資源描述：
《tvm紙幣識別模塊中紙幣面值識別技術探究》由會員上傳分享，免費在線閱讀，更多相關內容在行業(yè)資料-天天文庫。
1、TVM紙幣識別模塊中紙幣面值識別技術探究 摘要：在TVM紙幣識別模塊紙幣識別方法中，利用粘連字符分割和結構識別的方法，對人民幣紙幣圖像進行識別。經(jīng)試驗證明，該方法能正確識別紙幣面值，同時對票面的污跡等噪聲有很好的抑制效果。關鍵詞：TVM紙幣處理模塊；紙幣面值識別；粘連字符分割；結構識別中圖分類號：U231+.1文獻標識碼：A文章編號：前言隨著科技的發(fā)展，很多行業(yè)都出現(xiàn)了基于人民幣紙幣識別技術的智能化無人收費系統(tǒng)，節(jié)省了大量的人力資源。人民幣紙幣的識別技術不僅可以應用在自動售貨售票上，也可以應用到銀行的自動存取款機，手機營業(yè)廳的自動交費機等
2、，在地鐵AFC系統(tǒng)中TVM機上也使用了人民幣紙幣識別技術。AFC系統(tǒng)的全稱是AutomaticFareCollectionSystem，是一種由計算機集中控制的自動售票（包括半自動售票）、自動檢票以及自動收費和統(tǒng)計的封閉式自動化網(wǎng)絡系統(tǒng)。6目前已有的識別方法主要是利用統(tǒng)計方法進行識別，如尺寸比較法、模板匹配、人工神經(jīng)網(wǎng)絡等。人民幣紙幣在流通中不可避免的會沾染污跡或磨損。這些方法雖然能快速識別出紙幣的面值，但紙幣上的微小污跡或其他圖像噪聲對識別結果影響很大，甚至出現(xiàn)無法識別或錯誤識別的現(xiàn)象。為此提出以提高識別準確率為目的的識別方法，使用粘連字
3、符分割和句法識別的方法來識別紙幣的面值。1西安地鐵二號線TVM紙幣處理模塊紙幣處理模塊是識別乘客投入到自動售票機的紙幣的機械模塊，安裝在TVM上，可無方向性的識別當前流通的所有幣種的人民幣紙幣。二號線的自動售票機中采用G&DBIM2020（德國捷德）系列紙幣識別器。紙幣識別器對紙幣的放入無方向性要求，無論乘客如何投入紙幣，都不影響紙幣識別器對紙幣的識別功能，經(jīng)過識別后合法的紙幣將被保存到紙幣錢箱，不符合參數(shù)指標的紙幣通過退紙幣口返還給乘客，并有明確標識指示，由TVM機系統(tǒng)完成聲音提示。紙幣識別器識別功能完整，拓展性強，適應今后人民幣防偽技術
4、的發(fā)展趨勢。2紙幣面值識別技術2．1面向識別6要進行人民幣紙幣面值識別，首先要確定人民幣紙幣的面向。只有確定出面向，才能準確定位紙幣要識別的特征區(qū)域。面向可分為：正面正向、正面倒向、反面正向和反面倒向。在進行識別前應先進行預處理，如傾斜校正、濾波等處理。在面向識別中，采用目前常用的方法，即根據(jù)灰度來確定。這種方法識別速度快，準確率高。對紙幣圖像分割成9塊區(qū)域，根據(jù)每一塊的灰度進行比較，可以得出紙幣的面向。2．2面值識別人民幣紙幣識別對準確率要求很高，識別算法應在保證高識別率的基礎上盡可能的提高識別速度。提出的識別方法將粘連字符分割應用到紙幣
5、識別中并采用句法方法進行識別，這種方法受紙幣的污跡影響很小，即使有一些微小磨損或污跡也能準確識別。2．2．1字符提取及分割以50元面值的人民幣為例，對數(shù)字50定位后需要將兩個字符分割開，而5和0連接的很緊密，粘連在一起，直接分割將損害字符的完整。因此需要使用特殊的處理算法。先將數(shù)字字符濾波并進行邊緣提取，得到50的空心字符，充填后進行細化，得到圖1：圖1細化后圖像圖2分割后數(shù)字5和0的圖像圖3圖4此時字符依然是粘連的。在二值圖像中，白色像素點的值為1，黑色像素點值為0。對圖像每一列找出最上端為1的點和最下端為1的點，行數(shù)相減，得到差值K。最
6、上端為1的點為，最下端為1的點為，。然后從開始向下，把到之間的點的值都改為1，此時字符圖像已經(jīng)分離，可以輕易的將字符分割開。分割后也可以做一下簡單的去毛刺處理。如圖2所示，是被分割出來的字符5和0。對字符的識別，這里采用結構識別的方法。62．2．2字符的識別將字符圖像分割成四個象限，如圖3所示，按幾何的方法對象限排序，即右上角為第一象限，左上角為第二象限，左下角為第三象限，右下角為第四象限。之后判斷每個象限的筆畫。根據(jù)筆畫的不同，列出代表筆畫特征的表格，如圖4，可以得出如下結果：結構描述格式為：是否空心；第一象限筆畫；第二象限筆畫；第三象限
7、筆畫；第四象限筆畫。數(shù)字0可以描述為：19876；數(shù)字1可以描述為：03333；數(shù)字2可以描述為：05842；數(shù)字5可以描述為：02425；對要識別的數(shù)字，將其描述出來的字符串進行匹配識別。對字符串進行匹配，就是對兩個分別具有m和n個符號的字符串X和Y，衡量他們之間的相似度，具體定義為：將字符串X變換成Y需要的字母編輯次數(shù)。將描述要識別的數(shù)字的字符串設為X，需要匹配的模板字符串為Y。采用LevenShtein距離法即編輯距離算法，以矩陣的形式給出將X變成Y的所有可能編輯的操作，然后根據(jù)這個矩陣算出最終結果。將表述要被識別的字符的字符串X與其
8、他模板字符串依次匹配，算出LevenShtein距離，距離最小的，就是符合匹配的字符。63試驗結果下載的不同面值紙幣圖像共50張，包括第五版及新第五版人民幣紙幣的正面和反面圖像，
