[发明专利]一种基于图像指纹的多国纸币冠字号字符识别方法

说明书

本发明公开一种基于图像指纹的多国纸币冠字号字符识别方法，属于纸币模式识别技术领域。基于多国纸币冠字号字符图片的模板集和样本集，利用感知哈希算法生成训练样本数据，构建基于SVM分类器的分类模型，并利用训练样本数据对分类模型进行训练，利用训练好的分类模型对待处理纸币的冠字号字符图片进行识别。本发明方法将纸币冠字号字符识别过程中的单个特征转换为多个特征，并采用基于SVM分类器的方法进行识别，对样本需求量小，训练速度快，识别速度快，而且具有很好的抗干扰能力，能提高预测时的容错率。

技术领域

本发明涉及纸币模式识别技术领域，特指一种基于图像指纹的多国纸币冠字号字符识别方法。

背景技术

当前支持多国货币处理的金融机具设备已成为一种发展趋势，基于数字图像处理的货币识别技术也得到广泛应用，随着光学字符识别技术在人类生产、生活中广泛应用，钞票冠字号字符识别已经成为经济领域一种防止经济犯罪的重要手段，光学字符自动识别技术越来越受到研究者的关注，如何提高字符的识别准确率和效率等方面的问题，是这个领域最值得关注的问题。

传统的冠字号字符识别方法所要进行的工作比较繁琐，并且如果对字符的处理不当可能直接导致识别的结果出现很大的偏差。在特征提取方面，有的字符识别方法通过扫描图像来提取图片特定特征，如凹凸性、连通域、横竖线交点等，速度快而且分辨能力高，但是缺点在于抗噪能力低，所以图片字符识别准确率不是很稳定。基于卷积神经网络的识别方法准确率较高，但是这种方法训练速度缓慢，对计算机硬件要求高，而且对训练样本数量要求上比较苛刻，使得在日常的生活开发中不容易做到，开发成本也相对较高，所耗费时间在一般项目中也是很难承受的，而且一旦训练模型出问题，或者对于新的样本预测错误，训练模型很难修改，只有重新进行训练，费时费力。

发明内容

本发明的目的是提供一种基于图像指纹的多国纸币冠字号字符识别方法，以提高多国纸币识别过程中的识别速度、准确率和自动化程度。

为解决上述技术问题，本发明的技术方案如下：

一种基于图像指纹的多国纸币冠字号字符识别方法，其特征在于：包括以下几个步骤：

步骤1：利用多国纸币冠字号字符图片的模板集和样本集生成训练样本数据；

所述模板集包含36个字符模板图片，分别为0-9，A-Z，其中第i个模板字符图片的数量为P_i；所述样本集是没有识别的A张不同国家冠字号字符图片的集合。

所述生成训练样本数据的具体步骤是：

步骤1.1：利用感知哈希算法提取模板集中所有纸币冠字号字符图片的指纹字符串；

步骤1.2：对样本集中第j张纸币冠字号字符图片，利用感知哈利用希算法提取其指纹字符串，并与模板集中第i个字符模板的P_i张纸币冠字号字符图片对应的指纹字符串分别进行相似度对比，得到P_i个汉明距离，将这P_i个汉明距离的均值作为第j张纸币冠字号字符图片指纹字符串的一个特征值，并给特征值加入对应冠字号字符模板的标签；

步骤1.3：对样本集中第j张纸币冠字号字符图片和模板集中剩余的35个字符模板的纸币冠字号字符图片，重复步骤1.2，共得到样本集中第j张纸币冠字号字符图片对应的36个特征值；

步骤1.4：对样本集中A张纸币冠字号字符图片，重复步骤1.2-1.3，生成A个训练样本数据，每个训练样本数据有36个特征值；

所述感知哈希算法的具体过程是：首先将纸币冠字号字符图片缩小至8×8，并转换为64级灰度，然后将图片中每个像素点的灰度值与图片中所有像素点灰度值的平均值进行对比，大于平均值则取1，小于平均值则取0，所有像素点对比后的取值组成指纹字符串。

所述汉明距离的计算公式为：