鈔票識別模塊及圖像識別處理技術(shù)研究

黃峻遠

（廣電運通集團股份有限公司，廣東廣州 510670）

0 引言

傳統(tǒng)的人工數(shù)鈔票、點鈔票的方式已越來越少，這些方式都或多或少存在不便利、不智能、容易出錯等問題。隨著科學技術(shù)的發(fā)展，鈔票處理設(shè)備、圖像處理技術(shù)、鈔票識別技術(shù)越來越成熟，也更多地應(yīng)用到各個領(lǐng)域，如金融領(lǐng)域、智慧交通領(lǐng)域、旅游便民領(lǐng)域等，可以大大提升工作效率，減少時間成本和人力成本。

1 鈔票處理設(shè)備系統(tǒng)

鈔票處理設(shè)備在金融領(lǐng)域上一般稱為“機芯”，是存取款設(shè)備最核心的部件，也是中國自主核心研發(fā)的“機芯”。設(shè)備系統(tǒng)主要包括鈔票走紙傳動機構(gòu)、圖像采集、圖像處理、圖像識別及鑒偽和主控處理模塊等。

首先，鈔票從設(shè)備入鈔口進去，通過傳動機構(gòu)將鈔票輸送到鈔票識別模塊（即NV 模塊），識別模塊通過掃描傳感器掃描鈔票，采集最原始的圖像數(shù)據(jù)，并轉(zhuǎn)換成數(shù)字信號。其次，信號被送到圖像處理系統(tǒng)進行圖像預(yù)處理，主要包括有邊緣檢測處理、噪聲處理、圖像矯正處理等。最后，通過圖像識別對圖片進行數(shù)據(jù)提取、特征分類、面值識別、冠字號識別、鈔票鑒偽等。鈔票處理設(shè)備系統(tǒng)框圖如圖1 所示。

圖1 鈔票處理設(shè)備系統(tǒng)框圖

2 鈔票識別模塊

鈔票識別模塊主要由走紙傳動機構(gòu)、CIS 接觸式圖像傳感、圖像處理組成。鈔票通過走紙傳動機構(gòu)傳送到CIS接觸式圖像傳感器，CIS 接觸式圖像傳感器對鈔票進行掃描，掃描后得到模擬信號，再通過放大器將信號放大，通過A/D 轉(zhuǎn)換模塊將信號轉(zhuǎn)換成數(shù)字信號，經(jīng)過信號電平轉(zhuǎn)換后，將信號送到DSP 進行圖像采集，并進行一系列圖像處理、算法處理等。上述3 個主要步驟的詳細描述如下。

（1）走紙傳動機構(gòu)[1]由步進電機、傳動裝置（齒輪、皮帶）、光電傳感器組成。走紙傳動機構(gòu)通過光電傳感器檢測鈔票的進入，但設(shè)備檢測到鈔票時，檢測電壓發(fā)生變化，主控DSP 檢測到信號變化，即可啟動CIS 接觸式圖像傳感器工作，對鈔票進行掃描，收集數(shù)據(jù)。同時，只有保障CIS 管的掃描速度和紙張傳送速度基本一致，才不會導(dǎo)致分辨率掃描異常的現(xiàn)象，最大程度保證掃描圖片的質(zhì)量。完整鈔票掃描完畢后，光電傳感器檢測到電平變化，信號以事件的方式傳到主控DSP 后，主控隨即將CIS 傳感器停止工作，一個完整的掃描圖片的動作即可完成。

（2）CIS 接觸式圖像傳感器是接觸式感應(yīng)裝置[2]，識別系統(tǒng)一般通過接觸式圖像傳感器（Contact Image Sensor，CIS）對鈔票進行圖像采集，具有采集速度快、穩(wěn)定性高、受環(huán)境因素影響小等特點。鈔票處理設(shè)備的識別系統(tǒng)需要借助上述走紙傳動機構(gòu)，將需要采集的票據(jù)樣本以一定的速度經(jīng)過CIS 傳感器表面，LED 發(fā)出光，光在鈔票上產(chǎn)生反射光，鑒于不同顏色的光反射角度不同，鈔票上形成的反射光會接收到不同的模擬信號，再通過放大器進行放大,經(jīng)A/D 模數(shù)轉(zhuǎn)換器轉(zhuǎn)成數(shù)字信號，然后傳輸?shù)街骺谼SP，即可完成圖像數(shù)據(jù)采集的工作任務(wù)。

（3）鈔票圖像處理是整個鈔票處理最為重要的環(huán)節(jié)，將采集到的圖像進行處理，并完成對鈔票的識別及鑒偽，最后將結(jié)果輸出。因為采集的數(shù)據(jù)量非常大，且要求處理快速。而一般的單片機系列（51 系列、STM32 系列等）無法滿足高運算要求。因此，需要采用DSP（數(shù)字信號處理）進行鈔票圖像的處理及常規(guī)操作控制。鈔票識別模塊整個處理款圖如圖2 所示。

圖2 鈔票識別模塊處理框圖

3 鈔票圖像預(yù)處理

對鈔票進行圖像預(yù)處理，是鈔票識別前的一個最重要的環(huán)節(jié)，它能大大提高后續(xù)鈔票識別及鑒偽的能力和效果。鈔票的預(yù)處理一般包括噪聲處理、邊緣處理、圖像矯正等措施，詳細如下。

3.1 噪聲處理

噪聲主要是由于鈔票本身的殘缺或質(zhì)量問題，或圖像傳輸、圖像接收產(chǎn)生了不確定的噪聲，對圖像質(zhì)量產(chǎn)生影響。目前，主要有3 種噪聲類型，即加成噪聲、乘性噪聲、鹽椒噪聲。

加成噪聲一般為人為產(chǎn)生的噪聲、自然產(chǎn)生的噪聲、內(nèi)部噪聲以及在原有信號疊加的噪聲。如果f(x)表示實際圖像信息，f(0)表示理想的圖像信息，x表示疊加噪聲，那么f(x)=f(0)+x。

乘性噪聲一般是由圖像處理系統(tǒng)產(chǎn)生的，它是伴隨著信號的變化而變化的，可能跟主板PCB 有關(guān)，也可能是CIS 傳感器與其他電子元器件設(shè)計引起的噪聲。按照上述定義，那么疊加噪聲后信號為f(x)=f(0)+f(0)x。

鹽椒噪聲一般是同時存在于圖像的，隨機產(chǎn)生。高灰度圖像中有低灰度圖像，低灰度圖像中有高灰度圖像。噪聲產(chǎn)生后需要通過對應(yīng)的圖像濾波方法進行處理，從而使鈔票不至于太模糊或者不清晰。常見濾波方法是使像素差異較大的值更改為周圍平均像素值的值。假如一個像素點比相鄰的像素點值大很多，那么就可以判定該點為噪聲點，此時可通過其他幾個相差不大的像素點作為基礎(chǔ)數(shù)據(jù)，取平均值后，將噪聲點像素值更改為平均值，完成噪聲濾波的操作。

3.2 邊緣處理

為了能將采集圖像中不必要的圖像信息去掉，只留下鈔票最核心的數(shù)據(jù)，必須對圖像進行邊緣處理[3]。對于一張圖像中像素值不連續(xù)的地方，即邊緣。而不連續(xù)的區(qū)域其灰度值是有變化的，例如灰度值從0 變到1，從數(shù)值看是有一個階躍的變化，那么對該數(shù)據(jù)求一階導(dǎo)數(shù)，可以發(fā)現(xiàn)有一個向上的階躍。除此之外，其他數(shù)據(jù)都是0。本研究應(yīng)用SOBEL 算子，主要用于計算圖像亮度的梯值，其包含水平和垂直邊緣檢測，該算法運算時間較快，比較適用目前的設(shè)備。

3.3 圖像矯正

將鈔票放入入鈔口后難免會有一些傾斜，同時設(shè)備傳動機構(gòu)傳送時也可能會將鈔票傾斜，這時就需要矯正鈔票的圖像處理，以便后續(xù)識別。典型的圖像矯正方法有HOUGH 變換，首先計算出鈔票傾斜的角度，然后將鈔票整體通過一個點進行角度傾斜，最后將鈔票矯正。

通過上述分析可以發(fā)現(xiàn)，鈔票在整個處理中，不可避免地會在整個設(shè)備系統(tǒng)上產(chǎn)生一些噪聲，需要對應(yīng)的濾波方法除去噪聲，提高圖像質(zhì)量。為保證鈔票的完整，需要通過邊緣處理的方法，最大程度地維護圖片的完整性。針對設(shè)備動作、鈔票運動產(chǎn)生的傾斜，需要通過算法將鈔票矯正到最合適的狀態(tài)，以便后續(xù)的鈔票識別。

4 鈔票圖像識別及鑒偽

鈔票圖像識別[4]及鑒偽是鈔票識別技術(shù)中最為核心的技術(shù)，需要使用各種算法、識別技術(shù)、鑒偽手段等。很多鈔票的關(guān)鍵信息都在這個環(huán)節(jié)提取并確認，存取款一體機的核心技術(shù)也是識別鑒偽技術(shù)。

4.1 鈔票面值識別

鈔票面值識別[5]一般有尺寸識別、顏色識別和圖像內(nèi)容識別等方法，本文主要研究鈔票尺寸識別方法。第五版人民幣的面值有100、50、20、10、5、1 元，不同面值鈔票的紙張長寬各有特征，尺寸不一，詳細見表1。

表1 人民幣尺寸表

通過人民幣尺寸表可以看出，寬度信息具有唯一性，可以通過對鈔票的圖像預(yù)處理，進行圖像邊緣檢測后，識別到每張圖片的尺寸邊緣，通過算法計算出圖片的尺寸，通過各種不同尺寸索引到不同的面值，從而識別每張鈔票的面值。

4.2 鈔票面向識別

鈔票識別最主要的作用是對鈔票特征的獲取以及模板的比對。鈔票特征的獲取主要是獲取關(guān)鍵信息，以面值100 元的人民幣為例，正面有100 元的標識，右上角有100 元的標識。模板的比對主要是先獲取、保存正常鈔票的正面信息，對新鈔票進行分析時，如果是正面那么關(guān)鍵部分與正常鈔票正面進行比對，比對一致即完成識別。如果是反面則需要進行180°的轉(zhuǎn)換，以完成相應(yīng)比對。通過面向識別，對后續(xù)鈔票的其他信息進行識別及分析起到重要作用，例如鈔票冠字號信息、重要的鑒偽信息等。

4.3 冠字號識別

每張鈔票的鈔票冠字號是唯一的，是鈔票的身份識別。冠字號識別[6]主要是先對鈔票的冠字號區(qū)域進行識別及篩選，然后通過模板比對法進行識別。以鈔票正面正向為例，冠字號在左下角區(qū)域，通過固定像素點位置坐標，即可以定位該區(qū)域。然后通過二值化的方法，將數(shù)字字母與背景進行區(qū)分，以提取到核心冠字號。提取到的字符通過與模板比對，可以計算出實際的冠字號信息。但模板比對的方法效率比較慢，如字母有26 個、數(shù)字有10 個，需要逐項比對，識別時間比較慢。可通過特征識別方法識別，通過算法快速響應(yīng)，例如0，其像素特征是有閉環(huán)的圈特性；例如1，其像素特征具有寬度小，且在垂直方向上像素特性一致。通過相關(guān)算法索引可以快速檢測其冠字號。

4.4 鈔票鑒偽

目前，鈔票假幣層出不窮，因此對鈔票的鑒偽必不可少。常用的鑒偽方法有紅外圖像鑒偽方法，主要是根據(jù)鈔票某個特殊圖像區(qū)域或某個特殊水印位置，在可見光下和紅外光下，其成像后的像素信息不同，通過其特征信息判定其真假。例如，通過紅外光掃描產(chǎn)生的紅外圖像，可以發(fā)現(xiàn)有些鈔票反面正向的圖像存在，有些特征點圖像已經(jīng)消失。不同光下的像素信息不同，可以通過區(qū)域像素點平均值的比對判斷是真鈔還是假鈔。500 歐元的鈔票在可見光下和紅外光下成像圖如圖3 所示[7]。

圖3 可見光和紅外光下鈔票成像圖

5 結(jié)語

目前，雖然使用現(xiàn)金的機會越來越少，但是現(xiàn)金鈔票在當今社會仍然不會退出舞臺。不斷優(yōu)化完善的鈔票識別設(shè)備比原來手工及最初的半自動化識別設(shè)備先進很多，同時存取款一體機已經(jīng)在國有六大銀行全行使用，截至目前也同步研發(fā)了多款同類產(chǎn)品，如大額存取款機、清分機等，都運用了鈔票識別技術(shù)，使用了人工智能算法。鈔票識別模塊、鈔票識別技術(shù)在人工智能的道路上已邁出了堅實的一步，未來將運用該技術(shù)繼續(xù)推進人工智能在其他領(lǐng)域綻放光彩。