纸币残损识别方法、装置、设备及存储介质与流程

本发明涉及人工智能及数字金融，尤其涉及一种用于银行残币兑换业务的纸币残损识别方法、装置、设备及计算机可读存储介质。

背景技术：

1、在银行网点中常常会收到残币，银行不得拒绝客户残损币的兑换需求。根据相关要求，银行会根据残损币的情况来进行兑换，如果人民币票面剩余3/4以上，并且图案文字能够按原样连接的，人民币则可以全额兑换。如果票面，1/2以上、3/4以下，则会按照原面额的一半兑换。如果人民币的面值不足1/2的话，将不予兑换。需要注意的是，如果对银行兑换人民币存在争议的话，则可以向当地的人民银行提出鉴定申请，再得到鉴定结果之后再进行兑换。

2、在实际作业过程中，如今的现金定损模型大多通过ccd视觉检测纸币上各图案的完整性，对非完整对象进行定位，从而识别现金损坏分界线，然而当由于火焰熏黑、油污等因素，使得检测到的残损对象距离纸币残损边界线仍还有一段距离，使得残损边缘复杂情况下，残损鉴定结果不够准确。

技术实现思路

1、本发明提供一种纸币残损识别方法、装置、设备及存储介质，其主要目的在于通过全图案对象识别，区分纸币与背景，进而提升现金残损识别的效率及准确性。

2、为实现上述目的，本发明提供的一种纸币残损识别方法，包括：

3、获取待识别纸币集合的纸币图片，并利用预训练的纸币定损模型对所述纸币图片进行全图案对象识别，得到图案实例集合；

4、根据所述图案实例集合及预构建的纸币图案结构表，查询所述纸币图片中包含的各纸币型号，并从预构建的纸币模板库中提取各所述纸币型号的纸币模板；

5、对所述图案实例集合中的各个实例进行二分类判断，得到各个所述实例为纸币特征还是背景特征的判断结果，并根据判断结果，从所述图案实例集合中提取所述纸币图片中目标残损纸币对应的纸币特征实例集合，并根据所述纸币特征图案实例集合，构建实际纸币掩码矩阵；

6、识别所述实际纸币掩码矩阵的图像特征，得到图像特征集合，并根据所述图像特征集合，对所述目标残损纸币对应的纸币模板进行仿射变换，得到残币映射图像；

7、计算所述残币映射图像对于所述纸币模板的残损面积比例，得到所述纸币图片中目标残损纸币的定损比例。

8、可选的，所述利用预训练的纸币定损模型对所述纸币图片进行全图案对象识别之前，所述方法还包括：

9、获取包含纸币特征二分类网络及残损比例识别网络的纸币定损模型，及预构建的已定损纸币样本集合，并对所述纸币特征二分类网络进行辅助训练配置；

10、依次从所述已定损纸币样本集合中提取一个纸币样本，利用所述纸币定损模型对所述纸币样本进行正向网络预测，得到二分类预测结果集及纸币预测定损结果；

11、利用交叉熵损失算法，计算所述二分类预测结果集的辅助损失，并计算所述纸币样本的定损标签与所述纸币预测定损结果的定损损失；

12、利用前反馈网络，根据梯度下降方法，将所述辅助损失及定损损失进行最小化参数逆向更新，得到更新纸币定损模型；

13、判断所述定损损失的收敛性；

14、当所述定损损失未收敛时，返回上述依次从所述已定损纸币样本集合中提取一个纸币样本的步骤，对所述更新纸币定损模型进行迭代优化；

15、当所述定损损失收敛时，停止训练过程，得到训练完成的纸币定损模型。

16、可选的，所述对所述图案实例集合中的各个实例进行二分类判断，得到各个所述实例为纸币特征还是背景特征的判断结果，包括：

17、对所述图案实例集合中的各个实例进行位置坐标聚类，得到各个实例簇；

18、对各个实例簇进行基于实例是否为纸币或背景特征的二分类判断，得到判断结果，并根据判断结果识别各个所述实例簇中是否能够检测到了纸币特征实例；

19、将未检测到所述纸币特征实例的实例簇判定为漏检簇，则利用预构建的目标检测模型对所述漏检簇进行对象识别，并根据对象识别结果进行回归框选操作，得到钱币最大外接框；

20、根据所述钱币最大外接框，截取所述纸币图片，得到未检测区域图像，并对所述未检测区域图像独立进行基于实例是否为纸币或背景特征的二分类判断。

21、可选的，所述计算所述残币映射图像对于所述纸币模板的残损面积比例，包括：

22、对所述残币映射图像上色，并计算上色栅格点数量；

23、获取所述纸币模板的栅格总量，根据所述栅格总量及所述上色栅格点数量，得到未上色的残损面积比例。

24、可选的，所述利用预训练的纸币定损模型对所述纸币图片进行全图案对象识别，得到图案实例集合，包括：

25、对所述纸币图片进行图像特征提取操作，得到特征序列集合；

26、对所述特征序列集合进行基于数字、人物、花纹及建筑的全连接分类判断，得到图案实例集合。

27、可选的，所述构建实际纸币掩码矩阵之后，所述方法还包括：

28、对所述实际纸币掩码矩阵进行可视化，得到可视化掩码区域；

29、对所述可视化掩码区域配置预构建的鼠标交互服务，利用所述鼠标交互服务对所述实际纸币掩码矩阵的边界进行范围控制，得到掩码可调整界面。

30、可选的，所述获取待识别纸币集合的纸币图片，包括：

31、利用分拣机对将各个残币进行平铺，得到平整待采样区域；

32、利用预构建的拍摄设备，对所述平整待采样区域进行拍摄，得到待识别纸币集合的纸币图片。

33、为了解决上述问题，本发明还提供一种纸币残损识别装置，所述装置包括：

34、纸币识别模块，用于获取待识别纸币集合的纸币图片，并利用预训练的纸币定损模型对所述纸币图片进行全图案对象识别，得到图案实例集合；

35、模板识别模块，用于根据所述图案实例集合及预构建的纸币图案结构表，查询所述纸币图片中包含的各纸币型号，并从预构建的纸币模板库中提取各所述纸币型号的纸币模板；

36、纸币-模板映射模块，用于对所述图案实例集合中的各个实例进行二分类判断，得到各个所述实例为纸币特征还是背景特征的判断结果，并根据判断结果，从所述图案实例集合中提取所述纸币图片中目标残损纸币对应的纸币特征实例集合，并根据所述纸币特征图案实例集合，构建实际纸币掩码矩阵，及识别所述实际纸币掩码矩阵的图像特征，得到图像特征集合，并根据所述图像特征集合，对所述目标残损纸币对应的纸币模板进行仿射变换，得到残币映射图像；

37、定损模块，用于计算所述残币映射图像对于所述纸币模板的残损面积比例，得到所述纸币图片中目标残损纸币的定损比例。

38、为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

39、至少一个处理器；以及，

40、与所述至少一个处理器通信连接的存储器；其中，

41、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的纸币残损识别方法。

42、为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的纸币残损识别方法。

43、本发明实施例通过对纸币图像进行全图案对象实例识别，找到纸币对应的纸币模板，并且还对识别到的图案实例集合进行纸币特征分类，从而识别纸币与背景部分，然后本发明通过掩码技术对纸币图像中的纸币可识别特征及纸币模糊特征进行掩码构建，从而将纸币缺失部分作为背景隔离出来，其中，本发明通过多纸币同时识别可以在各纸币之间形成更多的背景，提高背景识别准确率；然后利用纸币定损模型将掩码部分进行放射变换，得到理想化展开的残损纸币，并将展开的残损纸币与纸币模板进行对比，进而得到更加准确的残损比例；此外，识别纸币残损面积过程中的图案实例集合及实际纸币掩码矩阵均通过预训练的纸币定损模型来完成，所述纸币定损模型是一种图神经网络模型，能够增加定损识别的准确率。因此，本发明实施例提供的一种现金残损比例识别方法、装置、设备及存储介质，能够通过全图案对象识别，区分纸币与背景，进而提升现金残损识别的效率及准确性。