本發(fā)明涉及幣值識別技術(shù)領(lǐng)域，尤其涉及一種美元紙幣面值的識別方法及裝置。

背景技術(shù)：

現(xiàn)有技術(shù)中，諸如人民幣等紙幣，不同的面值的鈔票，其大小不同。因此，在對紙幣的面值識別過程中，可以較容易的通過紙幣的大小識別紙幣的面值。

在發(fā)明人執(zhí)行本發(fā)明的過程中，發(fā)現(xiàn)現(xiàn)有技術(shù)中存在以下缺陷：美元紙幣作為外幣的其中一種，其不同面值紙幣大小無差異，這種情況的紙幣的面值無法直接通過紙幣的大小來進行識別。因此，無法快速識別紙幣的面值。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明提供一種美元紙幣面值的識別方法及裝置，能夠快速識別紙幣的面值，且提高識別的準確度。

第一方面，本發(fā)明實施例提供了一種美元紙幣面值的識別方法，包括：

獲取紙幣背面特征區(qū)域的紅外反射圖像；

對所述紅外反射圖像進行邊緣檢測，獲取邊緣檢測結(jié)果；

基于邊緣檢測結(jié)果提取所述紅外反射圖像的至少兩個主邊緣；

基于所述主邊緣的數(shù)量以及所述主邊緣之間的距離，確定所述紙幣的面值。

進一步的，所述獲取紙幣背面特征區(qū)域的紅外反射圖像，包括：

獲取紙幣在分辨率為縱向150DPI、橫向150DPI的背面紅外反射圖像；

從所述紅外反射圖像的像素點矩陣中截取行號在100到200之間，且列號在110到430之間的像素點形成的區(qū)域，并將所述區(qū)域的紅外反射圖像作為紙幣背面特征區(qū)域的紅外反射圖像；其中，紙幣的背面紅外反射圖像中橫向像素點的個數(shù)為610，所述紙幣的背面紅外反射圖像中縱向像素點的個數(shù)為260。

進一步的，所述對所述紅外反射圖像進行邊緣檢測，獲取邊緣檢測結(jié)果包括：

通過canny算子對所述紅外反射圖像進行邊緣檢測，獲取第一邊緣點集合；

在所述第一邊緣點集合中，將灰度值大于第一閾值的像素點作為真邊緣點；

如果目標像素點的灰度值在第二閾值到第一閾值之間、且與所述目標像素點相鄰的至少一個像素點的灰度值大于第一閾值，將所述目標像素點作為真邊緣點；其中，灰度值小于第二閾值的像素點為假邊緣點；

基于所述真邊緣點形成第二邊緣點集合。

進一步的，所述基于邊緣檢測結(jié)果提取所述紅外反射圖像的至少兩個主邊緣，包括：

通過霍夫直線檢測法對所述第二邊緣點集合進行直線檢測，獲取至少兩條邊緣直線；

如果目標邊緣直線上的兩端點之間的距離大于預設長度閾值，將所述目標邊緣直線作為所述紅外反射圖像的主邊緣。

進一步的，基于所述主邊緣的數(shù)量以及所述主邊緣之間的距離，確定紙幣的面值，包括：

如果所述主邊緣的數(shù)量為2個，則判斷紙幣的面值為20美元；

如果所述主邊緣的數(shù)量為4個，基于所述主邊緣之間的距離確定紙幣的面值。

進一步的，所述基于所述主邊緣之間的距離確定紙幣的面值，包括：

在所述4個主邊緣中，

如果相鄰主邊緣間隔的像素點的個數(shù)依次為30±5、15±5和85±5，判斷紙幣的面值為5美元；

如果相鄰主邊緣間隔的像素點的個數(shù)依次為30±5、70±5和85±5，判斷紙幣的面值為10美元；

如果相鄰主邊緣間隔的像素點的個數(shù)依次為30±5、115±5和35±5，判斷紙幣的面值為50美元；

如果相鄰主邊緣間隔的像素點的個數(shù)依次為35±5、20±5和40±5，判斷紙幣的面值為100美元。

第二方面，本發(fā)明實施例還提供了一種美元紙幣面值的識別裝置，包括：

圖像獲取模塊，用于獲取紙幣背面特征區(qū)域的紅外反射圖像；

檢測結(jié)果獲取模塊，用于對所述紅外反射圖像進行邊緣檢測，獲取邊緣檢測結(jié)果；

主邊緣提取模塊，用于基于邊緣檢測結(jié)果提取所述紅外反射圖像的至少兩個主邊緣；

面值確定模塊，用于基于所述主邊緣的數(shù)量以及所述主邊緣之間的距離，確定所述紙幣的面值。

進一步的，所述圖像獲取模塊，具體用于：

獲取紙幣在分辨率為縱向150DPI、橫向150DPI的背面紅外反射圖像；

從所述紅外反射圖像的像素點矩陣中截取行號在100到200之間，且列號在110到430之間的像素點形成的區(qū)域，并將所述區(qū)域的紅外反射圖像作為紙幣背面特征區(qū)域的紅外反射圖像；其中，紙幣的背面紅外反射圖像中橫向像素點的個數(shù)為610，所述紙幣的背面紅外反射圖像中縱向像素點的個數(shù)為260。

進一步的，所述檢測結(jié)果獲取模塊，具體用于：

通過canny算子對所述紅外反射圖像進行邊緣檢測，獲取第一邊緣點集合；

在所述第一邊緣點集合中，將灰度值大于第一閾值的像素點作為真邊緣點；

如果目標像素點的灰度值在第二閾值到第一閾值之間、且與所述目標像素點相鄰的至少一個像素點的灰度值大于第一閾值，將所述目標像素點作為真邊緣點；其中，灰度值小于第二閾值的像素點為假邊緣點；

基于所述真邊緣點形成第二邊緣點集合。

進一步的，所述主邊緣提取模塊，具體用于：

通過霍夫直線檢測法對第二邊緣點集合進行直線檢測，獲取至少兩條邊緣直線；

如果目標邊緣直線上的兩端點之間的距離大于預設長度閾值，將所述目標邊緣直線作為所述紅外反射圖像的主邊緣。

進一步的，所述面值確定模塊，具體用于：如果所述主邊緣的數(shù)量為2個，則判斷紙幣的面值為20美元；

如果所述主邊緣的數(shù)量為4個，基于所述主邊緣之間的距離確定紙幣的面值。

進一步的，所述基于所述主邊緣之間的距離確定紙幣的面值包括：在所述4個主邊緣中，

如果相鄰主邊緣間隔的像素點的個數(shù)依次為30±5、15±5和85±5，判斷紙幣的面值為5美元；

如果相鄰主邊緣間隔的像素點的個數(shù)依次為30±5、70±5和85±5，判斷紙幣的面值為10美元；

如果相鄰主邊緣間隔的像素點的個數(shù)依次為30±5、115±5和35±5，判斷紙幣的面值為50美元；

如果相鄰主邊緣間隔的像素點的個數(shù)依次為35±5、20±5和40±5，判斷紙幣的面值為100美元。

本發(fā)明提供的一種美元紙幣的識別方法及裝置，通過獲取紙幣背面特征區(qū)域的紅外反射圖像，并提取對紅外反射圖像的主邊緣，基于主邊緣的數(shù)量以及主邊緣之間的距離確定紙幣的面值，能夠快速識別紙幣的面值，且提高識別的準確度。

附圖說明

通過閱讀參照以下附圖所作的對非限制性實施例所作的詳細描述，本發(fā)明的其它特征、目的和優(yōu)點將會變得更明顯：

圖1a是本發(fā)明實施例一提供的一種美元紙幣面值的識別方法流程圖；

圖1b是本發(fā)明實施例一提供的5美元紙幣背面的紅外反射圖像；

圖1c是本發(fā)明實施例一提供的10美元紙幣背面的紅外反射圖像；

圖1d是本發(fā)明實施例一提供的20美元紙幣背面的紅外反射圖像；

圖1e是本發(fā)明實施例一提供的50美元紙幣背面的紅外反射圖像；

圖1f是本發(fā)明實施例一提供的100美元紙幣的紅外反射圖像；

圖1g是本發(fā)明實施例一提供的5美元紙幣背面特征區(qū)域的紅外反射圖像；

圖1h是本發(fā)明實施例一提供的10美元紙幣背面特征區(qū)域的紅外反射圖像；

圖1i是本發(fā)明實施例一提供的20美元紙幣背面特征區(qū)域的紅外反射圖像；

圖1j是本發(fā)明實施例一提供的50美元紙幣背面特征區(qū)域的紅外反射圖像；

圖1k是本發(fā)明實施例一提供的100美元紙幣背面特征區(qū)域的紅外反射圖像；

圖2a是本發(fā)明實施例二提供的一種美元紙幣面值的識別方法流程圖；

圖2b是本發(fā)明實施例二提供的對5美元紙幣背面特征區(qū)域的紅外反射圖像進行二值化后的圖像；

圖2c是本發(fā)明實施例二提供的對10美元紙幣背面特征區(qū)域的紅外反射圖像進行二值化后的圖像；

圖2d是本發(fā)明實施例二提供的對20美元紙幣背面特征區(qū)域的紅外反射圖像進行二值化后的圖像；

圖2e是本發(fā)明實施例二提供的對50美元紙幣背面特征區(qū)域的紅外反射圖像進行二值化后的圖像；

圖2f是本發(fā)明實施例二提供的對100美元紙幣背面特征區(qū)域的紅外反射圖像進行二值化后的圖像；

圖3是本發(fā)明實施例三提供的一種美元紙幣面值的識別裝置結(jié)構(gòu)框圖。

具體實施方式

下面結(jié)合附圖和實施例對本發(fā)明作進一步的詳細說明。可以理解的是，此處所描述的具體實施例僅僅用于解釋本發(fā)明，而非對本發(fā)明的限定。另外還需要說明的是，為了便于描述，附圖中僅示出了與本發(fā)明相關(guān)的部分而非全部內(nèi)容。

實施例一

圖1a是本發(fā)明實施例一提供的一種美元紙幣面值的識別方法流程圖，所述的方法有美元紙幣面值的識別裝置來執(zhí)行，所述裝置由軟件和/或硬件來執(zhí)行，所述裝置一般配置在計算機等設備中。如圖1a所示，本實施例提供的技術(shù)方案具體包括：

S110：獲取紙幣背面特征區(qū)域的紅外反射圖像。

在本實施例中，示例性，獲取紙幣背面特征區(qū)域的紅外反射圖像，包括：獲取紙幣在分辨率為縱向150DPI、橫向150DPI的背面紅外反射圖像；從所述紅外反射圖像的像素點矩陣中截取行號在100到200之間，且列號在110到430之間的像素點形成的區(qū)域，并將所述區(qū)域的紅外反射圖像作為紙幣背面特征區(qū)域的紅外反射圖像；其中，紙幣的背面紅外反射圖像中橫向像素點的個數(shù)為610，所述紙幣的背面紅外反射圖像中縱向像素點的個數(shù)為260。也就是說，紙幣的背面紅外反射圖像的像素點的個數(shù)為610×260。因此，紙幣的背面紅外反射圖像的像素點矩陣中行號在1-610，列號在1-260。

圖1b是本發(fā)明實施例一提供的5美元紙幣背面的紅外反射圖像；圖1c是本發(fā)明實施例一提供的10美元紙幣背面的紅外反射圖像；圖1d是本發(fā)明實施例一提供的20美元紙幣背面的紅外反射圖像；圖1e是本發(fā)明實施例一提供的50美元紙幣背面的紅外反射圖像；圖1f是本發(fā)明實施例一提供的100美元紙幣的紅外反射圖像。如圖1b-1f所示，不同面值的紙幣的大小是相同的；在紙幣背面的紅外反射圖像中，每個紙幣的紅外反射圖像中的圖案均有缺失，且不同面值的紙幣，紅外反射圖像中圖案缺失的位置、以及大小均是不同的。在圖1b-圖1f的背面紅外反射圖像中，截取行號在100到200之間，且列號在110到430之間的像素點形成的區(qū)域，并將所述區(qū)域的紅外反射圖像作為紙幣背面特征區(qū)域的紅外反射圖像。其中，形成的紙幣背面特征區(qū)域的紅外反射圖像如圖1g-1k所示。在圖1g-1k中，不同面值的紙幣背面特征區(qū)域的紅外反射圖像中，由于圖案的缺失，特征區(qū)域的紅外反射圖像中缺失部分與未缺失部分的灰度值相差很大。

S120：對所述紅外反射圖像進行邊緣檢測，獲取邊緣檢測結(jié)果。

在本實施例中，紅外反射圖象的邊緣是指圖象局部區(qū)域亮度變化顯著的部分，該區(qū)域的灰度剖面一般可以看作是一個階躍，既從一個灰度值在很小的緩沖區(qū)域內(nèi)急劇變化到另一個灰度相差較大的灰度值。如圖1g-1k所示，紅外反射圖像的邊緣是圖案缺失部分與未缺失部分的分界區(qū)域。

在本實施例中，可選的，對所述紅外反射圖像進行邊緣檢測，獲取邊緣檢測結(jié)果，包括：通過canny算子對所述紅外反射圖像進行邊緣檢測，獲取第一邊緣點集合；在所述第一邊緣點集合中，將灰度值大于第一閾值的像素點作為真邊緣點；如果目標像素點的灰度值在第二閾值到第一閾值之間、且與所述目標像素點相鄰的至少一個像素點的灰度值大于第一閾值，將所述目標像素點作為真邊緣點；其中，灰度值小于第二閾值的像素點為假邊緣點；基于所述真邊緣點形成第二邊緣點集合。在本實施例中，第一閾值以及第二閾值根據(jù)多次試驗進行獲得。

可選的，第二閾值小于第一閾值。如果目標像素點的灰度值在第二閾值到第一閾值之間，且與目標像素點相鄰的至少一個像素點的灰度值大于第一閾值，將目標像素點作為真邊緣點，其中，與目標像素點相鄰的像素點包括與目標像素點相鄰的上側(cè)、下側(cè)、左側(cè)或右側(cè)的像素點；或者還可以包括與目標像素點相鄰的左上側(cè)、左下側(cè)、右上側(cè)或右下側(cè)的像素點。

在本實施例中，還可以通過其他的算法對紅外反射圖像進行邊緣檢測，獲取第一邊緣點集合。

S130：基于邊緣檢測結(jié)果提取所述紅外反射圖像的至少兩個主邊緣。

在本實施例中，可選的，基于邊緣檢測結(jié)果提取所述紅外反射圖像的至少兩個主邊緣包括：通過霍夫直線檢測方法對所述第二邊緣點集合進行直線檢測，獲取至少兩條邊緣直線；如果目標邊緣直線上的兩端點之間的距離大于預設長度閾值，將所述目標邊緣直線作為所述紅外反射圖像的主邊緣。

具體的，通過霍夫直線檢測方法檢測第二邊緣點集合中由真邊緣點形成的直線，一般而言，由于紙幣背面特定區(qū)域的紅外反射圖像中的圖案未缺失部分也存在灰度值相差較大的區(qū)域，因此，由第二邊緣點集合中真邊緣點形成的邊緣直線存在多條，且至少存在兩條，在實際識別過程中，邊緣直線的數(shù)量大于兩條。如果某一邊緣直線上的兩端點之間的距離大于預設長度閾值，將該邊緣直線作為紙幣背面特征區(qū)域的紅外反射圖像的主邊緣。其中，預設長度閾值根據(jù)實際需要進行設置，能夠使形成的主邊緣能夠區(qū)分圖案缺失部分與未缺失部分即可。

在本實施例中，還可以通過其他直線檢測方法對第二邊緣點集合進行直線檢測，能夠檢測出第二邊緣點集合所形成的直線即可。

S140：基于所述主邊緣的數(shù)量以及所述主邊緣之間的距離，確定所述紙幣的面值。

在本實施例中，不同的面值的紙幣，主邊緣的數(shù)量以及主邊緣之間的距離是不同的。20美元的紙幣主邊緣的數(shù)量是2條，其余5美元、10美元、50美元以及100美元紙幣的主邊緣的數(shù)量是4條，且主邊緣之間的距離是不同的。根據(jù)判斷主邊緣之間的距離是否符合5美元、10美元、50美元或100美元的標準距離，來進行確定紙幣的面值。

在本實施例中，由于紙幣上印刷的油墨不同，所以紙幣上的油墨對紅外光的感應不同，因此形成的紙幣背面特征區(qū)域的紅外反射圖像中存在圖案缺失，因此通過紅外反射圖像中的圖案缺失也可以辨別紙幣的真?zhèn)巍＞唧w的，當紙幣為真幣時，紅外反射圖像中存在圖案缺失，當紙幣為假幣時，紅外反射圖像中不存在圖案缺失，或者圖案缺失與真幣有著明顯的差異。

本實施例提供的一種美元紙幣面值的識別方法，通過獲取紙幣背面特征區(qū)域的紅外反射圖像，并提取對紅外反射圖像的主邊緣，基于主邊緣的數(shù)量以及主邊緣之間的距離確定紙幣的面值，能夠快速識別紙幣的面值，且提高識別的準確度。

實施例二

圖2a是本發(fā)明實施例二提供的一種美元紙幣面值的識別方法流程圖，在上述實施例的基礎(chǔ)上，可選的，基于所述主邊緣的數(shù)量以及所述主邊緣之間的距離，確定紙幣的面值，包括：

如果所述主邊緣的數(shù)量為2個，則判斷紙幣的面值為20美元；

如果所述主邊緣的數(shù)量為4個，基于所述主邊緣之間的距離確定紙幣的面值。

由此，通過主邊緣的數(shù)量以及主邊緣之間距離確定紙幣的面值，能夠快速識別紙幣的面值。

基于上述的優(yōu)化，如圖2a所示，本實施例提供的技術(shù)方案具體如下：

S210：獲取紙幣背面特征區(qū)域的紅外反射圖像。

S220：對所述紅外反射圖像進行邊緣檢測，獲取邊緣檢測結(jié)果。

S230：基于邊緣檢測結(jié)果提取所述紅外反射圖像的至少兩個主邊緣。

S240：如果所述主邊緣的數(shù)量為2個，則判斷紙幣的面值為20美元。

S250：如果所述主邊緣的數(shù)量為4個，基于所述主邊緣之間的距離確定紙幣的面值。

在本實施例中，圖2b是本發(fā)明實施例二提供的對5美元紙幣背面特征區(qū)域的紅外反射圖像進行二值化后的圖像；圖2c是本發(fā)明實施例二提供的對10美元紙幣背面特征區(qū)域的紅外反射圖像進行二值化后的圖像；圖2d是本發(fā)明實施例二提供的對20美元紙幣背面特征區(qū)域的紅外反射圖像進行二值化后的圖像；圖2e是本發(fā)明實施例二提供的對50美元紙幣背面特征區(qū)域的紅外反射圖像進行二值化后的圖像；圖2f是本發(fā)明實施例二提供的對100美元紙幣背面特征區(qū)域的紅外反射圖像進行二值化后的圖像。在將紅外反射圖像進行二值化過程中，將形成主邊緣的像素點的灰度值設置為255，將其他像素點的灰度值設置為0。如圖2b-2f所示，20美元紙幣背面特征區(qū)域的紅外反射圖像中具有2條主邊緣，其余紙幣均有4條主邊緣，且相鄰主邊緣之間距離不同。

在本實施例中，可選的，所述基于所述主邊緣之間的距離確定紙幣的面值，包括：在所述4個主邊緣中，如果相鄰主邊緣間隔的像素點的個數(shù)依次為30±5、15±5和85±5，判斷紙幣的面值為5美元；如果相鄰主邊緣間隔的像素點的個數(shù)依次為30±5、70±5和85±5，判斷紙幣的面值為10美元；如果相鄰主邊緣間隔的像素點的個數(shù)依次為30±5、115±5和35±5，判斷紙幣的面值為50美元；如果相鄰主邊緣間隔的像素點的個數(shù)依次為35±5、20±5和40±5，判斷紙幣的面值為100美元。

本實施例提供了一種美元紙幣面值的識別方法，通過主邊緣的數(shù)量以及主邊緣之間距離確定紙幣的面值，能夠快速識別紙幣的面值。

實施例三

圖3是本發(fā)明實施例三提供的一種美元紙幣面值的識別裝置結(jié)構(gòu)框圖，所述裝置用于執(zhí)行美元紙幣面值的識別方法，如圖3所示，所述裝置包括圖像獲取模塊310、檢測結(jié)果獲取模塊320、主邊緣提取模塊330和面值確定模塊340。

其中，圖像獲取模塊310，用于獲取紙幣背面特征區(qū)域的紅外反射圖像；

檢測結(jié)果獲取模塊320，用于對所述紅外反射圖像進行邊緣檢測，獲取邊緣檢測結(jié)果；

主邊緣提取模塊330，用于基于邊緣檢測結(jié)果提取所述紅外反射圖像的至少兩個主邊緣；

面值確定模塊340，用于基于所述主邊緣的數(shù)量以及所述主邊緣之間的距離，確定所述紙幣的面值。

進一步的，所述圖像獲取模塊310，具體用于：

獲取紙幣在分辨率為縱向150DPI、橫向150DPI的背面紅外反射圖像；

從所述紅外反射圖像的像素點矩陣中截取行號在100到200之間，且列號在110到430之間的像素點形成的區(qū)域，并將所述區(qū)域的紅外反射圖像作為紙幣背面特征區(qū)域的紅外反射圖像；其中，紙幣的背面紅外反射圖像中橫向像素點的個數(shù)為610，所述紙幣的背面紅外反射圖像中縱向像素點的個數(shù)為260。

進一步的，所述檢測結(jié)果獲取模塊320，具體用于：

在所述紅外圖像中，將灰度值大于第一閾值的像素點作為邊緣點；

如果目標像素點的灰度值在第二閾值到第一閾值之間、且與所述目標像素點相鄰的至少一個像素點的灰度值大于第一閾值，將所述目標像素點作為邊緣點；其中，灰度值小于第二閾值的像素點不作為邊緣點；

基于所述邊緣點形成至少兩條邊緣線。

進一步的，所述主邊緣提取模塊330，具體用于：

通過霍夫直線檢測法對所述邊緣線進行擬合，獲取至少兩條邊緣直線；

將長度大于預設長度閾值的邊緣直線，作為所述紅外反射圖像的主邊緣。

進一步的，所述面值確定模塊340，具體用于：如果所述主邊緣的數(shù)量為2個，則判斷紙幣的面值為2美元；

如果所述主邊緣的數(shù)量為4個，基于所述主邊緣之間的距離確定紙幣的面值。

進一步的，所述基于所述主邊緣之間的距離確定紙幣的面值，包括：

在所述4個主邊緣中，

如果相鄰主邊緣間隔的像素點的個數(shù)依次為30±5、15±5和85±5，判斷紙幣的面值為5美元；

如果相鄰主邊緣間隔的像素點的個數(shù)依次為30±5、70±5和85±5，判斷紙幣的面值為10美元；

如果相鄰主邊緣間隔的像素點的個數(shù)依次為30±5、115±5和35±5，判斷紙幣的面值為50美元；

如果相鄰主邊緣間隔的像素點的個數(shù)依次為35±5、20±5和40±5，判斷紙幣的面值為100美元。

本發(fā)明實施例提供的一種美元紙幣面值的識別裝置，通過獲取紙幣背面特征區(qū)域的紅外反射圖像，并提取對紅外反射圖像的主邊緣，基于主邊緣的數(shù)量以及主邊緣之間的距離確定紙幣的面值，能夠快速識別紙幣的面值，且提高識別的準確度。

注意，上述僅為本發(fā)明的較佳實施例及所運用技術(shù)原理。本領(lǐng)域技術(shù)人員會理解，本發(fā)明不限于這里所述的特定實施例，對本領(lǐng)域技術(shù)人員來說能夠進行各種明顯的變化、重新調(diào)整和替代而不會脫離本發(fā)明的保護范圍。因此，雖然通過以上實施例對本發(fā)明進行了較為詳細的說明，但是本發(fā)明不僅僅限于以上實施例，在不脫離本發(fā)明構(gòu)思的情況下，還可以包括更多其他等效實施例，而本發(fā)明的范圍由所附的權(quán)利要求范圍決定。