人像识别鉴别美元面额的方法
【专利摘要】本发明涉及美元鉴别技术，人像识别鉴别美元面额的方法。现有鉴别美元面额技术的缺点是：对噪声抵抗力差;当特征区域稍有污染，鉴别就极有可能出错。本发明取各种面额的美元纸币，得到其灰度图像，校正归一化到统一尺寸;对人像区域中的每个点，在其八邻域内计算差动激励，每个像素点得到一个值在（-π/2,π/2]之间的角度，将其量化为100等分，将（θ-π/200,θ+π/200]量化为θ；统计角度直方图，得多维向量a；训练各种面额的标准样本，选择一个最优特征向量；将得到的特征向量与标准特征向量相比较。本发明的优点是：识别过程不需人工参与寻找特征；区分度高；可移植性好,可使机器具有快速识别能力。
【专利说明】人像识别鉴别美元面额的方法
【技术领域】
[0001]本发明涉及美元鉴别技术，具体地说是一种人像识别鉴别美元面额的方法。
【背景技术】
[0002]随着经济全球化的发展，各种货币流通量增大，美元在世界的流通量也在不断增大。世界各地的不法分子们为了谋取个人利益，制造各种版本的美元假币，危害金融安全。由于各种面额的美元，其纸张大小都相同，不同面额的美元在颜色上比较接近，无法通过纸张大小或者颜色来确定美元面额大小。现有技术采用识别小区域特征的方法鉴别美元面额:找一小块区域，分析其特征，比如右下角的数字，通过识别出数字来识别面额大小。现有技术的缺点是:对噪声抵抗力差；当特征区域稍有污染，鉴别就极有可能出错，无法识别面额大小，鉴别准确性无法达到要求。所以发明一种识别方法简单，不需要人工参与寻找特征；抗噪声能力强；提取的特征对于各种面额美元区分度高；可移植性很好，广泛用于多光谱点钞机、清分机、存取款机快速、准确识别美元面额的人像识别鉴别美元面额的方法是十分必要的。
【发明内容】
[0003]本发明的目的是提供一种识别方法简单，不需要人工参与寻找特征；抗噪声能力强；提取的特征对于各种面额的区分度高；可移植性很好，广泛用于多光谱点钞机、清分机、存取款机快速、准确识别美元面额的人像识别鉴别美元面额的方法。
[0004]本发明的目的是这样实现的:
[0005]一种人像识别鉴别美元面额的方法，步骤是:
[0006](I)取各种面额的美元纸币，得到其灰度图像，校正归一化到统一尺寸，宽乘高为300*150，人像区域大约在20行至180行、130列到210列；
[0007](2)对人像区域中的每个点，在其八邻域内计算差动激励，每个像素点得到一个值在(-ji/2，/2]之间的角度，将其量化为100等分，将(Θ-ji/200，Θ + ji/200]量化为Θ ；
[0008](3)统计角度直方图，得多维向量a;
[0009](4)训练各种面额的标准样本，每种面额的美元选择一个最优特征向量，作为该种面值的标准特征向量；
[0010](5)将每张带识别面额的美元，提取其特征向量；
[0011](6)将步骤(5)得到的特征向量与标准特征向量相比较，最接近的那个即为该美元面额值。
[0012]鉴于每种面额的美元纸币，在相同的位置，都有一个人像，不同面值的人像不一样，因此可以通过人像识别来识别不同的面额。人像区域大，对噪声抵抗力强；又由于人像区域周围有较复杂的纹理，被污染的可能性比较小；纸币上的人像都是正向人像，没有倾斜，检测识别准确率高，稳定性好。本发明主要用于多光谱点钞机、清分机、存取款机中图像处理模块对美元的面额识别，韦伯局部描述符WLD (Weber Local Descriptions)等人像识别算法对美元图像进行特征提取。该过程不需要人工参与寻找特征；提取的特征对于各种面额区分度高；可移植性很好；识别能力强。只需要将训练结果移植到程序中，即可使机器具有快速、性能高的面额识别能力。本发明方法可应用于世界各地的银行、商场的点钞机、清分机、存取款机中，具有广泛的实用性。
[0013]与人民币不同的是，现有算法，大多是不同面额的美元纸币上面，最明显的特征不是数字，而是人像；人像区域大，特征明显；由于区域大，鉴于上述原因，本发明采用人像识别的方法来识别美元面额，具有很好的稳定性。韦伯局部描述符WLD(Weber LocalDescriptions)是一种有效的纹理描述算子，它具有旋转不变性和灰度不变性等显著的优点，利用韦伯局部描述符WLD的局部特性和直方图统计特性，对正面人像识别具有极好的识别能力。
[0014]本发明方法在获取美元图像后，需要对美元图像进去校正，图片尺寸归一化到统一大小，然后在固定位置挖取人像区域，提取特征，进行人像识别。不同面额的美元，人像图像不一样；100美元券正面是富兰克林；50美元券正面是格兰特；20美元券正面是杰克逊；10美元券正面是汉密尔顿；5美元券正面是林肯。通过检测识别出人像，即可确定面额值。
[0015]本发明人像识别方法，不仅仅局限于主成分分析PCA (PrincipalComponentAnalysis),韦伯局部描述符 WLD (Weber Local Descriptions),局部二值模式 LBP (LocalBinary Patterns)，FISHER (费希尔)判别，还可用神经网络，模版匹配等等方法。
[0016]下面以韦伯局部描述符WLD (Weber Local Descriptions)为例来说明识别过程:
[0017]获取美元图 像后，需要对美元图像进去校正，图片尺寸归一化到统一大小，宽乘高为300*150，人像区域大约在20行至180行、130列到210列；
[0018]对人像区域的每个像素点，在其八邻域内计算WLD算子，每个像素点都可以得到一个角度，这个角度在(1/2，Jr/2]之间；
[0019]对这角度，进行直方图统计，得到一个多维向量a，这个向量就是当前人像区域的特征；
[0020]根据归一化的大小，训练各种面额的标准样本，用聚类的方法为每种面额的美元选择一个最合适的向量，作为该种面额的标准向量，5美元券的特征向量记为a5，10美元券的特征向量记为a1Q，20美元券的特征向量记为a2Q，50美元券的记为a5(l，100美元券的特征向量记为；
[0021]将待识别面额的美元的特征向量a，与标准向量比较，最相近的那个，即为当前待识别钞票的面额值。
[0022]本发明提供了一种稳健的美元面额识别方法，该方法对噪声抵抗力强，能快速准确识别出美元面额，从而有助于后续的鉴伪。
[0023]人像图像WLD特征的提取方法，差动激励ε反映的是当前像素点和周围各点像素值的差异，目的是寻找一幅图像在人眼视觉感知中变化比较明显的区域。设当前像素点为X。，则该点的差动激励为ε(χ。)。首先计算X。和周围区域像素点的不同，如式(I)所示
[0024]Vs00 = ES(Δχ?) = Ef=Q1 (χ? —xc)式(1)
[0025]其中Xi (i=0, I,......p-1)表示X。的P个相邻的像素值，如果采用3x3的区域，则
p=8;[0026]输入人像，其八邻域如右所示:
【权利要求】
1.一种人像识别鉴别美元面额的方法，步骤是: (1)取各种面额的美元纸币，得到其灰度图像，校正归一化到统一尺寸，宽乘高为300*150，人像区域大约在20行至180行、130列到210列； (2)对人像区域中的每个点，在其八邻域内计算差动激励，每个像素点得到一个值在(-JI/2，Ji/2]之间的角度，将其量化为100等分，将(Θ-Ji/200，Θ + ji/200]量化为Θ ； (3)统计角度直方图，得多维向量a； (4)训练各种面额的标准样本，每种面额的美元选择一个最优特征向量，作为该种面值的标准特征向量； (5)将每张带识别面额的美元，提取其特征向量； (6)将步骤(5)得到的特征向量与标准特征向量相比较，最接近的那个即为该美元面额值。
【文档编号】G07D7/20GK103886309SQ201410151861
【公开日】2014年6月25日 申请日期:2014年4月16日 优先权日:2014年2月27日
【发明者】张巍巍, 尤新革, 付祥旭, 李方震, 李山雨 申请人:华中科技大学