WO2016165574A1

WO2016165574A1 - 一种有价票据的识别方法

Info

Publication number: WO2016165574A1
Application number: PCT/CN2016/078566
Authority: WO
Inventors: 岳许要; 肖助明; 王丹丹; 黄晓群
Original assignee: 广州广电运通金融电子股份有限公司
Priority date: 2015-04-13
Filing date: 2016-04-06
Publication date: 2016-10-20
Also published as: CN104732231A; EP3285210A1; US20180101749A1; CN104732231B; HK1249626A1; EP3285210A4; RU2668731C1; US10235595B2

Abstract

一种有价票据的识别方法，包括：步骤1，通过包括多个颜色传感器的一颜色采集装置采集待检测的有价票据的颜色数据，并对采集的颜色数据进行预处理（102）；步骤2，从预处理后的颜色数据中提取对应的特征（103）；步骤3，将该提取的特征与有价票据每一种类型相对应的特征模板集进行匹配，得到对应的匹配得分，将得分最高的特征模板看作该颜色数据对应的匹配模板；步骤4，根据匹配结果确定有价票据的类型（104）。该方法利用颜色数据的稳定子段均值集合的趋势变化对有价票据进行识别，因此能够克服颜色数据的偏色问题，达到对有价票据的精准识别。

Description

一种有价票据的识别方法

本申请要求于2015年4月13号提交中国专利局、申请号为201510176330.0、发明名称为“一种有价票据的识别方法”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。

技术领域

本发明涉及有价票据识别技术，尤其涉及一种有价票据识别方法。

背景技术

现有技术中，对于有价票据的识别方法通常是通过接触式图像传感器采集图像特征来进行识别。在基于图像的模式识别领域，首先要利用传感器采集识别的图像，如果图像分辨率不足，识别结果的正确率就会大大降低，特别是在易混淆的识别对象之间，比如，字符识别中的“O”和“D”等，虽然计算机技术日新月异，然而从成本考虑，并不会选取很高端的硬件平台，仅仅是满足实际需求即可，在这样情况下，实际生产过程中，由于硬件之间的差异性及识别空间的多样性就会出现较多易混淆对象识别错误。因此开发出了基于颜色数据的识别来识别有价票据类型的方法。

颜色数据是指，通过颜色传感器采集的，包含R，G，B三色的颜色数值的集合。通过有价票据的颜色数据对有价票据进行识别，是一种直观快速的方法。颜色数据识别的过程分为两部分，特征提取与识别，而提取的特征的鲁棒性直接影响识别的精准度，颜色特征的提取主要存在以下问题：一方面，由于颜色数据是有价票据内一定区域的颜色共同作用的结果，当信号采集区域表面为非纯色时，颜色数据相对于真实的颜色会有较大的偏差；另一方面，对于相同颜色的采集区域，不同的纹理具有不同的反射强度，会使颜色传感器接收到不同强度的信号，从而导致颜色数据的不稳定。

由于上述原因，使得特征提取得到的特征难以鲁棒，导致无法精准识别出票据的类型。

发明内容

为了解决现有技术中基于颜色数据识别有价票据类型的方法其颜色特征难以鲁棒，导致识别精度不高的问题，本发明提供一种基于颜色数据识别有价票据的方法，通过利用颜色数据的稳定子段均值集合的趋势变化对有价票据进行识别，以克服颜色数据的偏色问题，达到对有价票据的精准识别。

该有价票据的识别方法包括：步骤1，通过包括多个颜色传感器的一颜色采集装置采集待检测的有价票据的颜色数据，并对采集的颜色数据进行预处理；步骤2，从预处理后的颜色数据中提取对应的特征，其中，从颜色数据中提取的特征具体指：颜色数据对应的色调数据内，色调数据中所有色调变化较小的子段的均值所组成的一维向量；步骤3，将该提取的特征与有价票据每一种类型相对应的特征模板集进行匹配，得到对应的匹配得分，将得分最高的特征模板看作该颜色数据对应的匹配模板，其中，将彩色票据正反面图像分割为多个子区域，通过模拟颜色传感器的工作方式得到每个子区域的模拟颜色数据，每个子区域的模拟颜色数据对应的特征即为特征模板，彩色有价票据正反面图像的每个子区域对应的特征模板的集合即为有价票据的特征模板集；步骤4，根据匹配结果确定有价票据的类型。

优选的，步骤1之前还包括预先设置若干个与有价票据每一种类型相对应的特征模板集的步骤，该步骤中对真彩色票据图像进行提取有价票据特征模板集具体包括：步骤01，依据图像信息的复杂度，对票据某面向的彩色图像进行区域划分，得到多个子区域；步骤02，模拟颜色传感器的工作方式，将划分得到的每个子区域转化为颜色数据；步骤03，将转化得到的颜色数据进行颜色空间转换，得到该区域的色调数据；步骤04，定位色调数据中的稳定子段；步骤05，求取稳定子段的色调均值；步骤06，所有稳定子段的色调均值构成该区域对应的特征模板；步骤07，某面向所有子区域对应的特征模板构成票据某面向的特征模板集，票据所有面向的特征模板集构成票据的特征模板集。

具体的，步骤03中将模拟颜色数据转换到HSL颜色空间，并得到颜色数据SS的色调数据SH：SH＝{sh₀,sh₁,...sh_j,...sh_L} (1＜j＜L)；

转换方法描述为：

具体的，步骤04中定位色调数据内的稳定子段的方法描述为：

求取色调数据SH的积分图：

SMAP_i＝{smap₀,smap₁,...smap_j,...smap_L} (1＜j＜L)；

其中：

利用滑动窗的方法搜索色调数据内的稳定子段：

设定信号SH的稳定子段集合为：

SPART_i＝{spart₀,spart₁,...spart_s,...spart_SP} (1＜s＜SP)；

其中SP为信号SH中的稳定子段数量，spart_s可表示为:

spart_s＝{st_s,end_s}；

其中st_s，end_s分别表示稳定子段的起始位置，终止位置，且：

st_s为满足下式的首个l值：

st_s＝firstl(abs(2×map_l+step/2-(map_l+step-map_l))＜thres),(end_s-1＜l＜L)；

end_s为满足下式的最后一个l值：

Thres为考察某段内信号稳定度的预设阈值。

具体的，步骤05中每个稳定子段的均值f_s为：

所有稳定子段的色调均值构成该区域对应的特征模板，表示为:

提取各个区域模拟颜色数据的特征，最终形成钞票正反面的特征集，表示为：

其中：

优选的，步骤1中，对颜色数据进行预处理包括：对颜色数据有效区域的起始点、终止点进行定位，定位到颜色传感器在钞票中所采集的数据；对定位得到的颜色数据进行滤波处理，滤除噪声，预处理后的颜色数据表示为:

S_i＝{R_i,G_i,B_i}(1＜i＜M)；

其中，M为颜色传感器的个数，为了该发明实施例方法的鲁棒性，M应大于1，R_i，G_i，B_i为该路信号的红，绿，蓝分量，N_i为颜色数据i的信号长度。

优选的，步骤2中，对预处理后的颜色数据进行特征提取包括：步骤21，对预处理后的颜色数据进行颜色空间转换，得到色调数据；步骤22，定位色调数据内的稳定子段集合，稳定子段即为色调变化较小的段；步骤23，求取稳定子段内的色调均值，稳定子段集合内所有子段的色调均值构成该路颜色数据的特征向量，该特征向量Fi表示为：

其中N为颜色传感器的数量。

优选的，步骤3中对每一种类型的票据的特征模板集进行匹配时，分别对票据模板集的正反面模板集进行匹配，且分别进行正反向匹配，其中，颜色数据特征Fi与某一个模板的特征Sf_k的正向匹配度描述为:

其中flag为正反面模板的标志，S(z)表示如下，T为预设阈值：

颜色数据特征F_i与某一个模板的特征Sf_k的反向匹配度描述为:

其中flag为正反面模板的标志，S'(z)表示如下，T为预设阈值：

优选的，步骤3中进一步包括：步骤31，通过该颜色采集装置中多个颜色传感器的位置信息，得到颜色传感器之间的距离；其中颜色传感器的位置信息是指，通过颜色采集装置的结构信息，得到的颜色传感器之间的相对位置；步骤32，通过匹配的特征模板之间的位置信息，得到每个匹配的特征模板之间的距离；其中特征模板的位置信息是指，制作特征模板集时，分割得到的每个子区域的中心之间的相对位置；步骤33，对比匹配的特征模板之间的距离与对应的颜色传感器之间的距离是否一致，若一致，则认为匹配成功，否则，匹配不成功。

具体的，步骤33中依据下式考察颜色传感器与对应匹配模板间的距离的相似度，其中DistS_i,j为颜色数据i，j对应的颜色传感器之间的距离，DistM_i,j为颜色数据i，j匹配的模板之间的距离，T_dist为预设的距离阈值：

若相似度大于某一预设阈值Tsim，则认为匹配成功，否则，匹配不成功。

本发明提供的有价票据的识别方法中，首先依据票据图像生成特征模板集；然后对颜色数据进行预处理；再将颜色数据转换为色调数据，色调数据中的每个稳定子段均值的集合形成颜色数据的特征；将从颜色数据提取到特征与特征模板集匹配，最终得到有价票据的票据类型。由于本发明利用颜色数据的稳定子段均值集合的趋势变化对有价票据进行识别，因此能够克服颜色数据的偏色问题，达到对有价票据的精准识别。本发明模拟颜色传感器的工作原理，从彩色票据图像中提取模拟颜色数据并形成特征模板集的方法，具有快捷实用的特点。本发明采用模板匹配的方法进行识别，并通过对比颜色传感器与匹配的模板之间的距离对匹配结果进行确认，最终达到精准识别，因此算法具有快速有效的优点。

附图说明

图1为本发明实施例中基于颜色数据的有价票据识别方法的流程图。

图2为本发明实施例中对色调数据进行分段的示意图。

图3为本发明实施例中“提取有价票据特征模板集”部分，对钞票正面图像进行区域划分的示意图。

图4为求取颜色传感器接收面宽度的示意图。

图5为“提取有价票据特征模板集”部分，利用滑动窗的方法，模拟颜色传感器采集信号的示意图。

具体实施方式

本发明实例提供了一种基于颜色数据的钞票识别方法，通过结合采集到的颜色数据和从已知真彩色钞票图像中提取到的特征模板集进行匹配来对钞票进行识别。

需要说明的是，本发明实施例基于颜色数据的有价票据识别方法不仅可以用于钞票的识别，还可用于识别支票等薄片类文件，在此不做限定。下面以钞票识别为例对本本发明实施例的方法进行说明，虽然仅以钞票的识别为例进行说明，但是不应将此作为本发明方法的限定。

请参考图1，本发明实施例中基于颜色数据的钞票识别方法包括：

101.提取钞票特征模板集：

依据图像信息的复杂度，对钞票某面向的彩色图像进行区域划分，得到多个子区域；模拟颜色传感器的工作方式，将划分得到的每个子区域转化为颜色数据；将转化得到的颜色数据进行颜色空间转换，得到该区域的色调数据；定位色调数据中的稳定子段；求取稳定子段的色调均值；所有稳定子段的色调均值构成该区域对应的特征模板；某面向所有子区域对应的特征模板构成钞票某面向的特征模板集；钞票所有面向的特征模板集构成钞票的特征模板集。

102.对颜色数据进行预处理：

对颜色数据有效区域的起始点、终止点进行定位，定位到颜色传感器在钞票中所采集的数据。对定位得到的颜色数据进行滤波处理，滤除噪声。

103.对颜色数据进行特征提取：

对预处理后的颜色数据进行颜色空间转换，得到色调数据；定位色调数据内的稳定子段集合，稳定子段即为色调变化较小的段；求取稳定子段内的色调均值，稳定子段集合内所有子段的色调均值构成该路颜色数据的特征向量。

104.匹配识别：

将颜色数据的特征与特征模板集的每个特征模板进行匹配，并得到对应的匹配得分；将得分最高的特征模板看作与该颜色数据相匹配的模板；通过多个颜色传感器的位置信息，得到颜色传感器之间的距离；其中颜色传感器的位置信息是指，通过颜色采集装置的结构信息，得到的颜色传感器之间的相对位置；通过匹配的特征模板之间的位置信息，得到每个匹配的特征模板之间的距离；其中特征模板的位置信息是指，制作特征模板集时，分割得到的每个子区域的中心之间的相对位置；对比匹配的特征模板之间的距离与对应的颜色传感器之间的距离是否一致，若一致，则认为匹配成功，否则，匹配不成功。

由于钞票的进钞面向未知，对一个钞票的模板集进行匹配时，需分别对钞票模板集的正反面模板集进行匹配；另外，由于钞票的进钞方向未知，对每个面向的模板集进行匹配时，需分别进行正反向匹配。

需要说明的是，步骤101提取钞票特征模板集是可以独立于其他步骤进行的，也就是说，事先提取有各类型钞票的特征模板集后，对待检测钞票的识别过程中不需要每次重新提取各类型钞票的特征模板集，而是重复利用事先提取并存储于识别系统中的各类型钞票对应的特征模板集即可。

下面将对实施例进行详细的描述：

101.提取钞票特征模板集

一、钞票图像区域划分：

依据钞票图案复杂程度，对钞票正反面进行K⁺,K_-等分，图3所示为钞票的正面划分示意图，其中SL为每个区域的宽度，为了防止颜色传感器跨道采集颜色数据时，无法找到匹配的模板，划分时，相邻两部分间存在交叠区域，交叠区域的长度为颜色传感器采集面的宽度，即SenserW。

二、模拟颜色传感器信号生成

由图4所示，颜色传感器的有效采集面由传感器与钞票表面的距离h，以及有效采集角度θ决定，则有效采集面高度可表示为：

W＝2h×tan(θ/2)；

如图5所示，对于sectionk，用宽度为SL，高度为W的窗口，逐步移动滑动窗，窗口内所有像素的颜色均值，即为当前位置的模拟信号值，当窗口滑动完毕后，得到当前区域的模拟颜色数据。

三、提取钞票特征模板集

对于由步骤二生成的模拟颜色数据进行特征提取，得到各个子区域模拟颜色数据的特征，最终形成钞票正反面的特征集，表示为：

(1)特征提取

由步骤二生成的模拟颜色数据为RGB数据，每个采样点的信号强度由三个参数描述，不易处理，且易受亮度影响，因此将模拟颜色数据转换到HSL 空间，并在模拟颜色数据对应的色调数据上进行特征提取，对于某个划分区域得到的颜色数据SS，其特征提取可描述为：

1)颜色空间转换

将模拟颜色数据转换到HSL颜色空间，并得到颜色数据SS的色调数据SH：

SH＝{sh₀,sh₁,...sh_j,...sh_L} (1＜j＜L)；

转换方法可描述为：

2)子段搜索

转换完成后，开始搜索色调数据内的稳定子段，可描述为：

求取色调数据SH的积分图：

SMAP_i＝{smap₀,smap₁,...smap_j,...smap_L} (1＜j＜L)；

其中：

利用滑动窗的方法搜索色调数据内的稳定子段：

设定信号SH的稳定子段集合为：

SPART_i＝{spart₀,spart₁,...spart_s,...spart_SP} (1＜s＜SP)；

其中SP为信号SH中的稳定子段数量，spart_s可表示为:

spart_s＝{st_s,end_s}；

st_s为满足下式的首个l值：

end_s为满足下式的最后一个l值：

Thres为考察某段内信号稳定度的预设阈值，模拟数据分段后示意图如图2所示。

3)特征提取：

该模拟数据的特征可表示为为:

其中f_s为每个稳定子段的均值，即：

(2)生成特征模板集

采用与步骤(1)相同的特征提取方法，提取各个区域模拟颜色数据的特征，最终形成钞票正反面的特征集，表示为：

其中：

102.预处理

预处理包含通过预设的阈值定位颜色数据的起始点和终止点，为了滤除电磁干扰等噪声对颜色数据的影响，对颜色数据进行窗口为5的中值滤波。

预处理后的颜色数据表示为:

S_i＝{R_i,G_i,B_i} (1＜i＜M)；

102.特征提取

参照步骤101中模拟颜色数据的特征提取方法，从真实采集到的颜色数据中提取特征，表示为：

其中N为颜色传感器的数量。

104.匹配识别

(1)模板匹配

将每个颜色数据的特征与钞票特征模板集的正面特征模板集与反面特征模板集分别进行匹配，匹配得分最高的模板即为匹配模板，并记录这些模板的位置信息。由于钞票的进钞方向未知，在对钞票的某一面进行匹配时，需进行正反向匹配。

颜色数据特征F_i与某一个模板的特征Sf_k的正向匹配度可描述为:

其中flag为正反面模板的标志，S(z)可表示如下，T为预设阈值：

颜色数据特征F_i与某一个模板的特征Sf_k的反向匹配度可描述为:

其中flag为正反面模板的标志，S'(z)可表示如下，T为预设阈值：

(2)对比位置信息

模板特征匹配完成后，依据下式考察颜色传感器与对应匹配模板间的距离的相似度，其中DistS_i,j为颜色数据i，j对应的颜色传感器之间的距离，DistM_i,j为颜色数据i，j匹配的模板之间的距离，T_dist为预设的距离阈值。

若相似度大于某一预设阈值T_sim，则认为匹配成功，最终完成识别过程。

本发明实施例中，首先依据票据图像生成特征模板集；然后对颜色数据进行预处理；再将颜色数据转换为色调数据，并利用积分图滑动窗的方法，找到颜色数据中的稳定子段集合，求取每个子段的平均色调并最终形成颜色数据的特征向量；将从颜色数据提取到特征向量与特征模板集匹配，最终得到识别结果。由于本发明实施例利用颜色数据的趋势特征对钞票进行识别，因此能够有效克服颜色数据的偏色问题，达到对钞票的精准识别。其中趋势特征是指，颜色数据对应的特征向量中，相邻两个稳定子段均值之间的大小关系。本发明实施例模拟颜色传感器的工作原理，从彩色钞票图像中提取模拟颜色数据并形成特征模板集的方法，具有快捷实用的特点。本发明实施例采用模板匹配的方法进行识别，并通过对比颜色传感器与匹配的模板之间的距离对匹配结果进行确认，最终达到精准识别，因此算法具有快速有效的优点。

以上仅是本发明的优选实施方式，应当指出的是，上述优选实施方式不应视为对本发明的限制，本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说，在不脱离本发明的精神和范围内，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims

一种有价票据的识别方法，包括：

步骤1，通过包括多个颜色传感器的一颜色采集装置采集待检测的有价票据的颜色数据，并对采集的颜色数据进行预处理；

步骤2，从预处理后的颜色数据中提取对应的特征，其中，从颜色数据中提取的特征具体指：颜色数据对应的色调数据内，色调数据中所有色调变化较小的子段的均值所组成的一维向量；

步骤3，将该提取的特征与有价票据每一种类型相对应的特征模板集进行匹配，得到对应的匹配得分，将得分最高的特征模板看作该颜色数据对应的匹配模板，其中，将彩色票据正反面图像分割为多个子区域，通过模拟颜色传感器的工作方式得到每个子区域的模拟颜色数据，每个子区域的模拟颜色数据对应的特征即为特征模板，彩色有价票据正反面图像的每个子区域对应的特征模板的集合即为有价票据的特征模板集；

步骤4，根据匹配结果确定有价票据的类型。
如权利要求1所述的有价票据的识别方法，其特征在于，步骤1之前还包括预先设置若干个与有价票据每一种类型相对应的特征模板集的步骤，该步骤中对真彩色票据图像进行提取有价票据特征模板集具体包括：

步骤01，依据图像信息的复杂度，对票据某面向的彩色图像进行区域划分，得到多个子区域；

步骤02，模拟颜色传感器的工作方式，将划分得到的每个子区域转化为颜色数据；

步骤03，将转化得到的颜色数据进行颜色空间转换，得到该区域的色调数据；

步骤04，定位色调数据中的稳定子段；

步骤05，求取稳定子段的色调均值；

步骤06，所有稳定子段的色调均值构成该区域对应的特征模板；

步骤07，某面向所有子区域对应的特征模板构成票据某面向的特征模板集，票据所有面向的特征模板集构成票据的特征模板集。
如权利要求2所述的有价票据的识别方法，其特征在于，步骤03中将模拟颜色数据转换到HSL颜色空间，并得到颜色数据SS的色调数据SH：

SH＝{sh₀,sh₁,...sh_j,...sh_L} (1＜j＜L)；

转换方法描述为：
如权利要求3所述的有价票据的识别方法，其特征在于，步骤04中定位色调数据内的稳定子段的方法描述为：

求取色调数据SH的积分图：

SMAP_i＝{smap₀,smap₁,...smap_j,...smap_L} (1＜j＜L)；

其中：

利用滑动窗的方法搜索色调数据内的稳定子段：

设定信号SH的稳定子段集合为：

SPART_i＝{spart₀,spart₁,...spart_s,...spart_SP} (1＜s＜SP)；

其中SP为信号SH中的稳定子段数量，spart_s可表示为:

spart_s＝{st_s,end_s}；

其中st_s，end_s分别表示稳定子段的起始位置，终止位置，且：

st_s为满足下式的首个l值：

st_s＝firstl(abs(2×map_l+step/2-(map_l+step-map_l))＜thres),(end_s-1＜l＜L)；

end_s为满足下式的最后一个l值：

Thres为考察某段内信号稳定度的预设阈值。
如权利要求4所述的有价票据的识别方法，其特征在于，步骤05中每个稳定子段的均值f_s为：

所有稳定子段的色调均值构成该区域对应的特征模板，表示为:

提取各个区域模拟颜色数据的特征，最终形成钞票正反面的特征集，表示为：

其中：
如权利要求1～5中任意一项所述的有价票据的识别方法，其特征在于，步骤1中，对颜色数据进行预处理包括：对颜色数据有效区域的起始点、终止点进行定位，定位到颜色传感器在钞票中所采集的数据；对定位得到的颜色数据进行滤波处理，滤除噪声，预处理后的颜色数据表示为:

S_i＝{R_i,G_i,B_i} (1＜i＜M)；

其中，M为颜色传感器的个数，为了该发明实施例方法的鲁棒性，M应大于1，R_i，G_i，B_i为该路信号的红，绿，蓝分量，N_i为颜色数据i的信号长度。
如权利要求6所述的有价票据的识别方法，其特征在于，步骤2中，对预处理后的颜色数据进行特征提取包括：

步骤21，对预处理后的颜色数据进行颜色空间转换，得到色调数据；

步骤22，定位色调数据内的稳定子段集合，稳定子段即为色调变化较小的段；

步骤23，求取稳定子段内的色调均值，稳定子段集合内所有子段的色调均值构成该路颜色数据的特征向量，该特征向量Fi表示为：

其中N为颜色传感器的数量。
如权利要求7所述的有价票据的识别方法，其特征在于，步骤3中对每一种类型的票据的特征模板集进行匹配时，分别对票据模板集的正反面模板集进行匹配，且分别进行正反向匹配，其中，颜色数据特征Fi与某一个模板的特征Sf_k的正向匹配度描述为:

其中flag为正反面模板的标志，S(z)表示如下，T为预设阈值：

颜色数据特征F_i与某一个模板的特征Sf_k的反向匹配度描述为:

其中flag为正反面模板的标志，S'(z)表示如下，T为预设阈值：
如权利要求8所述的有价票据的识别方法，其特征在于，步骤3中进一步包括：

步骤31，通过该颜色采集装置中多个颜色传感器的位置信息，得到颜色传感器之间的距离；其中颜色传感器的位置信息是指，通过颜色采集装置的结构信息，得到的颜色传感器之间的相对位置；

步骤32，通过匹配的特征模板之间的位置信息，得到每个匹配的特征模板之间的距离；其中特征模板的位置信息是指，制作特征模板集时，分割得到的每个子区域的中心之间的相对位置；

步骤33，对比匹配的特征模板之间的距离与对应的颜色传感器之间的距离是否一致，若一致，则认为匹配成功，否则，匹配不成功。
如权利要求9所述的有价票据的识别方法，其特征在于，步骤33中依据下式考察颜色传感器与对应匹配模板间的距离的相似度，其中DistS_i,j为颜色数据i，j对应的颜色传感器之间的距离，DistM_i,j为颜色数据i，j匹配的模板之间的距离，T_dist为预设的距离阈值：

若相似度大于某一预设阈值T_sim，则认为匹配成功，否则，匹配不成功。