[发明专利]一种基于图像指纹的多国纸币币种识别方法

说明书

本发明公开一种基于图像指纹的多国纸币币种识别方法，属于纸币模式识别技术领域。基于多国纸币背景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图片进行预测，识别币种。本发明方法将纸币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币种识别方法。

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。

在此类支持多国货币处理的金融机具中，当处理不同国家的币种时，往往需要人工设置当前待处理的货币类别，自动化程度低；目前基于数字图像处理的货币识别技术，通常采用的识别算法计算复杂，时间复杂度高，尤其是当货币种类增加时，货币识别时间会呈指数级别增长，往往需要功能强大的硬件平台，才能满足识别算法运算能力的需求；通常的纸币模式识别方式由于待识别的模式比较多，且纸币流通过程中可能存在磨损，使得多数纸币图像识别方法的准确率不能满足高指标的需求。

在目前的纸币币种识别研究过程中出现了很多提取特征的算法，很多好的特征提取算法在提升识别准确率方面起到了关键作用，例如遗传算法特征提取技术，通过一系列交叉选择和操作，使得提取的方法得到优化，从本质上说它是对提取技术的预处理，能够很大程度上提高泛化能力，并能有效的缩短学习的时间。Fisher线性鉴别分析也被广泛的应用到纸币识别领域，Fisher线性鉴别分析能够有效的反应不同类别之间的差异特征，是特征提取的经典方法之一。传统的币种识别有的是通过对冠字号的投影、序列号的首字母或是序列号的位数等方法来进行判断，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，传统的方法是提取图像的多个局部特征作为分类的依据，这种方法对图片的处理要求很高，如果图片中有噪点或处理不到位，会对识别的结果有很大的影响，抗干扰能力弱。传统模式识别中用到的模板匹配的算法，通过对大量的模板进行匹配，还需要考虑到模板的大小和方向等问题，识别的效率比较低。

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币种识别方法，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币种识别方法，其特征在于：包括以下几个步骤：

步骤1：利用多国纸币背景图片的模板集和样本集生成训练样本数据；

所述步骤1中模板集的生成方法是：对N个不同国家的纸币背景图片按国家类别进行归类存放，得到N个模板，其中第i个模板中国家纸币背景图片的数量为P_i；所述步骤1中的样本集是没有进行归类的A张不同国家纸币背景图片的集合。

所述步骤1中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背景图片的指纹字符串；

步骤1.2：对样本集中第j张纸币背景图片，利用感知哈希算法提取其指纹字符串，并与模板集中第i个国家的P_i张纸币背景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张纸币背景图片指纹字符串的一个特征值，并给特征值加入对应国家的标签；

步骤1.3：对样本集中第j张纸币背景图片和模板集中剩余的N-1个国家对应的纸币背景图片，重复步骤1.2，共得到样本集中第j张纸币背景图片对应的N个特征值；