[发明专利]一种纸币的识别方法及装置

说明书

技术领域

本发明属于纸币识别技术领域，尤其涉及一种纸币识别方法及装置。

背景技术

在纸币自动识别过程中，纸币的面向是所有后续识别与判断的基础，如果纸币版本面向识别错误，将直接导致后面所有识别算法的误检，因此纸币面向的识别在纸币识别过程中是基础的识别步骤。

现有技术中，纸币识别是根据纸币的特征进行提取和识别，针对不同的纸币的币值版本需要进行不同的特征提取，识别部分也需要根据币值版本等的不同进行相应的修改，同时纸币的新旧程度等也会影响识别的准确度，从而导致纸币识别方法不具有通用性。

发明内容

有鉴于此，本发明实施例提供了一种纸币的识别方法及装置，以解决现有技术中纸币识别方法存在不具有通用性的问题。

本发明实施例的第一方面提供了一种纸币的识别方法，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。

本发明实施例的第二方面提供了一种纸币的识别装置，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。

本发明实施例的第三方面提供了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以下步骤：

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。

本发明实施例的第四方面提供了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以下步骤：

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。

在本发明实施例中，实现了对不同币值版本的纸币面向的识别，只要对不同币值版本的纸币面向各进行一次训练得到网络参数，便可以通用的识别各个币值版本的面向，采用BP神经网络进行识别的方式提高了纸币面向的识别效率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的纸币的识别方法的实现流程示意图；

图2是本发明实施例一中步骤S102的具体实现流程示意图；

图3是本发明实施例中第一纸币图像的示意图；

图4是本发明实施例一中步骤S102的具体实现流程示意图；

图5是本发明实施例中BP神经网络模型的示意图；

图6是本发明实施例二提供的纸币的识别装置的结构框图；

图7是本发明实施例三提供的纸币的识别装置的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一

图1示出了本发明实施例一提供的纸币的识别方法的实现流程示意图。如图1所示，该纸币的识别方法具体包括如下步骤S101至步骤S103。