[发明专利]一种基于双注意力机制的纸币鉴别方法

说明书

本发明公开了一种基于双注意力机制的纸币鉴别方法，包括如下步骤：建立纸币图片数据库；采集纸币图片的正反面，建立图片数据集；将这些数据集内的图片做数据增强；将增强后的数据集进行标注处理；将生成带标注的图片数据集划分为训练集、验证集和测试集；将训练集输入到分割模型中并优化分割模型；再将验证集送入模型中预测mask’,衡量模型的学习能力；最后将测试集输入到最优模型中，得到预测的水印mask’，并将测试集与mask’相乘，得到了纸币上的水印信息。本发明在一些纸币存在太旧且有灰尘、污渍遮挡和褶皱的情况下，能够将它的水印部分完整的分割出来，解决了纸币因遮挡等不能直接鉴别的问题，以此配合来鉴别纸币的真伪。

技术领域

本发明涉及纸币鉴别技术领域，尤其涉及一种基于双注意力机制的纸币鉴别方法。

背景技术

当今社会，银行现金流通规模庞大，银行出纳柜台现金处理工作非常繁重。现金业务对柜员要求高，务必做到在短时间内能准确无误地清点完成。目前现有鉴别纸币方法，包括人工鉴别和点钞机鉴别。人工鉴别是通过观察纸币的表面，闻纸币的墨香，听纸币弹动的声音以及摸纸币凹凸的印刷部位。目前银行网点都采用点钞机来鉴别真假钞票代替曾经的人工验钞。点钞机的原理是用一定波长的红外激光来照射纸币上的荧光字，使荧光字产生一定波长的激光，通过对此激光的检验可辨别钞票的真假。然而，由于一些真币在太旧且有灰尘、污渍遮挡和褶皱的情况下使用点钞机鉴别，可能会鉴别不出。

专利(申请号为CN201710825929.1)公开一种纸币识别方法及装置，该方法包括：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。该发明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。但该专利所提供的纸币识别方法对表面有污渍的钱币识别能力有限，不能解决纸币因遮挡等不能直接鉴别的问题，即该专利方法存在局限性，不能准确鉴别纸币的真伪。

而专利(申请号为CN201710106799.6)公开了一种污损纸币识别方法及系统。该发明通过根据待测纸币图像的第一像素值和待测纸币图像对应的标准图的第二像素值，获取待测纸币图像的目标图的像素值，若目标图的像素值大于预设阈值，则将待测纸币识别为污损纸币，并继续获取该污损纸币的污损区域的分布特征，判断该分布特征是否满足预设规则，若该分布特征满足预设规则，则最终判定该污损纸币具有污损字迹，从而有效识别出具有污损字迹的纸币，使后续自动存取款设备能对这类污损字迹的纸币进行处理。该专利可以对纸币表面污渍进行识别，但对于纸币真假鉴别能力不够。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于双注意力机制的纸币鉴别方法，在一些纸币存在太旧且有灰尘、污渍遮挡和褶皱的情况下，能够将它的水印部分完整的分割出来，解决了纸币因遮挡等不能直接鉴别的问题，以此配合来鉴别纸币的真伪。

本发明的目的是通过以下技术方案来实现的：一种基于双注意力机制的纸币鉴别方法，包括以下具体步骤：

S1：建立纸币图片数据库；

S2：采集M张标准的纸币图片和有遮挡的纸币图片的正反面，建立图片数据集；

S3：将图片数据集内的图片进行数据增强处理；

S4：将增强后的数据集进行标注处理，一张纸币上标注N个不同的标注区域mask；

S5：将生成带标注的图片数据集按比例划分为训练集、验证集和测试集；

S6：将训练集输入到分割模型中，得到预测区域mask’，通过目标函数将得到的mask’与mask做约束，迭代更新参数，优化模型；