СПОСОБ И СИСТЕМА УПРАВЛЕНИЯ БАНКОМАТАМИ

Область изобретения

[0001] Настоящее изобретение относится к области финансов и, в частности, к системе и способу управления банкнотами.

Предшествующий уровень техники

[0002] С непрерывно повышающимся уровнем информатизации в области финансов, защита денежных знаков от подделок, управление процессом обслуживания и финансовая безопасность в банковской системе постепенно подвергаются интеллектуализации, и управление банкнотами играет существенную роль в поддержании безопасности и стабильности национальной финансовой системы и в реализации управления отслеживанием циркуляции юаней, управления поддельными денежными знаками, управления конфигурацией банкнот в банкоматах, управления поврежденными банкнотами и управления поступлением и выплатой наличных денежных средств.

[0003] Управление банкнотами в основном направлено на всестороннюю обработку информации, такой как информация о банкноте и служебная информация, и префиксный номер (серийный номер) в информации о банкноте играют все более важную роль в управлении банкнотами, и отслеживание и запросы относительно банкнот существенно облегчаются за счет ассоциирования информации, содержащейся в префиксном номере, с другой информацией, такой как служебная информация. Таким образом, при управлении банкнотами существует высокая потребность в считывании и идентификации префиксных номеров и другой информации, особенно в идентификации префиксных номеров в идентифицируемой области, что требует не только высокой точности, но также высокой эффективности идентификации и скорости идентификации.

[0004] В соответствующей области техники с развитием технологии DSP (цифровой обработки сигналов) широко применяется идентификация префиксных номеров на платформе DSP с помощью технологии компьютерного зрения и технологии обработки изображений. В конкретном алгоритме идентификации обычно используемый способ включает сопоставление с шаблоном, метод нейронной сети с обратным распространением ошибки (BP), механизм опорных векторов и т.д., и при идентификации также применяется слияние мультинейронной сети. Например, в патенте CN2014028528.9 идентификация реализована путем соответственного проектирования и обучения двух нейронных сетей, т.е. сеть извлечения признаков обучается на признаках векторного изображения префиксного номера, а затем комбинируется с нейронной сетью с BP для идентификации, и префиксный номер идентифицируется через слияние со взвешиванием двух указанных сетей. Однакоспособ идентификации с помощью DSP часто ограничен пропускной способностью сети и подвержен влиянию положения и ориентации банкнот при идентификации способом DSP, при этом эффективность идентификации и устойчивость алгоритма идентификации относительно невысоки. Например, в патенте CN20151072688.2 проводят границу порога в оттенках серого и определяют направление поиска, и затем линию границы отображают сквозь порог для получения наклона области. После идентификации ориентации в комбинации с обучением нейронной сети, префиксный номер идентифицируют построчным сканированием и с помощью последующей обработки в нейронных сетях.

[0005] В качестве другого примера, в статье "Research and Implementation of RMB Clearing Method Based on Image Analysis" для идентификации префиксного номера применяется сверточная нейронная сеть. Однако вышеописанное решение лишь сегментирует знаки с помощью простейшей бинаризации, которая не может эффективно очертить (to lasso; захватить, охватить) знаки, и это непосредственно влияет на объем данных, которые обрабатываются позднее, и непосредственно влияет на практическую ценность алгоритма. Кроме того, в вышеописанном техническом решении для сегментированного знака применяется лишь простая обработка размера, но к предварительно обработанным и сегментированным изображениям очерчивание применяется неэффективно, и данные изображения эффективно не нормализуются. Эта простая обработка размера требует большого объема обработки данных для последующей идентификации с помощью нейронной сети, что значительно снижает эффективность последующей идентификации. Дополнительно, влияние неполной банкноты на идентификацию банкноты и обработку изображения в вышеописанном техническом решении правильно не обрабатывается. Хотя вышеописанное техническое решение теоретически позволяет добиться определенной точности идентификации, его невозможно преобразовать в практический коммерческий способ, и он не соответствует требованиям к скорости при реальной идентификации банкноты из-за низкой эффективности способа работы и идентификации.

[0006] Из вышеизложенного видно, что в соответствующей области имеются следующие проблемы: проблему ориентации банкноты и эффективного позиционирования знаков невозможно эффективно решить, в соответствующей области техники диапазон знаков после идентификации велик, что легко приводит к неправильной сегментации знаков, и объем данных для последующей обработки изображения и идентификации велик, что снижает эффективность идентификации, невозможно адаптироваться к быстрому изменению наклона банкноты, вызванному подачей банкноты, и наклон банкноты нельзя скорректировать и идентифицировать вовремя; и надежность идентификации поврежденных банкнот невелика, и не предлагаются способы идентификации и обработки поврежденных банкнот.

Сущность изобретения

[0007] Поэтому предлагаются способ и система управления банкнотами согласно настоящему изобретению, которые способны точно собирать и идентифицировать информацию о банкноте с высокой эффективностью для решения первой технической проблемы, согласно которой система управления банкнотами по предшествующему уровню техники не способна точно собирать и идентифицировать информацию о банкноте с высокой эффективностью.

[0008] Для решения второй технической проблемы, согласно настоящему изобретению предлагается способ идентификации префиксного номера, который эффективно решает проблему устойчивости алгоритма идентификации в условиях повреждений, грязи, быстрого переворота и т.п. идентифицируемого объекта, при обеспечении эффективности идентификации префиксного номера.

[0009] Способ управления банкнотами по настоящему изобретению содержит этапы, на которых:

[0010] (1) собирают, идентифицируют и обрабатывают с помощью устройства обработки информации о банкноте, информацию о признаке банкноты;

[0011] (2) передают информацию о признаке банкноты, полученную на этапе (1), служебную информацию и информацию об устройстве обработки информации о банкноте, совместно на главный сервер; и

[0012] (3) интегрируют с помощью главного сервера принятую информацию о признаке банкноты, служебную информацию и информацию об устройстве обработки информации о банкноте, и классифицируют банкноты.

[0013] Предпочтительно, информацию о признаке банкноты собирают посредством одного или более из измерения изображения, инфракрасных измерений, измерения флуоресценции, магнетизма и толщины на этапе 1).

[0014] Предпочтительно, этап классификации банкнот на этапе 3), в частности, включает в себя этап, на котором после классификации банкнот, банкноты подают в различные хранилища для банкнот в соответствии с категориями классификации. Хранилище для банкнот является контейнером или пространством для размещения банкнот.

[0015] Предпочтительно информация о банкноте включает одну или более из следующих позиций: валюта, номинальная стоимость, ориентация, аутентичность, степень новизны, потертость и префиксный номер, при этом ориентация относится к прямой и обратной ориентации банкноты.

[0016] Предпочтительно служебная информация включает одно или более из записанной информации о сборе, платеже, депонировании (внесении) или снятии, информации о периоде времени обслуживания, информации об операторе, информации о номере карточки транзакции, идентификационной информации по меньшей мере об одном из обработчика и агента, информации о двумерном коде, и номера пакета.

[0017] Предпочтительно, этап идентификации признаков банкноты содержит следующие этапы:

[0018] этап a: извлекают изображение в оттенках серого для области, в которой расположен упомянутый признак банкноты, и выполняют обнаружение контура на изображении в оттенках серого, при этом обнаружение контура можно выполнять с помощью известных алгоритмов Кэнни, Собеля и другие для обнаружения границ, а затем комбинировать с линейным сглаживанием для получения линейной формулы границы, но эмпирический порог для обнаружения границы следует задавать экспериментально, чтобы получить [приемлемую] скорость расчетов этим способом.

[0019] этап b: поворачивают изображение, т.е. корректируют и картируют координатные точки на изображении банкноты после обнаружения границ, чтобы выпрямить изображение, тем самым облегчая сегментацию и идентификацию изображения номера, при этом поворот может выполняться с помощью трансформации или коррекции координатных точек в соответствии с формулой обнаруженной границы для получения формулы трансформации или вращением полярных координат и т.д.

[0020] этап c: позиционируют отдельные цифры на изображении, что, в частности, включает в себя следующие этапы: выполняют адаптивную бинаризацию изображения для получения бинаризованного изображения; затем проецируют бинаризованное изображение, при этом обычную проекцию изображения дополняют только одной вертикальной проекцией и одной горизонтальной проекцией, и конкретное направление проекции и количество раз можно регулировать в соответствии с конкретными требованиями к среде идентификации и точности, например можно использовать проекцию, направленную под углом, или можно использовать множество проекций; и, наконец, сегментируют цифры, задавая подвижное окно и используя способ регистрации (фиксации) подвижного окна для получения изображения каждой цифры, при этом сильно сказывается влияние смазанности изображения на изображение префиксного номера и слияния знаков из-за общих проблем, таких как повреждение и смазанность банкноты и, в частности, слияние трех или более знаков делает их почти неразделимыми; поэтому после проекции изображения настоящее изобретение добавляет способ перемещения окна для точного определения положения знаков; способ перемещения окна предназначен для уменьшения области знака путем задания фиксированного окна, например, с помощью шаблона окна, чтобы получить более точное позиционирование области, и в настоящем изобретении можно применять все способы скользящего сопоставления путем задания фиксированного окна.

[0021] этап d: выполняют очерчивание применительно к знаку в изображении каждого знака и выполняют нормализацию в отношении изображения каждого знака, предпочтительно нормализация содержит нормализацию размера и нормализацию яркости; при этом очерчивание применительно к знаку относится к позиционированию знаков, которые вновь сегментированы с приблизительными положениями деталей для дальнейшего уменьшения объема данных, которые должны обрабатываться для последующей идентификации изображения, что обеспечивает высокую общую скорость работы системы; и

[0022] этап e: идентифицируют изображение нормализованного номера, используя нейронную сеть для получения признаков банкноты, причем признак банкноты содержит префиксный номер.

[0023] Предпочтительно обнаружение границ на этапе a дополнительно содержит этапы, на которых: задают порог шкалы оттенков серого и выполняют линейный поиск из верхнего и нижнего направлений в соответствии с порогом, чтобы найти границы, при этом для обнаружения границ применяют способ линейного сканирования для получения линейных координат пикселя границы, и получают линейную формулу границы изображения по меньшей мере методом квадратов и определяют горизонтальную длину, вертикальную длину и наклон изображения банкноты.

[0024] Предпочтительно, поворот на этапе b дополнительно содержит этапы, на которых: получают матрицу поворота на базе горизонтальной длины, вертикальной длины и наклона, и получают координаты пикселя после поворота в соответствии с матрицей поворота. Матрица поворота может быть получена преобразованием полярных координат, т.е., например, с помощью матрицы преобразования полярных координат; угол наклона банкноты можно определить по полученной линейной формуле границ, а матрицу преобразования полярных координат каждого пикселя можно рассчитать в соответствии с углом и длиной границы; матрицу преобразования также можно рассчитать обычным преобразованием координат, например, задав центральную точку банкноты как точку начала координат в соответствии с углом наклона и длиной границы, и рассчитывая матрицу преобразования каждой координатной точки в новой системе координат, и т.д.; также можно использовать другие способы трансформации матриц для коррекции поворота изображения банкноты.

[0025] Предпочтительно, бинаризация изображения с помощью адаптивной бинаризации на этапе c включает этапы, на которых:

[0026] получают гистограмму изображения, задают порог Th, и когда сумма точек величины оттенка серого в гистограмме от 0 до Th больше или равно заранее заданной величине, используют Th как порог адаптивной бинаризации для выполнения бинаризационной обработки изображения и получения бинаризованного изображения.

[0027] Предпочтительно, проецирование бинаризованного изображения включает трехкратное проецирование в разных направлениях.

[0028] Предпочтительно, регистрация подвижного окна на этапе c, в частности, содержит этапы, на которых: проецируют подвижное окно для регистрации, перемещают окно горизонтально на карте вертикальной проекции, и положение, соответствующее минимальной сумме пустых точек в окне, является оптимальным положением для сегментации префиксного номера в направлении влево-вправо.

[0029] Предпочтительно, окно является цепочкой импульсов с фиксированным интервалом, и ширина между импульсами заранее задана интервалом между изображениями префиксных номеров.

[0030] Предпочтительно, ширина каждого импульса равна от 2 до 10 пикселей.

[0031] Предпочтительно очерчивание на этапе d, в частности, включает в себя: отдельное выполнение бинаризационной обработки изображения каждой цифры, выполнение увеличения области на бинаризованном изображении каждой полученной цифры и, наконец, после наращивания областей выбор из полученных областей одной или двух областей с площадью, превышающей некоторую заранее заданную пороговую площадь, прямоугольник, в котором расположена выбранная область, является прямоугольником изображения каждой цифры после очерчивания. Для наращивания области можно использовать алгоритм наращивания области, например, метод восьмисвязной окрестности.

[0032] Предпочтительно этап отдельной бинаризации изображения каждого знака, в частности, содержит: извлечение гистограммы изображения каждого знака, получение порога бинаризации методом бимодальной гистограммы, и затем, выполнение бинаризационной обработки изображения каждой цифры в соответствии с порогом бинаризации.

[0033] Предпочтительно, нормализация размера на этапе d выполняется с помощью алгоритма билинейной интерполяции.

[0034] Более предпочтительно размером нормализации является один из следующих: 12*12, 14*14, 18*18 и 28*28 пикселей.

[0035] Предпочтительно нормализация яркости на этапе d включает: получение гистограммы изображения каждой цифры, расчет средней величины оттенка серого переднего плана, и средней величины оттенка серого заднего плана, сравнение величины оттенка серого пикселя до нормализации яркости со средней величиной оттенка серого переднего плана и со средней величиной оттенка серого заднего плана, соответственно, и задание величины оттенка серого пикселя до нормализации в качестве соответствующей конкретной величины оттенка серого в соответствии с результатом сравнения.

[0036] Предпочтительно, способ дополнительно содержит этап оценки ориентации, выполняемый между этапами b и c: определяют размер банкноты через повернутое изображение, определяют номинальную стоимость в соответствии с размером; сегментируют целевое изображение банкноты на n блоков, рассчитывают среднюю величину яркости в каждом блоке, сравнивают среднюю величину яркости с заранее заготовленным шаблоном, оценивают шаблон как имеющий соответствующую ориентацию, когда разница между двумя величинами минимальна. Шаблон можно заранее заготавливать разными способами, лишь бы его можно было использовать как шаблон для сравнения с изображениями банкнот, например, определяя разницу в яркости, разницу в цвете, вызванные разной ориентацией, или другие признаки, которые можно преобразовать в величины яркости и пр.

[0037] Предпочтительно, заранее заготовленный шаблон сегментирует изображения банкнот разной номинальной величины в разной ориентации на блоки и рассчитывает среднюю величину яркости в каждом блоке как шаблон.

[0038] Предпочтительно способ дополнительно содержит этап оценки степени новизны, который выполняют между этапом b и этапом c: сначала извлекают изображение с заранее заданным разрешением, берут все области изображения как области признаков гистограммы, сканируют точки пикселей в областях, помещают точки пикселей в матрицу, записывают гистограмму каждой точки пикселя, подсчитывают определенную пропорцию самых ярких точек пикселей согласно гистограммы, и получают среднюю величину оттенка серого самых ярких точек пикселей как основу для оценки степени новизны. Изображения с заранее заданным разрешением могут иметь разрешение, например, 25 точек на дюйм и т.д. Определенная пропорция может настраиваться в соответствии с конкретными требованиями и может составлять 40%, 50% и т.п.

[0039] Предпочтительно, способ дополнительно содержит этап идентификации повреждений, который выполняют между этапом b и этапом c: принимают полученное пропусканием изображение, соответственно размещая источник света и датчик по обе стороны банкноты, и точка за точкой детектируют принятое перевернутое изображение, и когда два точки пикселей, расположенные рядом друг с другом, имеют величину меньше, чем пороговая величина, считают эту точку точкой повреждения. Обнаружение точек повреждения может подразделяться на обнаружение оторванного угла, отверстие и пр.

[0040] Предпочтительно способ дополнительно содержит этап идентификации рукописных надписей, который выполняется между этапами b и c: в фиксированной области сканируют пиксельные точки, помещают пиксельные точки в клеточную матрицу, записывают гистограмму каждой пиксельной точки, считают заранее определенное количество наиболее ярких пиксельных точек согласно гистограммам, получают среднюю величину оттенка серого, получают пороговую величину, соответствующую средней величине оттенка серого и определят пиксельные точки с величиной оттенка серого меньшей, чем пороговая величина, как точки рукописной надписи. Заранее определенным количеством может быть 20, 30 и т.д., что не ограничивает объем защиты настоящего изобретения; для получения пороговой величины, соответствующей средней величине оттенка серого моно использовать разные способы. Средняя величина оттенка серого может непосредственно использоваться как пороговая величина, или может использоваться как функция переменных для определения пороговой величины.

[0041] Предпочтительно, на этапе e в качестве нейронной сети применяется сверточная нейронная сеть вторичной классификации; все цифры и буквы, связанные с префиксным номером, классифицируются согласно первичной классификации, а категории и частичные категории в первичной классификации вновь классифицируются согласно вторичной классификации. Следует отметить, что количество категорий первичной классификации можно задавать в соответствии с потребностями классификации и предпочтениями, например, 10 категорий, 23 категории, 38 категорий и т.д., и это количество не ограничено; кроме того, вторичная классификация относится к вторичной классификации, выполняемой вновь для некоторых категорий, которые подвержены ошибкам, поэтому префиксные номера далее можно распознавать и идентифицировать с более высокой скоростью, тогда как конкретное количество входных и выходных категорий вторичной классификации можно детально задавать в соответствии в соответствии с настройками категории первичной классификации, а также в соответствии с требованиями классификации и предпочтениями, которые в настоящем изобретении не ограничены.

[0042] Предпочтительно структура модели сверточной нейронной сети последовательно является следующей:

[0043] входной слой: в качестве визуального входа используется только одно изображение, и изображение является изображением в оттенках серого одного префиксного номера, который нужно идентифицировать;

[0044] слой С1: сверточный слой, образованный шестью картами признаков;

[0045] слой S2: слой понижающей выборки, выполняющий субдискретизацию изображений с использованием принципа локальной корреляции изображения;

[0046] слой C3: сверточный слой, свертывающий слой S2 с применением заранее заданного ядра свертки, в котором каждая карта признаков в слое C3 соединена со слоем S2 неполной связностью;

[0047] слой S4: слой понижающей выборки, выполняющий субдискретизацию изображений с использованием принципа локальной корреляции изображения;

[0048] слой C5: простое растяжение слоя S4, становящийся одномерным вектором;

[0049] выходное число сетей является классификационным числом и образует структуру полного соединения со слоем C5.

[0050] Предпочтительно, и слой C1, и слой C3 выполняют свертку с помощью ядер свертки 3˟3.

[0051] Предпочтительно устройство обработки информации о банкноте содержит одно или более из устройства для сортировки, счетчика банкнот и детектора банкнот; а информация об устройстве обработки информации о банкноте содержит одно или более из производителя, номера устройства и расположения финансовой организации.

[0052] Или, устройство обработки информации о банкноте является устройством финансового самообслуживания, и информация об устройстве обработки информации о банкноте содержит одно или более из записи конфигурации банкнот, номера денежного ящика, производителя, номера устройства и расположения финансовой организации.

[0053] Способу правления банкнотами содержит этапы, на которых собирают, идентифицируют и обрабатывают информацию о банкноте в соответствующих сервисах, и передают информацию о банкноте на ведущий компьютер отделения банка или на ведущий компьютер расчетно-кассового центра от множества устройств обработки информации о банкноте, после чего передают информацию о банкноте на главный сервер от ведущего компьютера отделения банка или расчетно-кассового центра.

[0054] Кроме того, согласно настоящему изобретению далее предлагается систему управления банкнотами, содержащая терминал обработки информации о банкноте и терминал главного сервера;

[0055] терминал обработки информации о банкноте содержит модуль транспортировки банкнот, модуль детектирования и модуль обработки информации;

[0056] модуль транспортировки банкнот выполнен с возможностью транспортировать банкноты на модуль детектирования;

[0057] модуль детектирования собирает информацию о признаке банкноты и идентифицирует его;

[0058] модуль обработки информации обрабатывает информацию о признаке банкноты, собранную и идентифицированную модулем детектирования и выводит информацию о признаке банкноты и передает информацию о признаке банкноты;

[0059] терминал главного сервера выполнен с возможностью принимать информацию о признаке банкноты, служебную информацию и информацию о терминале обработки информации о банкноте, обрабатывать эти три типа принятой информации и классифицировать банкноты.

[0060] Обработка терминалом главного сервера принятой информации, в частности, включает в себя такие виды обработки, как суммирование, хранение, объединение, поиск, отслеживание, экспорт и т.п.

[0061] В системе также может применяться модуль детектирования для идентификации префиксного номера платформы DSP, и он может быть встроен или соединен с обычным детектором банкнот, счетчиком банкнот, банкоматом или другим оборудованием, имеющимся на рынке. Более конкретно, модуль детектирования содержит модуль обработки изображения, модуль процессора и модуль CIS-датчика изображения (контактного датчика изображения);

[0062] модуль обработки изображения дополнительно содержит модуль обнаружения границ и модуль поворота;

[0063] модуль процессора дополнительно содержит модуль позиционирования цифры, модуль лассо, модуль нормализации и модуль идентификации;

[0064] модуль позиционирования цифры выполняет бинаризационную обработку изображения с помощью адаптивной бинаризации для получения бинаризованного изображения; и

[0065] затем проецирует бинаризованное изображение; и, наконец, сегментирует цифры, задавая подвижное окно, и использует способ регистрации подвижного окна для получения изображения каждой цифры, и передает изображение каждой цифры на модуль лассо, где способ регистрации подвижного окна заключается в уменьшении области цифры путем задания фиксированного окна, например, способом шаблона окна, для более точного позиционирования области и в настоящем изобретении модно применять все способы скользящего сопоставления путем задания фиксированного окна.

[0066] Модуль нормализации выполнен с возможностью выполнения нормализации в отношении изображения, обработанного модулем лассо, предпочтительно нормализация включает нормализацию размера и нормализацию яркости.

[0067] Предпочтительно, модуль обработки цифры дополнительно содержит модуль окна, который создает подвижное окно для регистрации в соответствии с интервалом между префиксными номерами и перемещает окно горизонтально на карте вертикальной проекции и рассчитывает сумму пустых точек в окне; и

[0068] модуль окна также может сравнивать сумму пустых точек в разных окнах.

[0069] Предпочтительно модуль лассо отдельно выполняет бинаризационную обработку изображения каждой цифры, выполняет наращивание области в бинаризованном изображении каждой полученной цифры и, наконец, из областей, полученных после наращивания областей, выбирает одну или две области, площадь которых больше заранее заданной пороговой площади; прямоугольник в котором расположена выбранная область, является прямоугольником изображения каждой цифры после очерчивания. При наращивании областей можно использовать алгоритм наращивания области, например, алгоритм восьмисвязных окрестностей.

[0070] Предпочтительно, отдельно выполняемая бинаризационная обработка изображения каждой цифры, в частности, включает в себя: извлечение гистограммы изображения каждой цифры, получение порога бинаризации с помощью способа бимодальной гистограммы и, затем, выполнение бинаризационной обработки изображения каждой цифры в соответствии с порогом бинаризации.

[0071] Предпочтительно, модуль детектирования дополнительно содержит модуль компенсации, выполненный с возможностью компенсировать изображение, полученное модулем CIS-датчика изображения, при этом модуль компенсации хранит заранее накопленные данные о яркости в чисто белом или чисто черном цвете, и получает коэффициент компенсации относительно эталонной величины оттенка серого пиксельной точки, который можно задать; и

[0072] запоминает коэффициент компенсации в модуле процессора и устанавливает таблицу соответствия.

[0073] Предпочтительно модуль идентификации идентифицирует префиксный номер с помощью обученной нейронной сети.

[0074] Предпочтительно, в качестве нейронной сети используется сверточная нейронная сеть вторичной классификации; все цифры и буквы, связанные с префиксным номером, классифицируются по первичной классификации, и категории частичных категорий в первичной классификации вновь классифицируются второй классификацией. Следует отметить, что количество категорий первичной классификации можно задавать в соответствии с требованиями к классификации и предпочтениями, например, 10 категорий, 23 категории, 38 категорий и т.д., и это количество не ограничивается; аналогично, вторичная классификация относится к вторичной классификации, выполняемой вновь для некоторых категорий, которые имеют склонность к неправильному расчету, так, чтобы префиксные номера можно было дополнительно распознать и идентифицировать с более высокой скоростью идентификации, тогда как конкретное число входных категорий и число выходных категорий вторичной классификации можно детально задать в соответствии с настройками категория первичной классификации, а также требованиями классификации и предпочтениями, и это число не ограничено.

[0075] Предпочтительно структура модели сверточной нейронной сети последовательно является следующей:

[0076] входной слой: в качестве визуального входя используется только одно изображение, и изображение является изображением в оттенках серого одного префиксного номера, который нужно идентифицировать;

[0077] слой С1: сверточный слой, образованный шестью картами признаков;

[0078] слой S2: слой понижающей выборки, выполняющий субдискретизацию изображений с использованием принципа локальной корреляции изображения;

[0079] слой C3: сверточный слой, свертывающий слой S2 с применением заранее заданного ядра свертки, в котором каждая карта признаков в слое C3 соединена со слоем S2 неполной связностью;

[0080] слой S4: слой понижающей выборки, выполняющий субдискретизацию изображений с использованием принципа локальной корреляции изображения;

[0081] слой C5: простое растяжение слоя S4, становящийся одномерным вектором;

[0082] выходное число сетей является классификационным числом и образует структуру полного соединения со слоем C5.

[0083] Предпочтительно, и слой C1, и слой C3 выполняют свертку с помощью ядер свертки 3×3.

[0084] Предпочтительно, модуль идентификации дополнительно содержит модуль обучения нейронной сети, выполненный с возможностью обучения нейронной сети.

[0085] Предпочтительно в качестве модуля процессора можно использовать систему микросхем, например, перепрограммируемые логические интегральные схемы.

[0086] Предпочтительно, модуль процессора дополнительно содержит модуль оценки ориентации, выполненный с возможностью оценивать ориентацию банкноты.

[0087] Предпочтительно модуль процессора дополнительно содержит модуль оценки степени новизны, выполненный с возможностью оценивать степень новизны банкноты.

[0088] Предпочтительно модуль процессора дополнительно содержит модуль идентификации повреждений, выполненный с возможностью идентифицировать положение повреждения на банкноте. Повреждения включают оторванный угол, отверстия и пр.

[0089] Предпочтительно модуль процессора дополнительно содержит модуль процессора содержит модуль идентификации рукописных надписей, выполненный с возможностью идентификации рукописных надписей на банкноте.

[0090] Предпочтительно, классификация банкнот терминалом главного сервера, в частности, включает в себя подачу банкнот после классификации банкнот в разные хранилища в соответствии с категориями классификации.

[0091] Предпочтительно информация о признаке банкноты включает одно или более из валюты, номинальной стоимости, ориентации, подлинности, степени новизны, порчи и префиксного номера.

[0092] Предпочтительно, служебная информация включает одно или более из записанной информации о сборе, платеже, депонировании или снятии, информацию о периоде времени обслуживания, информацию об операторе, информацию о номере карточки сделки, идентификационную информацию обработчика и/или агента, информацию о двумерном коде и номере пакета.

[0093] Предпочтительно, терминал обработки информации о банкноте является одним из устройства для сортировки банкнот , счетчика банкнот, детектора банкнот и устройства финансового самообслуживания; и дополнительно, предпочтительно, устройство финансового самообслуживание является одним из банкомата, терминала для депонирования наличных, системы рециркуляции наличных, информационного киоска самообслуживания и платежного терминала самообслуживания.

[0094] Согласно настоящему изобретению далее предлагается терминал обработки информации о банкноте, который является терминалом, включенным в вышеописанную систему управления банкнотами.

[0095] Вышеописанные технические решения дают следующие положительные эффекты:

[0096] 1. Способ управления банкнотами по настоящему изобретению позволяет реализовать интеллектуальное управление префиксным номером. С помощью способа по настоящему изобретению можно точно управлять отслеживанием информации о банкноте, управлением изношенными и поддельными банкнотами, унифицированным управлением префиксными номерами, ведением электронных журналов сервисов, статистикой и анализом данных, мониторингом состояния оборудования, управлением банкнотами по запросу пользователя, управлением конфигурацией банкнот, удаленным управлением и управлением основными средствами сортировочного оборудования банка, и реализовать "предварительный мониторинг, отслеживание в процессе и последующий анализ" оборудования и услуг, что не только существенно снижает управленческие и оперативные расходы на сортировочное оборудование банка, но и способствует безупречной работе устройств для сортировки, счетчиков банкнот и другого оборудования.

[0097] 2. Способ управления банкнотами по настоящему изобретению реализует высокоэффективный сбор и идентификацию информации о банкноте, в то же время обеспечивая точность идентификационной информации, особенно при идентификации префиксных номеров что улучшает надежность способа в условиях обеспечения повышения скорости работы системы и способа и может хорошо справляться с трудностями идентификации префиксных номеров, вызванных порчей банкнот, повреждениями и быстрым оборотов в практическом применении.

[0098] 3. Способ по настоящему изобретению требует меньшего количества системных ресурсов, работает быстрее, чем известный алгоритм и хорошо комбинируется с банкоматами, детектором банкнот и другим оборудованием.

Краткое описание чертежей

[0099] Фиг. 1 - схематическая диаграмма способа идентификации по варианту настоящего изобретения.

[0100] Фиг. 2 - схематическая диаграмма способа обнаружения границ по варианту настоящего изобретения.

[0101] Фиг. 3 - схематическая диаграмма изображения банкноты и реальной банкноты во время доставки банкноты по варианту настоящего изобретения.

[0102] Фиг. 4 - схематическая диаграмма, иллюстрирующая поворот любой точки банкноты по варианту настоящего изобретения.

[0103] Фиг. 5 - схематическая диаграмма задания подвижного окна по варианту настоящего изобретения.

[0104] Фиг. 6 - структурная схематическая диаграмма нейронной сети по варианту настоящего изобретения.

Подробное описание

[0105] Для того, чтобы решаемая техническая задача, технические решения и преимущества настоящего изобретения были более понятны, ниже следует более подробное описание со ссылками на чертежи и конкретные варианты. Специалистам должно быть понятно, что описанные ниже конкретные варианты или конкретные способы соответствуют оптимизированным настройкам, перечисленным в настоящем изобретении для дополнительного пояснения настоящего изобретения, и эти настройки можно использовать в комбинации друг с другом или связанными друг с другом, если в настоящем изобретении прямо не указано, что некоторые или один конкретный вариант устройства или способа реализации нельзя сочетать или использовать в сочетании с другим вариантом устройства или способа реализации. В то же время, нижеследующие конкретные варианты устройства или способа реализации используются только для оптимизации настроек и не должны пониматься как ограничивающие объем защиты настоящего изобретения.

[0106] Кроме того, специалистам должно быть понятно, что конкретные величины, приведенные в конкретных способах реализации и вариантах для настройки параметров применяются как необязательные варианты реализации для иллюстрации и не должны толковаться как ограничивающие объем защиты настоящего изобретения. Однако применяемые алгоритмы и настройки параметров применяются только для интерпретации дистанции и формального преобразования следующих параметров и обычное математическое выведение следующих алгоритмов следует считать входящим в объем защиты настоящего изобретения.

[0107] Первый вариант

[0108] Согласно этому варианту предлагается способ управления банкнотами,, в частности, содержащий следующие этапы:

[0109] (1) Шесть устройств обработки информации о банкноте соответственно собирают, идентифицируют, и обрабатывают признаки банкнот в соответствующих их сервисах для получения информации о признаке банкноты, при этом в качестве предпочтительного способа реализации, устройства обработки информации о банкноте собирают информацию о признаке банкноты на основе изображения, инфракрасного излучения, флуоресценции, магнитных свойств и толщины. Информация о признаке банкноты включает валюту, номинальную стоимость, ориентацию, подлинность, степень новизны, повреждения и префиксный номер. В качестве конкретного способа реализации этого варианта устройство обработки информации о банкноте является устройством для сортировки, а информация об устройстве обработки информации о банкноте включает данные о производителе, о номере устройства и расположении финансовой организации.

[0110] Следует отметить, что количество устройств обработки информации о банкноте не является фиксированным и моет быть не ограничено шестью и содержать по меньшей мере одно такое устройство.

[0111] В качестве альтернативного способа реализации этого варианта, устройством обработки информации о банкноте может быть счетчик банкнот или детектор банкнот; а информация об устройстве обработки информации о банкноте также может содержать одно или более из производителя, номера устройства и расположения финансовой организации.

[0112] В качестве другой альтернативного способа реализации этого варианта, устройством обработки информации о банкноте также может быть устройство финансового самообслуживания; в частности, устройством обработки информации о банкноте может быть любое из банкомата, терминала для депонирования наличных, терминала для рециркуляции наличных, информационного киоска самообслуживания и платежного терминала самообслуживания. Информация об устройстве обработки информации о банкноте также может быть одним или более из записи конфигурации банкнот, номера денежного ящика, производителя, номера устройства и расположения финансовой организации.

[0113] (2) Информацию о признаке банкноты, полученную на этапе (1), передают на главный компьютер отделения банка и, затем, главный компьютер отделения банка передает ее на главный сервер. Кроме того, на главный сервер передается служебная информация и информация об устройстве обработки информации о банкноте. В качестве предпочтительно вариант реализации этого варианта служебная информация включает информацию о регистрации получения, платежа, депонирования или снятия, информацию о периоде времени обслуживания, информацию об операторе, информации о номере карточки транзакции, идентификационную информацию обработчика и/или агента информацию двумерного кода и номер пакета.

[0014] Следует отметить, что способ, которым информация о признаке банкноты передается на главный сервер, не ограничен и специалисты в этой области могут изменять пути передачи информации о признаке банкноты, служебной информации и информации об устройстве обработки информации о банкноте в соответствии с реальными ситуациями, например, непосредственно передавать информацию о признаке банкноты, информацию об устройстве обработки информации о банкноте и служебную информацию на этапе (1) на главный сервер.

[0115] Дополнительно, специалисты могут опустить или заменить некоторую служебную информацию, описанную для этого варианта в соответствии с фактическими потребностями, т.е. опустить или заменить одно или более из записанной информации о сборе, платеже, депонировании или снятии, информации о периоде времени обслуживания, информации об операторе, информации о номере карточки транзакции, идентификационной информации обработчика и агента, информации двумерного кода и номера пакета.

[0116] (3) Главный сервер интегрирует принятую информацию о признаке банкноты, служебную информацию и информацию об устройстве обработки информации о банкноте и классифицирует банкноты. В качестве предпочтительного способа реализации этого варианта, классификация банкнот, в частности, включает в себя подачу банкнот после классификации банкнот в разные хранилища банкнот в соответствии с категориями классификации.

[0117] В качестве предпочтительного способа реализации этого варианта в нижеследующем описании в качестве примера способа идентификации признаков банкноты используется способ идентификации префиксного номера, который как показано на фиг. 1, в частности, содержит следующие этапы.

[0118] На этапе a изображение в оттенках серого для области, в которой находится префиксный номер, извлекают, и на этом изображении в оттенках серого осуществляют обнаружение границ. Обнаружение границ можно реализовать известным алгоритмом Кэнни, алгоритмом Собеля и другими способами, после этого осуществляют комбинирование с линейным сглаживанием для получения линейной формулы границы, но эмпирический порог для обнаружения границ следует подбирать экспериментально, чтобы обеспечить скорость расчетов по этому способу.

[0119] В конкретном способе реализации обнаружение границ на этапе a далее включает: задание пороговой величины оттенка серого, и линейный поиск из верхнего и нижнего направлений в соответствии с пороговой величиной для определения границ, при этом линейное сканирование в направлении границы для получения линейных координат пикселя границы; и получают линейную формулу границы на изображении с помощью по меньшей мере методом квадратов, и получают горизонтальную длину, вертикальную длину и наклон изображения банкноты.

[0120] В конкретном способе реализации, как показано на фиг. 2, можно использовать технологию пороговой линейной регрессионной сегментации, чтобы обеспечить точность обнаружения границ и скорость расчетов, которая является быстрой и не ограничена размером изображения. В других теориях и обнаружения границ необходимо рассчитать каждую пиксельную точку границы. В этом случае, чем больше изображение, тем больше времени потребует расчет. При использовании пороговой линейной регрессионной сегментации необходимо найти лишь небольшое количество пиксельных точек на верхней и нижней границе, и линейную формулу границы можно быстро найти с помощью линейного сглаживания. Изображение можно рассчитать, используя небольшое количество точек, независимо от величины изображения.

[0121] Боле конкретно, поскольку яркость границы изображения банкноты сильно отличается от черного фона, очень легко можно найти порог, чтобы отличить банкноту от фона, поэтому здесь применяется метод линейного поиска для обнаружения границ банкноты из верхнего и нижнего направлений. В направлении вверх и вниз поиск ведется вдоль прямой , (i=1,2,…,n) для получения верхней границы и нижней границы банкноты.

[0122] Наклоны k1, k2 и пересечения b1, b2 получают по меньшей мере методом квадратов. Получают наклон K и пересечение B средней линии верхней и нижней границ. Известно, что средняя линия обязательно проходит через среднюю точку , следуя прямой линии .

[0123] Мы можем получить следующие реляционные выражения:

[0124] (1-1)

[0124] Используется по меньшей мере метод квадратов для получения k₁ и b₁:

[0126] (1-2)

[0127] (1-3)

[0128] (1-4)

[0129] Аналогично можно рассчитать k₂ и b₂:

[0130] (1-5)

[0131] Следовательно, средняя линия верхней границы и нижней границы банкноты:

[0132]

[0133] Поскольку средняя линия верхней границы и нижней границы банкноты обязательно проходит через среднюю точку банкноты, следовательно, поиск ведется вдоль прямой для получения левой концевой точки и правой концевой точки и, наконец, можно получить среднюю точку изображения банкноты следующим образом:

[0134] (1-6)

[0135] После определения средней точки банкноты, следует найти горизонтальную длину L и вертикальную длину W банкноты, поэтому в следующем разделе создается модель банкноты по длине и ширине:

[0136]

[0137]

[0138] (1-7)

[0139] Затем берется , (i= 1,2,…,m) рядом с прямой линией для линейного поиска для получения левой границы и правой границы банкноты; следовательно:

[0140]

[0141]

[0142] (1-8)

[0143] На этапе b изображение поворачивают; т.е. точки координат на изображении банкноты после обнаружения границ корректируют и картируют так, чтобы выпрямить изображение, тем самым облегчая сегментацию и идентификацию изображения номера, при этом можно использовать способ вращения, используя трансформацию точек координат или коррекцию по формуле обнаруженной границы для получения формулы трансформации, или вращением полярных координат и т.п.

[0144] В конкретном варианте реализации вращение на этапе b далее включает: получают матрицу вращения на основе горизонтальной длины, вертикальной длины и наклона, и получают координаты пикселя после поворота в соответствии с матрицей вращения. Матрицу вращения можно получить преобразованием полярных координат, т.е., матрицу полярных координат, например, угол наклона банкноты, можно получить по найденной линейной формуле границы, а матрицу преобразования полярных координат для каждого пикселя можно рассчитать в соответствии с углом и длиной границы. Матрицу преобразования также можно рассчитать общим преобразованием координат, например, задав центральную точку банкноты как начало координат в соответствии с углом наклона и длиной границы, и рассчитав матрицу преобразования каждой точки координат в новой системе координат, и т.д. Разумеется, можно также использовать и другие методы трансформации матрицы для коррекции поворота банкноты.

[0145] В конкретном варианте реализации, как показано на фиг. 3, поворот изображения можно скорректировать путем трансформации прямоугольных координат. Поскольку во время получения изображения в горизонтальном направлении получено p точек на миллиметр, а в вертикальном направлении q точек на миллиметр, мы рассчитали горизонтальную длину AC=L, вертикальную длину BE=W и наклон K изображения банкноты на предыдущем этапе обнаружения границ на изображении банкноты, следующие формулы получены и геометрического расчета изображения банкноты:

[0146] поскольку

[0147] (1-9)

[0148] следовательно

[0149] (1-10)

[0150] (1-11)

[0151] (1-12)

[0152] (1-13)

[0153] тогда как

[0154] (1-14)

[0155] тогда

[0156] (1-15)

[0157] (1-16)

[0158] поэтому

[0159] (1-17)

[0160] Аналогично:

[0161] (1-18)

[0162] поэтому

[0163] (1-19)

[0164] Поскольку AB'AB' есть фактическая длина length банкноты, а B'F' есть фактическая ширина Wide, следовательно:

[00165] (1-20)

[0166] Весь процесс вращения любой точки изображения банкноты заключается в нахождении точки реальной банкноты для любой данной точки изображения банкноты, вращении точки на угол для получения точки и, наконец, нахождении точки на повернутом изображении банкноты, соответствующей точке .

[0167] Как показано на фиг. 4, при вращении любой точки на банкноте

[0168] (1-21)

[0169] (1-22)

[0170] (1-23)

[0171] (1-24)

[0172] (1-25)

[0173] Если центр банкноты до вращения есть , а центр банкноты после вращения есть , то мы можем получить:

[0174] (1-26)

[0175] На этапе c позиционируют отдельные цифры в изображении, что, в частности, включает в себя выполнение бинаризационной обработки изображений с помощью адаптивной бинаризации для получения бинаризованного изображения; затем проецируют бинаризованное изображение, при этом обычная проекция изображения строится только одной вертикальной проекцией и одной горизонтальной проекцией, при этом конкретное направление проекции и кратность могут регулироваться в соответствии с конкретной идентификационной средой и требованиями к точности, например, можно использовать проекцию в направлении с углом наклона или множественные проекции, и наконец, сегментируют цифры, задавая подвижное окно и используя способ регистрации подвижного окна для получения изображения каждой цифры, при этом велико влияние смазанного изображения префиксного номера и слияния знаков на банкноту из-за известных проблем, таких как повреждение и смазанность банкнот и, особенно, слияние трех или более знаков практически делает их неразделимыми; следовательно, после проекции изображения настоящее изобретение дает способ регистрации подвижного окна для точного определения положения знаков.

[0176] В конкретном варианте реализации адаптивная бинаризация изображения на этапе c, в частности, включает в себя:

[0177] получение гистограммы изображения, задание порога Th, и когда сумма величин оттенков серого точек в гистограмме от 0 до Th больше или равна заранее заданной величине, используют Th как порог адаптивной бинаризации для бинаризации изображения и получения бинаризованного изображения. Проецирование бинаризованного изображения включает трехкратное проецирование в разных направлениях. Предпочтительно, задание подвижного окна, в частности, включает в себя: перемещение окна горизонтально на карте вертикальной проекции, и положение, соответствующее минимальной сумме пустых точек в окне, является оптимальным положением для сегментации префиксного номера в направлении влево-вправо.

[0178] В конкретном варианте реализации для бинаризации изображения можно применять общий метод адаптивной бинаризации. Сначала получают гистограмму изображения, где область с черной яркостью является областью префиксного номера, а область с белой яркостью является областью фона. На гистограмме отыскивают сумму точек N с величиной оттенка серого на гистограмме от 0 до Th. Когда N≥2200 (эмпирическая величина), соответствующий порог Th является порогом адаптивной бинаризации. Наибольшим преимуществом этого способа является сокращение времени расчетов, что может соответствовать требованиям к быстрому подсчету банкнот в реальном времени в устройстве для сортировки и такой метод хорошо адаптируется.

[0179] В конкретном варианте реализации бинаризованное изображение проецируют, и верхнее, нижнее, левое и правое положения каждой цифры можно определить, комбинируя три эти проекции. В первый раз выполняют горизонтальную проекцию для определения строки, в которой расположена цифра, второй раз выполняют вертикальную проекцию для определения левого и правого положений каждой цифры, и для каждой малой карты в третий раз выполняют горизонтальную проекцию для определения верхнего и нижнего положений каждой цифры.

[0180] В конкретном варианте реализации вышеописанный метод трехкратной проекции может дать прекрасный результат для сегментации одной цифры на большинстве банкнот, но неэффективен для банкнот со смазанностью изображения префиксного номера и со слиянием знаков и, в частности, слиянием трех и более знаков делает их почти неразделимыми. Чтобы преодолеть это затруднение, регистрацию подвижного окна можно выполнять в особом варианте реализации. Поскольку размер и разрешение префиксного номера, собранного устройством для сортировки, фиксированы, и интервалы между знаками также фиксированы, окно можно создавать в соответствии с интервалом чисел префиксного номера на банкноте, как показано на фиг. 5. Окно движется горизонтально на карте вертикальной проекции, и положение, соответствующее минимальной сумме пустых точек в окне, является оптимальным положением для сегментации в направлении влево-вправо префиксного номера. Поскольку в устройстве для сортировки банкнот используется алгоритм идентификации, необходимо выполнять требования к быстроте и точности, и разрешение оригинального изображения равно 200 точек на дюйм. Ширина каждого импульса в окне составляет 4 пикселя, а ширина между импульсами задается в соответствии с интервалом между изображениями чисел. После тестирования этот метод может полностью соответствовать требованиям к скорости и точности устройства для сортировки банкнот.

[0181] На этапе d выполняют очерчивание применительно к знакам, содержащимся в изображении каждой цифры, и выполняют нормализацию в отношении изображения каждой цифры, при этом нормализация включает нормализацию размера и нормализацию яркости. Очерчивание применительно к знакам относится к позиционированию знаков, опять сегментированных с приблизительными положениями в деталях, для дополнительного уменьшения объема данных, обрабатываемых при дальнейшей идентификации изображения, что существенно увеличивает общую рабочую скорость системы.

[0182] Методы трех проекций предварительно позиционируют только отдельные цифры, и не могут очерчивать несколько грязных отдельных цифр. Вышеупомянутый метод бинаризации преобразует в двоичную форму все изображение, и рассчитанный порог не подходит для бинаризации отдельных знаков. Например, на банкноте 100 юаней версии 2005 года первые четыре знака являются красными, а последние шесть знаков - черные, что приводит к неодинаковой яркости каждого знака в полученном изображении в оттенках серого. В конкретном варианте реализации каждая малая карта также может преобразовываться в двоичную форму отдельно.

[0183] В конкретном варианте реализации применяется метод адаптивной бинаризации, основанный на методе бимодальной гистограммы. Метод бимодальной гистограммы является итерационным методом нахождения порога, который является адаптируемым, быстрым и точным. Более конкретно, для получения этого метода можно принять один предпочтительный вариант реализации.

[0184] Сначала задается порог инициализации, а затем, после K итераций получают порог бинарной сегментации. K является положительным целым числом больше 0, а средняя величина оттенка серого фона и средняя величина оттенка серого переднего плана после k-й итерации равна:

[0185]

[0186]

[0187] Затем, порог k-й итерации равен

[0188]

[0189] Условия для выхода из итерации: выйти из итерации, когда количество итераций достаточно (например, 50), или результаты порога, рассчитанные по двум итерациям, одинаковы, т.е. пороги для k-й и (k-1)-й итераций одинаковы.

[0190] После бинаризации следует выполнить алгоритм наращивания областей методом восьмисвязных окрестностей на каждой из малых карт для удаления точек шума со слишком малой площадью. Наконец, из областей, полученных после наращивания областей на каждой малой карте, выбирают одну или две области с площадью большей, чем определенная область эмпирической величины, при этом прямоугольник, в котором находится выбранная область, является прямоугольником изображения каждой цифры после очерчивания. В заключение, метод лассо включает этапы бинаризации, наращивания областей и выбора областей и имеет преимущества, заключающиеся в хорошей помехозащищенности и большой скорости расчета.

[0191] После бинаризации необходимо далее выполнить нормализацию в отношении изображения. В конкретном варианте реализации такая нормализация может принимать следующий образ: здесь нормализация предназначена для идентификации следующей нейронной сети. Учитывая требования к скорости и точности расчетов, размер изображения во время нормализации размера не может быть слишком мал или слишком велик. Слишком большие изображения требуют слишком большого количества узлов последующей нейронной сети и приводят к снижению скорости расчетов, а слишком малые карты приводят к слишком большой потере информации. Испытывались разные размеры нормализации, такие как 28*28, 18*18, 14*14 и 12*12 и в итоге был выбран размер 14*14. В качестве алгоритма масштабирования при нормализации применяется алгоритм билинейной интерполяции.

[0192] В конкретном варианте реализации нормализация на этапе d далее включает: выполнение нормализации размера с использованием алгоритма биполярной интерполяции; нормализация яркости включает: получение гистограммы изображения каждой цифры, расчет средней величины оттенка серого переднего плана и средней величины оттенка серого фона цифры, сравнение величины оттенка серого пикселей до нормализации яркости со средней величиной оттенка серого переднего плана и средней величиной оттенка серого фона, соответственно, и задание величины оттенка серого пикселя до нормализации в качестве соответствующей конкретной величины оттенка серого в соответствии с результатами сравнения.

[0193] В другом конкретном варианте реализации для уменьшения шаблонов обучения необходима нормализация яркости. Во-первых, по гистограмме каждой малой карты рассчитывают среднюю величину оттенка серого фона и среднюю величину оттенка серого переднего плана для цифры. есть величина оттенка серого каждого пикселя до нормализации, а есть величина оттенка серого каждого пикселя после нормализации. Затем, применяют следующий метод расчета:

[0194]

[0195] На этапе e изображение нормализованной цифры идентифицируют нейронной сетью для получения префиксного номера.

[0196] В конкретном варианте реализации вышеописанную нейронную сеть можно получить, используя алгоритм сверточной нейронной сети (СНС).

[0197] Сверточная нейронная сеть (СНС) по существу является своего рода отображением от входа до выхода, крое может обучаться отношениям отображения между большим количеством входов и выходов без точных математических выражений между любым входом и выходом, если сверточная сеть обучена по известному образцу, при этом сеть способна выполнять отображение между парами вход-выход. В СНС небольшая часть изображения (локально воспринятая область) является входом нижайшего слоя иерархической структуры, и информация затем передается в свою очередь на другие слои, и каждый слой получает наиболее значимые признаки наблюдаемых данных через цифровой фильтр. Этот метод позволяет получить значащие признаки наблюдаемых данных, которые не изменяются при преобразовании, масштабировании и повороте. Локально воспринятая область изображения позволяет нейронам или обрабатывающим узлам получить доступ к наиболее базовым признакам, а основными признаками изображения префиксного номера являются границы и точки углов, поэтому метод СНС хорошо подходит для идентификации.

[0198] В конкретном варианте реализации в качестве нейронной сети применяется сверточная нейронная сеть вторичной классификации. Все цифры и буквы, относящиеся к префиксному номеру, классифицируются согласно первичной классификации, и категории частичных категорий в первичной классификации вновь классифицируются в соответствии со вторичной классификацией. Здесь следует отметить, что количество категорий в первичной классификации можно задавать в соответствии с потребностями классификации и предпочтениями, например, 10 категорий, 23 категории, 38 категорий и т.д., но это число не ограничивается, и то же относится ко вторичной классификации. Вторичная классификация выполняется вновь для некоторых категорий, имеющих склонность к ошибкам в расчетах, и имеет приблизительные признаки или низкую точность на основе первичной классификации, так, что префиксные номера можно далее различать и идентифицировать с более высокой скоростью идентификации, тогда как конкретное количество входных категорий и количество выходных категорий вторичной классификации можно задавать детально в соответствии с настройками категории первичной классификации, потребностями классификации и предпочтениями.

[0199] Далее описан предпочтительный вариант реализации структуры и режима обучения конкретной сверточной нейронной сети (СНС), применимой к техническому решению по настоящему изобретению.

[0200] I. Структура нейронной сети СНС

[0210] Поскольку необходимо идентифицировать смешанные цифры и буквы, в то время как некоторые цифры и буквы очень похожи и неотличимы друг от друга, на юанях нет буквы V, а буква О печатается точно также, как цифра 0, мы используем метод вторичной классификации для идентификации префиксных номеров. Все цифры и буквы классифицируются по 23 категориям согласно первичной классификации:

[0202] Первая категория: А и 4

[0203] Вторая категория: В и 8

[0204] Третья категория: С, G и 6

[0205] Четвертая категория: O, D и Q

[0206] Пятая категория: E, L и F

[0207] Шестая категория: Н

[0208] Седьмая категория K

[0209] Восьмая категория: M

[0210] Девятая категория: N

[0211] Десятая категория: Р

[0212] Одиннадцатая категория: R

[0213] Двенадцатая категория: S и 5

[0214] Тринадцатая категория: T и J (J - юань версии 2005 и все версии)

[0215] Четырнадцатая категория: U

[0216] Пятнадцатая категория: W

[0217] Шестнадцатая категория: Х

[0218] Семнадцатая категория:

[0219] Восемнадцатая категория: Z и 2

[0220] Девятнадцатая категория: 1

[0221] Двадцатая категория: 3

[0222] Двадцать первая категория: 7

[0223] Двадцать вторая категория: 9

[0224] Двадцать третья категория: J (J для новой версии юаня 2015 года)

[0225] Вторичная классификация относится к классификации A и 4, B и 8; C, 6 и G; O, D и Q; E,L и F; S и 5; T и J; Z и 2.

[0226] Вышеописанный метод вторичной классификации относится к девяти моделям нейронной сети, которые соответственно обозначаются как CNN 23, CNN A4, CNN B8, CNN CG6, CNN ODQ, CNN ELF, CNN S5, CNN JT и CNN Z2.

[0227] Взяв для примера нейронную сеть СНС первичной классификации, на фиг. 6 представлена структурная диаграмма нейронной сети СНС. Входной слой сети имеет только одну карту, которая является эквивалентом визуального входа сети, и является изображением в оттенках серого одной идентифицируемого номера. Изображение в оттенках серого здесь выбрано из-за того, что оно не теряет информацию, поскольку, если бинаризованное изображение будет идентифицировано, некоторая информация о границах и деталях изображения будет потеряна в процессе бинаризации. Чтобы устранить влияние эффекта яркости, на каждой малой карте оттенков серого выполняется нормализация яркости.

[0228] Слой C1 является сверточным слоем, который имеет преимущества усиления признаков оригинального сигнала и уменьшения шума операцией свертки и состоит из шести Карт Признаков. Каждый нейрон в карте признаков соединен с 3*3 соседями на входе. Размер карты признаков 14*14. С1 имеет 156 обучаемых параметров (каждый фильтр имеет 5*5=25 единичных параметров и один параметр смещения и всего имеется шесть фильтров с общим количеством (3*3+1)*6=60 параметров), и с 60*(12*12)=8640 соединений.

[0229] Слои S2 и S4 являются слоями понижающей дискретизации, которые выполняют субдискретизацию изображений, используя принцип локальной корреляции изображения, и могут резервировать полезную информацию, в то же время сокращая объем обрабатываемых данных.

[0230] Слой C3 также является сверточным слоем. Он также свертывает слой S2, используя ядра свертки 3*3, и полученная карта признаков имеет только 4*4 нейрона. Для упрощения расчетов создается только шесть разных ядер свертки, поэтому имеется шесть карт признаков. Следует отметить, что каждая карта признаков в C3 соединена с S2 и соединена не полностью. Почему бы не соединить каждую карту признаков в S2 с каждой картой признаков в C3? Тому есть две причины. Первая причина заключается в том, что неполный механизм соединения удерживает соединения в разумном объеме. Вторая, наиболее важная причина, заключается в том, что это разрушает симметрию сети. Поскольку разные карты признаков имеют разные входы, они вынуждены извлекать разные признаки. Состав результата такого неполного соединения не уникален. Например, первые две карты признаков в C3 берут в качестве входа четыре примыкающих друг к другу подмножества карты признаков в S2, следующие две карты признаков берут три не примыкающие подмножества карты признаков в качестве входов, следующая одна берет три не примыкающие подмножества карты признаков в качестве входа, и последняя берет все карты признаков в S2 в качестве входов.

[0231] Последняя группа из слоя S в слой C не выполняет понижающую дискретизацию, но просто растягивает слой S, становясь одномерным вектором. Выходным числом сети является классификационное число нейронной чети и образует полную структуру соединения с этим слоем. CNN 23 имеет 23 категории, поэтому имеется 23 выхода.

[0232] II. Нейронную сеть можно обучать следующим образом.

[0233] При условии, что первый слой является сверточным слоем, (1+1)-й слой является слоем понижающей дискретизации, и формула расчета j-й карты признаков имеет следующий вид:

[0234]

[0235] где знак * указывает на свертку, что означает, что ядро k свертки выполняет операцию свертки на всех связанных картах признаков (1-1)-го слоя, затем суммирует, прибавляет параметр b смещения и выполняет сигмоидную функцию для получения окончательного воздействия.

[0236] Остаточная формула j-й карты признаков первого слоя имеет следующий вид:

[0237]

[0238] где первый слоя является сверточным слоем, (1+1)-й слой является слоем понижающей дискретизации, и слой понижающей дискретизации один в один соответствует сверточному слою, где up(x) предназначен для растяжения размера (1+1)-го слоя до размеров первого слоя.

[0239] Формула частного производного ошибки b имеет следующий вид:

[0240]

[0241] Формула частного производного ошибки k имеет следующий вид:

[0242]

[0234] В качестве образцов для обучения отбирают прибл. 100000 префиксных номеров юаней, при этом количество циклов обучения превышает 1000, и точность аппроксимации составляет менее 0,004.

[0235] В конкретном варианте реализации способ дополнительно содержит этап оценки ориентации, выполняемый между этапами b и c: определяют размер банкноты с помощью повернутого изображения, и определяют номинальную стоимость в соответствии с размером; сегментируют целевое изображение банкноты на n блоков, рассчитывают среднюю величину яркости в каждом блоке, сравнивают среднюю величину яркости с заранее введенным в память шаблоном, считают шаблон соответствующим ориентации, когда разница между этими двумя величинами минимальна. Заранее введенный в память шаблон сегментирует изображения разных ориентаций банкнот разной номинальной стоимости на n блоков и рассчитывает среднюю величину яркости каждого блока как шаблон.

[0245] Более конкретно, величину ориентации банкноты можно определить, определив размер банкноты и сопоставляя ее с шаблоном. Сначала, по размеру банкноты определяют ее номинальную стоимость. Затем определяют ориентацию банкноты. Сегментируют 16*8 идентичных прямоугольных блоков внутри изображения банкноты, и рассчитывают среднюю величину яркости в каждом прямоугольном блоке, и 16*8 величин средней яркости вводят в память как данные шаблона. Аналогично получают среднюю величину яркости целевой банкноты и сравнивают с данными шаблона для нахождения [блоков] с минимальной разницей. После того можно определить ориентацию банкноты.

[0246] Кроме того, в конкретном варианте реализации можно добавить оценку степени новизны банкноты. Сначала получают изображение с разрешением 25 точек на дюйм, все области изображения с разрешение 25 точек на дюйм берут как области признаков гистограммы, пиксельные точки в областях сканируют и помещают в матрицу, записывают гистограмму каждой пиксельной точки, подсчитывают 50% самых ярких пиксельных точек в соответствии с гистограммами, и получают среднюю величину оттенка серого самых ярких пиксельных точек, которую используют для оценки степени новизны.

[0247] В конкретном варианте реализации во время идентификации повреждений определяют светопропускание, применяя источник света и датчик, расположенные на разных сторонах банкноты. Когда источник света перекрывается банкнотой, лишь небольшая часть света может проникнуть сквозь банкноту и попасть на датчик, тогда как свет, не перекрытый банкнотой, полностью попадает на датчик. Поэтому фон является белым, а банкнота является картой оттенков серого. К повреждениям относятся оторванные углы и отверстия. Разница заключается в областях обнаружения. Находят четыре угла банкноты для обнаружения оторванных углов, а среднюю часть банкноты проверяют на наличие отверстий.

[0249] В еще одном конкретном варианте реализации для обнаружения оторванных углов банкноты, повернутое и просвеченное изображение банкноты можно сегментировать на четыре области, т.е., верхнюю левую, нижнюю левую, верхнюю правую и нижнюю правую. Затем эти четыре области проверяют точка за точкой. Если две соседних пиксельных точки меньше порога, тогда точки считается поврежденной точкой. Если две соседние точки не отвечают этому условию быть меньше порога, это указывает, что угол, соответствующий точке пересечения, не имеет признака повреждения.

[0250] Для обнаружения отверстий в банкноте после поиска оторванных углов, оторванные углы уже заполнены черным. Если банкнота имеет признаки оторванного угла и отверстия, то пиксельная точка будет белой. В процессе поиска на банкноте величину точки, определенную как оторванный угол, меняют на величину черной пиксельной точки, таким образом, выполняется заполнение. Поэтому поиск ведется по всей банкноте, и ее четыре стороны являются границами. Если будет обнаружено, что банкнота имеет признак повреждения, это указывает, что банкнота имеет отверстия; иначе, в банкноте отверстий нет. Когда поиск пройдет каждая пиксельная точка, меньшая, чем порог, площадь отверстия увеличивается на 1. По окончании поиска определяется площадь отверстия.

[0251] В другом конкретном варианте реализации можно применять следующий способ обнаружения рукописных надписей: в фиксированной области сканируют пиксельные точки, помещают пиксельные точки в матрицу, записывают гистограмму каждой пиксельной точки, подсчитывают 20 самых ярких пиксельных точке согласно гистограмме, получают среднюю величину оттенка серого, получают порог в соответствии со средней величиной оттенка серого. Пиксельная точка, меньшая, чем порог, считается рукописью плюс 1.

[0252] Второй вариант:

[0253] Согласно этому варианту предлагается система управления банкнотами, содержащая терминал обработки информации о банкноте и терминал главного сервера;

[0254] терминал обработки информации о банкноте содержит модуль транспортировки банкнот и модуль обработки информации;

[0255] модуль транспортировки банкнот выполнен с возможностью транспортировать банкноты к модулю детектирования;

[0256] модуль детектирования собирает и идентифицирует признаки банкноты;

[0257] модуль обработки информации обрабатывает признаки банкноты, собранные и идентифицированные модулем детектирования, и выводит признак банкноты как информацию о признаке банкноты, и передает информацию о признаке банкноты; и в этом варианте как в конкретном варианте реализации, информация о признаке банкноты, в частности, включает в себя валюту, номинальную стоимость, ориентацию, подлинность, степень новизны, порчу и префиксный номер;

[0258] терминал главного сервера выполнен с возможностью принимать информацию о признаке банкноты, служебную информацию и информацию о терминале обработки информации о банкноте, обрабатывать эти три типа полученной информации и классифицировать банкноты. В этом варианте в качестве предпочтительного способа реализации классификация банкнот терминалом главного сервера, в частности, включает в себя подачу банкнот после классификации банкнот в разные хранилища для банкнот в соответствии с категориями классификации.

[0259] В этом варианте, в качестве конкретного варианта реализации, служебная информация содержит информацию о получении, платеже, депонировании или снятии, период времени обслуживания, информацию об операторе, идентификационную информацию обработчика и/или агента, информацию о двумерном коде и номере пакета.

[0260] В качестве конкретного варианта реализации в этом варианте терминал главного сервера обрабатывает принятую информацию, в частности, включая такую обработку, как суммирование, хранение, консолидацию, запрос, отслеживание и экспорт.

[0261] Следует отметить, что терминал обработки информации о банкноте, описанный в этом варианте, можно использовать автономно. В этом варианте терминал обработки информации о банкноте является устройством для сортировки. В качестве альтернативного технического решения в этом варианте термина обработки информации о банкноте также можно заменить одним из счетчика банкнот, детектора банкнот и устройства финансового самообслуживания, при этом устройство финансового самообслуживания может быть любым из банкомата, терминала для депонирования наличных, системы рециркуляции наличных, информационного киоска самообслуживания и платежного терминала самообслуживания.

[0262] Следует отметить, что конструкция модуля детектирования не ограничивается. В этом варианте предлагается конкретный вариант реализации. Модуль детектирования также может применяться в системе для идентификации префиксного номера на платформе DSP, и может встраиваться или соединяться с обычным детектором банкнот, счетчиком банкнот, банкоматом или другим оборудованием. Боле конкретно, модуль детектирования содержит модуль обработки изображений, модуль процессора и модуль CIS-датчика изображения;

[0263] модуль обработки изображений дополнительно содержит модуль обнаружения границ и модуль поворота;

[0264] модуль процессора дополнительно содержит модуль позиционирования номера, модуль очерчивания, модуль нормализации и модуль идентификации;

[0265] модуль позиционирования цифр выполняет бинаризационную обработку изображения с помощью адаптивной бинаризации для получения бинаризованного изображения;

[0266] затем проецирует бинаризованное изображение; и, наконец, сегментирует цифры, задавая подвижное окно и используя технологию регистрации подвижного окна для получения изображения каждой цифры, и передает изображение каждой цифры на модуль очерчивания; и

[0267] модуль нормализации выполнен с возможностью нормализации изображения, обработанного модулем очерчивания. В этом варианте нормализация включает нормализацию размера и нормализацию яркости.

[0268] В конкретном варианте реализации модуль позиционирования цифр дополнительно содержит модуль окна, модуль окна создает подвижное окно для регистрации в соответствии с интервалом между префиксными номерами, и перемещает окно горизонтально по карте вертикальной проекции, и рассчитывает сумму пустых точек в окне; и модуль окна может также сравнивать сумму пустых точек в разных окнах. Этот способ может применяться в первом варианте как конкретный способ позиционирования.

[0269] В другом конкретном варианте реализации модуль очерчивания отдельно выполняет бинаризационную обработку изображения каждой цифры, выполняет наращивание областей на полученном бинаризованном изображении каждой цифры и, затем из областей, полученных после наращивания выбирает одну или две области с площадью, большей, чем определенных заранее заданный порог площади, и прямоугольник, в котором находится выбранная область, является прямоугольником изображения каждой цифры после очерчивания. Для наращивания областей можно использовать алгоритм наращивания областей, например, алгоритм восьмисвязной окрестности.

[0270] В конкретном варианте реализации необходимо компенсировать изображение банкноты, поскольку статус степени новизны и условий поврежденности банкнот отличаются от обычного получения изображений банкнот. Следовательно, в модуле детектирования можно задать модуль компенсации для компенсации изображения, полученного модулем CIS-датчика изображения; в модуле компенсации заранее хранятся собранные данные о яркости в чисто черном или в чисто белом, и получить коэффициент компенсации относительно эталонной величины оттенка серого пиксельной точки, которую можно задать; и запоминает коэффициент компенсации в модуле процессора, и устанавливает таблицу соответствия.

[0271] А именно, лист белой бумаги прижимают к CIS-датчику изображения для получения данных об уровне белого и записи этих данных в матрицу CISVL[i], и для получения данных об уровне черного и записи их в CISDK[i]. Коэффициент компенсации получают по формуле CVLMAX/(CISVL[i]-CISDK[i[]), где CVLMAX есть эталонная величина оттенка серого пиксельной точки, которую можно задать, и по опыту величина оттенка серого белой бумаги задается как 200.

[0272] Коэффициент компенсации, рассчитанный микросхемой цифрового процессора сигнала, передается на запоминающее устройство с произвольной выборкой FPGA (модуля процессора) для формирования таблицы соответствия. После этого микросхема FPGA умножает собранные данные о пиксельной точке на коэффициент компенсации соответствующей пиксельной точки в таблице соответствия для непосредственного получения компенсированных данных, и затем, передает данные на цифровой процессор сигнала.

[0273] В конкретном варианте реализации идентификационный номер идентифицирует префиксный номер, используя обученную нейронную сеть.

[0274] В конкретном варианте реализации в качестве нейронной сети применяется сверточная нейронная сеть вторичной классификации. Все числа и буквы, относящиеся к префиксному номеру, классифицируются в соответствии с первичной классификацией и категории частичных категорий в первичной классификации вновь классифицируются в соответствии со вторичной классификацией. Следует отметить, что количество категорий первичной классификации можно задавать в соответствии с потребностями классификации и предпочтениями, например, 10 категорий, 23 категории, 38 категорий и т.д., и это количество не ограничено; кроме того, вторичная классификация относится к вторичной классификации, выполняемой вновь для некоторых категорий, которые подвержены ошибкам, поэтому префиксные номера далее можно распознавать и идентифицировать с более высокой скоростью, тогда как конкретное количество входных и выходных категорий вторичной классификации можно детально задавать в соответствии в соответствии с настройками категории первичной классификации, а также в соответствии с требованиями классификации и предпочтениями.

[0275] В более специфичном варианте реализации для получения структуры сверточной нейронной сети может применяться структура нейронной сети по первому варианту.

[0276] В более специфичном варианте реализации вышеуказанный модуль процессора далее может содержать по меньшей мере один из следующих модулей: модуль оценки ориентации, выполненный с возможностью оценивать ориентацию банкноты; модуль оценки степени новизны, выполненный с возможностью оценивать степень новизны банкноты; модуль идентификации повреждений, выполненный с возможностью оценивать поврежденные положения на банкноте; и модуль идентификации рукописных надписей, выполненный с возможностью идентифицировать рукописные надписи на банкноте. Способы, примеры которых приведены в первом варианте, могут приняться как способы выполнения функций этих модулей.

[0277] В конкретном варианте реализации в качестве модуля процессора можно использовать систему микросхем, таких как FPGA (микросхема М7 фирмы Capital Microelectronics, конкретная модель M7A12N5L144C7). Основной частотой является 125 МГц для FPGA и 333 МГц для ARM, используемые ресурсы - 85% для логики и 98% для EMB. Точность превышает 99,6%

[0278] Понятно, что вышеописанные варианты являются просто примерами, иллюстрирующими изобретение, и не ограничивают варианты реализации. Специалистам должно быть понятно, что на основе вышеприведенного описания в изобретение могут быть внесены другие изменения или созданы другие варианты. Нет необходимости или возможности давать исчерпывающее описание всех возможных вариантов. Очевидные изменения или варианты находятся в пределах объема защиты настоящего изобретения.