一种纸币防伪点多特征融合的鉴别纸币真伪的方法
【技术领域】
[0001] 本发明涉及纸币鉴伪技术领域，尤其涉及一种基于AdaBoost算法的纸币防伪点 多特征融合的鉴别纸币真伪的方法。
【背景技术】
[0002] 随着经济的繁荣发展，纸币的流通量越来越大。一些违法分子制造的各种版本假 币层出不穷，危害了国家的金融安全。目前我国银行使用的多光谱点钞机、清分机、存取款 机的核心技术来自国外，不仅价格昂贵，而且对一些假币无法识别。
[0003] 现在国内普遍使用的多光谱点钞机、清分机、存取款机等机具鉴伪的原理是：实时 的纸币图像处理原理，采用人工防伪点识别方法鉴定纸币真伪。由于难以避免图像偏移、以 及所取的鉴伪特征有限，使得鉴别稳定性和鉴伪能力都无法达到人们期望的鉴别纸币真伪 的要求。
[0004] 中国专利文献公开的申请号为20110088920. X的"一种纸币鉴伪方法和装置"其 利用采集装置获取纸币上开窗式安全线压痕特征所在的区域被光束透射的透射图像，分析 识别透射图低层中的压痕特征，从而判断纸币真伪，虽然该专利一定程度上能够识别纸币 的真伪，但是该方法属于局部特征鉴伪，对于变色油墨假币、拼接币等无能为力，无法鉴别 真伪。
[0005] 中国专利文献公开的申请号为201310027700. 5的"一种基于冠字号图像特征的 人民币鉴伪方法"，其主要根据冠字号码的颜色和字体大小鉴别真伪，但是由于受纸币新旧 和折皱的影响，该方法的识别率较低且无法识别右半部分为假的拼接币。
[0006] 可以看出，目前纸币鉴伪的主要技术难点在于：识别速度要求高、图像特征难以提 取、假币各光谱图像多种多样，且在提高鉴伪能力的同时，还必须保证算法对纸币折旧的鲁 棒性，保证系统的健壮性，在异常和危险情况下保证系统的安全。
【发明内容】
[0007] 针对上述问题，本发明的目的：旨在提供一种纸币防伪点多特征融合的鉴别纸币 真伪的方法，其针对不同的训练样本集训练同一个弱分类器，然后把这些在不同训练样本 集上得到的弱分类器集合起来，构成一个更强的最终实现分类的强分类器，本发明提供的 方法不需要人工参与寻找特征，真假币区分度高，鉴伪能力强。
[0008] 本发明提供的纸币防伪点多特征融合的鉴别纸币真伪的方法，其通过AdaBoost 算法针对不同的训练样本集训练同一弱分类器，分别根据所述训练样本集中错分的训练样 本和所述弱分类器中训练样本错分的情况调整每个所述训练样本和所述弱分类器的权重， 实现对所述训练样本集的重新分布之后再次对弱分类器重新训练，以此循环，所述弱分类 器经过T次循环之后，得到了 T个弱分类器和每个所述弱分类器对应的权重，最后把T个所 述弱分类器集合起来，构成最终的强分类器；具体步骤如下：
[0009] Sl取待鉴别真伪的z张训练样本，并分别获取每张所述训练样本的白光图像、红 外图像、紫外图像的防伪特征标记和真假特征标记构建一组训练集：(Xl，yi)，（x2，y 2)，…… (χη，yn)其中，Xi为样本描述，y i为样本标示，且y # (〇, 1)，〇表示所述训练样本为假币，1 表示所述训练样本为真币；
[0010] S2初始化所述训练样本的权值为W1, i= l/n,其中η为样本总数；
[0011] S3对t = 1，2,......T循环执行以下步骤：
[0012] S31每次循环中对所述训练样本的权重进行归一化得到qt，i:
【主权项】
1. 一种纸币防伪点多特征融合的鉴别纸币真伪的方法，其特征在于：通过AdaBoost算 法针对不同的训练样本集训练同一弱分类器，分别根据所述训练样本集中错分的训练样本 和所述弱分类器中训练样本错分的情况调整每个所述训练样本和所述弱分类器的权重，实 现对所述训练样本集的重新分布之后再次对弱分类器重新训练，以此循环，所述弱分类器 经过T次循环之后，得到了 T个弱分类器和每个所述弱分类器对应的权重，最后把T个所述 弱分类器集合起来，构成最终的强分类器；具体步骤如下： Sl取待鉴别真伪的z张训练样本，并分别获取每张所述训练样本的白光图像、红外图 像、和紫外图像的防伪特征标记和真假特征标记构建一组训练集：，其中，Xi为样本描述，Yi 为样本标示，且Yie (0, 1)，0表示所述训练样本为假币，1表示所述训练样本为真币； S2初始化所述训练样本的权值为=1/n，其中η为样本总数； S3对循环执行以下步骤： S31每次循环中对所述训练样本的权重进行归一化得到qt，i:
其中，wt，i表示第i个样本在第t次循环中的权重，Xt，j表示第t次循环中第j个防 伪特征，qt，i表示最终结果； S32针对每个特征j训练处一个弱分类器并计算出每个所述弱分类器的加权错误 率：
9 S33确定适合的Θ』，使得ε』最小；
， S34根据步骤S23中得到的所述作为最佳弱分类器ht; S34根据步骤S24中所得的所述最佳弱分类器调整权重：
其中，ei= 0表示X i被正确分类，e i= 1表示X i被错误分类； S35以此循环，直至T循环结束，形成强分类器为：
其中：
β t为针对每轮迭代使得样本错误率最小的调整参数；a t为与β t相对应的针对每轮 迭代所选中的弱分类器的最终权值；ht为每轮迭代学习后所确定的最佳弱分类器；C(X)为 弱分类器融合后所获得的最终强分类器； S3利用训练出的所述强分类器对测试样本集进行测试，统计测试错误率，以此循环直 至设置的最大循环次数T结束完得到练样本集各防伪点融合的分类模型；其中，若测试纸 币经强分类器计算后得到C(X) =O则表示该纸币为假币，若C(X) = 1则表示该纸币为真 币。
2. 如权利要求1所述的一种纸币防伪点多特征融合的鉴别纸币真伪的方法，其特征在 于：在步骤Sl中通过多光谱点钞机的高速扫描装置获取每张所述训练样本的防伪特征标 记和真假特征标记。
3. 如权利要求2所述的一种纸币防伪点多特征融合的鉴别纸币真伪的方法，其特征在 于：在步骤Sl中，所述纸币面额包括：100元、50元、20元、10元、5元、和1元；所述纸币类 型为人民币、港币、美元、欧元、英镑、或日元。
4. 如权利要求3所述的一种纸币防伪点多特征融合的鉴别纸币真伪的方法，其特征 在于：在步骤Sl中，取z张待鉴别真伪各个面额的纸币、假币、变造币、和残缺币，分别获取 每张所述训练样本的白光图、红光图以及紫外图并进行归一化构成训练样本集。
5. 如权利要求4所述的一种纸币防伪点多特征融合的鉴别纸币真伪的方法，其特征在 于：将所述白光图、所述红光图、以及所述紫外图归一化为200*100。
【专利摘要】本发明提供了一种纸币防伪点多特征融合的鉴别纸币真伪的方法，通过AdaBoost算法针对不同的训练样本集训练同一弱分类器，分别根据所述训练样本集中错分的训练样本和所述弱分类器中训练样本错分的情况调整每个所述训练样本和所述弱分类器的权重，实现对所述训练样本集的重新分布之后再次对弱分类器重新训练，以此循环，所述弱分类器经过T次循环之后，得到了T个弱分类器和每个所述弱分类器对应的权重，最后把T个所述弱分类器集合起来，构成最终的强分类器；利用训练出的所述分类器对测试样本集进行测试，统计测试错误率，以此循环直至设置的最大循环次数T结束完得到练样本集各防伪点融合的分类模型。
【IPC分类】G06K9-62, G07D7-20
【公开号】CN104835243
【申请号】CN201510240656
【发明人】尤新革, 孙其新, 朱子奇, 李家斌
【申请人】南京华科和鼎信息科技有限公司
【公开日】2015年8月12日
【申请日】2015年5月12日