到统计数据，其中，所述对每一列中满足预设的判 别条件的积灰特征进行统计具体为： X寸所述光谱图像的有效区域的每一个像素 点进行搜索，统计所述有效区域的每一列中满足预设的判别条件 3的像素点个 数，
Figure imgf000007_0001
判另 ij条件 3为： 7(,7)>ri(0< <H„S<7<E)； 7为灰 度阈值；
一第一判断单元， 用于判断统计数据 是否满足预设的判别条件 4， 当>¾^( ')的值满足判别条件 4时， 判定识别模块中存在积灰， 当 S 的值不 满足判别条件 4时， 判定识别模块中不存在积灰， 其中， 判别条件 4为： Sum(j)>T2(T2<H) ^ 其中， ^为单列积灰点数阈值。 优选的， 所述第一判断单元还用于， 每当" 的值满足判别条件 4时， 将统计变量^ ^加 1， 判断^ ^是否满足预设的判别条件 5， 当^^满足判 别条件 5时， 则判定识别模块中存在积灰， 当^^不满足判别条件 5时， 则 判定识别模块中不存在积灰，其中， 初始值为 0 ,判别条件 5 ^ SUM>T T3为积灰条纹阈值。 优选的，所述传感器包括获取金融票据白光反射信息的传感器、 红外光反 射信息的传感器、红外光透射信息传感器或紫外光信息传感器中的至少 2种。
进一步的， 所述积灰判别模块具体包括：
一第二积灰特征统计单元，用于对至少 2种光谱图像的每一列中满足预设 的判别条件的积灰特征进行统计，得到统计数据，其中，所述对至少 2种光谱 图像的每一列中满足预设的判别条件的积灰特征进行统计具体为： 对至少 2 种光谱图像的有效区域的每一个像素点进行搜索，统计所述有效区域的每一列 中满足预设的判别条件 3的像素点个数，记为 0^≤ '<£)，判别条件 3为: ('', ) >Tl(0≤i<H,S≤j<E) ^ 为灰度阈值，每当 S画 β的值满足判别条件 4时 , 将统计变量^^加 1 , SUM初始值为 0 ,判别条件 4为： m > Τ2(τ2 < Η , Τ2 为单列积灰点数阈值； 一决策融合单元，用于对该统计数据进行逻辑与的决策融合，形成决策融 合特征，其中，对该统计数据进行逻辑与的决策融合，形成决策融合特征具体 为: 判断 t种光谱图像信息的统计量^ 是否满足预设的判别条件 5， 形成决
Λ (SUMt > T3)
策依据 0 請' ≤ Τ , 其中， t>2， ^^初始值为 0， 判别条件 5为： 請 > τ Τ3为积灰条纹阈值； 一第二判断单元，用于其中， X寸该统计数据进行逻辑与的决策融合，形成 决策融合特征具体为：判断 t种光谱图像信息的统计量^ 是否满足预设的判
Λ (SUMt > T3)
别条件 5， 形成决策依据 0 請 '≤ Τ , 其中， t>2， ^^初始值为 0， 判别条件 5为： 讓 > τ Τ3为积灰条纹阈值。 优选的，所述系统还包括：提醒模块，用于当判定识别模块中存在积灰时， 提醒清理积灰。
优选的，所述提醒清理积灰为通过声音、文字或图像方式发出警告，提醒 用户清理识别模块中的积灰。
优选的， ^满足 其中， Α为该光谱图像中包含的金融票据图像的高 度。 优选的，当判别条件 1不成立时，所述起始位置为预先设定的有效区域起 始位置默认值 ,当判别条件 2不成立时，所述终止位置为预先设定的有效区 域终止位置默认值 。 本发明所提供的技术方案的有益效果如下：
本发明提供的这种积灰检测方法，是在现有识别模块的基础上，利用识别 模块初始化自检时以及金融票据识别之前，通过传感器采集的光谱图像信息来 判断识别模块内是否存在积灰，也就是说，进行该项检测不需要增加额外的装 置， 只需要在金融票据识别之前， 对不同的光谱信号图像进行一次检测， 即可 得出是否有积灰的结论。 因此，该积灰检测方法是一种低成本， 识别可靠性高 的检测方法， 以此确保识别模块传感器图像信号的稳定可靠、金融票据识别结 果的精确程度。 附图说明
图 1是金融票据识别模块的示意图；
图 2是本发明一较佳实施例所提供的积灰检测系统组成示意图； 图 3是本发明一较佳实施例所提供的积灰检测方法的流程图；
图 4是图 2所示系统执行图 3所示方法时采集的一红外反射光谱图像示意 图；
图 5是图 4中红外反射光谱图像有效区域边界示意图； 以及
图 6是光谱图像积灰示意图。 具体实施方式 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清 楚、 完整地描述， 显然， 所描述的实施例仅仅是本发明一部分实施例， 而不是 全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造 性劳动前提下所获得的所有其他实施例， 都属于本发明保护的范围。
本实施例以人民币作为金融票据的样本，阐述本发明提出的金融票据识别 模块中积灰检测方法及系统。参阅图 1所示金融票据识别模块的示意图，金融 票据识别模块包括金融票据传输通道 30 , 传输通道中布置的传感器 10 , 传感 器 10的表面覆盖了一定量的灰尘 20 , 人民币 40被自右向左传输依次经过两 极传感器 40， 完成对人民币正面以及反面的光谱图像信息采集， 这里需要说 明的是传感器的布置个数以及信息采集面可以根据需要进行适当增加和调整， 这是本领域技术人员所公知的技术。
参阅图 2所示，一较佳实施例所提供的积灰检测系统组成示意图，该检测 系统包括： 一用于在对金融票据进行识别之前采集光谱图像的传感器 10; — 用于搜索光谱图像的有效图像区域的图像有效区域获取模块 2;—用于对有效 图像区域中的像素点的灰度值进行分析，并形成每一列的积灰特征的积灰特征 提取模块 3;—用于对该每一列的积灰特征进行分析处理并判断该光谱图像是 否存在积灰的积灰判别模块 4; 以及必要的数据存储模块 5和提醒清理积灰的 提醒模块 6。
其中，该积灰判别模块 4包括一用于对每种光谱图像的每一列中满足预设 条件的积灰特征进行统计， 并得到统计数据的积灰特征统计单元 41; 一用于 X寸该统计数据进行逻辑与的决策融合， 并形成决策融合特征的决策融合单元 42，一用于对决策融合特征进行判断分析，并判断该光谱图像是否存在积灰的 判断单元 43。 下面参阅图 3， 本发明一较佳实施例所提供的积灰检测方法的流程图， 对 该积灰检测方法做详细的说明， 该积灰检测方法包括如下步骤：
步骤 Sl， 采集光谱图像信息， 当识别模块在初始化自检时或金融票据识 别之前， 识别模块中传感器 10进行光谱图像采集；
步骤 S2, 搜索图像有效区域， 搜索 S1中采集的该光谱图像的有效区域， 通过下列判别条件 1和判别条件 2对比相邻列图像像素的差值，进而判断该光 谱图像有效区域的边界，
判别条件 1: I(U)>2*I(i +W≤i<H,0≤j<W/2).
判别条件 2: ^,7 -1) > 2* /(,7)(0 <i<H,WI2≤j<W) 其中 W， ')为光谱图像第行、第 '列像素点的灰度值， H为光谱图像高度， 为光谱图像宽度； 具体判别步骤为， 当判别条件 1成立时， 则停止搜索， 第 '列即为有效区 域的起始位置， 记为^ 当判别条件 1不成立时， 则默认取值为预先设定的有 效区域起始位置默认值 , 当判别条件 2成立时， 则停止搜索， 第 '列即为有 效区域的终止位置， 记为 当判别条件 2不成立时， 则默认取值为预先设定 的有效区域终止位置默认值 £。；
步骤 S3,提取积灰特征，对步骤 S2中获得的该图像有效区域的每一个像 素点从左到右，从上到下进行搜索，统计图像每一列中满足判别条件 3的像素 特征点个数，
Figure imgf000011_0001
,
判别条件 3: I(i )> ≤i<H,S<j<E) ^ 其中 为灰度阈值， 本实施例中 金融票据为人民币， 所以这里7 8G。
步骤 S4, 图像积灰判别， 对步骤 S3中获得的^«^)进行判别条件 4的判 别，
判别条件 4: Sum(j)>T2(T2<H) ^ 为单列积灰点数阈值，该值为大于零且 小于光谱图像高度 的整数；
当 S飄 ϋ、的值满足判别条件 4时， 则提醒清理积灰并结束；
当 S飄 ϋ、的值不满足判别条件 4时， 则进行金融票据识别。
优选的， 为了更加准确地评价光谱图像中某一列上存在积灰， 步骤 S4具 体为：
步骤 4.1，当 j的值满足判别条件 4时，初始值为 0的统计变量 SUM加
1； 步骤 4.2 , 再根据判别条件 5对^^进行判别， 判别条件 5： 讓 > Τ Τ3为积灰条纹阈值；
若判别条件 5成立时， 则提醒清理积灰并结束； 若判别条件 5不成立， 则进行金融票据识别。
更进一步的，为了增强系统的鲁棒性，通常需要同时获得金融票据的白光 反射信息、 红外光反射信息、 红外光透射信息或紫外光信息等图像信息中至少 2种。
优选的， 对 t种光谱图像信息的统计变量 ^^^4安照判别条件 5进行判别，
A (SUMt > T3)
形成决策依据 ^ G 讓 , 其中， t>2 ; 步骤 4.2.2， 对 进行逻辑与的决策融合， 得到最终识别结果 Z， 其中
7 f! x = . = t
其他 ' 当 z=o时， 则进行金融票据识别，
当 ζ=ι时， 则提醒清理积灰并结束。
下面，选用金融票据的白光反射光谱图像信息以及红外反射光谱图像信息 作为识别对象， 对红外反射光谱图像的识别进行详细说明。
步骤 1，采集光谱图像信息，在对金融票据进行识别之前，通过传感器 10 采集完整的红外反射光谱图像信息， 图像信息如图 4所示，该图像信息包括白 色校准边 51、 左边校准界 52、 背景 53、 金融票据图像 （前景） 54、 黑色校准 边 55以及右边校准界 56。 步骤 2， 搜索图像有效区域。
白色校准边 51和黑色校准边 55是图像检测的无效区域，其特征不会因为 物理环境的变化而改变， 因此去除无效区域一方面可以减小系统的数据处理 量，另一方面有利于提高金融票据图像边缘检测的精确性。因此需要进行左右 校准界 52、 56的位置搜索， 以达到有效区域边界自校准的目的。
由于图像的黑白校准边 55、 51与有效区域存在明显的灰度值阶跃边界， 如图 5所示， 因此，可通过对比相邻列图像像素的差值判断该光谱图像有效区 域的边界。
设： 判另1 J条件 1： > 2 * + 1)(0 < < H,0≤ j < W/2)；
判另1 J条件 2 : /( ,7 -1) > 2* /( ,7)(0 < i < H,WI2 < j < W)
其中 为红外反射光谱图像第行、 第 列像素点的灰度值， H为红外 反射光谱图像高度， 为红外反射光谱图像宽度。
通过判别条件 1对比相邻列图像像素的差值， 一旦满足判别条件 1， 则停 止搜索， 第 列即为有效区域的起始位置， 记为 如果搜索完毕判别条件 1 不成立，则默认取值为预先设定的有效区域起始位置默认值 ;同样通过判别 条件 2对比相邻列图像像素的差值，一旦满足判别条件 2，则停止搜索，第 列 即为有效区域的终止位置， 即为 如果搜索完毕判别条件 2不成立， 则默认 取值为预先设定的有效区域终止位置默认值 £。。
步骤 3， 提取积灰特征
在白光以及红外光的照射下，由于灰尘自身材质特点，会将光线反射出去， 与灰度值较低的黑色背景形成鲜明的对比，因此可根据积灰特征与背景特征对 比度大的特点进行识别判断。另外， 由于传感器是通过线扫描的方式提取出一 副光谱图像， 因此颗粒状的灰尘经过扫描在图像上呈现出条纹线状，其灰度值 高于背景， 如图 6所示。 设，判别条件 3: )>Tl(0≤i<H,S≤j<E) ^ I为灰度阈值， 本实施例中， 金融票据为人民币， 故识别算法中 =80。 对图像的有效区域的每一个像素点 从左到右，从上到下进行搜索，统计图像每一列中满足判别条件 3的像素特征 点个数， 记为 Sum(J、(S≤ · < E)。
设， 判别条件 4: Sum(j)>T2(T2 <H) , 2为单列积灰点数阈值， 若 的 值满足判别条件 4，视为该列图像积灰，统计变量^^ >自 0开始加 1， SUM康 示图像积灰的列数。
同样的步骤获得白光光谱图像信息的^ ,
对 2种光谱图像信息的统计变量^^ ^Π^Λ 分别进行判别条件 5的判 另 ij， 形成决策依据 ^和
A (SUMt >T3)
其中， ^ 0 SUM t ≤T^; 判别条件 5为^/ Μ〉Γ3 , Τ3为积灰条纹阈值， 人民币识别算法中 Τ3=3, 其中， Τ3的阈值可以可根据不同传感器的实际情况 进行适当调整， 该值一般可以为 2、 3或 4。
对 和 进行逻辑与的决策融合， 得到最终识别结果 Z， 其中 其他 '
当 Ζ=0时， 则进行金融票据识别，
当 Z=l时， 则提醒清理积灰并结束。
另外，不同金融票据的光谱信息中，前景图像信息差异很大，背景图像信 息差异较小，不同金融票据的图像特征容易被误认为是积灰图像特征， 因此选 用光谱信息中的背景图像作为积灰检测判别的依据。为排除前景图像特征像素 点的干扰， X寸单列积灰点阈值丁2加入约束条件： T2 >h , 其中/；为图 5中金融 票据图像的高度。
其中提醒清理积灰的装置可以为显示模块，通过用声音、文字或者图像等 方式发出警告， 提醒用户清理识别模块通道上的积灰。
本发明采用的清分机内积灰检测方法，是在现有识别模块的基础上，利用 识别模块初始化自检过程中或在金融票据识别之前， 通过传感器 10采集的图 像信息判断识别模块中是否存在积灰，也就是说，进行该项检测不需要增加额 外的装置，只需要在金融票据识别之前，对不同的光谱信号图像进行一次检测， 即可得出是否有积灰的结论。 因此， 该清分机内积灰检测方法是一种低成本， 识别可靠性高的检测方法， 以此确保识别模块传感器图像信号的稳定可靠、金 融票据识别结果的精确程度， 以提高金融自助设备的票据识别质量。
惟以上所述仅为本发明的较佳实施例， 非意欲局限本发明的专利保护范 围，故举凡运用本发明说明书及图式内容所为的等效变化，均同理皆包含于本 发明的权利保护范围内。

Claims

权 利 要 求
1、 一种金融票据识别模块中积灰检测方法， 包括如下步骤：
步骤 1， 在对金融票据进行识别之前， 采集光谱图像；
步骤 2， 搜索所述光谱图像的有效区域， 具体为： 通过预设的判别条件 1 和判别条件 2对比在所述光谱图像中处于相邻列的任意两个像素点的灰度差 值， 当判别条件 1成立时， 则停止搜索， 第 '列即为有效区域的起始位置， 记 为^ 当判别条件 2成立时， 则停止搜索， 第 '列即为有效区域的终止位置， 记为 , 根据所述起始位置和终止位置确定所述光谱图像的有效区域的边界； 其中， 判别条件 1为： I(i,j)>2*I(i,j+l)(0≤i<H,0≤j<W/2);
判别条件 2为： I( '-d>2*I(i,j)(0≤i<H,W/2≤j<W); 为光谱图像中第行、第 列的像素点的灰度值， 为光谱图像高度， 为光谱图像宽度；
步骤 3， X寸所述光谱图像的有效区域的每一个像素点进行搜索， 统计所述 有效区域的每一列中满足预设的判别条件 3的像素点个数， 记为
S m(j)(S≤j<E) .
其中， 判别条件 3为： I(U)>Tl(0≤i<H,S≤j<E) ^ 为灰度阈值； 步骤 4，判断" ¾™ ( 是否满足预设的判别条件 4，当" ¾™ ( 的值满足判别条 件 4时， 则判定识别模块中存在积灰， 当^^ ( 的值不满足判别条件 4时， 则 判定识别模块中不存在积灰；
其中， 判别条件 4为： s醫 n> H、， ^为单列积灰点数阈值。
2、 根据权利要求 1所述的金融票据识别模块中积灰检测方法， 其特征在 于，所述步骤 4中当 的值满足判别条件 4时， 在判定识别模块中存在积 灰之前， 所述方法还包括：
步骤 4.1， 每当" 的值满足判别条件 4时， 将统计变量^ ^加 1， 其 中， ^^的初始值为 0 ;
步骤 4.2， 判断^ ^是否满足预设的判别条件 5， 当^ M满足判别条件 5 时， 则判定识别模块中存在积灰， 当^ M不满足判别条件 5时， 则判定识别 模块中不存在积灰；
其中， 判别条件 5为： 請 > τ Τ3为积灰条纹阈值。
3、 根据权利要求 2所述的金融票据识别模块中积灰检测方法， 其特征在 于，所述步骤 1中光谱图像信息包括白光反射信息、红外光反射信息、红外光 透射信息或紫外光信息中的至少 2种。
4、 根据权利要求 3所述的金融票据识别模块中积灰检测方法， 其特征在 于， 所述步骤 4.2中判断 St M是否满足预设的判别条件 5具体为：
步骤 4.2.1 , 判断 t种光谱图像信息的统计变量1 ^是否满足预设的判别
Λ (SUMt > T3)
条件 5， 形成决策依据 0 (SUM t ≤T^ 其中， t>2 ;
步骤 4.2.2， 对 W进行逻辑与的决策融合， 得到最终识别结果 Z， 其中
7 f! x = . = t
其他 ' 当 z=o时， 则判定识别模块中不存在积灰，
当 Z=l时， 则判定识别模块中存在积灰。
5、 根据权利要求 1-4中任意一项所述的金融票据识别模块中积灰检测方 法， 其特征在于， 还包括：
当判定识别模块中存在积灰时， 提醒清理积灰。
6、 根据权利要求 5所述的金融票据识别模块中积灰检测方法， 其特征在 于，所述提醒清理积灰为通过声音、文字或图像方式发出警告，提醒用户清理 识别模块中的积灰。
7、 根据权利要求 1所述的金融票据识别模块中积灰检测方法， 其特征在 于， 在所述步骤 4中， 7 ^满足 其中， 为该光谱图像中包含的金融票据 图像的高度。
8、 根据权利要求 1所述的金融票据识别模块中积灰检测方法， 其特征在 于，当判别条件 1不成立时，所述起始位置为预先设定的有效区域起始位置默 认值 ,当判别条件 2不成立时，所述终止位置为预先设定的有效区域终止位 置默认值 。
9、 一种实现金融票据识别模块中积灰检测的系统， 其包括：
一传感器， 用于在对金融票据进行识别之前， 采集光谱图像；
一图像有效区域获取模块， 用于搜索所述光谱图像的有效区域； 一积灰特征提取模块， 用于对所述有效区域中的像素点的灰度值进行分 析， 形成所述有效区域的每一列的积灰特征；
一积灰判别模块， 用于对所述有效区域的每一列的积灰特征进行分析处 理， 判断出所述光谱图像是否存在积灰。
10、根据权利要求 9所述的系统，其特征在于，所述积灰特征提取模块具 体用于，通过预设的判别条件 1和判别条件 2对比在所述光谱图像中处于相邻 列的任意两个像素点的灰度差值， 当判别条件 1成立时， 停止搜索， 第 '列即 为有效区域的起始位置， 记为 S , 当判别条件 2成立时， 停止搜索， 第 '列即 为有效区域的终止位置，记为 根据所述起始位置和终止位置确定所述光谱 图像的有效区域的边界；
其中， 判别条件1: > 2*/(,7·+1)(0 < < H,0≤j <WI2)^ 判别条件 2:
>2*I(i,j)(0 <i<H,WI2≤j<W) ^ '', )为光谱图像中第行、 第 列的像素点 的灰度值， 为光谱图像高度， 为光谱图像宽度。
11、根据权利要求 9所述系统，其特征在于，所述积灰判别模块具体包括： 一第一积灰特征统计单元，用于对光谱图像的每一列中满足预设的判别条 件的积灰特征进行统计，得到统计数据，其中，所述对每一列中满足预设的判 别条件的积灰特征进行统计具体为： X寸所述光谱图像的有效区域的每一个像素 点进行搜索，统计所述有效区域的每一列中满足预设的判别条件 3的像素点个 数， 记为 Sum^S≤J< E 判别条件 3为： > ≤i<H,S<j<E) ^ Ί\为灰 度阈值；
一第一判断单元， 用于判断统计数据 是否满足预设的判别条件 4， 当^^ ( 的值满足判别条件 4时， 判定识别模块中存在积灰， 当 的值不 满足判别条件 4时， 判定识别模块中不存在积灰， 其中， 判别条件 4为： Sum(j)>T2(T2 <H) ^ 其中， ^为单列积灰点数阈值。
12、根据权利要求 11所述系统，其特征在于，所述第一判断单元还用于， 每当" 的值满足判别条件 4时，将统计变量^ ^加 1，判断^ ^是否满足 预设的判别条件 5， 当^^满足判别条件 5时， 则判定识别模块中存在积灰， 当^/ M不满足判别条件 5时， 则判定识别模块中不存在积灰， 其中， StM初 始值为 0， 判别条件 5为： 請 >τ Τ3为积灰条纹阈值。
13、根据权利要求 9所述系统，其特征在于，所述传感器包括获取金融票 据白光反射信息的传感器、红外光反射信息的传感器、红外光透射信息传感器 或紫外光信息传感器中的至少 2种。
14、 根据权利要求 13所述系统， 其特征在于， 所述积灰判别模块具体包 括：
一第二积灰特征统计单元，用于对至少 2种光谱图像的每一列中满足预设 的判别条件的积灰特征进行统计，得到统计数据，其中，所述对至少 2种光谱 图像的每一列中满足预设的判别条件的积灰特征进行统计具体为： 对至少 2 种光谱图像的有效区域的每一个像素点进行搜索，统计所述有效区域的每一列 中满足预设的判别条件 3的像素点个数，记为^^^^ ^' )，判别条件 3为:
> Tl(0≤i < H,S≤j < E) ^ 为灰度阈值，每当 S画 β的值满足判别条件 4时 , 将统计变量 SUM加 1 , SUM初始值为 0 ,判别条件 4为： ( > T2 (τ2 < Η , τ2 为单列积灰点数阈值；
一决策融合单元，用于对该统计数据进行逻辑与的决策融合，形成决策融 合特征，其中，对该统计数据进行逻辑与的决策融合，形成决策融合特征具体 为: 判断 t种光谱图像信息的统计量^ 是否满足预设的判别条件 5， 形成决
A (SUMt > T3)
策依据 0 S環'≤ , 其中， t>2， ^^初始值为 0， 判别条件 5为： 讓 > T Τ3为积灰条纹阈值；
一第二判断单元，用于对决策依据 进行逻辑与的决策融合，得到最终识 另 1J结果 Ζ， 其中 ζί1 ；·； ω' , 当 Ζ=0时， 则判定识别模块中不存在
10 其他
积灰， 当 Z=l时， 则判定识别模块中存在积灰。
15、 根据权利要求 9-14中任意一项所述系统， 其特征在于， 还包括： 提醒模块， 用于当判定识别模块中存在积灰时， 提醒清理积灰。
16、 根据权利要求 15所述系统， 其特征在于， 所述提醒清理积灰为通过 声音、 文字或图像方式发出警告， 提醒用户清理识别模块中的积灰。
17、 根据权利要求 11、 12或 14所述系统， 其特征在于， ^满足 其中， 为该光谱图像中包含的金融票据图像的高度。
18、 根据权利要求 10所述系统， 其特征在于， 当判别条件 1不成立时， 所述起始位置为预先设定的有效区域起始位置默认值 ，当判别条件 2不成立 时， 所述终止位置为预先设定的有效区域终止位置默认值 。
PCT/CN2013/078645 2013-04-24 2013-07-02 一种金融票据识别模块中积灰检测方法及系统 Ceased WO2014173012A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201310145676.5 2013-04-24
CN201310145676.5A CN103279735B (zh) 2013-04-24 2013-04-24 一种金融票据识别模块中积灰检测方法及系统

Publications (1)

Publication Number Publication Date
WO2014173012A1 true WO2014173012A1 (zh) 2014-10-30

Family

ID=49062250

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2013/078645 Ceased WO2014173012A1 (zh) 2013-04-24 2013-07-02 一种金融票据识别模块中积灰检测方法及系统

Country Status (2)

Country Link
CN (1) CN103279735B (zh)
WO (1) WO2014173012A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111275035A (zh) * 2018-12-04 2020-06-12 北京嘀嘀无限科技发展有限公司 一种识别背景信息的方法及系统
CN113034524A (zh) * 2019-12-25 2021-06-25 深圳怡化电脑股份有限公司 一种图像边缘检测方法和装置
CN114018982A (zh) * 2021-10-14 2022-02-08 国网江西省电力有限公司电力科学研究院 一种空预器积灰可视化监测方法
CN115790407A (zh) * 2022-11-14 2023-03-14 国网山西省电力公司晋中供电公司 机房内电器设备平面上积灰厚度的不接触式监测方法
CN116550712A (zh) * 2023-05-16 2023-08-08 湖北清江水电开发有限责任公司 一种水轮发电机组集电环除尘系统

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103279735B (zh) * 2013-04-24 2017-07-25 广州广电运通金融电子股份有限公司 一种金融票据识别模块中积灰检测方法及系统
CN103456075B (zh) * 2013-09-06 2015-11-25 广州广电运通金融电子股份有限公司 一种纸币处理方法及装置
CN103606221B (zh) * 2013-12-04 2016-01-20 广州广电运通金融电子股份有限公司 清分机故障自动诊断方法以及装置
CN103645143B (zh) * 2013-12-09 2016-07-06 广州广电运通金融电子股份有限公司 一种多光谱券类质量检测方法和系统
CN104977310B (zh) * 2014-04-10 2017-10-24 征图新视（江苏）科技有限公司 烟标中的随机底纹的检测方法及系统
CN104200566B (zh) * 2014-09-11 2018-04-20 广州广电运通金融电子股份有限公司 一种基于清分机积灰条件下的钞票识别方法及清分机
CN106447652A (zh) * 2016-09-09 2017-02-22 深圳怡化电脑股份有限公司 一种介质残留的检测方法和装置
CN106991752A (zh) * 2017-03-31 2017-07-28 深圳怡化电脑股份有限公司 一种验钞方法及装置
CN108961200A (zh) * 2017-05-17 2018-12-07 深圳怡化电脑股份有限公司 一种灰尘检测方法及装置
CN109543554B (zh) * 2018-10-30 2020-11-13 深圳怡化电脑股份有限公司 票据检测方法、装置、终端及计算机可读存储介质
CN109615629B (zh) * 2018-12-24 2022-05-24 东北电力大学 基于卷积神经网络的光伏板积灰状态图像识别系统及其分析调控方法
CN110345992B (zh) * 2019-07-30 2024-06-28 浙江大学 一种基于高温红外成像的垃圾焚烧电厂积灰监测方法及装置
CN111738106B (zh) * 2020-06-04 2023-09-19 东莞市度润光电科技有限公司 一种红外灯罩的检测方法、检测装置及存储介质
CN114764061A (zh) * 2021-01-11 2022-07-19 广州富港生活智能科技有限公司 积灰检测方法、计算机可读存储介质以及积灰检测机

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101941012A (zh) * 2009-07-03 2011-01-12 泰怡凯电器(苏州)有限公司 清洁机器人及其脏物识别装置和该机器人的清洁方法
CN102160092A (zh) * 2008-08-28 2011-08-17 德拉鲁国际有限公司 有价票证及用于检测污渍或磨损等级的方法
CN103279735A (zh) * 2013-04-24 2013-09-04 广州广电运通金融电子股份有限公司 一种金融票据识别模块中积灰检测方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102160092A (zh) * 2008-08-28 2011-08-17 德拉鲁国际有限公司 有价票证及用于检测污渍或磨损等级的方法
CN101941012A (zh) * 2009-07-03 2011-01-12 泰怡凯电器(苏州)有限公司 清洁机器人及其脏物识别装置和该机器人的清洁方法
CN103279735A (zh) * 2013-04-24 2013-09-04 广州广电运通金融电子股份有限公司 一种金融票据识别模块中积灰检测方法及系统

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111275035A (zh) * 2018-12-04 2020-06-12 北京嘀嘀无限科技发展有限公司 一种识别背景信息的方法及系统
CN111275035B (zh) * 2018-12-04 2023-10-31 北京嘀嘀无限科技发展有限公司 一种识别背景信息的方法及系统
CN113034524A (zh) * 2019-12-25 2021-06-25 深圳怡化电脑股份有限公司 一种图像边缘检测方法和装置
CN114018982A (zh) * 2021-10-14 2022-02-08 国网江西省电力有限公司电力科学研究院 一种空预器积灰可视化监测方法
CN114018982B (zh) * 2021-10-14 2023-11-07 国网江西省电力有限公司电力科学研究院 一种空预器积灰可视化监测方法
CN115790407A (zh) * 2022-11-14 2023-03-14 国网山西省电力公司晋中供电公司 机房内电器设备平面上积灰厚度的不接触式监测方法
CN116550712A (zh) * 2023-05-16 2023-08-08 湖北清江水电开发有限责任公司 一种水轮发电机组集电环除尘系统

Also Published As

Publication number Publication date
CN103279735A (zh) 2013-09-04
CN103279735B (zh) 2017-07-25

Similar Documents

Publication Publication Date Title
WO2014173012A1 (zh) 一种金融票据识别模块中积灰检测方法及系统
JP5442023B2 (ja) 自己較正
CN103456075B (zh) 一种纸币处理方法及装置
JP5596052B2 (ja) 自己較正
WO2012083713A1 (zh) 一种纸币、票券识别方法和装置
CN102934146A (zh) 钞票的分类方法
JP3909667B2 (ja) 紙幣識別装置および識別方法
JP7227818B2 (ja) 紙幣識別装置、紙幣処理装置及び紙幣識別方法
CN107134047B (zh) 白水印检测方法及装置
EP1324283A1 (en) Document authenticity discriminating apparatus and method therefor
WO2004077366A1 (ja) 紙葉類識別装置および方法
CN106845469A (zh) 一种纸币识别方法及装置
JP4724957B2 (ja) 媒体の汚損度判定装置
CN106204616B (zh) 一种伊朗纸币币值的识别方法及装置
KR101001691B1 (ko) 웨이블렛 변환을 이용한 권종인식방법
EP3410409B1 (en) Media security validation
Geusebroek et al. Learning banknote fitness for sorting
JP3963826B2 (ja) 書類真偽判別装置およびその方法
RU2689206C1 (ru) Устройство и способ проверки ценных документов, прежде всего банкнот, а также система обработки ценных документов
CN205845163U (zh) 一种纸币鉴别装置
CN109300220B (zh) 基于安全线的纸张鉴伪方法、装置、设备及可读存储介质
CN106296975A (zh) 一种美元纸币面值的识别方法及装置
CN107346575A (zh) 一种纸币或者票券的鉴伪方法
CN108961530B (zh) 一种纸币缺陷识别方法以及系统
CN111627145B (zh) 一种图像精细镂空图文的识别方法及装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13882885

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13882885

Country of ref document: EP

Kind code of ref document: A1