[发明专利]一种基于手机APP和云平台的纸币鉴伪方法及系统

摘要

本发明公开了一种基于手机APP和云平台的纸币鉴伪方法，包括以下步骤：通过手机APP控制图像采集单元采集纸币图像；手机APP将采集到的图像进行基于模板匹配的感兴趣区域标记，并通过网络上传至云平台；云平台对图像进行处理，对纸币进行基于所述感兴趣区域的真伪判别；云平台将判别结果通过网络反馈给手机APP并在手机APP上进行显示；本发明还提供了相应的基于手机APP和云平台的纸币鉴伪系统。本发明克服了传统点验钞机、鉴别仪携带不便的缺陷，并充分利用云平台强大的计算能力对相关图像处理进行后台计算，克服了传统点验钞机、鉴别仪计算能力不足的问题。

主权项

1.一种基于手机APP和云平台的纸币鉴伪方法，其特征在于，包括以下步骤：/nA1：通过手机APP控制图像采集单元采集纸币图像，所述的图像采集单元包括前置摄像头和/或后置摄像头，以及图像采集电路和图像采集软件；/nA2：手机APP将采集到的图像进行基于模板匹配的感兴趣区域标记，并通过网络上传至云平台；/nA3：云平台对图像进行处理，对纸币进行基于所述感兴趣区域的真伪判别，具体包括：/nB1：云平台通过对纸币样本库进行训练学习获得过完备字典；/nB2：对手机APP上传的图像进行预处理以确认感兴趣区域；/nB3：运行结合过完备字典的稀疏表示模型对所述感兴趣区域进行处理,所述稀疏表示模型为基于纹理和形状的双层稀疏表示模型，其表达式为：/n /n其中，s为基于纹理的稀疏系数；t为基于形状的稀疏系数；A为基于纹理的过完备字典；D为基于形状的过完备字典；为输入感兴趣区域的联合主成分映射，其中U＝[u₁,u₂,…,u_n]^T,V＝[v₁,v₂,…,v_n]^T分别对应于样本集Q'和Q*主成分分析中的特征向量，n为特征向量个数；ω_i为第i项权重系数；q'和q*分别为经过差分操作和低通滤波的输入图像感兴趣区域；/nB4：利用判别函数对图像处理结果进行判别；/nA4：云平台将判别结果通过网络反馈给手机APP并在手机APP上进行显示；/n其中，步骤B1中，基于纸币样本库训练学习获得过完备字典的方法为基于纹理和形状的双层映射空间过完备字典学习方法，其训练学习过程为：设q_i是某感兴趣区域在纸币样本库中第i个样本中对应的抠图，纸币样本库中所有N个样本对应此感兴趣区域的抠图可构成样本集首先对Q进行差分操作滤除大尺寸形状，获得纹理样本集其基于主成分分析的重建表达式为表示平均图像；a_i,j为主成分分析映射系数；u_j为通过主成分分析求得的第j个特征向量；a_i＝[a_i,1,a_i,2,…,a_i,n]^T表示第i组映射系数；则纹理样本集对应的纹理过完备字典定义为A＝[a₁,a₂,…,a_N]；/n之后对Q进行低通滤波滤除纹理，获得样本集其基于主成分分析的重建表达式为表示平均图像；d_i,j为主成分分析映射系数；v_j为通过主成分分析求得的第j个特征向量；d_i＝[d_i,1,d_i,2,…,d_i,n]^T表示第i组映射系数；则形状样本集对应的形状过完备字典定义为D＝[d₁,d₂,…,d_N]。/n