专利名称：货币分类方法
技术领域：
本发明所述方法是确定票据主要特性的方法，如货币的种类和面额。本方法能够用来生产具备点钞，钞票检测和对钞票进行分类的设备。
背景技术：
本方法的原理是，设备里的扫描模块对任何形式的钞票进行扫描，转化为数字信号，然后对数字信号进行分析对比。分析比对的结果就是将扫描的钞票可能出现的形态进行分类，按照钞票的面额和进入方向分类。伪钞及其他文件，用哪种方法处理并没有配置，只定义为不属于同一类。如果在实际使用中，对钞票的分类可能有几种结果，那么就需要增加其他方法来补充确保分级正确。基于特定的钞票分类法的设备可以判断随后钞票的移动 并通过自己的设置和算法将这个信息反馈给使用者。分类法，尽管有时不能准确的对货币进行分类，但是这个信息会被记录下来用来加快同类钞票的点钞速度。使用此方法验钞的设备，在国际专利申请W02007/068867(o n y 6 jt . 21. 06. 2007r., ΜΠΚ607 7/20)里面有描述。设备扫描钞票，得到二进制格式的钞票信号。对数字信号进行处理，设备需配备计算模块。根据上述方法，自动分类验证需要一整套的分类方法，每一个分类对应一个图像的平均值。将信息区划分为若干个小区域，对每个小区域定义出平均值。分类机对每一个分区进行特性结果统计。对于每个已知的分类，基于相同的纸币标准，将统计值与预设的数值进行比较。按照上述方法，钞票的图像与所有已知的分类进行对比，然后对结果进行分析，并做出判断，属不属于既定的钞票分类。上述方法的缺点是，每一个分类机对每个种类要使用一个单独的分类系统。因此，每个分类机只单独完成自己的分类计算。另一个缺点就是复杂的信息计算处理，需要先进行分类，然后对结果进行分析比对。两个缺点导致一个较高的计算难度。特别是在分类统计的数量很大的的时候，对计算性能有较高的要求。根据上述方法制作的设备在增加货币种类的时候，计算量几乎是呈线性增加的，其中还包括纸币的质量要求。基于每一个货币都需要进行独立的计算的情况。使用上述方法在一种设备使用大量的不同国家的货币是不可能的。
发明内容
本发明是制订一种货币分类方法，运用计算单元的计算能力对大量的分类进行计算。技术上的进步是提高了钞票检测精度。本发明技术效果的实现能够按照方案I的分类方法，扫描钞票之后由像素点构成钞票的二维图像，所得到的图像按照既定的算法划分成若干区域，每一个区域根据落入该区域的像素点用既定的算法计算一个函数值，这个值取决于落入这个区域的像素点，通过计算钞票特性在空间坐标中的向量，确认钞票的属性值可能属于钞票的哪个分类，假定为一个，计算钞票与这个分类在空间特性上的距离，而且分类是指预先已知的分类质心向量，预先已知的最大允许公差向量，以及到分类的最大允许距离，因此计算钞票与预先已知分类的距离就要对每个空间上的坐标找到一个系数代表特征向量坐标值和质心向量的关系，计算这个空间特征向量的公差，通过对肯定的数值进行求和算出距离值，然后对比钞票和该分类的最大允许距离做出判断，如果求的的值不超过到该分类的最大允许距离，则判定钞票属性属于这个分类，如果超过了最大允许距离，则判定不属于该分类。对每个区域进行函数计算，需要一个转换法，能够用于不同的货币，保证能以最小误差的转换成函数数值。在比对被测货币和预设货币参数时，检查数据是否超过了这个等级范围，如果超过了，则能够判断被测的货币并不适合这个等级分类。参照方案I另一个实施的办法是，进一步制作一个二进制的图像签名，每一对区 域制定对应一个特性分级，用于对比每一对区域的函数数值的一致性，与预置的参数进行逻辑对比，在进行(钞票和等级之间)符号空间上的差异对比前，额外的需要根据预置的矩心值和虚位掩码确认钞票是否适合这个等级，到矩心的最大距离，使用钞票二进制特性分级，对比矩心等级参数，由此排除那些钞票和预置参数间的第二类伪装的代码，减少系统需要判断识别的数量，减少对没有屏蔽的虚假代码的识别，比较最大可允许的距离，如果发现的距离超过了最大，判断为此项不属于这一类，去到下一个已知的类。分类方法方案2，扫描钞票之后由像素点构成钞票的二维图像，所得到的图像按照既定的算法划分成若干区域，每一个区域根据落入该区域的像素点用既定的算法计算一个函数值，这个值取决于落入这个区域的像素点，通过对比一对区域的数值找到数字图像的二进制签名，换算出一个二进制表格，然后对比签名和预先已知的钞票分级。这个分级是预先已知的等级质心，预先已知的掩码数位，以及到质心的最大允许距离，因此找到每个已知的分类区别于质心等级的二进制签名，从中去掉伪装的掩码对比，通过计算没有伪装的掩码的数量来计算钞票与分类间的距离，求的数值与到这个分类的最大允许距离进行对比，如果求的数值没有超过最大允许距离，则判定钞票的属性可能属于这个分类，如果超过了最大允许距离，则判定钞票不属于这个分类。实现第二个查找等级差距的方案，增加了指定函数的计算，是计算有差别的数位的数量，没有伪装的位掩码对比，和掩码分类中伪装的数量。另外一个实现方案2的办法是在每个区域连结的地方实行上面两个方案，在判断钞票属于哪个等级之后，那么就在测试那个数据和钞票扫描离有多远，离哪个更近就算属于哪个(两个方案都能实现的)分类，能使用上述方法识别的都将被称作已知的分类。设备对已知的分类进行分区确认，就是说，如果设备设置成能够识别的某一个国家的货币，那么这个分类里就包含了这个国家所有钞票能够出现的扫描图像形态，每一个面值有四个形态。同样对于能够识别多国货币的设备，将储存更多的已知货币的分类。通过参数设置，设备能够识别被测的钞票是否属于预设的钞票种类。利用两个分类方案对货币进行分类，能够确认货币的面额，进一步在计数后统计总金额。对货币进行扫描之后，将扫描到的标记点与数据库里的已知的货币分类进行比对确认。因此分类和面额能够同时进行确认，也不会因为可识别的货币种类增加而增加难度。两种分类方案只是进行逻辑分类，更加复杂的操作，比如加减法由处理器完成。在原型中，有别于复杂的计算，建议用矩阵运算来进行大量的乘法运算。两种方案的运算方法类似于积分的特性，来比对划分钞票的等级，因此，钞票局部的差别不能代表本质上的等级差别，相反，在数字图像的整体差异，将导致整体的等级差别。这种方法，减少了误分类的概率。本发明所述方案I的计算方法，计算钞票上选定区域的公差，不仅是考虑到纸币上选定区域中的像素，还赋予另一个公差范围。上述方法，在钞票被与区分钞票等级时，因为钞票表面问题导致选定区域的参数与设定参数有区别时，表面问题像破损、折角，中心弯曲的，也会被认为是属于该等级。从另一个方面，钞票的一个等级参数变弱，对比等级时定义为类似的。在计算这个参数时，判断为伪钞或者是不识别的。这就减少了误判的概率，提高了钞票的识别精度。按照本发明的方案2，通过计算三位数的二进制方式计算参数，以保证更快速的分类。利用虚位对比，屏蔽不稳定的超出等级极限数值，这种方法类似于方案1，降低货币自身外观问题对验钞的干扰。第一个方案相对第二个方案在分类等级上有更高的准确性，而不是一个简单的二 进制参数。因此方案I只需使用一个很简单的程序来确认甚至于不需要使用。这确保了机器能高速反映。从另一方面，处理钞票总速度也取决于第二方案的分类速度和随后的等级确认，速度是非常快的，只不过是极小的其余部分根据已知的类进行细化。因此，这两个方案共同保证高速分类的完成。在两个方案中，分类的开始是对钞票数字图像的处理。数字化的纸币图像，能够在不同的物理原理的基础上形成。因此，设备中使用不同的传感器来记录纸币的物理特性。最常见的是光学传感器，能够通过透射光或反射光检测钞票的特性，在某些波长在可见光，红外线和紫外线范围。另外，光学传感器被用于记录各种类型的发光。除了光学传感器，被广泛应用的还有磁传感器，记录钞票的渗透率或磁性。还能够通过传感器测量的导磁率和厚度通常，根据钞票的线性移动传感器依次记录数据。这个过程被称为扫描纸币。参照纸币表面的几何图像传感器感应的结果能够以一维或两维阵列的形式呈现。里面包含了传感器记录的数字化信息。一维数组记录了钞票沿着直线运动后钞票表面各种数据的分布。比如钞票移动后感应器记录下的一组钞票直线运动的磁感应信号。两维数组是以行和列的形式记录钞票表面一个矩形区域的参数。例如二维数据代表光学扫描仪测量钞票表面的反光水平，通常钞票的数字二维形态叫做图像，组成图像的是一像素点。大多数情况下，设备中的两维数组是由光学传感器形成的，有时也可以是通过磁性来记录。纸币的处理，能够使用一维和二维阵列，也能够是它们的组合。使用一维数组不能保证表现不同钞票的种类，因为某些类别的特点可能超出传感器的记录极限。因此，在大多数实际应用中，优质的钞票分类设备大量使用二维数组，来增加伪钞识别的可靠性，有时也添加二维阵列。根据这个方法，对二维码进行分类后，一维码能够进行进一步确认。当钞票的数字图像形成后，开始提取符号特征进行分类。根据理解钞票数字图像的特征计算数值，基于二进制用指定的方法对每个符合进行计算。参照本发明，将图像划分为制定的几个分区后，提取钞票特性。分区能够是任何形状的。允许其中两个或者三个分区重叠。每个分区按照既定算法计算函数，这个函数取决于分区内的像素点。这种功能最简单的例子是使用该区域内像素的平均值。具体选择和其对应的功能，尽可能多的特点对比纸币与已知分类的相互差异。在本发明中，辨别方法必须保证能够清晰的将种类分离出来。实践经验表明在大多数情况下是行得通的。进行大量的分区能够更准确的描述钞票的不同等级。但是，随后计算机需要处理的符号数据就会增加。在申请的专利中，这个增长是呈线性的，而计算机处理的数据量是呈平方的形式增加的。显然数据的数量是要有限制的，否则产品的计算能力达不到要求。每个等级的图像是由N个点组成对应相应的坐标数据。计算与已知钞票的差距后判断钞票可能属于的等级。计算等级差距这里用到数学公式，与等级间的数字越小，就越靠近这个等级。距离的计算方法的基于纸币的特征向量。此距离被用作衡量的数据。方案I和2使用不同的方法来计算这个距离。
·
图I为在特征空间中分类的位置；图2为已知类在特征空间中的相对位置；图3为纸币数字图像一个有序的特定分区内正方形10X10个像素的区域，例如，在红外图像的500欧元纸币；图4a为磨损的纸币光线渗透(反射)水平的曲线图(反射);图4b为磨损的钞票在记号空间的移动曲线图；图5为磨损钞票的频率分布变化，图5a是像素值线性函数转换后的曲线图；图6为在特征空间中的位置之类的时间间隔的象素值的线性变换；图6b为线性变换；图7为方案I的分类算法示意图；图8a为钞票信息划分；图8b为导出的符号属性；图8C为获得比特签名的含义；图9为方案2的分类算法示意图；图10、图11是使用签名和曼哈顿距离的分类算法示意图；图12为在设备中换算钞票的动作序列图。
具体实施例方式如图I、图2所示的计算从票据到指定的选项I类的距离。为了简化图像空间使用坐标轴，由两个坐标轴确认点的位置。实际上η在坐标轴上可以表示很多点，甚至一百个以上，但是描绘出来是不可能的。三维空间图像导致清晰度的损失，对于大尺寸的图像也是不可能的。所以，得出的结论是在两维空间中，不失准确性的情况下，可以扩展到η维空间。在图中的每个纸币用点表示X= (Χ1，Χ2)，质心C= (C1，C2)和矢量公差Δ= (Al，Λ2)。这些值通过大量的分析后用于判断钞票属于某一类，这些钞票数据被用作样板。在示例图中显示样板I被标记成一个十字。矩形2内包含所有有效的样板，这个矩形尺寸要尽可能的小，这种矩形以后我们叫做等级模型。在η维空间的等级模型是平行六面体。等级模型的中心为等级质心C= (Cl，C2)，等级模型中心点到四个面对应的坐标为Λ= (Al，Λ 2)。等级模型能够用笛卡尔乘积表示为([Cl-ΛΙ，ClA I]，[C2—Λ 2，C2 Λ 2])。
质心向量元素C为一个钞票等级的平均值。质心向量元素允许的公差为Δ，相反，每个样板的参数总和是变化的。由于描述钞票指定等级内单个特性的变化，对应真个区域的变化，相对中心点C可能比其他变化小的地方有更大的偏差。需要通过向量△确定在等级模型极限里特性的单个公差。钞票1，在示例中，完全属于等级模型2。钞票3纸币在周围标有星号。大部分界定在等级模型极限内。说明钞票3不属于等级模型2，超越了临界点。这是由于钞票在流通中特性变化很大。这些变化无法识别。计算钞票和等级之间的距离，按照方案I是使用“曼哈顿距离”。根据“曼哈顿距离”的定义，在两点之间A (A1，A2)和B (B1，B2)，按照Al-Bl I+A2-B2求和。“曼哈顿距离”，在数学领域的“欧氏距离”的传统观念，计算的替代品之一之称。找到“曼哈顿距离”仅用于加法，减法和比较运算。“欧氏距离”额外要求的平方和的平方根计算更复杂的操作。因此，找到“曼哈顿距离”的计算成本的成本显着低于找“欧几里德距离”。的附近“，作为特性，曼哈顿距离，”几乎等于“欧几里得”。 钞票2和等级的差距，方案一的情况，我们在钞票3和等级模型2之间使用“曼哈顿距离”。由于等级模型2是作为一个矩形，而钞票3是由点表示，在等级模型2和钞票3之间有个最小“曼哈顿距离”，在这个点和矩形内点的集合之间。我们用符号DM表示计算钞票B= (BI, B2)和目标分类的距离，计算符号空间里的每个单独的坐标，要找到这个坐标参数B和质心C之间的差距，并减去它的坐标矢量偏差Λ。对得到的正数求和。其实，这个过程是在钞票B和目标等级的点之间计算最小的“曼哈顿距离”，([Cl-Λ 1，Cl+Δ I], [C2-A2，C2+A2])。图中，钞票I的总和与等级之间的差距DM总是O。钞票3只有位于模型2之内的点与等级之间的差距DM是0，那些没有落入模型2之内的点与等级之间DM值将会是几个不同的数值。如果那个3号的钞票属于我们的那个数据就离DM距离不会太大了，要是5号的钞票不属于。。。哪个属于就和DM分类距离会很高，这样我们会分的很清楚。如图I所示，本发明使用八角形4表示区域边缘，圈定那些到指定等级DM值小于指定数值的点。在η维空间中，这些区域将被限制为多面体。要排除钞票是否属于这一类，要确定最高值DM=DMTH,这样每个和等级适配的钞票都能在等级范围内绘制一个多变形。检查是否属于指定的分类，检查与分类之间的差距，检查它不超过该类的最大允许值DMTHtJn果它不超过DMTH，结论说明可以属于这个分类。如果大于DMTH，则断定不属于给定的分类。如图2所示显示的是制定的等级分类a - h，每一个由模型和限制线族谱(多边形)组成。为每个类的外部限制线(曲面)对应的是最大距离DMTH，称为等级界限。对应钞票分类的点，可以落入其中的图形内，如果落入了，说明钞票的特性与这个分类一直，如果点没有落入任何一个图形，则说明钞票与已知的任何等级都不符。为了减少之后纸币的分类处理，最好的方法是，没有越过其边界的分类。在这种情况下，总是能够得出这样的结论属于一个分类或不属于任何已知的分类。在此结论的基础上，该设备可以执行必要的步骤来处理钞票，例如，将其按照对应的分类移动到出钞口。选择最合适的特性，验证表明，在大多数情况下，可能不会越过其分类的边界。然而，在某些情况下，这是不可能的，例如，极为相象的版本相同的面额，通常仅在小细节不同的纸币。分类C和F，图中所示，越过自己的边界。点6，属于两个类。因此，分类的结果是两个类c和f·。在这种情况下，设备需采取进一步动作，以确认被发现的点适用哪个分类。确认能够在数字图像上检索附加数据的基础上进行。能够用这种方式，计算这个点到两个等级分离的距离来判断属于哪个分类。距离最小的，就判断他属于这一类。如图，从点6到C和F的距离上看，到F的距离更小，因此，能够判断这个点属于F级。如果分类确认方法不对，空间分区不好和区域重叠，分类的质量下降，点被判断属于很多的分类里面。即使使用最小距离也无法正确定义。导致需要一个额外的昂贵的计算方案，来细化的分类结果。选择符号就是选择区域和选择计算符号的参数。选择区域能够更加准确的区分一个等级或者几个等级，如果钞票的这些区域能够区别于其他的等级。但是，当等级数量过多时，对于每个区域需要一种方法，使他们的特性在不同程度下都能够被识别。所以，接近最优区域的那部分有序的划分成相同形状和尺寸。例如图三这样沿横竖方向划分为正方形。二维空间里指定区域像素点的平均值，是快速和合理有效的计算的钞票特性的方法。然而， 流通中严重磨损的纸币，相同的区域的特征值，针对不同的纸币计算磨损，可能大不相同。这增加了等级模型的尺寸和所需的最大允许距离DMTH存在每个区域函数的转换法，用来减少不同钞票每个等级区域函数数值的偏差。这样的话，就可以缩小等级模型和接线的尺寸，从而提高分级的质量。第一个步骤，计算在一个给定的两维阵列，落在指定的范围内的像素点的平均值。然后，将这个值与流通中的货币的等级进行差异对比。钞票本身在印刷厂的差异相对较小的，只是在流通磨损的过程中差距边的越来越大。磨损纸币可以分为整体磨损，发生在纸币整个票面的磨损，和局部磨损，只反生在纸币某个区域的磨损。局部磨损的钞票很难建立模型和进行统计，因为它关系到个别残损的程度污溃，穿刺，撕裂，肢解，被涂写。而整体的磨损相对简单；油漆层磨损和脏污。钞票所有的磨损特征，首先绘制磨损的线性模型，如图4A上面的直线7-10。磨损的线性模型直接反映光的透射和反射特性。钞票被脏污后，总体降低了纸张的透射或反射。反过来，油漆层的磨损减少纸币的整体对比度。图4a展示的是一个全新的纸币及在磨损后钞票(xy-轴)，在同一区域内在不同部分光密度初始值的映射。使用Ibm表示磨损钞票的纸面透射参数。I最大表示传感器的最大响应。直线8对应是几乎没有磨损的钞票，直线7-漆面磨损的钞票，直线10-均匀脏污的钞票，直线9-漆面磨损并且脏污的钞票。此模型无法反映在传输时光密度灰度的非线性失真。然而，实验表明，使用这个模型可以显著地减少符号种类和磨损程度的差异。如图4b所示钞票空间符号的磨损如何改变钞票的状态。推荐使用可用像素点的平均值进行计算X1，X2。点(Ibm，Ibm)对应的最高值来对应钞票没有磨损的区域。点0，与此相反，对应完全没有光学响应的区域。没有磨损的钞票对应的空间符号点是K。磨损的钞票，它的位置朝着点(Ibm，Ibm)做直线运动。L点表示没有脏污但是漆面磨损的钞票。同样地，受到污染的纸币，他的位置朝着点O做直线运动，N点显示污染的但是漆面没有磨损的钞票。M点表示脏污且漆面磨损的钞票。由点L，M，N假定最大允许使用的钞票磨损水平。四边形KLMN限制了钞票磨损在空间的实际位置，四边形内的磨损可以被允许。直线模型对应的磨损，能够转换为图5中的频率分布图。图5a显示的是没有磨损的钞票。在Hb和Ht两点之间描绘透射(反射)数据。图5b显示脏污的钞票压缩了这个区间并移动到下边(左边)，表示这段时间钞票的磨损。图5c显示的是压缩这个区间并移动到上边(右边)。脏污和磨损的钞票更加压缩这个等级区间并向下移动(图5d)。计算每一个符号，落入适当区域的数字图像元素的两维数组平均值。这样就建立一个平均值的阵列，每个元素对应一个符号。然后这个阵列被调整，使得它的值的范围从O到最大值Imax0这涉及到一个线性变换的间隔基线特征[Hb, Ht],新的函数区间[O, Imax],用公式
权利要求
1.货币分类方法，其特征在于，扫描钞票，制作由像素点组成的二维图像，通过像素点按照指定的结构划分区域，每个区域按照指定的算法算出函数，通过定义区域内的每个像素点给每个区域赋予一个数值，这个数值取决于构成这个区域的每个像素点，这些数值构成了钞票的防伪标识，使用这个函数定位坐标值，进一步最低程度的判断货币属性与预先熟悉的货币分类的相似性，根据预先设定的货币参数对比两者的误差，最大可能的划分等级，计算被测货币和货币参数之间的差距，比对防伪标识的空间坐标参数和矩心参数模型，减掉可容许的误差数值，得到实际的差距，对有效值进行求和，然后对比数值是否在设定的范围之内，如果求和的数值没有超过该等级的上限值，则认为被测钞票与货币参数基本一致，如果求的数值超过货币等级的上限值，则认为被测钞票与货币参数等级基本不一致。
2.如权利要求I所述的方法，其特征在于，计算每个区域的函数，用转换法保证计算每个区域时，减少数值与该等级的偏差。
3.如权利要求I或2所述的方法，其特征在于，计算被测货币和货币参数的差别，检查有效值总和是否超过设定值，如果超过，则认为被测钞票与货币参数等级基本不一致。
4.如权利要求I或2所述的方法，其特征在于，用二进制签名格式表示货币图像的特性，每组签名与对应的一对分区进行区域函数对比，为每组签名设置对应的对比结果，在计算出被测货币和等级之间在符号空间上的差别之前额外的需要找到到这个等级的第二个差别，就是先前已知分类的质心等级签名，已知的掩码对比，以及到质心的最大允许的第二个距离，因此找到钞票特征二进制签名与对应的质心等级签名的距离，排除那些虚伪掩码的对比，找到钞票和该等级的第二距离，对比掩码后计算不用数位的数量，与最大允许的第二距离进行对比，如果求的距离超过了最大允许距离，则判断钞票不属于这一类，去到下一个已知分类。
5.如权利要求3所述方法，其特征在于，使用二进制签名格式表示货币图像的特性，每组签名与对应的一对分区进行区域函数对比，为每组签名设置对应的对比结果，在计算出被测货币和等级之间在符号空间上的差别之前额外的需要找到这个等级的第二个差别，就是先前已知分类的质心等级签名，已知的掩码对比，以及到质心的最大允许的第二个距离，因此找到钞票特征二进制签名与对应的质心等级签名的距离，排除那些虚伪掩码的对比，找到钞票和该等级的第二距离，对比掩码后计算不同数位的数量，与最大允许的第二距离进行对比，如果求的距离超过最大允许距离，则判断钞票不属于这一类，继续到下一个已知分类。
6.如权利要求I或2所述方法，其特征在于，在判断钞票特性属于已知分类之后，进一步比较钞票与等级之间的距离，在多个数值的情况下，最小的数值作为最终分类判断的依据。
7.如权利要求3所述方法，其特征在于，在判断钞票特性属于已知分类之后，进一步比较钞票与等级之间的距离，在多个数值的情况下，最小的数值作为最终分类判断的依据。
8.如权利要求4所述方法，其特征在于，在判断钞票特性属于已知分类之后，进一步比较钞票与等级之间的距离，在多个数值的情况下，最小的数值作为最终分类判断的依据。
9.如权利要求5所述方法，其特征在于，在判断钞票特性属于已知分类之后，进一步比较钞票与等级之间的距离，在多个数值的情况下，最小的数值作为最终分类判断的依据。
10.货币分类方法，其特征在于，扫描钞票得到钞票的二维图像，图像由像素点组成，扫描的来的图像按照指定的结构划分为若干区域，每个区域用特定的算法算出函数，这个函数取决于落入该区域的像素点的数据，通过对比指定的一对区域函数数值换算出能够体现钞票特性的二进制数字签名，对比后的二进制签名用表格列出，将签名与已知的钞票等级进行对比，每个等级是指预先设置的质心等级，预先已知对比的掩码，以及到质心最大允许的距离，因此对每个已知的等级找到与已知的质心等级有区别的二进制签名组合，从中排除伪装的对比掩码，找到钞票与已知等级的距离，计算距离通过计算区别组合的数量，也就是没有伪装的对比掩码，求得的距离与到这个等级最大允许的距离进行对比，如果求得的距离没有超过到这个等级最大允许值，则得到的结论是这个钞票的属性属于这个已知的分类，如果求得的距离超过到该等级的最大允许距离值，则判断钞票的属性不可能属于这个已知的分类。
11.如权利要求10所述方法，其特征在于，找到与等级之间的距离，需要额外的计算一个函数，这个函数依据掩码差别的数量计算，排除没有标记的掩码，使用被标记的掩码。
12.如权利要求10或11所述方法，其特征在于，对比的一对分区是有共同边线的分区。
13.如权利要求10或11所述方法，其特征在于，在判断钞票特性属于已知分类之后，进一步比较钞票与等级之间的距离，在多个数值的情况下，最小的数值作为最终分类判断的依据。
14.如权利要求12所述方法，其特征在于，在判断钞票特性属于已知分类之后，进一步比较钞票与等级之间的距离，在多个数值的情况下，最小的数值作为最终分类判断的依据。
全文摘要
本发明所述货币分类方法，所述方法增加了对钞票的识别精度，本发明的原理在于对货币进行扫描，然后对扫描的数字影像进行分析。货币的数字图像被划分为若干区域，每个区域的标记和特殊记号将被收集列出，程序将收集的图像与预置的图像进行差异等级对比，此外，货币的数字图像区域划分和预置图像依据银行所公布的二进制防伪说明。
文档编号G06K7/12GK102971746SQ201180028227
公开日2013年3月13日 申请日期2011年4月7日 优先权日2010年4月8日
发明者彼得·瓦莱里维奇·米宁, 弗拉迪斯拉夫·伊戈列维奇·科洛腾科, 德米特里·叶夫根尼·谢舒科夫 申请人:多尔斯研发有限公司