[发明专利]一种人民币序列号识别方法

说明书

技术领域

本发明涉人民币识别的技术领域，特别涉及一种人民币纸币序列号识别方法。

背景技术

人民币纸币序列号的自动识别对于国家货币管理、银行金融安全和人民币纸币收藏都有着重要意义。首先，要正确规划统筹货币政策，就要掌握好纸币信息，如已投放和已回收的人民币数量、纸币序列号的使用情况等。其次，纸币序列号识别可以用来对特定序列号纸币进行甄别，为金融机构对特定货币（劫钞、伪币等）进行特殊处理提供条件。再次，近年来兴起的人民币收藏热也使得序列号中具有吉祥号码或包含纪念日的纸币大受追捧，纸币序列号识别系统可以使收藏者快捷地记录自己所拥有的所有序列号，便于自己筛选整理。

目前的人民币纸币识别系统有基于单片机和DSP的纸币识别系统，主要采用模板匹配法，特征统计法和多特征融合法。

基于模板匹配的方法是在创建模板库后对字符进行特征提取，再对每一个模板库进行匹配。由于实现起来较为简单，已应用于硬件系统的人民币序列号识别方法大多是基于模板匹配的。特征统计法则根据字符各自的特征将字符一步步细化分类，对已知类别的图像样本用统计学的方法确定判决函数及判决规则；多特征融合法首先根据样本的每组特征分别对样本进行分类，然后将所有的分类结果进行融合，得到最终分类结果。前两种方法抗干扰能力差，对噪声敏感，其中模板匹配法的计算量很大，识别精度不高，第三种多特征融合法中，子分类器分类后的后验概率需要在融合过程中相乘，子分类器较多时结果不太可靠。

神经网络和支持向量机两种通用的模式识别方法在人民币纸币序列号识别研究中取得了不错的效果。其中基于神经网络的方法是模仿人类神经结构，通过结构设计和参数优化用样本来训练神经网络。但这种方法的网络训练相对比较麻烦，BP网络的初始值和激励函数对模型的识别性能影响很大，同时需要大量的训练样本和多次试验才能得到较为理想的结果。基于支持向量机的识别方法通过升维和线性化，在特征空间构造最优分类超平面。主要优点有：避免了“维数灾难”，大大简化了分类和回归问题，泛化性好。然而，有效特征的提取仍是识别效果的关键。

当前，仍然没有成熟的人民币纸币序列号识别算法，大多由于实时性不强、识别率不够高等原因没有得到广泛应用。验钞打号机能对美元、英镑等典型纸币进行号码打印，但是目前仍不支持人民币。因此，自主开发人民币纸币序列号识别系统的应用前景广阔。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种可提高序列号识别系统对于不同角度、光照、背景、分辨率的输入纸币图像的鲁棒性的人民币序列号识别方法。

本发明的目的通过下述技术方案实现：

本发明提出了一种人民币序列号识别方法，包括下述步骤：

S1、对纸币图像进行预处理，包括改善严重曝光、提取纸币图像以及配准纸币图像；

S2、用两步法来对序列号进行定位，即第一步使用先验知识大致定位，第二步对序列号进行准确定位；然后使用垂直投影法对序列号进行字符分割；

S3、采用新13点特征提取法，针对易混淆字符的特点专门进行特征值的多重提取，再根据字符位置与类型的关系采用支持向量机进行识别，获得较高的识别准确率。

优选的，步骤S1中，所述预处理具体为：

S11、在灰度化的基础上结合顶帽变换以改善纸币图像二值化效果；

S12、提取纸币图像所在的矩形区域以去除无关的背景信息；

S13、利用单应矩阵对图像进行配准以校正倾斜和消除透视效应；

S14、先根据二值纸币图像像素点的左右分布来判断倒转情况，再根据纸币左下方区域的颜色色调来判断正反面情况。

优选的，步骤S13中，利用单应矩阵对图像进行配准的具体步骤如下：

S131、建立配准前纸币图像的四个顶角坐标与配准图像的对应关系；

S132、由坐标对应关系求出单应矩阵；

S133、利用单应矩阵求出配准后的纸币图像中在配准前的纸币图像的对应点；

S134、采用双线性插值法对配准后的纸币图像赋值。

优选的，步骤S131中，在求配准前纸币图像的四个顶角坐标时，采用四向法或最远点法，所述四向法为从上下左右四个方向分别寻找坐标点；所述最远点法为分四个象限分别计算二值纸币图像中非零点到对角线的距离，距离最大点为顶点。

优选的，步骤S2中，二步定位法具体为：

S21、利用先验知识大致定位在配准图像左方1/4和下方1/3的矩形区域；