纸币识别方法及装置与流程

本技术涉及计算机，具体涉及一种纸币识别方法及装置。

背景技术：

1、目前市面主流的纸币鉴伪技术主要分为三大类，分别为荧光鉴伪法、红外鉴伪法及磁性鉴伪法。

2、荧光鉴伪法和红外鉴伪法由于工艺较为简单，具有一定被仿制的可能性。而对于磁性鉴伪技术来说，由于每一种面额纸币的磁性安全线编码排列都不相同，假币的制造工艺在这一指标上还达不到真币水平，因此磁性安全线辨伪是目前最有效的一种辨伪手段，这也就要求研发更高效的鉴伪算法，保证鉴伪的准确性。

3、目前对于人民币磁性安全线鉴别技术主要采用定量分析的方法，通常将磁传感器采集到的纸币安全线磁信号进行滤波、放大、模数转换从而得到数字信号，再通过处理器计算得到安全线信号的方波次数来判断纸币的真伪。而另一种常见的方法则是对安全线磁信号波形的占空比以及信号时间间隔进行判别。

4、以上两种方法在一定程度上能够对人民币进行鉴伪，然而这两种方法仅对磁性安全线波形的局部特征进行比对，效率较低且安全性能不够高。近年来，随着人工智能技术的蓬勃发展，可以提取磁性安全线的信号特征，进而采用神经网络分类的方法对人民币面额进行识别和鉴伪；该方法的提出虽然对识别准确率有了较大的提升，但神经网络的数据训练十分依赖于数据样本的多样性，且需要耗费庞大的计算资源，因而无法广泛推广。

技术实现思路

1、针对现有技术中的问题，本技术实施例提供一种纸币识别方法及装置，能够至少部分地解决现有技术中存在的问题。

2、一方面，本技术实施例提供一种纸币识别方法，包括：

3、获取批量纸币中每个纸币的磁性安全线信息；

4、将每个所述纸币的磁性安全线信息转换为磁信号的时间序列信息；

5、利用预设的聚类算法对所述时间序列信息进行聚类，得到m个类簇以及每个所述时间序列信息所属的类簇，m为正整数；

6、将每个所述类簇的中心时间序列信息与已知面额的纸币的时间序列信息进行匹配，得到每个所述类簇所对应的面额；

7、根据每个所述类簇所对应的面额，确定该类簇下的时间序列信息所对应的纸币的面额。

8、在一些实施例中，所述利用预设的聚类算法对所述时间序列信息进行聚类，得到m个类簇以及每个所述时间序列信息所属的类簇包括：

9、计算每两个所述时间序列信息之间的动态时间扭曲距离；

10、获取所述时间序列信息中与其他时间序列信息之间的动态时间扭曲距离最大的目标时间序列信息；

11、将所述目标时间序列信息作为初始聚类中心，利用距离密度聚类算法对各所述时间序列信息进行聚类，得到m个类簇以及每个所述时间序列信息所属的类簇。

12、在一些实施例中，所述获取所述时间序列信息中与其他时间序列信息之间的动态时间扭曲距离最大的目标时间序列信息包括：

13、对于每个所述时间序列信息，将该时间序列信息与每个其他所述时间序列信息之间的动态时间扭曲距离相加，得到该时间序列信息与其他时间序列信息之间的动态时间扭曲距离；

14、根据每个时间序列信息与其他时间序列信息之间的动态时间扭曲距离，确定所述时间序列信息中与其他时间序列信息之间的动态时间扭曲距离最大的目标时间序列信息。

15、在一些实施例中，在将每个所述类簇的中心时间序列信息与已知面额的纸币的时间序列信息进行匹配，得到每个所述类簇所对应的面额之前，所述方法还包括：

16、对于每个所述类簇，根据该类簇下的时间序列信息，利用dba算法计算该类簇下的平均时间序列信息；

17、将该类簇下与所述平均时间序列信息最相似的时间序列信息作为该类簇的新的聚类中心；

18、根据每个类簇的新的聚类中心，利用ddc算法对所述时间序列信息进行重新聚类，得到m个新类簇、每个新类簇的中心时间序列信息以及每个所述时间序列信息所属的新类簇。

19、在一些实施例中，所述将每个所述类簇的中心时间序列信息与已知面额的纸币的时间序列信息进行匹配，得到每个所述类簇所对应的面额包括：

20、将每个所述新类簇的中心时间序列信息与已知面额的纸币的时间序列信息进行匹配，得到每个所述新类簇所对应的面额；

21、所述根据每个所述类簇所对应的面额，确定该类簇下的时间序列信息所对应的纸币的面额包括：

22、根据每个所述新类簇所对应的面额，确定该新类簇下的时间序列信息所对应的纸币的面额。

23、在一些实施例中，在将每个所述类簇的中心时间序列信息与已知面额的纸币的时间序列信息进行匹配之后，所述方法还包括：

24、若一类簇的中心时间序列信息所对应的磁性安全线信息与所有已知面额的纸币的磁性安全线信息匹配失败，则确定该类簇下的时间序列信息所对应的纸币为假币。

25、在一些实施例中，所述方法还包括：

26、获取一纸币的磁性安全线信息；

27、将所述纸币的磁性安全线信息转换为磁信号的时间序列信息；

28、根据所述时间序列信息与每个所述类簇的中心时间序列信息的距离，确定所述时间序列信息所属的类簇；

29、根据所述时间序列信息所属的类簇所对应的面额，确定该纸币的面额。

30、另一方面，本技术实施例提供一种纸币识别装置，包括：

31、获取模块，用于获取批量纸币中每个纸币的磁性安全线信息；

32、转换模块，用于将每个所述纸币的磁性安全线信息转换为磁信号的时间序列信息；

33、聚类模块，用于利用预设的聚类算法对所述时间序列信息进行聚类，得到m个类簇以及每个所述时间序列信息所属的类簇，m为正整数；

34、匹配模块，用于将每个所述类簇的中心时间序列信息与已知面额的纸币的时间序列信息进行匹配，得到每个所述类簇所对应的面额；

35、确定模块，用于根据每个所述类簇所对应的面额，确定该类簇下的时间序列信息所对应的纸币的面额。

36、在一些实施例中，所述聚类模块具体用于：

37、计算每两个所述时间序列信息之间的动态时间扭曲距离；

38、获取所述时间序列信息中与其他时间序列信息之间的动态时间扭曲距离最大的目标时间序列信息；

39、将所述目标时间序列信息作为初始聚类中心，利用距离密度聚类算法对各所述时间序列信息进行聚类，得到m个类簇以及每个所述时间序列信息所属的类簇。

40、在一些实施例中，所述聚类模块获取所述时间序列信息中与其他时间序列信息之间的动态时间扭曲距离最大的目标时间序列信息包括：

41、对于每个所述时间序列信息，将该时间序列信息与每个其他所述时间序列信息之间的动态时间扭曲距离相加，得到该时间序列信息与其他时间序列信息之间的动态时间扭曲距离；

42、根据每个时间序列信息与其他时间序列信息之间的动态时间扭曲距离，确定所述时间序列信息中与其他时间序列信息之间的动态时间扭曲距离最大的目标时间序列信息。

43、在一些实施例中，所述装置还包括：

44、计算模块，用于对于每个所述类簇，根据该类簇下的时间序列信息，利用dba算法计算该类簇下的平均时间序列信息；

45、聚类中心确定模块，用于将该类簇下与所述平均时间序列信息最相似的时间序列信息作为该类簇的新的聚类中心；

46、重新聚类模块，用于根据每个类簇的新的聚类中心，利用ddc算法对所述时间序列信息进行重新聚类，得到m个新类簇、每个新类簇的中心时间序列信息以及每个所述时间序列信息所属的新类簇。

47、在一些实施例中，所述匹配模块具体用于：

48、将每个所述新类簇的中心时间序列信息与已知面额的纸币的时间序列信息进行匹配，得到每个所述新类簇所对应的面额；

49、所述根据每个所述类簇所对应的面额，确定该类簇下的时间序列信息所对应的纸币的面额包括：

50、根据每个所述新类簇所对应的面额，确定该新类簇下的时间序列信息所对应的纸币的面额。

51、在一些实施例中，所述装置还包括：

52、假币确定模块，用于若一类簇的中心时间序列信息所对应的磁性安全线信息与所有已知面额的纸币的磁性安全线信息匹配失败，则确定该类簇下的时间序列信息所对应的纸币为假币。

53、在一些实施例中，

54、所述获取模块还用于获取一纸币的磁性安全线信息；

55、所述转换模块还用于将所述纸币的磁性安全线信息转换为磁信号的时间序列信息；

56、所述装置还包括：

57、类簇确定模块，用于根据所述时间序列信息与每个所述类簇的中心时间序列信息的距离，确定所述时间序列信息所属的类簇；

58、所述确定模块还用于根据所述时间序列信息所属的类簇所对应的面额，确定该纸币的面额。

59、本技术实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一实施例所述的纸币识别方法的步骤。

60、本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一实施例所述的纸币识别方法的步骤。

61、本技术实施例提供的纸币识别方法及装置，通过获取批量纸币中每个纸币的磁性安全线信息；将每个所述纸币的磁性安全线信息转换为磁信号的时间序列信息；利用预设的聚类算法对所述时间序列信息进行聚类，得到m个类簇以及每个所述时间序列信息所属的类簇，m为正整数；将每个所述类簇的中心时间序列信息与已知面额的纸币的时间序列信息进行匹配，得到每个所述类簇所对应的面额；根据每个所述类簇所对应的面额，确定该类簇下的时间序列信息所对应的纸币的面额。这样，实现了对不同面额的纸币进行快速有效识别。