检测纸币新旧的方法及装置与流程

本发明实施例涉及纸币检验
技术领域：
，尤其涉及一种纸币新旧检测的方法及装置。
背景技术：
：由于不同领域对流通纸币质量的要求有所不同，因此有必要对纸币的新旧进行检测。目前，纸币新旧检验方法有图像检测、厚度检测、声音检测、化学检测等。其中，图像检测最为常用。例如，统计纸币图像部分区域的灰度值均值，将其与该区域的标准灰度值进行匹配，即可得到该纸币的新旧等级。但是，现有技术中的图像检测纸币新旧方法的精度低，纸币新旧识别效果较差。技术实现要素：本发明实施例提供一种纸币新旧检测的方法及装置，能够有效提高纸币新旧等级检测的精确度。第一方面，本发明实施例提供了一种纸币新旧检测的方法，包括：基于索贝尔算子模板，对待检测纸币中至少一个第一特征区域的像素灰度值进行转换，得到所述至少一个第一特征区域的垂直特征值和水平特征值；根据所述垂直特征值、所述水平特征值以及预设等级方程组，确定所述待检测纸币的新旧等级，其中所述预设等级方程组中包含的方程数量，与所述垂直特征值和所述水平特征值的总数量相等。第二方面，本发明实施例还提供了一种纸币新旧检测的装置，包括：特征值获取模块，用于基于索贝尔算子模板，对待检测纸币中至少一个第一特征区域的像素灰度值进行转换，得到所述至少一个第一特征区域的垂直特征值和水平特征值；第一等级确定模块，用于根据所述垂直特征值、所述水平特征值以及预设等级方程组，确定所述待检测纸币的新旧等级，其中所述预设等级方程组中包含的方程数量，与所述垂直特征值和所述水平特征值的总数量相等。本发明实施例提供了一种纸币新旧检测的方法及装置，基于索贝尔算子模板得到垂直特征值和水平特征值，再结合预设等级方程组确定待检测纸币的新旧等级，解决了现有技术中纸币新旧识别效果较差的问题，提高了纸币新旧识别的精确度。附图说明图1是本发明实施例一中的一种纸币新旧检测方法的流程图；图2A是本发明实施例二中的一种纸币新旧检测方法的流程图；图2B是本发明实施例二中第一特征区域与第二特征区域的选定示意图；图3是本发明实施例三中的一种纸币新旧检测方法的流程图；图4是本发明实施例四中的一种纸币新旧检测方法的流程图；图5是本发明实施例五中的一种纸币新旧检测装置的结构图。具体实施方式下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。实施例一图1为本发明实施例一提供的一种纸币新旧检测方法的流程图，本实施例可适用于各种纸币新旧检测的情况，该方法可以由本发明实施例提供的纸币新旧检测的装置来执行，该装置可采用软件和/或硬件的方式实现，该装置可集成在任何提供纸币新旧检测功能的设备中，例如设备可以是ATM(AutomaticTellerMachine,自动取款机)、纸币清分机，如图1所示，具体包括：S110、基于索贝尔算子模板，对待检测纸币中至少一个第一特征区域的像素灰度值进行转换，得到所述至少一个第一特征区域的垂直特征值和水平特征值。其中，索贝尔算子(Sobeloperator)模板是图像处理中的算子模板之一，包含两组3×3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。索贝尔算子模板包括索贝尔算子垂直模板与索贝尔算子水平模板，主要用作检测垂直边缘与水平边缘。待检测纸币通过图像采集可以获得像素灰度值，像素灰度值为图像中每个像素点的灰度值，其中，灰度为黑白图像中点的颜色深度，范围一般从0到255。第一特征区域选取纸币中灰度值比较均匀的区域，可以选取纸币的正面，也可以选取纸币的反面。并且，第一特征区域可以为一个特征区域，也可以为多个特征区域，其面积大小不作限定。垂直特征值为第一特征区域中的各个像素点根据索贝尔垂直模板进行转换后的转换值，水平特征值为第一特征区域中的各个像素点根据索贝尔水平模板进行转换后的转换值。同样的，垂直特征值与水平特征值也可以为一个或者多个，其个数均与选取的第一特征区域个数相同。可选的，将所述待检测纸币中像素灰度值大于像素门限值的区域确定为所述待检测纸币的特征区域。具体的，待检测纸币的第一特征区域可以根据像素灰度值进行提取。像素灰度值越高，显示区域越白。在日常使用纸币过程中，由于纸币中像素灰度值较低的区域受新旧影响较小，因此在识别待检测纸币新旧中经常选取像素灰度值较高的区域作为待检测区域，即特征区域。例如，设定像素门限值为240，那么将待检测纸币中像素灰度值大于240的均匀区域确定为待检测纸币的第一特征区域。S120、根据所述垂直特征值、所述水平特征值以及预设等级方程组，确定所述待检测纸币的新旧等级，其中所述预设等级方程组中包含的方程数量，与所述垂直特征值和所述水平特征值的总数量相等。具体的，根据对大批量待检测纸币的分析可知，待检测纸币的新旧等级值与垂直特征值(或者水平特征值)呈线性或者非线性关系，例如，面值为100元的人民币，其新旧等级值与垂直特征值成线性关系，与水平特征值成另一线性关系。因此，预设等级方程组中包含的方程数量，与垂直特征值和水平特征值的总数量相等。根据上述索贝尔算子模板转换可以得到至少一个垂直特征值与至少一个水平特征值，再根据预设的等级方程组进行求解可以得到待检测纸币的多个初步等级值，再对多个初步等级值取均值，与等级门限值进行匹配，即可求出待检测纸币的新旧等级。其中，预设等级方程组为包含多个方程的方程组，每个方程都具有属于自己的未知参数与已知参数，也就是说，任意一个方程计算出的未知参数不同时满足方程组中的其他方程。在本发明实施例中，未知参数为至少一个垂直特征值或者至少一个水平特征值，而带入未知参数求出的结果则为待检测纸币与该未知数对应的初步等级值，且预设等级方程组中每个方程的已知参数为预先根据样本纸币进行计算而确定的一个具体数值。本发明实施例基于索贝尔算子模板得到垂直特征值和水平特征值，再结合预设等级方程组确定待检测纸币的新旧等级，解决了现有技术中纸币新旧识别效果较差的问题，提高了纸币新旧识别的精确度。实施例二图2A为本发明实施例二提供的一种检测纸币新旧方法的流程图，本实施例在上述实施例的基础上还包括：确定所述待检测纸币中至少一个第二特征区域的像素特征值；相应的，根据所述垂直特征值、所述水平特征值以及预设等级方程组，确定所述待检测纸币的新旧等级包括：根据所述垂直特征值、所述水平特征值、所述像素特征值以及预设等级方程组，确定所述待检测纸币的新旧等级，其中所述预设等级方程组中包含的方程数量，与所述垂直特征值、所述水平特征值和所述像素特征值的总数量相等。相应的，本实施例的方法包括：S210、基于索贝尔算子模板，对待检测纸币中至少一个第一特征区域的像素灰度值进行转换，得到所述至少一个第一特征区域的垂直特征值和水平特征值。S220、确定所述待检测纸币中至少一个第二特征区域的像素特征值。采集第二特征区域的图像，将第二特征区域中各个像素点的灰度值取均值作为第二特征区域的像素特征值。像素特征值同样可以为一个或多个，其个数与第二特征区域选取的个数有关。待检测纸币除了选取第一特征区域之外，还可以选取至少一个第二特征区域。例如，可以将待检测纸币中像素灰度值大于像素门限值的区域确定为待检测纸币的第一特征区域和第二特征区域。如果待检测纸币中同时选取了第一特征区域与第二特征区域，那么优先将面积大的特征区域作为第一特征区域，面积小的区域作为第二特征区域。如图2B所示的2005年版本100元面值人民币的可见光照射图中，选定左侧空白区域20(像素灰度值大于像素门限值，且面积大)作为第一特征区域，选定右侧空白区域21(像素灰度值大于像素门限值，且面积小)作为第二特征区域。由于纸币边缘与手指接触更频繁，因此将纸币边缘的区域设定为特征区域更为准确。需要说明的是，本发明实施例中的待检测纸币同时选取第一特征区域与第二特征区域仅仅是一种示例，在本发明的其他实施例中，还可以只选取待检测纸币中的第二特征区域对纸币的新旧等级进行识别。S230、根据所述垂直特征值、所述水平特征值、所述像素特征值以及预设等级方程组，确定所述待检测纸币的新旧等级，其中所述预设等级方程组中包含的方程数量，与所述垂直特征值、所述水平特征值和所述像素特征值的总数量相等。具体的，如果待检测纸币中同时选取了第一特征区域与第二特征区域，那么，预设等级方程组则是与垂直特征值、水平特征值、像素特征值均相关的方程组，且预设等级方程组中包含的方程数量，与垂直特征值、水平特征值和像素特征值的总数量相等，且预设等级方程组中的每个方程都与一个特征值有关。在本发明实施例中，所述预设等级方程组的构建包括：基于所述索贝尔算子模板，对各个样本纸币中至少一个第一特征区域的像素灰度值进行转换，得到所述各个样本纸币的第一样本特征值；确定所述各个样本纸币中至少一个第二特征区域的第二样本特征值；根据所述各个样本纸币的实际新旧等级值、所述第一样本特征值和所述第二样本特征值构建所述预设等级方程组。具体的，采集各个新旧等级的样本纸币图像，分别选取各个样本纸币中的至少一个第一特征区域的像素灰度值，基于索贝尔算子模板对其进行转换，得到各个样本纸币的第一样本特征值。其中，第一样本特征值包括第一样本垂直特征值与第一样本水平特征值。分别选取各个样本纸币中的至少一个第二特征区域的像素灰度值，取均值作为各个样本纸币的第二样本特征值，根据各个样本纸币的实际新旧等级值、第一样本特征值和第二样本特征值构建预设等级方程组。以图2B所示的2005年版本100元面值人民币为例，由于根据大批量待检测纸币的分析可知，面值为100元的人民币，其新旧等级值与特征值成线性关系，因此构建预设等级方程组为：选取新旧差别较大的新旧等级为六成新与九成新的样本纸币，其实际新旧等级值则分别为60与90。经过转换得到六成新样本纸币的第一样本特征值为m1与m2，第二样本特征值为m3；九成新样本纸币的第一样本特征值为m4与m5，第二样本特征值为m6，分别带入上述方程组为：根据方程组(2)与方程组(3)，求解得出k1，k2，k3，b1，b2与b3的值。或者，选取各个新旧等级的样本纸币，对其进行转换。得到多个第一样本特征值与多个第二样本特征值，再使用最小二乘法算法算出k1，k2，k3，b1，b2与b3的值。需要说明的是，本发明实施例中预设等级方程组的构建与各个样本纸币的实际新旧等级值、第一样本特征值和第二样本特征值有关仅仅是一种示例，在本发明的其他实施例中，预设等级方程组的构建也可以与实际新旧等级值、第一样本特征值有关，或者，预设等级方程组的构建还可以与实际新旧等级值、第二样本特征值有关。本发明实施例通过确定待检测纸币中至少一个第二特征区域的像素特征值，根据垂直特征值、水平特征值、像素特征值确定待检测纸币的新旧等级，使得待检测纸币的新旧等级的识别更加精准。实施例三图3为本发明实施例三提供的一种检测纸币新旧的流程图，本实施例在上述实施例的基础上进行优化，提供了优化的基于索贝尔算子模板，对待检测纸币中至少一个第一特征区域的像素灰度值进行转换，得到所述至少一个第一特征区域的垂直特征值和水平特征值的处理方法，具体是：将所述待检测纸币中所述至少一个第一特征区域划分为多个索贝尔子区域，并确定各索贝尔子区域的像素灰度值；依据各索贝尔子区域的像素灰度值以及索贝尔算子垂直模板，确定各索贝尔子区域的垂直特征值；将各索贝尔子区域的垂直特征值的均值作为所述至少一个第一特征区域的垂直特征值；依据各索贝尔子区域的像素灰度值以及索贝尔算子水平模板，确定各索贝尔子区域的水平特征值；将各索贝尔子区域的水平特征值的均值作为所述至少一个第一特征区域的水平特征值。相应的，本实施例的方法包括：S310、将所述待检测纸币中所述至少一个第一特征区域划分为多个索贝尔子区域，并确定各索贝尔子区域的像素灰度值。具体的，索贝尔算子根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘，对噪声具有平滑作用。根据索贝尔算子方法，索贝尔模板为3×3的矩阵，因此，将第一特征区域的像素灰度值划分的索贝尔子区域也为3×3的矩阵，且索贝尔子区域中的每个点为像素灰度值。S320、依据各索贝尔子区域的像素灰度值以及索贝尔算子垂直模板，确定各索贝尔子区域的垂直特征值。其中，索贝尔算子垂直模板如下所示：-101-202-101将各索贝尔子区域分别与上述索贝尔垂直模板相乘，即可得到属于各索贝尔子区域的垂直特征值。S330、将各索贝尔子区域的垂直特征值的均值作为所述至少一个第一特征区域的垂直特征值。由于第一特征区域可以分成多个索贝尔子区域，每个索贝尔子区域经过索贝尔垂直模板转换后都会得到一个垂直特征值，因此将所有索贝尔子区域的垂直特征值取均值作为第一特征区域的垂直特征值。S340、依据各索贝尔子区域的像素灰度值以及索贝尔算子水平模板，确定各索贝尔子区域的水平特征值。其中，索贝尔算子水平模板如下所示：121000-1-2-1将各索贝尔子区域分别与上述索贝尔水平模板相乘，即可得到属于各索贝尔子区域的水平特征值。S350、将各索贝尔子区域的水平特征值的均值作为所述至少一个第一特征区域的水平特征值。具体的，水平特征值与垂直特征值的原理相同，每个索贝尔子区域经过索贝尔水平模板转换后都会得到一个水平特征值，因此将所有索贝尔子区域的水平特征值取均值作为第一特征区域的水平特征值。S360、根据所述垂直特征值、所述水平特征值以及预设等级方程组，确定所述待检测纸币的新旧等级，其中所述预设等级方程组中包含的方程数量，与所述垂直特征值和所述水平特征值的总数量相等。本发明实施例通过基于索贝尔算子垂直模板与索贝尔算子水平模板，将至少一个第一特征区域划分为多个索贝尔子区域，确定至少一个第一特征区域的垂直特征值与水平特征值，提高待检测纸币的新旧等级识别的精确度。实施例四图4为本发明实施例四提供的一种检测纸币新旧方法的流程图，本实施例在上述实施例的基础上进行了优化，提供了优化的根据所述垂直特征值、所述水平特征值以及预设等级方程组，确定所述待检测纸币的新旧等级的处理方法，具体是：根据所述垂直特征值、所述水平特征值以及预设等级方程组计算得到所述预设等级方程组对应的初步等级值，取各初步等级值的均值作为所述待检测纸币的新旧等级值；将所述新旧等级值与等级门限值进行匹配，以得到所述待检测纸币的新旧等级。相应的，本实施例的方法包括：S410、基于索贝尔算子模板，对待检测纸币中至少一个第一特征区域的像素灰度值进行转换，得到所述至少一个第一特征区域的垂直特征值和水平特征值。S420、根据所述垂直特征值、所述水平特征值以及预设等级方程组计算得到所述预设等级方程组对应的初步等级值，取各初步等级值的均值作为所述待检测纸币的新旧等级值。具体的，将垂直特征值与水平特征值带入预设等级方程组，即可得到与预设等级方程组相对应的多个初步等级值。需要说明的是，若待检测纸币提取了第二特征区域，则将垂直特征值、水平特征值与像素特征值带入预设等级方程组。例如，上述2005年版本100元面值的人民币的预设等级方程组为公式(1)，因此，将垂直特征值、水平特征值与像素特征值带入公式(1)，即可得到y1，y2与y3三个初步等级值。再对三个初步等级值取平均值，则可作为该待检测纸币的新旧等级值。S430、将所述新旧等级值与等级门限值进行匹配，以得到所述待检测纸币的新旧等级。具体的，待检测纸币的新旧等级可以根据需要划分为多个，等级门限值的个数与划分的新旧等级数有关。如果等级门限值为5个，则划分4个新旧等级；如果等级门限值为11个，则划分10个新旧等级。例如，门限值分别为100、90、80、70、60、50、40、30、20、10、0，分别对应的新旧等级为九成新、八成新、七成新、六成新、五成新、四成新、三成新、两成新、一成新以及旧币。又例如，如果经过计算得到的待检测纸币的新旧等级值为95，则待检测纸币的的新旧等级为九成新；如果经过计算得到的待检测纸币的新旧等级值为12，则待检测纸币的的新旧等级为一成新。本发明实施例通过将垂直特征值、水平特征值以及预设等级方程组计算得到新旧等级值，再将新旧等级值与等级门限值进行匹配，以得到待检测纸币的新旧等级，提高了待检测纸币的精确度。实施例五图5为本发明实施例五提供的一种检测纸币新旧装置的结构示意图，本实施例可适用于各种纸币新旧检测的情况，该方法可以由本发明实施例提供的纸币新旧检测的装置来执行，该装置可采用软件和/或硬件的方式实现，该装置可集成在任何提供纸币新旧检测功能的设备中，例如可以是ATM、纸币清分机，具体包括：特征值获取模块51和等级确定模块52。特征值获取模块51，用于基于索贝尔算子模板，对待检测纸币中至少一个第一特征区域的像素灰度值进行转换，得到所述至少一个第一特征区域的垂直特征值和水平特征值；等级确定模块52，用于根据所述垂直特征值、所述水平特征值以及预设等级方程组，确定所述待检测纸币的新旧等级，其中所述预设等级方程组中包含的方程数量，与所述垂直特征值和所述水平特征值的总数量相等。在上述实施例的基础上，还包括：像素特征值获取模块53。像素特征值获取模块53，用于确定所述待检测纸币中至少一个第二特征区域的像素特征值；所述等级确定模块52具体用于：根据所述垂直特征值、所述水平特征值、所述像素特征值以及预设等级方程组，确定所述待检测纸币的新旧等级，其中所述预设等级方程组中包含的方程数量，与所述垂直特征值、所述水平特征值和所述像素特征值的总数量相等。在上述实施例的基础上，所述特征值获取模块51具体用于：将所述待检测纸币中所述至少一个第一特征区域划分为多个索贝尔子区域，并确定各索贝尔子区域的像素灰度值；依据各索贝尔子区域的像素灰度值以及索贝尔算子垂直模板，确定各索贝尔子区域的垂直特征值；将各索贝尔子区域的垂直特征值的均值作为所述至少一个第一特征区域的垂直特征值；依据各索贝尔子区域的像素灰度值以及索贝尔算子水平模板，确定各索贝尔子区域的水平特征值；将各索贝尔子区域的水平特征值的均值作为所述至少一个第一特征区域的水平特征值。在上述实施例的基础上，还包括等级方程组构建模块54。所述等级方程组构建模块54具体用于：基于所述索贝尔算子模板，对各个样本纸币中至少一个第一特征区域的像素灰度值进行转换，得到所述各个样本纸币的第一样本特征值；确定所述各个样本纸币中至少一个第二特征区域的第二样本特征值；根据所述各个样本纸币的实际新旧等级值、所述第一样本特征值和所述第二样本特征值构建所述预设等级方程组。在上述实施例的基础上，所述等级确定模块52具体用于：根据所述垂直特征值、所述水平特征值以及预设等级方程组计算得到所述预设等级方程组对应的初步等级值，取各初步等级值的均值作为所述待检测纸币的新旧等级值；将所述新旧等级值与等级门限值进行匹配，以得到所述待检测纸币的新旧等级。在上述实施例的基础上，将所述待检测纸币中像素灰度值大于像素门限值的区域确定为所述待检测纸币的特征区域。本实施例所述检测纸币新旧装置用于执行上述各实施例所述的检测纸币新旧方法，其技术原理和产生的技术效果类似，这里不再赘述。注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。当前第1页1 2 3