[發明專利]一種基于模板匹配的紙幣面值面向識別方法

有效

• 申請號: 201611163886.7
• 申請日: 2016-12-16
• 公開（公告）號: CN106803307B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 江浩然
• 申請（專利權）人: 恒銀金融科技股份有限公司
• 主分類號: G07D7/202
• 分類號: G07D7/202
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種基于模板匹配的紙幣面值面向識別方法。該方法通過確定選擇的匹配模板的特征模型；再將該匹配模板按預設匹配策略在目標圖像上滑動，計算匹配模板覆蓋區域與特征模型的匹配度，如果該匹配度大于預設閾值，則根據預設判斷規則判斷紙幣面值面向。本發明通過匹配按預設策略在目標圖像上滑動進行特征匹配，根據匹配度判斷紙幣面值面向，在沒有額外增加算法的時間與空間開銷的情況下，可以極大的提高目標識別的準確率。

技術領域

本發明屬于金融設備紙幣識別技術領域，具體涉及一種基于模板匹配的紙幣面值面向識別方法。

背景技術

在存取款循環機芯設備中，識別模塊負責紙幣的各項檢測任務，包括真偽識別，冠字號識別以及紙幣的清分工作。一般在循環機芯中，對于進入識別模塊的紙幣的各項圖像檢測前，首要任務是確定紙幣的面值與面向，面值面向的判斷準確與否直接影響隨后的圖像檢測結果。其中在各項圖像處理運算中，紙幣的面值面向判斷是這些檢測任務的基礎，面值面向的判斷準確與否，直接影響后續檢測任務的準確率。

在專利號CN2015102505749的紙幣面向識別方法及裝置的專利中，提出了使用BP神經網絡識別紙幣面值面向，首先將紙幣劃分成若干網格，然后提取每個網格的灰度值總和，并形成一個特征向量，將這些特征向量輸入分類器進行訓練。這種基于神經網絡的識別方法，不僅需要對各類面值面向進行大量的訓練，其前期工作量較大；并且其特征的選擇對于光照的變換十分敏感，很容易導致識別錯誤。

發明內容

本發明的目的在于解決上述的技術問題而提供一種基于模板匹配的紙幣面值面向識別方法。

為實現上述目的，本發明采用如下技術方案：

一種基于模板匹配的紙幣面值面向識別方法，包括：

確定選擇的匹配模板的特征模型；

將該匹配模板按預設匹配策略在目標圖像上滑動，計算匹配模板覆蓋區域與特征模型的匹配度，如果該匹配度大于預設閾值，則根據預設判斷規則判斷紙幣面值面向。

優選的，所述匹配模板為紙幣頭像中眼睛與鼻子區域的外接矩形。

優選的，在滑動匹配模板進行匹配之前，還包括以下步驟：

首先確定紙幣圖像中紙幣的輪廓，并確定紙幣當中對應匹配模板的目標區域，然而再在目標區域進行模板匹配。

優選的，在確定匹配模板的特征模型時，采用基于輪廓的模板匹配算法來確定，首先利用canny算子對提取的匹配模板進行canny濾波，確定模板的邊緣輪廓，然后計算邊緣輪廓的梯度值與梯度方向，用該梯度值與梯度方向構造特征模型。

優選的，所述計算匹配模板覆蓋區域與特征模型的匹配度，是通過計算模板覆蓋區域與匹配模板特征模型的歐氏距離來實現。

優選的，所述計算匹配模板覆蓋區域與特征模型的匹配度的過程中，還包括以下步驟：

計算匹配模板在匹配過程中相對于紙幣圖像的旋轉角度；

根據該旋轉角度對匹配模塊進行相應的旋轉并進行匹配；

在所述匹配度大于預設閾值時，根據該旋轉角度判斷紙幣的面值面向。

本發明通過預設確定選擇的合適的匹配模板的特征模型后，將該匹配模板按預設匹配策略在目標圖像上滑動，在滑動的同時計算匹配模板覆蓋區域與特征模型的匹配度，根據該匹配度來判斷紙幣的面值向，在沒有額外增加算法的時間與空間開銷的情況下，極大的提高了紙幣面值面向識別的準確率。

附圖說明

圖1是本發明的基于模板匹配的紙幣面值面向識別方法的流程圖；

圖2是本發明所選取的匹配模板的圖像；

圖3是提取匹配模板的源圖像；