一种图像传感器的故障检测方法及装置与流程

本发明涉及电子设备领域，尤其涉及一种图像传感器的故障检测方法及装置。

背景技术：

目前，在验钞机工作的过程中，验钞模块就像个黑匣子，外部只能获取纸币的识别结果，并不知道纸币的实际状态。当验钞频繁出错时，需要人工对验钞模块进行分析，特别是要针对验钞模块内的主要部件图像传感器进行分析，查明错误原因。由于很多错误是偶发性的，例如纸币折角、纸币超出检验范围等，并且测试条件的改变也会导致错误发生的概率改变，这就使得对验钞机的查错变得十分困难，此外，人工排查错误也加大的验钞机的维护成本。

技术实现要素：

为克服现有技术中需要人工识别图像传感器导致的验钞出错的问题，本发明实施例一方面提供了一种图像传感器的故障检测方法，所述图像传感器设于验钞机内，该方法包括：

基于所述图像传感器，采集当前在验纸币的图像；

从采集从所述当前在验纸币的图像中，提取所述在验纸币的轮廓，并检测所述轮廓与标准纸币的轮廓是否匹配；

若检测结果为所述轮廓与标准纸币的轮廓不匹配，则检测所述在验纸币的角点数目；

若检测到所述在验纸币的角点数目与标准纸币的角点数目相同，则判定所述图像传感器故障。

其中，所述若所述检测的角点数目与标准纸币的角点数目相同，则判定所述图像传感器故障的步骤，包括：

若所述检测的角点数目与标准纸币的角点数目相同，则获取所述在验纸币任两角点之间的距离；

将所述任两角点之间的距离与标准纸币任两角点之间的距离进行比较，得到距离差值；

若所述距离差值的绝对值大于第一预设值，则判定所述图像传感器故障。

其中，所述若所述距离差值的绝对值大于第一预设值，则判定所述图像传感器故障的步骤，包括：

若所述距离差值的绝对值大于第一预设值，则获取任两相邻角点之间的轮廓点的坐标；

若任意两相邻角点之间的各轮廓点的横坐标或纵坐标相互之间的差值的绝对值均小于第二预设值，则判定所述图像传感器故障。

其中，所述检测所述在验纸币的角点数目的步骤，包括：

基于所述轮廓的连续性，提取所述在验纸币的图像的主要部分，得到所述在验纸币的主要图像；

获取所述主要图像的角点数目。

其中，所述获取所述主要图像的角点数目的步骤，包括：

基于Moravec角点检测算法，确定所述主要图像的角点；

统计所述确定的角点的数目。

其中，所述检测所述在验纸币的角点数目步骤之后，还包括：

若所述检测的角点数目与标准纸币的角点数目不相同，则判定所述在验纸币出错；

所述将所述任两角点之间的距离与标准纸币任两角点之间的距离进行比较，得到距离差值的步骤之后，还包括：

若所述距离差值的绝对值小于第一预设值，则判定所述在验纸币出错。

另一方面，本发明实施例提供了一种图像传感器的检测装置，包括：

采集模块，用于基于所述图像传感器，采集当前在验纸币的图像；

轮廓匹配模块，用于从所述当前在验纸币的图像中，提取所述在验纸币的轮廓，并检测所述轮廓与标准纸币的轮廓是否匹配；

角点数目检测模块，用于若检测到所述轮廓与标准纸币的轮廓不匹配，则检测所述在验纸币的角点数目；

异常判定模块，若检测的所述在验纸币的角点数目与标准纸币的角点数目相同，则判定所述图像传感器故障。

其中，所述异常判定模块包括：

角点距离获取单元，用于若所述检测的角点数目与标准纸币的角点数目相同，则获取所述在验纸币任两角点之间的距离；

差值获取单元，用于将所述任两角点之间的距离与标准纸币任两角点之间的距离进行比较，得到距离差值；

异常判定单元，用于若所述距离差值的绝对值大于第一预设值，则判定所述图像传感器故障。

其中，所述异常判定单元包括：

轮廓点坐标获取子单元，用于若所述距离差值的绝对值大于第一预设值，则获取任两相邻角点之间的轮廓点的坐标；

异常判定子单元，用于若任意两相邻角点之间的各轮廓点的横坐标或纵坐标相互之间的差值的绝对值均小于第二预设值，则判定所述图像传感器故障。

其中，所述角点数目检测模块包括：

主要图像获取单元，用于基于所述轮廓的连续性，提取所述在验纸币的图像的主要部分，得到所述在验纸币的主要图像；

角点数目获取单元，用于获取所述主要图像的角点数目。

其中，所述角点数目获取单元包括：

角点确定子单元，用于基于Moravec角点检测算法，确定所述主要图像的角点；

统计子单元，用于统计所述确定的角点的数目。

其中，还包括：

第一纸币出错判定模块，用于若所述检测的角点数目与标准纸币的角点数目不相同，则判定所述在验纸币出错；

第二纸币出错判定模块，用于若所述距离差值的绝对值小于第一预设值，则判定所述在验纸币出错。

本发明实施例在检测所述在验纸币的轮廓与标准纸币的轮廓不匹配后，获取在验纸币的角点数目，并当在验纸币的角点数目与标准纸币的角点数目一致后，判定图像传感器故障，通过排除由纸币出错导致角点数目不一致的情况，得出了图像传感器采集的图像异常的结论，最终确定图像传感器出现故障，从而能够自动检测图像传感器错误，提高工效，减少成本。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的图像传感器的故障检测方法的第一实施例流程示意图。

图2为本发明的图像传感器的故障检测方法的第二实施例流程示意图。

图3是边缘平滑缺损纸币的示意图。

图4是本发明的图像传感器的故障检测方法的第三实施例流程示意图。

图5是断裂纸币的示意图。

图6是本发明的图像传感器的故障检测装置的第一实施例的结构示意图。

图7是本发明的异常判定模块的实施例的结构示意图。

图8是本发明的异常判定单元的实施例的结构示意图。

图9是本发明的角点数目检测模块的实施例的结构示意图。

图10是本发明的角点数目获取单元的实施例的结构示意图。

图11是本发明的图像传感器的故障检测装置的第二实施例的结构示意图。

具体实施方式

为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

验钞机在对纸币识别之前，需要从图像传感器采集的图像中提取纸币图像，具体来讲，即要从采集的图像中提取在验纸币的轮廓，再基于提取的轮廓，得到纸币的图像，如提取的纸币的轮廓与标准纸币的轮廓不匹配，则表明纸币图像提取失败。图像提取失败的原因有非常多种，比如纸币破裂、纸币超出范围、脏污严重、图像严重形变等，本发明的实施例在图像提取失败后，不再进行后续的识别算法，而加入了对验钞机(主要是图像传感器)的错误分析，由于每张纸币的识别时间又是固定的，因此在此时加入对错误数据的分析不会额外增加验钞时间。

请参照图1，是本发明的图像传感器的故障检测方法的第一实施例流程示意图。如图所示，该方法包括以下步骤：

步骤S11，基于图像传感器，采集当前在验纸币的图像。

步骤S12，从采集的图像中，提取在验纸币的轮廓，并检测该轮廓与标准纸币的轮廓是否匹配。导致在验纸币的轮廓与标准纸币的轮廓不匹配的原因有多种，例如纸币破裂、纸币超出检验范围、纸币脏污严重、图像传感器采集的纸币图像变形等等，上述原因中有些是偶然发生的，如纸币超出检验范围；有些是纸币本身的问题，如纸币脏污严重和破裂，还有一些则是由图像传感器导致的，如采集的纸币图像变形。

步骤S13，若检测结果为否，则检测在验纸币的角点数目。当轮廓不匹配时，表明在验纸币的图像异常，已不是正常的矩形了，而由于错误的未知性，需要重新检测、定位图像的角点。角点数目的检测可以采用Moravec角点检测算法，也可以采用哈里斯算法。尽管Moravec角点检测算法只考虑了4个45度角的离散方向，不如哈里斯算子全面，但由于纸币是已知的矩形，因此在45度角上即可以得到比较好的效果，不需要全角度计算，此外，采用Moravec角点检测算法，使得计算量更小，相比哈里斯算法更有利于产品运用。因此，本发明实施例优选Moravec角点检测算法：基于Moravec角点检测算法，确定在验纸币的角点，并统计确定的角点的数目。

Moravec角点检测算法的原理大致如下：

在图像上预设一W*W的“滑动窗口”，不断的移动这个窗口，并检测窗口中的像素变化值E：如果在窗口中的图像是平坦的，那么E的变化不大；如果在窗口中的图像是一条边，那么在沿这条边滑动时E变化不大，而在沿垂直于这条边的方向滑动窗口时，E的变化会很大；如果在窗口中的图像是一个角点时，窗口沿任何方向移动E的值都会发生很大变化。用数学语言来表示的话就是：

其中，I表示被检测图像，(u，v)表示窗口滑到的区域的首像素坐标，(x，y)就表示四个移动方向(1，0)(1，1)(0，1)(-1，1)，E就是像素的变化值。

步骤S14，若检测的角点数目与标准纸币的角点数目相同，则判定图像传感器故障。通常情况下，若检测的角点数目小于标准纸币的角点数目，则表明在验纸币越界(即纸币超出检验范围)；若检测的角点数目大于标准纸币的角点数目，则表明在验纸币重张或撕裂。而当检测的角点数目与标准纸币的角点数目相同时，则表明图像传感器采集的纸币图像变形，此时，便可以判定图像传感器故障。

本发明实施例在检测所述在验纸币的轮廓与标准纸币的轮廓不匹配后，获取在验纸币的角点数目，并当在验纸币的角点数目与标准纸币的角点数目一致后，判定图像传感器故障，通过排除由纸币出错导致角点数目不一致的情况，得出了图像传感器采集的图像异常的结论，最终确定图像传感器出现故障，从而能够自动检测图像传感器错误，提高工效，减少成本。

请参照图2，是本发明的图像传感器的故障检测方法的第二实施例流程示意图。该实施例对检测方法的第一实施例做了优化，在原有的基础上，进一步排除了纸币出错导致的图像异常(即纸币角点与标准纸币相一致，但是边缘平滑缺损的情况)，使得检测结果更为精确。

步骤S21，基于图像传感器，采集当前在验纸币的图像。

步骤S22，从采集的图像中，提取在验纸币的轮廓，并检测该轮廓与标准纸币的轮廓是否匹配。导致在验纸币的轮廓与标准纸币的轮廓不匹配的原因有多种，例如纸币破裂、纸币超出检验范围、纸币脏污严重、图像传感器采集的纸币图像变形等等，上述原因中有些是偶然发生的，如纸币超出检验范围；有些是纸币本身的问题，如纸币脏污严重和破裂，还有一些则是由图像传感器导致的，如采集的纸币图像变形。

步骤S23，若检测结果为否，则检测在验纸币的角点数目。当轮廓不匹配时，表明在验纸币的图像异常，已不是正常的矩形了，而由于错误的未知性，需要重新检测、定位图像的角点。角点数目的检测可以采用Moravec角点检测算法，也可以采用哈里斯算法。本发明实施例优选Moravec角点检测算法：基于Moravec角点检测算法，确定在验纸币的角点，并统计确定的角点的数目。

步骤S24，若检测的角点数目与标准纸币的角点数目相同，则获取在验纸币任两角点之间的距离。

步骤S25，将任两角点之间的距离与标准纸币任两角点之间的距离进行比较，得到距离差值。该步骤中得到的距离差值可以是所有相对应的角点距离的偏差值的累加值，也可以是各相对应的角点距离的偏差值。本实施例中，优选所有相对应的角点距离的差值的累加值。

通常情况下，标准纸币为长方形，一共有4个角，也就是说其角点数目为4，假设标准纸币的宽为W，高为H，则标准纸币的四个角点的两两距离由三个数值W、H构成。

步骤S26，若距离差值的绝对值大于第一预设值，则判定图像传感器故障。预设值可以优选20％。当距离差值小于第一预设值表明纸币出错，例如，如图3所示纸币，该纸币角点与标准纸币相一致，但是边缘平滑缺损。

本发明的实施例在排除由纸币出错导致角点数目不一致后，进一步剔除了纸币出错导致的角点一致，但轮廓不一致的情况(例如纸币角点与标准纸币相一致，但是边缘平滑缺损的情况)，使得检测结果更为精确。

请参照图4，是本发明的图像传感器的故障检测方法的第三实施例流程示意图。该实施例对检测方法的第二实施例做了优化，在原有的基础上，进一步排除了由纸币断裂导致的图像异常，使得检测结果更为精确。

步骤S31，基于图像传感器，采集当前在验纸币的图像。

步骤S32，从采集的图像中，提取在验纸币的轮廓，并检测该轮廓与标准纸币的轮廓是否匹配。导致在验纸币的轮廓与标准纸币的轮廓不匹配的原因有多种，例如纸币破裂、纸币超出检验范围、纸币脏污严重、图像传感器采集的纸币图像变形等等，上述原因中有些是偶然发生的，如纸币超出检验范围；有些是纸币本身的问题，如纸币脏污严重和破裂，还有一些则是由图像传感器导致的，如采集的纸币图像变形。

步骤S33，若检测结果为否，则检测在验纸币的角点数目。检测在验纸币的角点数目具体包括：基于提取的在验纸币的轮廓的连续性，提取在验纸币的图像的主要部分，得到在验纸币的主要图像，并获取主要图像的角点数目。在某些情况下，由于图像传感器的异常会导致其采集的纸币的图像有部分丢失，这就会造成纸币的图像被断开，被分割成多个独立的、不连续的图像。此种情况下，本发明的实施例提取在验纸币的主要图像进行后续分析，对非关键图像(即残留图像)不作处理。而对于完整的纸币，主要图像即为其完整图像。

在得到在验纸币的主要图像后，基于Moravec角点检测算法，确定主要图像的角点，并统计确定的角点的数目。Moravec角点检测算法已在上文中做了详细介绍，故在此不作赘述。

步骤S34，若检测的角点数目与标准纸币的角点数目相同，则获取在验纸币任两角点之间的距离。

步骤S35，将任两角点之间的距离与标准纸币任两角点之间的距离进行比较，得到距离差值。该步骤中得到的距离差值可以是所有相对应的角点距离的偏差值的累加值，也可以是各相对应的角点距离的偏差值。本实施例中，优选所有相对应的角点距离的差值的累加值。

步骤S36，若距离差值的绝对值大于第一预设值，获取任两相邻角点之间的轮廓点的坐标。预设值可以优选20％。当距离差值小于第一预设值表明纸币出错，例如，如图3所示纸币，该纸币角点与标准纸币相一致，但是边缘平滑缺损。

步骤S37，若任意两相邻角点之间的各轮廓点的横坐标或纵坐标相互之间的差值的绝对值均小于第二预设值，则判定图像传感器故障。一般情况下，当纸币断裂时，如图5所示，尽管该纸币有4个角点，且角点的两两距离与标准纸币的差距较大，但断裂纸币的边缘基本不齐整，且不会绝对水平或绝对竖直。而由于图像传感器分布为一行，以列为方向扫描，当出传感器现异常时，多为水平整行或垂直整列的数据丢失。因此，在检测到两角点之间的各轮廓点的横坐标或纵坐标一致时，即可判断是图像传感器导致的图像数据异常。对各轮廓点的横坐标或纵坐标一致性的判断方法如下：可以获取各轮廓点横坐标或纵坐标相互之间的方差值，如果方差较大(例如大于50)，则说明纸币边缘分布起伏明显，为缺损钞；如方差较小(如小于50)，则说明各轮廓点的横坐标或纵坐标一致。

本发明的实施例在排除了由纸币出错导致角点数目不一致，以及排除了纸币出错导致的角点一致，但轮廓不一致的情况，还排除了由纸币出错导致的轮廓不一致，角点一致，且角点的两两距离与标准纸币的差距较大的情况，使得检测结果更为精确。

此外，本发明实施例在判定图像传感器故障时，还可以对图像传感器采集的纸币图像数据进行保存；在检测的角点数目与标准纸币的角点数目不相同时，以及在验纸币的角点的两两距离与标准纸币的角点的两两距离的差值小于预设值时，对于以上两种情况下获取的的纸币图像数据进行删除。通过剔除由纸币出错导致的偶发的异常图像，并对图像传感器异常导致的纸币图像进行存储，可以方便后续研发人员对验钞机出错进行进一步的分析，快速定位错误，同时还能节省存储空间。

上述对本发明的图像传感器的故障检测方法做了详细介绍，下面将对相应于上述方法的装置做进一步介绍。

请参照图6，是本发明的图像传感器的故障检测装置的第一实施例的结构示意图。该图像传感器的故障检测装置包括图像传感器110、轮廓匹配模块120、角点数目检测模块130和异常判定模块140。

其中，图像传感器110用于采集当前在验纸币的图像。

轮廓匹配模块120，用于从采集的图像中，提取在验纸币的轮廓，并检测该轮廓与标准纸币的轮廓是否匹配。

角点数目检测模块130，用于若检测结果为否，则检测在验纸币的角点数目。导致在验纸币的轮廓与标准纸币的轮廓不匹配的原因有多种，例如纸币破裂、纸币超出检验范围、纸币脏污严重、图像传感器采集的纸币图像变形等等，上述原因中有些是偶然发生的，如纸币超出检验范围；有些是纸币本身的问题，如纸币脏污严重和破裂，还有一些则是由图像传感器导致的，如采集的纸币图像变形。角点数目的检测可以采用Moravec角点检测算法，也可以采用哈里斯算法。本发明实施例优选Moravec角点检测算法：基于Moravec角点检测算法，确定在验纸币的角点，并统计确定的角点的数目。

异常判定模块140，若检测的角点数目与标准纸币的角点数目相同，则判定图像传感器故障。

本发明实施例在检测所述在验纸币的轮廓与标准纸币的轮廓不匹配后，获取在验纸币的角点数目，并当在验纸币的角点数目与标准纸币的角点数目一致后，判定图像传感器故障，通过排除由纸币出错导致角点数目不一致的情况，得出了图像传感器采集的图像异常的结论，最终确定图像传感器出现故障，从而能够自动检测图像传感器错误，提高工效，减少成本。

请参照图7，是本发明的异常判定模块的实施例的结构示意图。异常判定模块140包括角点距离获取单元141、差值获取单元142和异常判定单元143。

角点距离获取单元141，用于若检测的角点数目与标准纸币的角点数目相同，则获取在验纸币任两角点之间的距离。

差值获取单元142，用于将任两角点之间的距离与标准纸币任两角点之间的距离进行比较，得到距离差值。

异常判定单元143，用于若距离差值的绝对值大于第一预设值，则判定图像传感器故障。

本发明的实施例在排除由纸币出错导致角点数目不一致后，进一步剔除了纸币出错导致的角点一致，但轮廓不一致的情况(例如纸币角点与标准纸币相一致，但是边缘平滑缺损的情况)，使得检测结果更为精确。

请参照图8，是本发明的异常判定单元的实施例的结构示意图。异常判定单元143包括轮廓点坐标获取子单元143a和异常判定子单元143b。

其中，轮廓点坐标获取子单元143a，用于若差值获取单元142获取的差值大于预设值，则获取任两相邻角点之间的轮廓点的坐标。

异常判定子单元143b，用于若任意两相邻角点之间的各轮廓点的横坐标或纵坐标相互之间的差值的绝对值小于第二预设值，则判定图像传感器故障。一般情况下，当纸币断裂时，如图5所示，尽管该纸币有4个角点，且角点的两两距离与标准纸币的差距较大，但断裂纸币的边缘基本不齐整，且不会绝对水平或绝对竖直。而由于图像传感器分布为一行，以列为方向扫描，当出传感器现异常时，多为水平整行或垂直整列的数据丢失。因此，在检测到两角点之间的各轮廓点的横坐标或纵坐标相互之间的差值的绝对值小于第二预设值时，即可判断是图像传感器导致的图像数据异常。具体来讲，可以获取各轮廓点之间的方差，如果方差较大，则说明边缘分布起伏明显，为缺损钞。

本发明的实施例在排除了由纸币出错导致角点数目不一致，以及排除了纸币出错导致的角点一致，但轮廓不一致的情况，还排除了由纸币出错导致的轮廓不一致，角点一致，且角点的两两距离与标准纸币的差距较大的情况，使得检测结果更为精确。

请参照图9，是本发明的角点数目检测模块的第一实施例的结构示意图。角点数目检测模块130包括主要图像获取单元131和角点数目获取单元132。

主要图像获取单元131，用于基于轮廓的连续性，提取在验纸币的图像的主要部分，得到在验纸币的主要图像。在某些情况下，由于图像传感器的异常会导致其采集的纸币的图像有部分丢失，这就会造成纸币的图像被断开，被分割成多个独立的、不连续的图像。此种情况下，本发明的实施例提取在验纸币的主要图像进行后续分析，对非关键图像(即残留图像)不作处理。而对于完整的纸币，主要图像即为其完整图像。

角点数目获取单元132，用于获取主要图像的角点数目。

请参照图10，是本发明的角点数目获取单元的实施例的结构示意图。角点数目获取单元132包括角点确定子单元132a和统计子单元132b。

角点确定子单元132a，用于基于Moravec角点检测算法，确定在验纸币的角点。Moravec角点检测算法已在上文中做了详细介绍，故在此不作赘述。

统计子单元132b，用于统计确定的角点的数目。

请参照图11，是本发明的图像传感器的故障检测装置的第二实施例的结构示意图。该图像传感器的故障检测装置包括图像传感器110、轮廓匹配模块120、角点数目检测模块130和异常判定模块140、第一纸币出错判定模块150和第二纸币出错判定模块160。

其中，图像传感器110用于采集当前在验纸币的图像。

轮廓匹配模块120，用于从采集的图像中，提取在验纸币的轮廓，并检测该轮廓与标准纸币的轮廓是否匹配。

角点数目检测模块130，用于若检测结果为否，则检测在验纸币的角点数目。

第一纸币出错判定模块150，用于若检测的角点数目与标准纸币的角点数目不相同，则判定在验纸币出错。

异常判定模块140，用于若检测的角点数目与标准纸币的角点数目相同，则判定图像传感器故障。具体地，异常判定模块140用于若检测的角点数目与标准纸币的角点数目相同，则获取在验纸币任两角点之间的距离，并将任两角点之间的距离与标准纸币任两角点之间的距离进行比较，得到距离差值，距离差值的绝对值大于第一预设值，则判定图像传感器故障。

第二纸币出错判定模块160，用于若异常判定模块140获取的差值小于预设值，则判定在验纸币出错。

本发明的实施例除了对图像传感器的出错进行判定外，还会对纸币错误进行判定，从而完善了对验钞机的错误判断。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

如上所述是结合具体内容提供的一种或多种实施方式，并不认定本发明的具体实施只局限于这些说明。凡与本发明的方法、结构等近似、雷同，或是对于本发明构思前提下做出若干技术推演或替换，都应当视为本发明的保护范围。