[发明专利]币种识别方法及装置

说明书

本发明公开了一种币种识别方法及装置，可用于人工智能领域，其中方法包括：获得待识别的钞票图像；将所述待识别的钞票图像输入预先建立的币种分类器进行币种识别，其中所述币种分类器按如下方式预先建立：获得钞票图像训练集；采用Gabor滤波算法提取所述钞票图像训练集中每个钞票图像的纹理特征向量；将每个钞票图像的纹理特征向量输入支持向量机分类器进行训练，得到币种分类器。本发明可以进行币种识别，节省人力物力，提高识别准确性。

技术领域

本发明涉及人工智能领域，尤其涉及币种识别方法及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

银行外币现钞兑换业务通常涉及到多种外币。而在实际生活中，大多数人因知识储备有限而无法准确区分币种。现有的外币识别主要依靠人工完成，这就要求相关人员具备较高的知识储备，难以大范围推广普及。

因此，亟需一种可以克服上述问题的币种识别方案。

发明内容

本发明实施例提供一种币种识别方法，用以进行币种识别，节省人力物力，提高识别准确性，该方法包括：

获得待识别的钞票图像；

将所述待识别的钞票图像输入预先建立的币种分类器进行币种识别，其中所述币种分类器按如下方式预先建立：

获得钞票图像训练集；

采用Gabor滤波算法提取所述钞票图像训练集中每个钞票图像的纹理特征向量；

将每个钞票图像的纹理特征向量输入支持向量机分类器进行训练，得到币种分类器。

在一个实施例中，币种识别方法在获得钞票图像训练集后还包括：

利用均值滤波法对所述钞票图像训练集中每个钞票图像进行去除噪声处理。

在一个实施例中，币种识别方法在利用均值滤波法对所述钞票图像训练集中每个钞票图像进行去除噪声处理后还包括：

利用CLAHE算法对去除噪声处理后的钞票图像进行图像增强处理。

在一个实施例中，币种识别方法在采用Gabor滤波算法提取所述钞票图像训练集中每个钞票图像的纹理特征向量后还包括：

采用主成分分析法对所述纹理特征向量进行降维和归一化处理。

本发明实施例提供一种币种识别装置，用以进行币种识别，节省人力物力，提高识别准确性，该装置包括：

图像获得模块，用于获得待识别的钞票图像；

币种识别模块，用于将所述待识别的钞票图像输入预先建立的币种分类器进行币种识别，其中所述币种分类器按如下方式预先建立：

获得钞票图像训练集；

采用Gabor滤波算法提取所述钞票图像训练集中每个钞票图像的纹理特征向量；

将每个钞票图像的纹理特征向量输入支持向量机分类器进行训练，得到币种分类器。

在一个实施例中，所述币种识别模块还用于：

在获得钞票图像训练集后，利用均值滤波法对所述钞票图像训练集中每个钞票图像进行去除噪声处理。

在一个实施例中，所述币种识别模块还用于：

在利用均值滤波法对所述钞票图像训练集中每个钞票图像进行去除噪声处理后，利用CLAHE算法对去除噪声处理后的钞票图像进行图像增强处理。

在一个实施例中，所述币种识别模块还用于：