一种污损纸币的识别方法、装置、设备和存储介质与流程

1.本发明涉及纸币检测技术领域，尤其涉及一种污损纸币的识别方法、装置、设备和存储介质。


背景技术：

2.纸币作为主要的货币流通手段，在人们的生活中承担着重要的角色，由于我国现金流通规模庞大，因此难免会造成纸币的污损。
3.纸币的污损识别是纸币清分过程中的一个重要环节，通常可以采用柜员进行人工鉴别，而当待识别纸币数量较多的情况下还可以采用图像处理以及神经网络训练的方法的方式进行识别。
4.但是目前大多数基于图像处理以及神经网络训练的方法需要大量的样本图像进行特征提取操作，而纸币污损在实际生产中有比较多的种类，同时稀少不常见的污损出现的频次低，无法通过大量样本得到普通的纸币污损的图像特征，这也导致了现有技术的检测效率低下以及检测错误率高的缺点。


技术实现要素：

5.本发明实施例提供了一种污损纸币的识别方法，以解决对于污损纸币的检测效率低下以及检测错误率高的问题。
6.根据本发明实施例的一方面，提供了一种污损纸币的识别方法，包括：对样本纸币进行聚类获取多个纸币群，其中，每个所述纸币群中包含具有相同特征的样本纸币；
7.对每个所述纸币群添加标签获取标签化纸币数据；
8.对所述标签化纸币数据进行切割处理获取切割样本数据，并通过所述切割样本数据进行训练获取污损纸币识别模型；
9.通过所述污损纸币识别模型对待测纸币进行识别，获取所述待测纸币的污损结果。
10.根据本发明实施例的另一方面，提供了一种污损纸币的识别装置，包括：聚类模块，用于对原始样本纸币进行聚类获取多个纸币群，其中，每个纸币群中包含具有相同特征的原始样本纸币；
11.标签添加模块，用于对每个所述纸币群添加标签获取标签化纸币数据；
12.识别模型获取模块，用于对所述标签化纸币数据进行切割处理获取切割样本数据，并通过切割样本数据进行训练获取污损纸币识别模型；
13.纸币污损结果获取模块，用于通过所述污损纸币识别模型对待测纸币进行识别，获取所述待测纸币的污损结果。
14.根据本发明实施例的另一方面，提供了一种电子设备，所述电子设备包括：
15.至少一个处理器；以及
16.与所述至少一个处理器通信连接的存储器；其中，
17.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的一种污损纸币的识别方法。
18.根据本发明实施例的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的一种污损纸币的识别方法。
19.本发明实施例的技术方案，通过对样本纸币进行聚类添加标签等操作可获取多种类型的数据样本，通过切割处理可以进一步增加稀少污损纸币的样本数量，从而保证了污损纸币识别模型训练的准确性，通过污损纸币识别模型进行纸币识别，可以准确获取纸币的污损结果，解决了对于污损纸币的检测效率低下以及检测错误率高的问题，提高了污损纸币的识别效率。
20.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
21.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
22.图1是根据本发明实施例一提供的一种污损纸币的识别方法的流程图；
23.图2是根据本发明实施例二提供的一种污损纸币的识别方法的流程图；
24.图3是根据本发明实施例三提供的一种污损纸币的识别装置的结构示意图；
25.图4是实现本发明实施例四的污损纸币的识别方法的电子设备的结构示意图。
具体实施方式
26.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
27.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
28.实施例一
29.图1为本发明实施例一提供了一种污损纸币的识别方法的流程图，本实施例可适用于污损纸币的识别情况，该方法可以由污损纸币的识别装置来执行，该污损纸币的识别装置可以采用硬件和/或软件的形式实现，该污损纸币的识别装置可配置于电子设备中。如图1所示，该方法包括：
30.s110、对样本纸币进行聚类获取多个纸币群，其中，每个纸币群中包含具有相同特征的样本纸币。
31.其中，纸币是代替金属货币执行流通手段，并由国家发行并强制使用的货币符号。样本纸币可以是从市场上流通的纸币中获取的，并利用相机等具备拍摄功能的设备拍摄样本纸币的票面图像，纸币群可以包含一个或多个具有相同特征的样本纸币，本实施例在此不做具体限制。
32.可选的，对样本纸币进行聚类获取多个纸币群，包括：提取每个样本纸币的指定特征，其中，指定特征包括灰度特征或纹理特征；将指定特征之间的距离在预设范围内的纸币划分到同一纸币群中。
33.其中，灰度特征可以是指每个像素只有一个采样颜色的纸币票面图像数据，纹理特征可以用于描述图像或图像区域所对应物体的表面性质，例如图像纹理的粗细和稠密等特征。由于纸币上各个点的颜色及亮度不同，因此拍摄成的图像各个点会呈现不同程度的灰色，本实施例中对样本纸币进行聚类可以是将具有相同灰度纹理特征的图像进行聚合，从而得到多个具有相同灰度或纹理特征的纸币群。当然，还可以通过变分自编码器对样本纸币进行聚类处理，本实施方式中并不限定对样本纸币进行聚类的具体方式。
34.s120、对每个纸币群添加标签获取标签化纸币数据。
35.可选的，对每个纸币群添加标签获取标签化纸币数据具体可以包括：从每个纸币群中选择指定数量的样本纸币；针对每个纸币群中所选择出的样本纸币进行识别确定所匹配的标签类型，其中，标签类型包括常规污损、非常规污损和正常纸币；将标签类型添加到所对应的纸币群中每个样本纸币中，获取标签化纸币数据。
36.可选的，常规污损包括笔画污损、涂抹污损和缺失污损，非常规污损包括烧坏污损。
37.其中，标签是用于标识产品的分类或内容，便于查找和定位标签上所携带的标识。标签化纸币可以是用于标识纸币的类型。具体的，对于每一种纸币的污损，由于其图像特征分布是规律的，因此，通过找到其分布形式即可得出该图像污损对应的污损类型。纸币的污损类型可以包括但不限于常规污损纸币、非常规污损纸币和正常纸币。具体地，本实施方式中常规污损的纸币可以包括但不限于笔画污损、涂抹污损和缺失污损，其中，笔画污损可以是用笔在票面上形成的污渍，涂抹污损可以是用颜料或者笔在票片上形成的污损，缺失污损可以是票片受到缺失，变成不完整的纸币。非常规污损的纸币可以包括但不限于受到烧坏污损的纸币，正常纸币可以是未受到任何污损的干净的纸币。标签化纸币数据可以是将纸币群中具有类似的灰度特征的纸币图像数据打上标签，被打上标签的纸币图像数据即为标签化纸币数据。
38.需要说明的是，由于每个纸币群中的样本纸币都具有相同的特征，因此本实施方式中仅需要从每个纸币群中选择出指定数量的样本纸币，其中指定数量相对于整个纸币群的样本纸币数量来说则是少量数据，例如，通过聚类获取到三个纸币群：纸币群a、纸币群b和纸币群c，在纸币群a中包含100个样本纸币，从中随机选择出3个样本纸币，通过专家经验对指定数量的样本纸币进行识别，确定出所匹配的标签类型为非常规污损中的烧坏污损，则将所确定出的烧坏污损添加到纸币群a中所剩余的每个样本纸币中。当然本实施方式中仅以纸币群a为例进行说明，对于纸币群b和纸币群b添加标签的方式与此大致相同，本实施
方式中不再进行赘述，并将添加标签后的所有纸币群作为标签化纸币数据。
39.s130、对标签化纸币数据进行切割处理获取切割样本数据，并通过切割样本数据进行训练获取污损纸币识别模型。
40.可选的，s130可以包括：确定滑动窗口，其中，滑动窗口小于样本纸币的尺寸；按照滑动窗口对标签化纸币数据进行滑动切割，获取切割样本数据，其中，切割样本数据大于标签化纸币数据；将切割样本数据输入深度学习网络进行训练获取污损纸币识别模型，其中，深度学习网络包括darknet-53网络。
41.在一个具体实现中，可以根据预先设定的滑动窗口对每个添加标签的样本纸币进行滑动切割，而滑动窗口要小于样本纸币的尺寸，例如，样本纸币的尺寸为30*30，而滑动窗口的大小可以是3*3，因此针对一个添加标签的样本纸币进行切割后，可以获取到多个切割样本，从而增加样本纸币的数量。由于标签化纸币数据中还包含了非常规污损的纸币数据，因此将标签化纸币数据进行切割处理可以增加非常规污损的样本数量，即，通过切割处理获取的切割样本数据相比于原来的未进行切割的样本数据所包含的非常规污损的样本数量更多，从而解决了由于非常规污损纸币的样本量较少，而造成模型训练不精准的问题，因此通过采用对切割样本数据进行训练所获取的污损纸币识别模型，能够准确的检测出多种类型的污损纸币，从而提高了污损纸币的识别精度。
42.在一个具体实现中，可以利用切割样本数据对darknet-53卷积神经网络进行预训练，得到训练后的darknet-53卷积神经网络。当然，本实施方式中仅是以darknet-53卷积神经网络为例进行说明，而并不对深度学习网络的具体类型进行限定。
43.s140、通过污损纸币识别模型对待测纸币进行识别，获取待测纸币的污损结果。
44.其中，待测纸币可以是未知的包括常规污损、非常规污损和正常类型的纸币图像数据。
45.可选的，s140可以包括：将待测纸币输入污损纸币识别模型，获取待测纸币的标签类型；将待测纸币的标签类型作为污损结果。
46.将待测纸币图像数据输入至污损纸币识别模型进行识别训练，可以得出待测纸币受到污损的结果，可选的，受到污损的结果可以是标签的类型对应的污损结果，比如，纸币受到污损的结果可以为笔画污损、涂抹污损、缺失污损和烧坏污损。
47.本发明实施例的技术方案通过对样本纸币进行聚类添加标签等操作可获取多种类型的数据样本，通过切割处理可以进一步增加稀少污损纸币的样本数量，从而保证了污损纸币识别模型训练的准确性，通过污损纸币识别模型进行纸币识别，可以准确获取纸币的污损结果，解决了对于污损纸币的检测效率低下以及检测错误率高的问题，提高了污损纸币的识别效率。
48.实施例二
49.图2为本发明实施例二提供的一种污损纸币的识别方法的流程图，在步骤通过污损纸币识别模型对待测纸币进行识别，获取待测纸币的污损结果之后，还包括：按照污损等级标准确定待测纸币的污损等级并当确定污损等级达到预设等级时进行报警提示。其中与上述各实施例相同或相应的术语的解释在此不再赘述。如图2所示，具体包括以下步骤：
50.s210、对样本纸币进行聚类获取多个纸币群，其中，每个纸币群中包含具有相同特征的样本纸币。
51.可选的，对样本纸币进行聚类获取多个纸币群，包括：提取每个样本纸币的指定特征，其中，指定特征包括灰度特征或纹理特征；将指定特征之间的距离在预设范围内的纸币划分到同一纸币群中。
52.s220、对每个纸币群添加标签获取标签化纸币数据。
53.可选的，对每个纸币群添加标签获取标签化纸币数据具体可以包括：从每个纸币群中选择指定数量的样本纸币；针对每个纸币群中所选择出的样本纸币进行识别确定所匹配的标签类型，其中，标签类型包括常规污损、非常规污损和正常纸币；将标签类型添加到所对应的纸币群中每个样本纸币中，获取标签化纸币数据。
54.可选的，常规污损包括笔画污损、涂抹污损和缺失污损，非常规污损包括烧坏污损。
55.s230、对标签化纸币数据进行切割处理获取切割样本数据，并通过切割样本数据进行训练获取污损纸币识别模型。
56.可选的，s230可以包括：确定滑动窗口，其中，滑动窗口小于样本纸币的尺寸；按照滑动窗口对标签化纸币数据进行滑动切割，获取切割样本数据，其中，切割样本数据大于标签化纸币数据；将切割样本数据输入深度学习网络进行训练获取污损纸币识别模型，其中，深度学习网络包括darknet-53网络。
57.s240、通过污损纸币识别模型对待测纸币进行识别，获取待测纸币的污损结果。
58.可选的，s240可以包括：将待测纸币输入污损纸币识别模型，获取待测纸币的标签类型；将待测纸币的标签类型作为污损结果。
59.s250、按照污损等级标准确定待测纸币的污损等级，其中，污损等级标准中包含标签类型与污损等级的对应关系。
60.其中，污损等级可以是对纸币受到污损的程度进行等级划分，该程度可以依据票面遮挡情况的多少来划分。污损等级标准可以划分为严重受损、中度受损和无损。严重受损可以表示待测纸币上大部分图像被遮挡，中度受损可以表示待测纸币部分被遮挡，污损可以表示待测纸币无任何遮挡。相应的，以常规污损中笔画污损为例，其按照纸币的遮挡情况可以将污损结果分为：笔画-严重受损、笔画-中度受损。
61.s260、当确定污损等级达到预设等级时进行报警提示。
62.其中，预设等级为纸币为中度及以上的污损等级，当纸币污损等级达到严重受损，即纸币上大部分被污渍遮挡或缺失时，则说明该张纸币无法在世面上进行流通，因此，会发出相应的报警提示。
63.需要说明的是，本实施方式中的具体可以是声音或者图形等方式进行报警，本实施方式中并不限定报警的具体形式。
64.本发明实施例的技术方案，通过对样本纸币进行聚类添加标签等操作可获取多种类型的数据样本，通过切割处理可以进一步增加稀少污损纸币的样本数量，从而保证了污损纸币识别模型训练的准确性，通过污损纸币识别模型进行纸币识别，可以准确获取纸币的污损结果，解决了对于污损纸币的检测效率低下以及检测错误率高的问题，提高了污损纸币的识别效率。同时通过按照污损等级标准确定待测纸币的污损等级并当确定污损等级达到预设等级时进行报警提示，从而便于用户根据报警提示及时将污损严重无法流通的纸币筛选出来，从而提高纸币的流通率。
65.实施例三
66.图3为本发明实施例三提供的一种污损纸币的识别装置的结构示意图。如图3所示，该装置包括：聚类模块310、标签添加模块320、识别模型获取模块330、纸币污损结果获取模块340。
67.其中，聚类模块310、用于对原始样本纸币进行聚类获取多个纸币群，其中，每个纸币群中包含具有相同特征的原始样本纸币；
68.标签添加模块320、用于对每个纸币群添加标签获取标签化纸币数据；
69.识别模型获取模块330、用于对标签化纸币数据进行切割处理获取切割样本数据，并通过切割样本数据进行训练获取污损纸币识别模型；
70.纸币污损结果获取模块340、用于通过污损纸币识别模型对待测纸币进行识别，获取待测纸币的污损结果。
71.可选的，聚类模块310包括：
72.指定特征提取单元，用于提取每个样本纸币的指定特征，其中，指定特征包括灰度特征或纹理特征；
73.纸币群确定单元，用于将指定特征之间的距离在预设范围内的纸币划分到同一纸币群中。
74.可选的，标签添加模块320包括：
75.数量选择单元，用于从每个纸币群中选择指定数量的样本纸币；
76.标签类型确定单元，用于针对每个纸币群中所选择出的样本纸币进行识别确定所匹配的标签类型，其中，标签类型包括常规污损、非常规污损和正常纸币；
77.标签化数据获取单元，用于将标签类型添加到所对应的纸币群中每个样本纸币中，获取标签化纸币数据。
78.可选的，常规污损包括笔画污损、涂抹污损和缺失污损，非常规污损包括烧坏污损。
79.可选的，识别模型获取模块330，包括：
80.滑动窗口确定单元，用于确定滑动窗口，其中，滑动窗口小于样本纸币的尺寸；
81.样本数据切割单元，用于按照滑动窗口对标签化纸币数据进行滑动切割，获取切割样本数据，其中，切割样本数据大于标签化纸币数据；
82.样本数据输入单元，用于将切割样本数据输入深度学习网络进行训练获取污损纸币识别模型，其中，深度学习网络包括darknet-53网络。
83.可选的，纸币污损结果获取模块340，包括：
84.标签类型获取单元，用于将待测纸币输入污损纸币识别模型，获取待测纸币的标签类型；
85.污损结果获取单元，用于将待测纸币的标签类型作为污损结果。
86.可选的，上述装置还包括：
87.污损等级确定装置，用于按照污损等级标准确定待测纸币的污损等级，其中，污损等级标准中包含标签类型与污损等级的对应关系；
88.报警提示装置，用于当确定污损等级达到预设等级时进行报警提示。
89.本发明实施例所提供的污损纸币识别装置可执行本发明任意实施例所提供的污
损纸币识别方法，具备执行方法相应的功能模块和有益效果。
90.实施例四
91.图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
92.如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
93.电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
94.处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如污损纸币识别的方法。
95.在一些实施例中，污损纸币识别的方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的污损纸币识别方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行污损纸币识别的方法。
96.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
97.用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被
实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
98.在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
99.为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
100.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
101.计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
102.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
103.上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。