[发明专利]基于深度卷积神经网络的人民币冠字号多标签识别方法

说明书

本发明涉及钞票识别技术领域，尤其涉及一种基于深度卷积神经网络的人民币冠字号多标签识别方法。对钞票图像进行预处理；首先使用先验知识大致定位，然后对冠字号进行准确定位，得到人民币冠字号图像；将所有人民币冠字号图像缩放成预设的同一尺寸；利用深度卷积神经网络对图像特征进行提取，训练模型后得到预测向量，当模型达到一定准确率时保存模型；预测阶段将图像传入到深度卷积神经网络中提取图像特征；将特征图拉伸输入到全连接层中得出预测向量；将预测向量进行Sigmoid操作；将作Sigmoid操作后的预测向量切分成十条，从每一条中找到最大值，并映射到对应的标签向量上，得出最终分类结果。本发明相较于传统识别方法，快速，稳定，准确率高。

技术领域

本发明涉及钞票识别技术领域，尤其涉及一种基于深度卷积神经网络的人民币冠字号多标签识别方法。

背景技术

纸币的冠字号用于记录纸币发行序列，具有控制纸币发行数量以及纸币防伪的作用。冠字号可以理解为每一张纸币的身份证，银行或自助金融设备可对流入或流出的纸币进行冠字号记录，以便于管理取证以及跟踪纸币的流向。自动取款机或存取一体机等自助金融设备还可以根据纸币的冠字号对纸币的真伪进行识别。由此可见，准确的识别出纸币冠字号十分重要。

目前国内外纸币冠字号识别的方法有：通过USB将纸币图像传至上位机进行处理，由于受限于USB传输速度，实时性效果差；通过DSP平台进行纸币冠字号识别，但由于纸币图像的寻边、面向朝向的识别、冠字号区域的定位分割以及冠字号识别采用了低效率的方法，导致识别效果及软件的健壮性较差。例如在纸币图像的寻边，没有进行异常点去除，导致寻找的纸币边缘不准确，影响纸币冠字号定位和识别。又如纸币的面向朝向识别，采用了粗网格特征，严重影响了程序的效率。

这些方法最主要的缺点就是效率低下，识别效果差，冠字号识别率不高。

发明内容

为了克服现有技术的不足，本发明提供了一种基于深度卷积神经网络的人民币冠字号多标签识别方法，相较于传统识别方法，快速，稳定，准确率高。

基于深度卷积神经网络的人民币冠字号多标签识别方法，具体包括如下步骤：

1)对钞票图像进行预处理，包括改善光亮强度、提取冠字号图像以及配准冠字号图像；

2)首先使用先验知识大致定位，然后对冠字号进行准确定位，得到人民币冠字号图像；

3)将所有人民币冠字号图像缩放成预设的同一尺寸；

4)利用深度卷积神经网络对图像特征进行提取，训练模型后得到预测向量，当模型达到一定准确率时保存模型；

5)预测阶段将图像传入到深度卷积神经网络中提取图像特征；

6)将特征图拉伸输入到全连接层中得出预测向量；

7)将预测向量进行Sigmoid操作；

8)将作Sigmoid操作后的预测向量切分成十条，从每一条中找到最大值，并映射到对应的标签向量上，得出最终分类结果。

所述步骤1具体包括：灰度化的基础上结合顶帽变换以改善纸币图像二值化效果；提取纸币图像所在的矩阵区域以去除无关的背景信息；利用单应矩阵对图像进行配准以校正倾斜和消除透视效应；

第一个图像预处理具体包括：

1)建立配准前纸币图像的四个顶角坐标与配准图像的对应关系；

2)由坐标对应关系求出单应矩阵；

3)利用单应矩阵求出配准后的纸币图像中在配准前的纸币图像的对应点；

4)采用双线性插值法对匹配后的纸币图像赋值。