[发明专利]一种外币识别方法及装置

说明书

本发明提供了一种外币识别方法及装置，方法包括：获取待识别钱币图像，将待识别钱币图像输入到外币识别模型中的输入层，输入层输出的图像经过多轮预设处理后，经过全连接层的特征分类处理，得到待识别钱币图像的币种、版本和面值。其中，外币识别模型是对改进后的VGG‑16模型训练得到的，外币识别模型的卷积层总数小于VGG‑16模型的卷积层总数，每个卷积层提取特征的数量均小于VGG‑16模型中相应卷积层提取特征的数量，不会对待识别钱币图像进行过多的特征提取，从而使输入到全连接层的特征为表示细节纹理等的低层特征，减少了模型对图像高层语义特征的分析，避免了过拟合现象的发生，提高了外币识别模型识别外币图像的准确性。

技术领域

本发明涉及纸币识别技术领域，更具体的，涉及一种外币识别方法及装置。

背景技术

随着经济全球化，外币兑换越来越常见。目前在外币现钞兑换过程中，涉及多个外币种类，常见的外币至少十余种，每种外币还包含不同面值和不同版本的纸币。但是在实际生活中，除非有足够的知识储备，大多数人无法准确识别各类外币，并且依靠人工识别外币准确性较低，存在极大的交易风险。

近年来随着图像识别技术的发展，利用图像识别技术识别外币成为本领域的研究趋势，目前图像识别领域有很多成熟的模型，如VGG(Visual Geometry Group，视觉几何组)等，但是这些图像识别模型的设计初衷并不是用于识别外币，若直接利用已有的这些图像识别模型识别外币，存在严重的过拟合现象，识别准确性较低。

发明内容

有鉴于此，本发明提供了一种外币识别方法及装置，提高了外币识别的准确性。

为了实现上述发明目的，本发明提供的具体技术方案如下：

一种外币识别方法，包括：

获取待识别钱币图像；

将所述待识别钱币图像输入到外币识别模型中的输入层，所述输入层输出的图像经过多轮预设处理后，经过全连接层的特征分类处理，得到所述待识别钱币图像的币种、版本和面值，其中，所述外币识别模型的输入层所对应的输入图像的尺寸与外币尺寸相匹配，所述预设处理包括卷积层组的特征提取处理、池化层的特征归约处理和归一化层的特征归一化处理，所述外币识别模型中的卷积层总数小于VGG-16模型的卷积层总数，且所述外币识别模型中每个卷积层提取特征的数量均小于VGG-16模型中相应卷积层提取特征的数量。

可选的，所述获取待识别钱币图像，包括：

获取原始图像；

对所述原始图像进行预处理，得到符合预设格式的多个待识别图像；

分别将每个所述待识别图像输入到钱币识别模型中进行处理，根据识别结果确定每个所述待识别图像是否为待识别钱币图像。

可选的，所述对所述原始图像进行预处理，得到符合预设格式的多个待识别图像，包括：

对所述原始图像的角度分别进行多次随机旋转，得到多个图像；

分别将每个图像的亮度调整到预设亮度值，并将每个图像的色彩空间转换为HSV，得到多个所述待识别图像。

可选的，所述外币识别模型的训练方法包括：

获取各类外币图像；

将各类外币图像的亮度调整到预设亮度值，并将各类外币图像的色彩空间转换为HSV，得到预处理后的各类外币图像；

对预处理后的各类外币图像进行分类标注和数据增强，得到训练样本集合；

利用所述训练样本集合对预设神经网络模型进行训练，得到所述外币识别模型，所述预设神经网络中的卷积层总数小于VGG-16模型的卷积层总数，且所述预设神经网络模型中每个卷积层提取特征的数量均小于VGG-16模型中相应卷积层提取特征的数量。