[发明专利]纸币面向识别方法及装置

说明书

技术领域

本发明实施例涉及纸币识别技术，尤其涉及一种纸币面向识别方法及装置。

背景技术

在纸币自动识别过程中，纸币的面向是所有后续识别判断的基础，如果纸币版本面向识别错误，将直接导致后面所有识别算法的误检，因此纸币面向识别在纸币识别过程中是基础和必要的识别步骤。

现有技术中，纸币面向识别是根据纸币的特征进行提取和识别，针对不同的纸币的币值版本需要进行不同的特征提取，识别部分也需要根据币值版本等的不同进行相应的修改，同时在采集环境改变的时候(如亮度改变等)也会导致进行相应的技术方案的修改，因此导致纸币面向识别的不通用性。

发明内容

有鉴于此，本发明实施例提供一种纸币面向识别方法及装置，以通用的识别各个币值版本的面向。

第一方面，本发明实施例提供了一种纸币面向识别方法，所述方法包括：

获取待识别纸币的纸币图像；

按照设定划分规则，将所述纸币图像划分为第一设定数量的区域；

计算所述纸币图像中每个区域的灰度和，形成一个具有第一设定数量的灰度和数列；

将所述数列输入BP神经网络的识别器进行识别，以识别得到待识别纸币的面向，其中，所述BP神经网络的识别器的网络参数已通过训练得到。

进一步地，在将所述数列输入BP神经网络的识别器之前，还包括：

对所述数列进行归一化处理，得到归一化数列。

进一步地，按照设定划分规则，将所述纸币图像划分为第一设定数量的区域包括：

按照矩阵形式，将所述纸币图像划分为第一设定数量的等分区域。

进一步地，计算所述纸币图像中每个区域的灰度和，形成一个具有第一设定数量的灰度和数列，包括：

以每个区域中的像素点为单位，进行设定步长的像素点灰度间隔抽样；

计算抽样后的每个区域的灰度和，形成一个具有第一设定数量的灰度和数列。

进一步地，还包括：

对待识别纸币的币值版本的多个面向分别选取第二设定数量的灰度和数列样本；

采用BP神经网络对所述样本进行训练，得到BP神经网络的识别器的网络参数。

第二方面，本发明实施例还提供了一种纸币面向识别装置，所述装置包括：

纸币图像获取模块，用于获取待识别纸币的纸币图像；

图像区域划分模块，用于按照设定划分规则，将所述纸币图像划分为第一设定数量的区域；

灰度和数列形成模块，用于计算所述纸币图像中每个区域的灰度和，形成一个具有第一设定数量的灰度和数列；

纸币面向识别模块，用于将所述数列输入BP神经网络的识别器进行识别，以识别得到待识别纸币的面向，其中，所述BP神经网络的识别器的网络参数已通过训练得到。

进一步地，还包括：

数列归一化模块，用于在将所述数列输入BP神经网络的识别器之前，对所述数列进行归一化处理，得到归一化数列。

进一步地，所述图像区域划分模块具体用于：

按照矩阵形式，将所述纸币图像划分为第一设定数量的等分区域。

进一步地，所述灰度和数列形成模块包括：

像素点抽样单元，用于以每个区域中的像素点为单位，进行设定步长的像素点灰度间隔抽样；

灰度和计算单元，计算抽样后的每个区域的灰度和，形成一个具有第一设定数量的灰度和数列。

进一步地，还包括：

灰度和数列样本选取模块，用于对待识别纸币的币值版本的多个面向分别选取第二设定数量的灰度和数列样本；

网络参数训练模块，用于采用BP神经网络对所述样本进行训练，得到BP神经网络的识别器的网络参数。

本发明实施例提供的纸币面向识别方法及装置，通过获取待识别纸币的纸币图像，按照设定划分规则将所述纸币图像划分为具有第一设定数量的个数的区域，并计算每个区域的灰度和，形成一个具有第一设定数量的灰度和的数列，将所述数列输入具有训练完成的网络参数的BP神经网络的识别器中进行识别，得到待识别纸币的面向，实现了对不同币值版本的纸币面向的识别，只要对不同币值版本的纸币面向各进行一次训练得到网络参数，便可以通用的识别各个币值版本的面向，采用BP神经网络进行识别的方式提高了纸币面向的识别效率。

附图说明

图1是本发明实施例一提供的一种纸币面向识别方法的流程图；

图2是本发明实施例二提供的一种纸币面向识别方法的流程图；

图3是本发明实施例三提供的一种纸币面向识别装置的示意图。