纸币验证制造技术

一种创建用于纸币验证的分类器的方法，所述方法包括步骤：　（ｉ）访问纸币图像的训练集合；　（ｉｉ）使用该训练集合图像创建分割模板；　（ｉｉｉ）使用所述分割模板分割每个所述训练集合图像；　（ｉｖ）从每个所述训练集合图像中的每个分段中提取一个或多个特征；　（ｖ）使用特征信息形成所述分类器；　其中所述分割模板是基于来自所述训练集合中所有图像的信息来创建的。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种用于纸币验证的方法和设备。技术背景越来越需要以简单、可靠和节约成本的方式自动核查和验证不同 币种和面额的纸币。例如，这在接收纸币的自助式设备(例如，自助 式售货亭、售票机、被安排办理存款的自动柜员机、自助式货币兑换 机等)中是必需的。以前，货币验证的人工方法涉及纸币的图像检查、诸如水印和纹 路对准标记的透视效果以及手感甚至气味。其他已知方法依赖需要半 人工询问的半公开特征。例如，使用磁性装置、紫外线传感器、荧光、 红外线检测器、电容、金属条、图像模式等。然而，就其本身来说， 这些方法是人工或半人工的，并且不适合无法长时间人工干预的许多 应用。例如，在自助式设备中。为创建自动验钞机有重要问题有待克服。例如，存在具有不同安 全特征甚至基质类型的许多不同类型的货币。在不同的面额还通常具 有不同水平的安全特征。因此，需要提供一种用于那些不同币种和面 额的、容易并便于执行货币验证的一般方法。简而言之，验钞机的任务是确定所给定的纸币是真的还是假的。 以前的自动验证方法通常需要已知相对大量的假钞样本以训练分类器。另外，那些先前的分类器被训练以只检测已知的假钞。这是有问 题的，原因在于对于可能的假钞存在很少或者不存在可用信息。例如， 这特别对于新引入的面额或新引入的币种是有问题的。在出版在模式识别第37期(Pattern Recognition 37) (2004)第 1085-1096页、作者为ChaoHe， MarkGiroIami和Gary Ross (其中二人是 本申请的专利技术人)、题目为"Employing optimized combinations of one-class classifiers for automated currency validation (为自动纸币验证 采用单类分类器的最优组合)"的早期论文中，描述了自动货币验证 方法(专利号为EP1484719， US20042447169)。这涉及使用网格结构 将整个纸币的图像分割成区域。为每个区域构造单独的"单类(one-class)"分类器，并且组合区域特定分类器的小的子集以提供 全面描述(下面更详细地解释术语"单类")。通过采用遗传算法来 实现为实现良好性能的区域特定分类器的分割和组合。该方法在遗传 算法阶段中需要少量假钞样本，同样地，当无法获得假钞数据时，该 方法不适用。还需要以能实时执行的计算开销小的方式来执行自动货币验证。本专利技术旨在提供一种克服或者至少减少一个或多个上述问题的用 于纸币验证的改进方法和设备。
技术实现思路
描述了一种创建用于纸币验证的分类器的方法。使用来自真钞的 所有训练图像集合的信息形成分割模板，然后使用所述分割模板来分 割每个训练集合图像。特征从分段中提取，并使用所述特征来形成分 类器，所述分类器优选地是单类统计分类器。以这种方式可对不同币 种和面额快速并简单地形成分类器，而无需假钞的样本。描述了使用 这种分类器的纸币验证器以及使用这种分类器验证纸币的方法。在优选实施例中，将纸币验证器并入到例如自动柜员机的自助式设备中。我们描述了一种创建用于纸币验证的分类器的方法。所述方法包 括步骤 访问纸币图像的训练集合； 使用训练集合图像创建分割模板； 使用分割模板分割每个训练集合图像； 从每个训练集合图像中的每个分段中提取一个或多个特征； 使用特征信息形成分类器； 其中，分割模板是基于训练集合中所有图像的信息来创建的。通过基于来自训练集合中所有图像的信息创建分割模板，我们发 现了提高的纸币验证性能。相反，'以前的方法对分割使用了严格网格 结构，所述严格网格结构不需要来自所有训练集合图像的信息来执行 分割。例如，来自训练集合中所有图像的信息包括形态学信息。所述形 态学信息可以是训练集合中的模式、颜色、纹理等。我们经验地发现，使用这种信息导致提高的纸币验证性能。在示例中，来自训练集合中所有图像的信息包括关于每个训练集 合图像中相同位置的像素的信息。所述信息可包括如下面详细解释的 像素亮度简档。优选地，基于来自训练集合中所有图像的信息使用聚类算法将像 素位置在图像平面中聚类来创建分割模板。可使用现有技术中已知的 任何合适的聚类算法。在优选实施例中，分类器是单类分类器。这是有优势的，原因在 于，通过使用单类分类器和形成上述分割模板的方法，我们能够在训 练集合中去除使用假钞的样本的需要。因此，优选地，训练集合图像只是真钞的图像。优选地，分类器是统计量单类分类器。统计量单类分类器通常大 大减少计算，并比基于神经网络的方法性能更好。优选地，形成分类器的步骤包括在目标类中估计与纸币有关的 统计量的分布，所述目标类包括真货币。在特定优选的实施例中，从反射图像、透射图像、可见信息、不 可见信息和诸如磁像、热图像和X光图像的其他图像中的任何一种中选 择训练集合图像。还可使用特征选择算法来选择一种或多种特征以在提取特征的步 骤中使用。另外，可基于关于纸币的特定面额和币种的具体信息形成分类器。 例如，与在给定的币种和面额中的颜色或其他信息、空间频率或形状 方面数据特别丰富的区域有关的信息。本专利技术还包括用于创建纸币分类器的设备，所述设备包括 输入，配置以访问纸币图像的训练集合； 处理器，配置以使用训练集合图像创建分割模板； 分割器，配置以使用分割模板分割每个训练集合图像； 特征提取器，配置以从每个训练集合图像中的每个分段中提取一个或多个特征； 分类形成装置，配置以使用特征信息形成分类器； 其中，配置处理器基于来自训练集合中所有图像的信息来创建分割模板。本专利技术还包括纸币验证器，所述纸币验证器包括 输入，配置以接收将被验证的纸币的至少一个图像； 分割模板； 处理器，配置以使用分割模板分割纸币的图像； 特征提取器，配置以从纸币图像的每个分段中提取一个或多个特征； 分类器，配置以基于所提取的特征来将纸币分类为有效或无效； 其中，分割模板是基于与纸币的训练图像集合中的每一个有关的信息 来形成的。在一个示例中，纸币验证器还包括组合器和多个分类器，所述组 合器配置为组合每个分类器的结果。本专利技术还包括验证纸币的方法，所述方法包括 访问将被验证的纸币的至少一个图像； 访问分割模板； 使用分割模板分割纸币的图像； 从纸币图像的每个分段中提取特征； 使用分类器基于所提取的特征来将纸币分类为有效或无效； 其中，分割模板是基于与纸币的训练图像集合中的每一个有关的信息 来形成的。本专利技术还包括一种包括计算机程序代码装置的计算机程序，当在 计算机上运行所述程序时，所述计算机程序代码装置执行上述任何方 法中的所有步骤。所述计算机程序可在计算机可读介质上被实现。本专利技术还包括一种自助式设备，所述自助式设备包括 用于接受纸币的装置； 用于获得纸币的数字图像的成像装置；以及 如上所述的纸币验证器。可通过在存储介质上的机器可读形式的软件来执行所述方法。可 按本领域的技术人员清楚的合适顺序和/或并行执行所述方法的步骤。这表示，软件可以是有价值的、可分开买卖的商品。这意味着包 括运行或控制"哑元(dumb)"或标准软件的软件，以执行期望的功能，(因此，软件实质上定义寄存器的功能，因此即使在将其与其标 准硬件组合之前，也可被称为寄存器)。由于相似的理由，还包本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】

【专利技术属性】
技术研发人员：何超，佳里·罗斯，
申请(专利权)人：NCR公司，
类型：发明
国别省市：