纸币识别方法及系统的制作方法
【技术领域】
[0001 ] 本发明涉及一种纸币识别方法及系统。
【背景技术】
[0002]纸币识别包括面值面向识别与纸币真伪鉴别，纸币一般的识别流程是先对纸币进行倾斜校正等预处理，然后识别出纸币的币种与面值面向，再根据纸币的面值面向进行纸币真伪的鉴别。纸币的面值识别在纸币的识别中占有很重要地位，如果不先识别出面值，就谈不上对纸币进行真伪鉴别。由于纸币识别要求实时性，一般要求在40ms内完成纸币的面值面向识别与真伪鉴别，所以就必须对识别算法进行优化处理。而像第五套人民币正面图像比较相似，这样处理反而容易误成其它面值，所以这种做法识别率效果并不是最好的，而且数据处理与识别时间也比较长，这样将缩短了预留给纸币进行防伪的时间。
【发明内容】
[0003]本发明实施例的目的在于提供一种纸币识别方法及系统，旨在解决现有技术中识别率效果差、数据处理与识别时间也比较长的问题。
[0004]本发明实施例提供了一种纸币识别方法，所述方法包括如下步骤:
获取纸币上字符串设定区域的图像，并对其进行二值化处理，得到字符串设定区域的二值图像；
在所述字符串设定区域的二值图像上，定位所述字符串的左边界及上边界，并根据所述字符串的左边界及上边界，确定字符串区域；
对字符串区域进行分块，并分别计算所需比对的子区域的像素点；
将所述子区域的像素点与对应子区域像素点的预设阈值进行比对，确定纸币面值。
[0005]本发明实施例提供了一种纸币识别系统，所述系统包括:
字符串设定区域获取单元，用于获取纸币上字符串设定区域的图像，并对其进行二值化处理，得到字符串设定区域的二值图像；
字符串区域确定单元，用于在所述字符串设定区域的二值图像上，定位所述字符串的左边界及上边界，并根据所述字符串的左边界及上边界，确定字符串区域；
子区域像素点计算单元，用于对字符串区域进行分块，并分别计算所需比对的子区域的像素点；
面值比对单元，用于将所述子区域的像素点与对应子区域像素点的预设阈值进行比对，确定纸币面值。
[0006]本发明实施例所提供的纸币识别方法及系统，根据字符串的全区域相对背景区域灰度值较小这个特点，可以对初步定位后的字符串区进行上边界及左边界定位，更加精确地确定字符串所在位置，进一步的提高了字符串识别的精确度；通过分块选取子区域进行计算比对，减少计算处理量，提高精准度。
【附图说明】
[0007]图1为本发明实施例提供的纸币识别方法的一种流程图；
图2为本发明实施例提供的纸币识别方法的另一种流程图；
图3为本发明实施例提供的字符串区域分块的示意图；
图4为本发明实施例提供的纸币识别系统的一种结构示意图；
图5为本发明实施例提供的纸币识别系统的另一种结构示意图。
【具体实施方式】
[0008]为了使本发明的目的、技术方案及优点更加清楚明白，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。
[0009]图1示出了本发明实施例提供的纸币识别方法一种流程图，为了便于描述，仅示出了与本发明实施例相关的部分，本发明实施例提供的纸币识别方法，所述方法包括如下步骤:
步骤S11，获取纸币上字符串设定区域的图像，并对其进行二值化处理，得到字符串设定区域的二值图像。
[0010]优选的，该字符串设定区域为纸币上与磁性安全线相交的代表纸币面值的数字字符串的区域。例如100元人民币纸币的正面图像上有三个“100”字符串，分别位于100元人民币中部、左下角及右上角，其中位于中部的“100”字符串与磁性安全线相交且占据图像区域最大，在本实施例中采用该位于中部的“100”字符串的设定区域的图像。当然，在其他实施例中也可采用位于左下角或右上角的字符串区域。
[0011 ] 在本实施例中，纸币上面值的字符在整幅纸币图像中的相对位置有一定的浮动，由于纸币印刷时字符的相对位置会有一定的浮动，另外图像采集时，倾斜角度的大小也后造成字符相对位置有一定的浮动，使得字符定位容易出现偏差，因此，选择在整幅纸币图像中获取设定区域的图像，该设定区域是字符串可能出现的一个初步区域。可选地，设定区域可以通过输入纸币的经验值判定来完成，如，可以先对该输入纸类的类型(纸币的长宽数据可以初步识别纸币类型)进行识别，确定类型后，可以大致知道所需要识别的字符串在该输入纸类的哪一个区域，该区域的面积大概有多少。具体地，若所述输入纸币为非对称图形，即左右或正反的图案或字符不一致，则在进行初步定位之前，还需要确定该输入纸类的方向，即正反及图案的朝向。
[0012]进一步地，所述获取纸币上字符串设定区域的图像，具体为:获取输入纸币的图像，并对所述图像进行倾斜校正；根据设定区域，对所述图像进行定位，所述设定区域为字符串可能出现的区域；获取所述字符串设定区域的图像。
[0013]具体地，输入纸币的图像可以是白光灰度的图像数据，也可以是彩色的图像数据，以丰富输入纸类识别的特征，如一些纸币有特定的颜色，彩色数据有助于直接识别币种，当然，为了减小数据处理的复杂度可以优先选择白光灰度的图像数据，具体获取图像数据的类型可以根据实际需求而定，此处不作限定。
[0014]在本实施例中，对图像进行倾斜校正是由于通过图像采集设备获取到的采集图像不可避免的会发生倾斜，因此，在进行字符定位之前，需要先进行倾斜校正。另外，在对字符串设定区域的图像进行二值化处理之前，为了去除噪声的影响，可以使用中值滤波对字符串设定区域的图像进行滤波。在进行二值化处理时，优选在该字符串设定区域的进行自适应阈值法，即采用该字符串设定区域图像的平均灰度值作为阈值对图像进行二值化处理。
[0015]步骤S12，在所述字符串设定区域的二值图像上，定位所述字符串的左边界及上边界，并根据所述字符串的左边界及上边界，确定字符串区域。
[0016]在本实施例中，由于纸币上的字符区域的灰度值一般会低于所在区域的其他位置的灰度值，且某一币种、某一面值的目标字符串所占大小固定，因此，可以定位字符串设定区域内像素点的灰度值之和最小的区域，以进一步缩小初步区域的范围，排除噪声的干扰，提尚字符识别的精确度，对目标字符串进彳丁一■次定位。
[0017]进一步地，所述根据所述字符串的左边界及上边界，确定字符串区域，具体为:获取所述字符串设定区域的二值图像中字符串的像素点；将所述字符串的像素点垂直方向上的起点坐标作为上边界；将所述字符串的像素点水平方向上的起点坐标作为左边界。由于采集得到图像数据的背景单一，且输入纸类的边界有明显的灰度差，可以利用这点来确定图像数据中的边界。
[0018]步骤S13，对字符串区域进行分块，并分别计算所需比对的子区域的像素点。
[0019]在本实施例中，所述对字符串区域进行分块，具体为:根据预设分块模板，选取字符串区域中的若干子区域。
[0020]步骤S14，将所述子区域的像素点与对应子区域像素点的预设阈值进行比对，确定纸币面值。
[0021]图3示出了为本发明实施例提供的字符串区域分块的示意图，分别对100元旧版人民币的字符串区域51、100元新版人民币的字符串区域52、50元人民币的字符串区域53、20元人民币的字符串区域54、10元人民币的字符串区域55按照预设分块模板56进行分块，其中，预设分块模板56中子区域1、子区域2、子区域3、子区域4为所需比对的子区域。可以看出，对于子区域4只有100元旧版人民币的字符串区域51及100元新版人民币的字符串区域52有黑色区域，当子区域4黑点个数大于一定预设阈值时则判断为币值为100元人民币；对于子区域3只有10元人民币的字符串区域55无黑色区域，当子区域3黑点个数小于一定预设阈值时则判断为币值为10元人民币；当子区域1黑点数大于一定预设阈值，同时子区域2黑点数小于一定预设阈值则判断币值为50元人民币；当子区域1黑点数小于一定预设阈值，同时子区域2黑点数大于一定预设阈值则判断币值为20元人民币。
[0022]在本实施例中，对纸币进行全幅面的二维图像数据处理，对获取到的纸币面值字符串子区域的图像与存储在存储器中的不同纸币面值对应字符串子区域的标准模板进行比对，当获取到的纸币面值字符串子区域的图像像素点与标准模板匹配