[发明专利]假币分类的方法及装置、电子设备及计算机可读存储介质

说明书

本申请提供了一种假币分类的方法及装置、电子设备及存储介质，包括获取假币的特征信息，将特征信息转换为特征向量，并将特征向量输入预先训练好的的分类模型，得到针对假币的分类结果，分类结果包括第一类假币和第二类假币，第一类假币为需上缴的假币，第二类假币为无需上缴的假币，因为，特征信息至少包括假币的图像信息、假币预设局部的元素信息、以及假币的纸质成分信息，所以输入分类模型的特征向量包括了假币多个维度的信息，所以，可以在很大程度上确保基于分类模型得到分类结果是准确的，从而实现了从收集得到的假币中，识别出需要上缴的假币的目标。

技术领域

本申请涉及电子信息领域，尤其涉及一种假币分类的方法及装置、电子设备及存储介质。

背景技术

各个银行金融机构收集得到的假币通常需要上缴至人民银行，以使人民银行可以根据各个银行金融机构上缴的假币，进行进一步的分析统计处理。而然，目前银行金融机构上缴的假币中，很多都是没有参考价值的假币，例如，已经公布的常见类型的假币，或者可明显辨别的假币，这不仅增加了人民银行的工作量，也增大了银行金融机构的运输工作量。

所以，如何从收集得到的假币中，识别出需上缴的假币，成为了亟待解决的问题。

发明内容

本申请提供了假币分类的方法及装置、电子设备及计算机可读存储介质，目的在于解决如何从收集得到的假币中，识别出需上缴的假币的问题。

为了实现上述目的，本申请提供了以下技术方案：

一种假币分类的方法，包括：

获取假币的特征信息，所述特征信息至少包括所述假币的图像信息、所述假币预设局部的元素信息、以及所述假币的纸质成分信息；

将所述特征信息转换为特征向量，并将所述特征向量输入预先训练好的分类模型，得到针对所述假币的分类结果，所述分类结果包括第一类假币和第二类假币，所述第一类假币为需上缴的假币，所述第二类假币为无需上缴的假币，所述分类模型依据标记为所述第一类假币的训练样本以及标记为所述第二类假币的训练样本训练得到。

上述的方法，可选的，还包括，

统计第一目标假币的数量，所述任意两个所述第一目标假币的分类结果属于所述第一类假币，且所述特征信息中至少所述局部的元素信息相同；

在第一目标假币的数量达到第一阈值的情况下，发出第一提示信息，所述第一提示信息中包括所述第一目标假币的所述图像信息，所述第一提示信息用于提示用户将所述第一目标假币作为所述分类模型的训练样本，且将所述训练样本的所述分类结果标记为所述第二类假币，用于训练所述分类模型。

上述的方法，可选的，还包括：

统计第二目标假币的数量，所述第二目标假币为所述分类结果属于所述第一类假币的所述假币；

在所述第二目标假币的数量达到第二阈值的情况下，发出第二提示信息，所述第二提示信息用于提示用户属于所述第一类假币的假币数量已到达上缴的数量。

上述的方法，可选的，所述分类模型为GA-BP神经网络模型，所述GA-BP神经网络模型基于BP神经网络模型预先建立得到；

基于BP神经网络预先建立所述GA-BP神经网络模型的过程，包括：

获取所述第一类假币和所述第二类假币的假币训练样本；

获取所述假币训练样本的特征信息；

确定由输入层、隐层和输出层构成的初始BP神经网络模型，其中，所述初始BP神经网络模型的输入层节点个数依据所述训练样本的特性信息确定，所述初始BP神经网络模型的输出层节点个数依据所述假币预设的所述分类结果确定，所述初始BP神经网络模型的隐层节点个数基于试凑法确定；