一种多国纸币图像快速识别方法、系统及存储介质与流程

本发明涉及货币识别清分，具体涉及一种多国纸币图像快速识别方法、系统及计算机可读存储介质。

背景技术：

1、随着国际间贸易、旅游等活动越来越频繁，对各个国家货币的识别也变得越来越重要。不同国家的货币，印制方式和防伪措施也各有不同。每个国家的货币都有其独特的印记和特征，正确识别这些特征，才能正确识别货币的真伪。

2、现有的多国货币识别，是在自动点钞模式下，由识别软件对货币的各个特征进行鉴别。由于软件计算时间的限制，且一个软件包中，加载的币种数量有限，在多国货币同时识别时，识别时间长，一定时间内允许走钞的货币张数有限。

3、同时，现有的软件识别方案中，货币币种识别和面值识别只分一步，如果加载所有币种的面值模板进行运算，面值识别花费时间较长，当加载的币种数量较多时，运算的时间非常长。

技术实现思路

1、有鉴于此，有必要提供一种支持币种多样、识别速度快捷的多国纸币图像快速识别方法、系统及计算机可读存储介质。

2、一种多国纸币图像快速识别方法，用于快速识别多国纸币，所述方法包括以下步骤：

3、步骤一，对待识别纸币图像进行图像预处理，得到与预设尺寸范围相应的预处理纸币图像；

4、步骤二，对预处理纸币图像通过小波变换提取粗分类特征，同时获取所有币种的粗分类特征模板；

5、步骤三，粗分类识别，将提取的粗分类特征与粗分类特征模板进行特征比对，按照基于朴素贝叶斯模型的分类算法，输出z组最相似的货币结果；

6、步骤四，根据区域特征在待分类图像中提取特征值，利用现有的已分类数据集训练精细分类模板；

7、步骤五，精细识别，根据粗分类识别的结果加载精细分类特征模板，将模板值作为k-means算法的中心点，使用k-means算法进行聚类操作，取其中得分最高和次高的币种，当分差满足预定要求时输出得分最高币种，否则输出识别失败。

8、优选地，所述步骤一，对待识别纸币图像进行图像预处理，得到与预设尺寸范围相应的预处理纸币图像的步骤具体包括：

9、步骤1-1，查找待识别纸币图像确定的边缘点集合；

10、步骤1-2，对边缘点集合进行四边拟合，准确定位出待识别纸币图像的顶点和中心点位置；

11、步骤1-3，对已定位出顶点和中心点位置的待识别纸币图像进行归一化处理，使已定位出顶点和中心点位置的待识别纸币图像处于水平方向并缩放至与预设尺寸范围相符的尺寸大小。

12、优选地，所述步骤二，对预处理纸币图像通过小波变换提取粗分类特征，同时获取所有币种的粗分类特征模板的步骤具体包括：

13、步骤2-1，图像载入；加载待识别纸币图像；

14、步骤2-2，图像分块；将待识别纸币图像分解若干个不重叠的图像块；

15、步骤2-3，对每个图像块执行小波变换，得到每个图像块的低频系数；

16、步骤2-4，系数处理；对每个图像块的低频系数按照编码规则进行编码，并按二进制位拼接成图像的整体特征。

17、优选地，所述步骤2-3，对每个图像块执行小波变换的步骤具体包括：

18、步骤2-3-1，确定小波基函数；

19、步骤2-3-2，将所述小波基函数应用于当前的图像块，产生小波系数，所述小波系数包括低频系数和高频系数；

20、具体地，小波变换之后的频率系数即为处理后图像的灰度值。

21、步骤2-3-3，保留低频系数，而舍弃高频系数。

22、优选地，所述步骤三，粗分类识别，将提取的粗分类特征与粗分类特征模板进行特征比对，按照基于朴素贝叶斯模型的分类算法，输出z组最相似的货币结果的步骤具体包括：

23、步骤3-1，假定币种数量为n，分别用表示，表示第i个币种，；现有待分类项，表示小波变换所取的m个区域的特征值；对待分类图像的m个区域分别进行小波变换，保留m个图像块内的低频系数表示当前币种图像的轮廓特征；

24、步骤3-2，获取现有已分类币种集与m个图像块匹配的结果作为模板，得到贝叶斯定理的似然概率，如（1）式所示：

25、......................................（1）；

26、其中， p( am| yn)表示在事件 yn发生的前提下事件 am发生的概率；

27、步骤3-3，根据朴素贝叶斯公式进行数学计算，得到似然概率最大值公式如（2）式所示：

28、.............（2）；

29、步骤3-4，将各币种的模板（1）式带入（2）式中，选出前z个币种作为筛选出来的币种集，其中，；

30、优选地，所述步骤四，根据区域特征在待分类图像中提取特征值，利用现有的已分类数据集训练精细分类模板的步骤具体包括：

31、步骤4-1，根据现有的已筛选出来的币种集，确定每一币种的特征区域；

32、步骤4-2，对特征区域进行小波变换，小波变换之后的频率系数为处理后图像的灰度值，保留低频系数以获得该区域的大致轮廓；

33、步骤4-3，截取特征部分保存至该币种的模板文件夹，用于训练精细分类模板；

34、步骤4-4，对所有截取的特征区域再细分成k个a*a的小区域，对每个区域的系数求均值作为该区域的特征值；每个币种的总特征由该币种的k个区域特征值组成，对该币种所有训练集中各区域特征值求均值，得到精细分类模板，即为k值。

35、具体地，k和a的值根据币种变化，通常，a的取值为2、4、6、8，k值则依据a值大小和图像大小得出。

36、优选地，所述步骤五，精细识别，将模板值作为k-means算法的中心点，使用k-means算法进行聚类操作，取其中得分最高和次高的币种，当分差满足预定要求时输出得分最高币种，否则输出识别失败的步骤具体包括：

37、步骤5-1，加载粗分类筛选出的币种集中各个币种的精细分类特征模板；

38、步骤5-2，模板匹配，以精细分类模板的k值作为k-means算法的中心值，对所有待分类纸币进行聚类，特征值与模板值差的绝对值作为距离当前中心的距离，待分类项匹配中心距离最小和次小的两个币种，以距离作为得分；

39、步骤5-3，选取其中最高和次高评分的币种，当分差满足预定要求时，确定最高得分者为当前币种输出，否则输出识别失败。

40、优选地，所述步骤5-2中以精细分类模板的k值作为k-means算法的中心值，对所有待分类纸币进行聚类的具体步骤包括：

41、步骤5-2-1，以提取精细分类特征模板同样的方式提取当前待分类项的特征值；

42、步骤5-2-2，各小区域特征值分别与精细分类特征模板作差，以绝对值之和就是距当前中心的距离；

43、步骤5-2-3，选择距离最近的中心点进行匹配，以距离作为得分。

44、以及，一种多国纸币图像快速识别系统，用于实现如上所述的多国纸币图像快速识别方法，所述装置包括：

45、图像采集模块，用于采集带识别纸币图像；

46、四点定位模块，用于定位图像边缘点并通过这些点拟合直线找到图像四角，再将图像尺寸归一化为指定大小；

47、特征提取模块，用于从尺寸归一化后的图片上提取相应的粗分类特征和细分类特征；

48、粗分类模块，用于将特征提取模块提取的粗分类特征与粗分类特征模板代入朴素贝叶斯公式判断，筛选出最接近的z个识别结果；

49、细分类模块，用于对粗分类结果进行进一步比对，通过k-means聚类找到最接近的识别结果；

50、结果输出模块，用于输出当前识别结果；

51、其中，

52、所述四点定位模块包括：

53、边缘点集合查找单元，用于查找边缘点；

54、直线拟合单元，用于用边缘点集合拟合四边；

55、图像尺寸归一化单元，用于图像的小幅旋转至水平和尺寸缩放；

56、所述特征提取模块包括：

57、小波变换单元，用于进行小波变换过程；

58、图像像素提取单元，用于提取图像一系列字块的特征值；

59、特征编码单元，用于将各区域低频系数编码合并；

60、所述粗分类模块包括：

61、贝叶斯分类计算单元，用于利用贝叶斯模型进行分类；

62、分类结果筛选单元，用于筛选所需的币种；

63、所述细分类模块包括：

64、加载粗分类结果单元，用于加载粗分类筛选出的z个最近似的币种模板；

65、k-means聚类单元，用于对筛选出来的结果进行k-means聚类处理，找到所需的结果。

66、以及，一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行实现如上所述的多国纸币图像快速识别方法。

67、上述多国纸币图像快速识别方法、系统及计算机可读存储介质中，为解决当前同时点钞币种个数限制的问题，将识别分为两个步骤进行：第一步，将多国货币统一生成一个粗分类的模板，待识别的货币与粗分类模板进行比对，得到相似度最高的z个面值。第二步，加载相似度最高的n个面值的模板，与待识别图像进行精细比对，得到最终的准确识别结果。对待识别纸币图像首先进行粗分类识别，模板匹配时，无需将所有面值纸币全部加载进行匹配，仅匹配粗分类识别出来的面值，从而大大减少了软件计算的时间。本发明的方法简单，易于实现，成本低廉，便于推广。