[发明专利]一种纸币的识别方法及装置

权利要求书

1.一种纸币的识别方法，其特征在于，包括：

获取待识别纸币的纸币图像并对所述纸币图像进行几何校正得到第一纸币图像；

按照设定划分规则，将所述第一纸币图像划分为第一设定数量的区域，获取各个所述区域的特征向量；

将所述特征向量输入训练后的BP神经网络模型进行识别，获得识别结果。

2.根据权利要求1所述的纸币的识别方法，其特征在于，按照设定划分规则，将所述第一纸币图像划分为第一设定数量的区域，获取各个所述区域的特征向量包括：

对所述区域进行等分获得多个子区域；

分别提取所述多个子区域的特征值；

对所述特征值进行归一化处理，得到所述区域的特征向量。

3.根据权利要求2所述的纸币的识别方法，其特征在于，所述分别提取所述多个子区域的特征值包括：

设定像素阈值，提取像素低于所述阈值的子区域的特征值。

4.根据权利要求1所述的纸币的识别方法，其特征在于，所述按照设定划分规则，将所述第一纸币图像划分为第一设定数量的区域包括：

将与纸币长度所在边缘处于第一预设距离之外且与纸币宽度所在边缘处于第二预设距离之外的区域作为有效区域；

按照所述设定划分规则，将所述有效区域划分为至少三个区域。

5.根据权利要求1-4任一所述的纸币的识别方法，其特征在于，还包括：

根据待识别纸币的币值版本，分别选取设定特征向量的样本；

采用初始BP神经网络模型对所述样本进行训练，获得训练后的BP神经网络模型。

6.一种纸币的识别装置，其特征在于，包括：

获取模块，用于获取待识别纸币的纸币图像并对所述纸币图像进行几何校正得到第一纸币图像；

划分模块，用于按照设定划分规则，将所述第一纸币图像划分为第一设定数量的区域，获取各个所述区域的特征向量；

识别模块，用于将所述特征向量输入训练后的BP神经网络模型进行识别，获得识别结果。

7.根据权利要求6所述的纸币的识别装置，其特征在于，所述划分模块包括：

等分单元，用于对所述区域进行等分获得多个子区域；

提取单元，用于分别提取所述多个子区域的特征值；

归一化处理单元，用于对所述特征值进行归一化处理，得到所述区域的特征向量。

8.根据权利要求7所述的纸币的识别装置，其特征在于，所述提取单元包括：

设定子单元，用于设定像素阈值，提取像素低于所述阈值的子区域的特征值。

9.一种纸币的识别装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。