一种纸币图像识别方法技术

本发明专利技术提出一种纸币图像识别方法，它用训练集中的纸币图像训练分类器，并用所训练的分类器对所获取的待测纸币图像进行币种、面值、面向和版本的识别，具体包括如下步骤：1)对纸币图像进行预处理；2)取纸币图像中的若干个图像块；3)计算每个图像块的图像特征，组成纸币图像的特征向量，作为训练集中图像或待测图像的各图像块的特征向量；4)利用训练集中的图像的各图像块的特征向量训练分类器；5)将待测图像的各图像块的特征向量输入分类器，对该纸币图像进行识别。本发明专利技术方法不需要寻找不同纸币间的局部差异性，只需在纸币图像上提取相应的特征后即可进行后续识别。

【技术实现步骤摘要】

本专利技术涉及图像处理
，尤其涉及一种纸币图像识别方法。
技术介绍
随着经济全球化和贸易一体化的发展，我国对外开放的程度不断加深，与各国的贸易往来日益频繁，同时越来越火爆的出境游市场也一起促进了外币支付和兑换等相关业务的迅速增长，因此，对各种外币的有效管理就显得十分重要。另一方面，国外市场对点钞机和清分机也有支持自动多币种功能的要求。对于纸币图像的清分、鉴伪处理，首先需要识别纸币的面值、面向、版别，其次，在多币种自动识别时还需要识别币种。目前，在纸币清分领域，国内有多个企业都研制开发了自己的多币种点钞机，其具有清分、鉴伪、异常票面识别等多项功能，但却很少能真正做到自动识别币种，通常还是需要人为选择需要清点的币种来进行识别。由于纸币印刷具有固定的图案，一般地，模板匹配是一种简单有效的识别方法。但是在多币种识别，或港元这种币种版本很多时，模板数量就会很多，故模板匹配就会很费时，影响处理性能；另一方面，在纸币有折边或缺边时，或如美元，其长宽一致但四周白边会因印刷而偏移时，模板匹配法就容易导致识别错误。因此需要寻找快速、稳定的纸币识别方法，实现多币种识别、解决折边或缺边币等的误识问题。
技术实现思路
本专利技术针对上述现有技术中的不足，提出了一种纸币图像识别方法，该方法不需要寻找不同纸币间的局部差异性，只需在纸币图像上提取相应的特征后即可进行后续识别。其具体方法如下：一种纸币图像识别方法，用训练集中的纸币图像训练分类器，并用该分类器对待测纸币图像进行识别，其特征在于对训练集中的纸币图像和待测纸币图像的处理包括如下步骤：1)对纸币图像进行预处理；2)取纸币图像中的若干个图像块；3)计算每个图像块的图像特征；其特征还在于包括如下步骤：4)利用训练集中图像的各图像块的特征训练分类器；5)将待测图像的各图像块的特征输入分类器，对该纸币图像进行识别；所述的纸币图像包括如下图像之一种或多种：可见光反射图像、可见光透射图像、红外反射图像、红外透射图像、紫外荧光反射图像和磁图像；在纸币图像包括所述多种图像时，采用相同或不同的图像块；所述的对待测纸币图像进行识别包括面值、面向和版本的识别，在输入图像包括多币种时还包括币种识别。进一步的，所述的图像特征包括图像块的如下特征之至少一种：灰度统计特征、差分特征、类Haar特征。进一步的，所述的灰度统计特征是指如下特征之一种或多种：像素灰度均值、像素灰度方差或均方差。进一步的，所述的差分特征是指如下特征之一种或多种：水平或垂直方向的一阶差分、水平或垂直方向的二阶差分。进一步的，所述的类Haar特征，包括如下特征中的至少一种：边缘模板提取的类Haar特征、中心线模板提取的类Haar特征、对角线模板提取的类Haar特征。进一步的，所述的将待测图像的各图像块的特征输入分类器，对纸币图像进行识别包括如下步骤：a)将待测纸币的长宽特征输入树分类器，对纸币进行粗分类；b)计算待测图像的各图像块的特征向量与该图像块对应的各类的均值向量的Mahalanobis距离；c)计算所有块的Mahalanobis距离之和，将待测纸币图像判决为Mahalanobis距离之和最小的类。与现有技术相比，本专利技术获得的有益效果有：(1)不需要寻找纸币间的局部差异性特征，直接利用本专利技术所提取的特征进行训练后即可识别；(2)本专利技术的方法可以用于多国纸币的混合自动识别，无需选择相应币种；(3)本专利技术方法由
于计算的特征简单，计算速度很快，解决了高速实时多币种自动识别问题；(4)本专利技术方法识别正确率高，抗折、缺边或印刷漂移能力强。附图说明图1是本专利技术纸币图像识别方法的一个实施例的流程图；图2是本专利技术纸币图像识别方法中Haar特征提取模板的一个实施例；图3是本专利技术纸币图像识别方法利用分类器对纸币图像进行识别的一个实施例流程图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。图1是本专利技术中纸币图像识别方法的一个实施例的方法流程图，包括训练分类器和对输入图像进行二个过程。其输入是已知币种、面值、面向和版别的训练集纸币图像或待识别的纸币图像，所述的纸币图像是如下图像之一种：可见光反射图像、可见光透射图像、红外反射图像、红外透射图像、紫外荧光反射图像和磁图像。包括以下步骤：步骤S101：对获取到的纸币图像I进行预处理。获取纸币图像边界信息，包括倾斜角度、长宽和位置信息，对纸币图像进行倾斜校正和灰度归一化校正，并缩小到指定的尺寸。对于从图像传感器(如CIS)得到的原始图像，一般地还需要对采集到的图像针对感光单元的不一致性进行灰度校正。步骤S102：将纸币图像按照两行四列的规则，划分为八个大小为H×W，且互不重叠的矩形块Ω1,Ω2,…,Ω8，其中H是图像块的高度，W是图像块的宽度。用这种方法取纸币图像中的图像块比较简单有效。很多现有的提取图像中的图像块的方法都可以被采用，如指定若干个ROI区域，规则或不规则的区域，重叠或不重叠的区域，也可划分成其它不同的行数和列数。步骤S103：在每个矩形图像块内提取纸币图像特征包括灰度统计特征、差分特征和类Haar特征。这里n是所提取的特征数量，如n取6或8。本实施例采用这些计算简单而效果较好的特征，但其它的图像特征，如矩特征、Gabor、小波、LBP、HOG等等各种图像特征也可被采用。具体的，灰度统计特征包括像素灰度均值和像素灰度方差或均方差。设有第k个H×W的图像块Ωk，k＝1,2,…,m,其中图像任一位置(i,j)处的像素(记为像素z)的灰度记为Ii,j，其中i和j分别为水平和垂直坐标，像素灰度均值的计算公式为：E(Ωk)=1H×WΣ(i,j)∈ΩkIi,j]]>像素灰度方差的计算公式为：σ2(Ωk)=1H×WΣ(i,j)∈Ωk{Ii,j-E(Ωk)本文档来自技高网...

【技术保护点】
一种纸币图像识别方法，用训练集中的纸币图像训练分类器，并用该分类器对待测纸币图像进行识别，其特征在于对训练集中的纸币图像和待测纸币图像的处理包括如下步骤：1)对纸币图像进行预处理；2)取纸币图像中的若干个图像块；3)计算每个图像块的图像特征；其特征还在于包括如下步骤：4)利用训练集中图像的各图像块的特征训练分类器；5)将待测图像的各图像块的特征输入分类器，对该纸币图像进行识别；所述的纸币图像包括如下图像之一种或多种：可见光反射图像、可见光透射图像、红外反射图像、红外透射图像、紫外荧光反射图像和磁图像；在纸币图像包括所述多种图像时，采用相同或不同的图像块；所述的对待测纸币图像进行识别包括面值、面向和版本的识别；在输入图像包括多币种时，还包括币种识别。

【技术特征摘要】
1.一种纸币图像识别方法，用训练集中的纸币图像训练分类器，并用该分类器对待测纸币图像进行识别，其特征在于对训练集中的纸币图像和待测纸币图像的处理包括如下步骤：1)对纸币图像进行预处理；2)取纸币图像中的若干个图像块；3)计算每个图像块的图像特征；其特征还在于包括如下步骤：4)利用训练集中图像的各图像块的特征训练分类器；5)将待测图像的各图像块的特征输入分类器，对该纸币图像进行识别；所述的纸币图像包括如下图像之一种或多种：可见光反射图像、可见光透射图像、红外反射图像、红外透射图像、紫外荧光反射图像和磁图像；在纸币图像包括所述多种图像时，采用相同或不同的图像块；所述的对待测纸币图像进行识别包括面值、面向和版本的识别；在输入图像包括多币种时，还包括币种识别。2.根据权利要求1所述的纸币图像识别方法，其特征在于，所述训练集中图像或待测图像的图像特征，包括图像块的如下特征中的至少一种：灰度统计特征、差分特征、类Haar特征。3.根据...

【专利技术属性】
技术研发人员：唐慧明，江一帆，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33