本发明属于纸币厚度检测技术领域，具体涉及一种基于支持向量机的纸币检测方法。
背景技术：
厚度检测是纸币检测项目中的其中一项，其主要目的是检测出重张纸币和粘有胶带的纸币。对于重张纸币，由于其厚度变化面积范围大，厚度变化幅度大，因此厚度检测通过传统的检测方法可以实现精确检测。
然而，在纸币的流通过程中，由于纸币的撕裂以及一系列其他因素，纸币上会被粘有胶带，并且其位置和角度以及胶带的大小都是不可控的，不仅如此，由于纸币的防伪需求，纸币本身的厚度就是不均匀的，无论是盲文部位，印花部位，金线部位，100标识部位等其厚度的变换都会给胶带检测带来极大的干扰。因此，采用传统的平均厚度这一单纯的检测算法，很难准确的区分出每个检测通道内的厚度跳变是纸币本身引起的还是胶带引起的。
由于传感器的安装等外在硬件模块因素的影响，采用传统的非智能，单纯根据几个特征判断胶带的有无，很难提高胶带识别的准确率。
技术实现要素：
本发明的目的在于解决上述的技术问题而提供一种基于支持向量机的纸币检测方法。
为实现上述目的，本发明采用如下技术方案：
一种基于支持向量机的纸币检测方法，包括以下步骤：
训练阶段：
采集不同类型纸币的厚度信号；
提取该厚度信号的预设检测特征并进行归一化处理，形成支持向量机分类器学习训练用的样本数据；
确定所述样本数据所对应的类别标签；
将所述样本数据以及对应的类别标签输入支持向量机分类器进行学习训练，并学习测试集而使该支持向量分类器可根据检测到的纸币的厚度信号的预设检测特征而有监督地输出对应的纸币分类结果；
检测阶段：
采集待检测纸币的厚度信号；
提取该纸币的厚度信号的预设检测特征并进行归一化处理后，输入所述支持向量机分类器；
由所述支持向量机分类器根据输入的纸币的厚度信号的预设检测特征，输出纸币分类结果。
所述预设检测特征包括算数平均值、方差、极大极小值、峰值以及冲击幅度。
所述厚度信号的算数平局值与方差的计算方法如下：
首先确定纸币进入厚度检测传感器的左右边界范围，再计算处于在该边界范围内的信号的算数平局值与方差。
所述不同类型纸币包括正常纸币、重张纸币、表面贴有胶带的纸币。
本发明通过利用不同类型纸币的厚度信号的预设特征及对应的类别标签作为支持向量机分类器的训练样本数据来训练分类器，然后检测纸币厚度信号，提取预设的特征数据输入训练好的分类器由该分类器根据输入的数据输出纸币分类结果，大大提高了纸币分类的效果。
附图说明
图1是本发明提供的基于支持向量机的纸币检测方法的检测流程图。
具体实施方式
下面，结合实例对本发明的实质性特点和优势作进一步的说明，但本发明并不局限于所列的实施例。
参见图1所示，一种基于支持向量机的纸币检测方法，包括以下步骤：
训练阶段：
采集不同类型纸币的厚度信号；
提取该厚度信号的预设检测特征并进行归一化处理，形成支持向量机分类器学习训练用的样本数据；
确定所述样本数据所对应的类别标签；
将所述样本数据以及对应的类别标签输入支持向量机分类器进行学习训练，并学习测试集而使该支持向量分类器可根据检测到的纸币的厚度信号的预设检测特征而有监督地输出对应的纸币分类结果；
检测阶段：
采集待检测纸币的厚度信号；
提取该纸币的厚度信号的预设检测特征并进行归一化处理后，输入所述支持向量机分类器；
由所述支持向量机分类器根据输入的纸币的厚度信号的预设检测特征，输出纸币分类结果。
正常纸币的厚度信号，由于纸币本身凹凸不平，因此信号出现小范围的波动，但是整体处于一个范围内。
表面粘有胶带的纸币厚度信号，在信号的中部出现了一个向下的冲击，经过一段时间后又上升到原来的位置。
本发明正是基于该正常纸币与非正常纸币的厚度信号的变化，通过提取纸币的厚度信号的检测特征，对分类器进行训练，然后由分类器根据训练学习到的数据来根据纸币的厚度信号进行分类，从而根据不同的厚度信号特征输出相应的纸币类别。
纸币厚度检测可通过安装于金融自助终端设备中传感器来实现并输出对应的厚度信号，当纸币高速通过钞票轮辊时，浮动辊被高速通过的纸币抬高，这一微小的距离变化通过运放电路放大并输出相应的厚度信号。
需要说明的是，由于支持向量机是一种分类算法，因而可以通过寻求结构化风险最小来提高学习机泛化能力，实现经验风险和置信范围的最小化，从而达到在统计样本量较少的情况下，亦能获得良好统计规律的目的。
对于纸币厚度检测的目标分类种类有：正常纸币、重张纸币、贴有胶带的纸币，具体实现时可以分别选取200个厚度信号样本进行特征提取，并利 用这些信号特征训练支持向量分类器以实现本发明。
本发明通过支持向量机的分类器可以很有效的将目前的胶带检测问题转化为数据分类问题，在没有额外增加算法的时间与空间开销的情况下，极大的提高了纸币厚度识别的准确率，通过支持向量机的智能分类可以极大的提高纸币厚度检测的鲁棒性，并提高识别的准确率。
本发明中，所述预设检测特征可以是包括算数平均值、方差、极大极小值、峰值以及冲击幅度；本发明通过提取上述的厚度信号的算数平均值、方差、极大极小值、峰值及冲击幅度作为特征训练支持向量分类器，并可有监督的输出正常纸币、重张纸币以及粘贴有胶带的纸币三种类型。
具体实现上，本发明中，所述厚度信号的算数平局值与方差的计算方法如下：
首先确定纸币进入厚度检测传感器的左右边界范围，再计算处于在该边界范围内的信号的算数平局值与方差。
本发明通过利用不同类型纸币的厚度信号的预设特征及对应的类别标签作为支持向量机分类器的训练样本数据来训练分类器，然后检测纸币厚度信号，提取预设的特征数据输入训练好的分类器由该分类器根据输入的数据输出纸币分类结果，大大提高了纸币分类的效果通过提取厚度信号的算数平均值，方差，极大极小值，峰值以及冲击幅度等作为特征训练支持向量分类器，并有监督的输出正常纸币，重张纸币以及粘贴有胶带的纸币三种类型。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。