專利名稱：一種人民幣序列號(hào)識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明涉人民幣識(shí)別的技術(shù)領(lǐng)域，特別涉及一種人民幣紙幣序列號(hào)識(shí)別方法。
背景技術(shù)：
人民幣紙幣序列號(hào)的自動(dòng)識(shí)別對(duì)于國(guó)家貨幣管理、銀行金融安全和人民幣紙幣收藏都有著重要意義。首先，要正確規(guī)劃統(tǒng)籌貨幣政策，就要掌握好紙幣信息，如已投放和已回收的人民幣數(shù)量、紙幣序列號(hào)的使用情況等。其次，紙幣序列號(hào)識(shí)別可以用來對(duì)特定序列號(hào)紙幣進(jìn)行甄別，為金融機(jī)構(gòu)對(duì)特定貨幣(劫鈔、偽幣等)進(jìn)行特殊處理提供條件。再次，近年來興起的人民幣收藏?zé)嵋彩沟眯蛄刑?hào)中具有吉祥號(hào)碼或包含紀(jì)念日的紙幣大受追捧，紙幣序列號(hào)識(shí)別系統(tǒng)可以使收藏者快捷地記錄自己所擁有的所有序列號(hào)，便于自己篩選整理。
目前的人民幣紙幣識(shí)別系統(tǒng)有基于單片機(jī)和DSP的紙幣識(shí)別系統(tǒng)，主要采用模板匹配法，特征統(tǒng)計(jì)法和多特征融合法。基于模板匹配的方法是在創(chuàng)建模板庫(kù)后對(duì)字符進(jìn)行特征提取，再對(duì)每一個(gè)模板庫(kù)進(jìn)行匹配。由于實(shí)現(xiàn)起來較為簡(jiǎn)單，已應(yīng)用于硬件系統(tǒng)的人民幣序列號(hào)識(shí)別方法大多是基于模板匹配的。特征統(tǒng)計(jì)法則根據(jù)字符各自的特征將字符一步步細(xì)化分類，對(duì)已知類別的圖像樣本用統(tǒng)計(jì)學(xué)的方法確定判決函數(shù)及判決規(guī)則；多特征融合法首先根據(jù)樣本的每組特征分別對(duì)樣本進(jìn)行分類，然后將所有的分類結(jié)果進(jìn)行融合，得到最終分類結(jié)果。前兩種方法抗干擾能力差，對(duì)噪聲敏感，其中模板匹配法的計(jì)算量很大，識(shí)別精度不高，第三種多特征融合法中，子分類器分類后的后驗(yàn)概率需要在融合過程中相乘，子分類器較多時(shí)結(jié)果不太可靠。神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)兩種通用的模式識(shí)別方法在人民幣紙幣序列號(hào)識(shí)別研究中取得了不錯(cuò)的效果。其中基于神經(jīng)網(wǎng)絡(luò)的方法是模仿人類神經(jīng)結(jié)構(gòu)，通過結(jié)構(gòu)設(shè)計(jì)和參數(shù)優(yōu)化用樣本來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。但這種方法的網(wǎng)絡(luò)訓(xùn)練相對(duì)比較麻煩，BP網(wǎng)絡(luò)的初始值和激勵(lì)函數(shù)對(duì)模型的識(shí)別性能影響很大，同時(shí)需要大量的訓(xùn)練樣本和多次試驗(yàn)才能得到較為理想的結(jié)果?；谥С窒蛄繖C(jī)的識(shí)別方法通過升維和線性化，在特征空間構(gòu)造最優(yōu)分類超平面。主要優(yōu)點(diǎn)有避免了“維數(shù)災(zāi)難”，大大簡(jiǎn)化了分類和回歸問題，泛化性好。然而，有效特征的提取仍是識(shí)別效果的關(guān)鍵。當(dāng)前，仍然沒有成熟的人民幣紙幣序列號(hào)識(shí)別算法，大多由于實(shí)時(shí)性不強(qiáng)、識(shí)別率不夠高等原因沒有得到廣泛應(yīng)用。驗(yàn)鈔打號(hào)機(jī)能對(duì)美元、英鎊等典型紙幣進(jìn)行號(hào)碼打印，但是目前仍不支持人民幣。因此，自主開發(fā)人民幣紙幣序列號(hào)識(shí)別系統(tǒng)的應(yīng)用前景廣闊。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種可提高序列號(hào)識(shí)別系統(tǒng)對(duì)于不同角度、光照、背景、分辨率的輸入紙幣圖像的魯棒性的人民幣序列號(hào)識(shí)別方法。本發(fā)明的目的通過下述技術(shù)方案實(shí)現(xiàn)
本發(fā)明提出了一種人民幣序列號(hào)識(shí)別方法，包括下述步驟SI、對(duì)紙幣圖像進(jìn)行預(yù)處理，包括改善嚴(yán)重曝光、提取紙幣圖像以及配準(zhǔn)紙幣圖像；S2、用兩步法來對(duì)序列號(hào)進(jìn)行定位，即第一步使用先驗(yàn)知識(shí)大致定位，第二步對(duì)序列號(hào)進(jìn)行準(zhǔn)確定位；然后使用垂直投影法對(duì)序列號(hào)進(jìn)行字符分割；S3、采用新13點(diǎn)特征提取法，針對(duì)易混淆字符的特點(diǎn)專門進(jìn)行特征值的多重提取，再根據(jù)字符位置與類型的關(guān)系采用支持向量機(jī)進(jìn)行識(shí)別，獲得較高的識(shí)別準(zhǔn)確率。優(yōu)選的，步驟SI中，所述預(yù)處理具體為S11、在灰度化的基礎(chǔ)上結(jié)合頂帽變換以改善紙幣圖像二值化效果；S12、提取紙幣圖像所在的矩形區(qū)域以去除無關(guān)的背景信息；S13、利用單應(yīng)矩陣對(duì)圖像進(jìn)行配準(zhǔn)以校正傾斜和消除透視效應(yīng)；S14、先根據(jù)二值紙幣圖像像素點(diǎn)的左右分布來判斷倒轉(zhuǎn)情況，再根據(jù)紙幣左下方區(qū)域的顏色色調(diào)來判斷正反面情況。優(yōu)選的，步驟S13中，利用單應(yīng)矩陣對(duì)圖像進(jìn)行配準(zhǔn)的具體步驟如下S131、建立配準(zhǔn)前紙幣圖像的四個(gè)頂角坐標(biāo)與配準(zhǔn)圖像的對(duì)應(yīng)關(guān)系；S132、由坐標(biāo)對(duì)應(yīng)關(guān)系求出單應(yīng)矩陣；S133、利用單應(yīng)矩陣求出配準(zhǔn)后的紙幣圖像中在配準(zhǔn)前的紙幣圖像的對(duì)應(yīng)點(diǎn)；S134、采用雙線性插值法對(duì)配準(zhǔn)后的紙幣圖像賦值。優(yōu)選的，步驟S131中，在求配準(zhǔn)前紙幣圖像的四個(gè)頂角坐標(biāo)時(shí)，采用四向法或最遠(yuǎn)點(diǎn)法，所述四向法為從上下左右四個(gè)方向分別尋找坐標(biāo)點(diǎn)；所述最遠(yuǎn)點(diǎn)法為分四個(gè)象限分別計(jì)算二值紙幣圖像中非零點(diǎn)到對(duì)角線的距離，距離最大點(diǎn)為頂點(diǎn)。優(yōu)選的，步驟S2中，二步定位法具體為S21、利用先驗(yàn)知識(shí)大致定位在配準(zhǔn)圖像左方1/4和下方1/3的矩形區(qū)域；S22、采用基于分塊二值化的精準(zhǔn)定位，即將大致定位圖分成左右兩塊并分別使用其全局閾值進(jìn)行二值化，再拼合起來進(jìn)行掃描定位。優(yōu)選的，所述步驟S3中，基于多重特征的新13點(diǎn)特征值法具體為第I個(gè)特征值為字符寬度，第2、3個(gè)特征值為字符像素值的上下、左右比值，第4-12個(gè)特征值為字符的九宮格內(nèi)像素值，第13個(gè)特征值為總像素值，對(duì)易于混淆的字符進(jìn)一步進(jìn)行特征的二次以至三次提取。優(yōu)選的，步驟S3中，支持向量機(jī)識(shí)別方法具體步驟為S31、輸入歸一化的二值序列號(hào)圖像，并按下面步驟根據(jù)人民幣序列號(hào)字符位置N依1，3，2，4，5，6，7，8，9，10的順序逐個(gè)識(shí)別其中的每個(gè)字符Cn ；S32、根據(jù)位置N按字母類別、混合類別以及按數(shù)字類別進(jìn)行分類識(shí)別，并判斷是否是易錯(cuò)字符；S33、如果是易錯(cuò)字符則進(jìn)一步提取特征再識(shí)別；否則直接轉(zhuǎn)至下一步；S34、判斷序列號(hào)第3個(gè)字符C3是否是字母，如果是，把第2個(gè)字符C2按數(shù)字類型識(shí)別，如果否，把第2個(gè)字符C2按字母類型識(shí)別；S35、完成序列號(hào)圖像中所有字符識(shí)別后，輸出序列號(hào)識(shí)別結(jié)果。優(yōu)選的，步驟S32中，序列號(hào)的具體識(shí)別分類過程是
將人民幣序列號(hào)的第I個(gè)字符按字母類別識(shí)別，第3個(gè)字符按混合類別進(jìn)行識(shí)別，第2個(gè)字符根據(jù)第3個(gè)字符的類型確定識(shí)別類型，第4至第10個(gè)字符按數(shù)字類型進(jìn)行識(shí)別。本發(fā)明相對(duì)于現(xiàn)有技術(shù)具有如下的優(yōu)點(diǎn)及效果I、本發(fā)明采用頂帽變換改善輸入紙幣圖像二值化效果以提取紙幣所在矩形區(qū)域，同時(shí)通過獲取二值邊緣圖像的數(shù)目，消除小面積的噪聲點(diǎn)，最后只留下紙幣圖像，再綜合四向法和最遠(yuǎn)點(diǎn)法來準(zhǔn)確求出紙幣圖像的四個(gè)頂點(diǎn)坐標(biāo)。2、本發(fā)明使用基于單應(yīng)矩陣的紙幣圖像配準(zhǔn)方法使得不同角度、光照、背景、分辨率的輸入紙幣圖像均能輸出為規(guī)整化的紙幣俯視圖，增強(qiáng)魯棒性。3、利用基于人民幣紙幣的圖像紋理特征和預(yù)處理后的配準(zhǔn)紙幣圖像快速判斷紙幣的正反面與是否倒立，能快速定位至序列號(hào)。
4、本發(fā)明結(jié)合全局閾值和局部閾值的優(yōu)點(diǎn)提出了一種分塊二值化的方法，使得序列號(hào)字符既不會(huì)產(chǎn)生紅色字符丟失的現(xiàn)象，也不會(huì)出現(xiàn)黑色字符過厚的情況。5、本發(fā)明通過研究容易識(shí)別錯(cuò)誤的字符結(jié)構(gòu)，提出一種改進(jìn)的13點(diǎn)特征值提取法，充分利用了字符特點(diǎn)；利用與總像素值的比值克服了字符厚度不一導(dǎo)致特征值不同的缺點(diǎn)；針對(duì)易混淆字符的特點(diǎn)進(jìn)行特征值的多重提取；基于人民幣紙幣序列號(hào)規(guī)律，根據(jù)字符位置和類型的關(guān)系逐個(gè)識(shí)別字符，使字符識(shí)別準(zhǔn)確率達(dá)到99. 8%。


圖I是本發(fā)明人民幣紙幣序列號(hào)識(shí)別系統(tǒng)框圖；圖2是基于單應(yīng)矩陣的紙幣圖像配準(zhǔn)過程圖；圖3是本發(fā)明綜合多重特征提取和分位置識(shí)別序列號(hào)的SVM方法的識(shí)別流程圖。
具體實(shí)施例方式下面結(jié)合實(shí)施例及附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)的描述，但本發(fā)明的實(shí)施方式不限于此。實(shí)施例如圖I所示，本實(shí)施例人民幣序列號(hào)識(shí)別方法，包括下述步驟，首先，對(duì)紙幣圖像進(jìn)行預(yù)處理，包括改善嚴(yán)重曝光、提取紙幣圖像和配準(zhǔn)紙幣圖像等處理。在灰度化的基礎(chǔ)上結(jié)合頂帽變換以改善紙幣圖像二值化效果；提取紙幣圖像所在的矩形區(qū)域以去除無關(guān)的背景信息；利用單應(yīng)矩陣對(duì)圖像進(jìn)行配準(zhǔn)以校正傾斜和消除透視效應(yīng)；先根據(jù)紙幣二值圖像像素點(diǎn)的左右分布來判斷倒轉(zhuǎn)情況，再根據(jù)紙幣左下方區(qū)域的顏色色調(diào)來判斷正反面情況。該預(yù)處理算法能夠很好地適配后續(xù)序列號(hào)定位、分割和識(shí)別，而且對(duì)于輸入紙幣圖像的約束要求低，在任意角度、光照、分辨率下，只要直觀上可清晰辨認(rèn)，則可輸出正立紙幣圖像。其次，用兩步法來對(duì)序列號(hào)進(jìn)行定位，即第一步使用先驗(yàn)知識(shí)大致定位，第二步對(duì)序列號(hào)進(jìn)行準(zhǔn)確定位；然后使用垂直投影法對(duì)序列號(hào)進(jìn)行字符分割，操作簡(jiǎn)單、快速。最后，通過對(duì)原13點(diǎn)特征值法的不足的分析研究，提出了一種改進(jìn)的13點(diǎn)特征提取法，然后結(jié)合多重特征提取的方法，針對(duì)易混淆字符的特點(diǎn)專門進(jìn)行特征值的多重提取，再根據(jù)字符位置與類型的關(guān)系采用支持向量機(jī)(Support Vector Machine, SVM)進(jìn)行識(shí)別，獲得較高的識(shí)別準(zhǔn)確率。預(yù)處理時(shí)，由于對(duì)輸入圖像的要求比較低，對(duì)前背景對(duì)比不足的紙幣圖像，可以進(jìn)行頂帽變換(即從原有的圖像中減去開運(yùn)算后的圖像來消除背景)來改善曝光。經(jīng)過上述變換，有助于后續(xù)提取紙幣所在矩形區(qū)域的操作，以去除無關(guān)的背景信
肩、O為了能夠輸出統(tǒng)一的紙幣俯視圖，我們采用了基于單應(yīng)矩陣的紙幣圖像配準(zhǔn)方法，對(duì)紙幣圖像進(jìn)行校正傾斜、消除透視效應(yīng)。設(shè)配準(zhǔn)前的紙幣圖像為I，配準(zhǔn)完成后得到配準(zhǔn)后的紙幣圖像J，其中J = HI，H為單應(yīng)矩陣。如圖2所示，紙幣圖像配準(zhǔn)的處理步驟如下(I)建立原圖的四個(gè)頂角坐標(biāo)與配準(zhǔn)圖的對(duì)應(yīng)關(guān)系； (2)由坐標(biāo)對(duì)應(yīng)關(guān)系求出單應(yīng)矩陣H ；(3)利用H求出J中在I的對(duì)應(yīng)點(diǎn)；(4)采用雙線性插值法對(duì)J賦值。在求原圖的四個(gè)頂角坐標(biāo)時(shí)，我們根據(jù)紙幣圖像的不同旋轉(zhuǎn)角度作了兩種分類來求得坐標(biāo)點(diǎn)(I)從上下左右四個(gè)方向分別尋找坐標(biāo)點(diǎn)；(2)分四個(gè)象限分別計(jì)算二值紙幣圖像中非零點(diǎn)到對(duì)角線的距離，距離最大點(diǎn)為頂點(diǎn)。我們稱這兩種求頂點(diǎn)坐標(biāo)的方法分別為四向法和最遠(yuǎn)點(diǎn)法。為了使得求出的是正確的坐標(biāo)點(diǎn)而不是背景圖的噪聲點(diǎn)，我們?cè)谇捌谔幚碇屑尤肓艘粋€(gè)獲取二值圖像區(qū)域邊緣的處理，如果區(qū)域數(shù)大于1，則通過面積大小來消除小區(qū)域，最后只留下最大面積的區(qū)域(即紙幣圖像)。另外，根據(jù)人民幣紙幣圖像紋理，我們通過其二值化圖像的左右兩塊像素值分布情況來判斷紙幣是否倒轉(zhuǎn)，再通過左下方區(qū)域的色調(diào)來判斷正反面情況。例如，對(duì)于百元紙幣，將紙幣圖像由RGB彩色圖像轉(zhuǎn)換到灰度圖像再轉(zhuǎn)換到二值圖像后，從其像素點(diǎn)排布特征來看，序列號(hào)的上方較大片區(qū)域是白色，而如果倒轉(zhuǎn)的紙幣在對(duì)應(yīng)的區(qū)域則有較多的黑色像素點(diǎn)。令二值圖像中白色像素點(diǎn)值為1，黑色像素點(diǎn)值為0，則可以通過左右兩片對(duì)稱區(qū)域內(nèi)(紙幣最左(右)方1/4處的中間1/3區(qū)域)的總像素值高低來判斷是否倒轉(zhuǎn)。若左邊大于右邊，則為正立紙幣圖像；反之，若右邊大于左邊，則為倒轉(zhuǎn)的紙幣圖像，要對(duì)紙幣圖像進(jìn)行180度旋轉(zhuǎn)。在判斷紙幣圖片是否是反面照片(無法獲取序列號(hào))的時(shí)候，使用到了 RGB彩色空間的R，G，B三個(gè)分量來判別。因?yàn)榘僭垘诺闹魃{(diào)是紅色，在已定位在正立圖片的左方1/4和下方1/3的矩形區(qū)域的基礎(chǔ)上，反面定位圖的紅色分量較大，而正面定位圖的紅色分量較少，通過比較R，G, B三者的數(shù)量關(guān)系，若R>G且R>B，則判斷此紙幣圖片為反面圖像，反之為正面圖像?？傊?，經(jīng)過了紙幣圖像預(yù)處理，測(cè)試集中各種拍攝角度和亮度的輸入紙幣圖像均可達(dá)到預(yù)期效果。該預(yù)處理操作可適用于多種分辨率(2048 X 1536，1138 X 706，900 X 595，624X464,500X375等)、其他深色背景(黑色、棕色、紅色、藍(lán)色、紫色)以及包含其他幣值或幣種的紙幣圖像。對(duì)采集的全部1168幅圖像預(yù)處理的成功率達(dá)99. 83% (1166/1168，兩張失敗圖像的背景一為白色，二為多色結(jié)合。)
我們提出的兩步定位法充分利用了預(yù)處理的結(jié)果和人民幣紙幣圖像特征，首先利用先驗(yàn)知識(shí)把序列號(hào)大致定位在配準(zhǔn)圖像左方1/4和下方1/3的矩形區(qū)域。在進(jìn)行精準(zhǔn)定位的過程中，我們發(fā)現(xiàn)在采用全局閾值法時(shí)，序列號(hào)左邊的紅色字符常常由于對(duì)比度較低很容易產(chǎn)生字符丟失現(xiàn)象；如果采用局部閾值法去比較所有點(diǎn)及其鄰域的灰度值，則可能會(huì)出現(xiàn)運(yùn)算速度慢、筆畫斷裂以及偽影等問題。因此我們提出了一種基于分塊二值化的精準(zhǔn)定位，即將序列號(hào)大致定位圖分成左右兩塊并分別使用其全局閾值進(jìn)行二值化，再拼合起來進(jìn)行掃描定位，這樣既繼承了全局閾值法簡(jiǎn)單快速的優(yōu)點(diǎn)，又避免了紅色字符丟失和黑色字符過厚的問題。本發(fā)明采用了基于多重特征提取和分位置識(shí)別的支持向量機(jī)識(shí)別方法。我們進(jìn)行人民幣紙幣序列號(hào)識(shí)別，可以充分利用其序列號(hào)的排列規(guī)律分位置按字符類型(字母或數(shù)字)來識(shí)別。多重特征提取是指在13點(diǎn)特征提取的基礎(chǔ)上，針對(duì)易混淆字符專門進(jìn)行二次特征提取、三次特征提取。
作為對(duì)比，本實(shí)施例首先采用了一種13點(diǎn)特征法把字符圖像平均分為4行2列，前8個(gè)特征值為這八個(gè)部分的像素值；第9個(gè)特征值為總的像素值；第10、11個(gè)特征值分別為中間兩行的像素值；第12、13個(gè)特征值分別為左右兩列的像素值。對(duì)于465張測(cè)試紙幣圖片，均能成功進(jìn)行配準(zhǔn)、定位，分割成功率為99. 78%(464/465)，識(shí)別結(jié)果如表I所示。表I
權(quán)利要求
1.一種人民幣序列號(hào)識(shí)別方法，其特征在于，包括下述步驟 S1、對(duì)紙幣圖像進(jìn)行預(yù)處理，包括改善嚴(yán)重曝光、提取紙幣圖像以及配準(zhǔn)紙幣圖像； S2、用兩步法來對(duì)序列號(hào)進(jìn)行定位，即第一步使用先驗(yàn)知識(shí)大致定位，第二步對(duì)序列號(hào)進(jìn)行準(zhǔn)確定位；然后使用垂直投影法對(duì)序列號(hào)進(jìn)行字符分割； S3、采用新13點(diǎn)特征提取法，針對(duì)易混淆字符的特點(diǎn)專門進(jìn)行特征值的多重提取，再根據(jù)字符位置與類型的關(guān)系采用支持向量機(jī)進(jìn)行識(shí)別。
2.根據(jù)權(quán)利要求I所述的人民幣序列號(hào)識(shí)別方法，其特征在于，步驟SI中，所述預(yù)處理具體為 S11、在灰度化的基礎(chǔ)上結(jié)合頂帽變換以改善紙幣圖像二值化效果； S12、提取紙幣圖像所在的矩形區(qū)域以去除無關(guān)的背景信息； S13、利用單應(yīng)矩陣對(duì)圖像進(jìn)行配準(zhǔn)以校正傾斜和消除透視效應(yīng)； S14、先根據(jù)二值紙幣圖像像素點(diǎn)的左右分布來判斷倒轉(zhuǎn)情況，再根據(jù)紙幣左下方區(qū)域的顏色色調(diào)來判斷正反面情況。
3.根據(jù)權(quán)利要求2所述的人民幣序列號(hào)識(shí)別方法，其特征在于，步驟S13中，利用單應(yīng)矩陣對(duì)圖像進(jìn)行配準(zhǔn)的具體步驟如下 S131、建立配準(zhǔn)前紙幣圖像的四個(gè)頂角坐標(biāo)與配準(zhǔn)圖像的對(duì)應(yīng)關(guān)系； S132、由坐標(biāo)對(duì)應(yīng)關(guān)系求出單應(yīng)矩陣； S133、利用單應(yīng)矩陣求出配準(zhǔn)后的紙幣圖像中在配準(zhǔn)前的紙幣圖像的對(duì)應(yīng)點(diǎn)； S134、采用雙線性插值法對(duì)配準(zhǔn)后的紙幣圖像賦值。
4.根據(jù)權(quán)利要求3所述的人民幣序列號(hào)識(shí)別方法，其特征在于，步驟S131中，在求配準(zhǔn)前紙幣圖像的四個(gè)頂角坐標(biāo)時(shí)，采用四向法或最遠(yuǎn)點(diǎn)法，所述四向法為從上下左右四個(gè)方向分別尋找坐標(biāo)點(diǎn)；所述最遠(yuǎn)點(diǎn)法為分四個(gè)象限分別計(jì)算二值紙幣圖像中非零點(diǎn)到對(duì)角線的距離，距離最大點(diǎn)為頂點(diǎn)。
5.根據(jù)權(quán)利要求I所述的人民幣序列號(hào)識(shí)別方法，其特征在于，步驟S2中，二步定位法具體為 S21、利用先驗(yàn)知識(shí)大致定位在配準(zhǔn)圖像左方1/4和下方1/3的矩形區(qū)域； S22、采用基于分塊二值化的精準(zhǔn)定位，即將大致定位圖分成左右兩塊并分別使用其全局閾值進(jìn)行二值化，再拼合起來進(jìn)行掃描定位。
6.根據(jù)權(quán)利要求I所述的人民幣序列號(hào)識(shí)別方法，其特征在于，所述步驟S3中，基于多重特征的新13點(diǎn)特征值法具體為 第I個(gè)特征值為字符寬度，第2、3個(gè)特征值為字符像素值的上下、左右比值，第4-12個(gè)特征值為字符的九宮格內(nèi)像素值，第13個(gè)特征值為總像素值，對(duì)易于混淆的字符進(jìn)一步進(jìn)行特征的二次以至三次提取。
7.根據(jù)權(quán)利要求I所述的人民幣序列號(hào)識(shí)別方法，其特征在于，步驟S3中，支持向量機(jī)識(shí)別方法具體步驟為 S31、輸入歸一化的二值序列號(hào)圖像，并按下面步驟根據(jù)人民幣序列號(hào)字符位置N依.1，3，2，4，5，6，7，8，9，10的順序逐個(gè)識(shí)別其中的每個(gè)字符Cn ； S32、根據(jù)位置N按字母類別、混合類別以及按數(shù)字類別進(jìn)行分類識(shí)別，并判斷是否是易錯(cuò)字符；.533、如果是易錯(cuò)字符則進(jìn)ー步提取特征再識(shí)別；否則直接轉(zhuǎn)至下一歩； .534、判斷序列號(hào)第3個(gè)字符C3是否是字母，如果是，把第2個(gè)字符C2按數(shù)字類型識(shí)別，如果否，把第2個(gè)字符C2按字母類型識(shí)別； .535、完成序列號(hào)圖像中所有字符識(shí)別，輸出序列號(hào)識(shí)別結(jié)果。
8.根據(jù)權(quán)利要求7所述的人民幣序列號(hào)識(shí)別方法，其特征在于，步驟S32中，序列號(hào)的具體識(shí)別分類過程是 將人民幣序列號(hào)的第I個(gè)字符按字母類別識(shí)別，第3個(gè)字符按混合類別進(jìn)行識(shí)別，第2個(gè)字符根據(jù)第3個(gè)字符的類型確定識(shí)別類型，第4至第10個(gè)字符按數(shù)字類型進(jìn)行識(shí)別。
全文摘要
本發(fā)明公開了一種人民幣序列號(hào)識(shí)別方法，包括，S1、對(duì)紙幣圖像進(jìn)行預(yù)處理，包括改善嚴(yán)重曝光、提取紙幣圖像以及配準(zhǔn)紙幣圖像；S2、用兩步法來對(duì)序列號(hào)進(jìn)行定位，即第一步使用先驗(yàn)知識(shí)大致定位，第二步對(duì)序列號(hào)進(jìn)行準(zhǔn)確定位；然后使用垂直投影法對(duì)序列號(hào)進(jìn)行字符分割；S3、采用新13點(diǎn)特征提取法，針對(duì)易混淆字符的特點(diǎn)專門進(jìn)行特征值的多重提取，再根據(jù)字符位置與類型的關(guān)系采用支持向量機(jī)進(jìn)行識(shí)別，獲得較高的識(shí)別準(zhǔn)確率。本發(fā)明可提高序列號(hào)識(shí)別系統(tǒng)對(duì)于不同角度、光照、背景、分辨率的輸入紙幣圖像的魯棒性，并提高定位和識(shí)別速度、識(shí)別準(zhǔn)確率。
文檔編號(hào)G07D7/20GK102800148SQ201210237888
公開日2012年11月28日 申請(qǐng)日期2012年7月10日 優(yōu)先權(quán)日2012年7月10日
發(fā)明者鄭慧誠(chéng), 李茵茵, 賴劍煌 申請(qǐng)人:中山大學(xué)