CN106875543B - 一种基于rgb-d相机的视障人士纸币识别系统及识别方法 - Google Patents
一种基于rgb-d相机的视障人士纸币识别系统及识别方法 Download PDFInfo
- Publication number
- CN106875543B CN106875543B CN201710062971.2A CN201710062971A CN106875543B CN 106875543 B CN106875543 B CN 106875543B CN 201710062971 A CN201710062971 A CN 201710062971A CN 106875543 B CN106875543 B CN 106875543B
- Authority
- CN
- China
- Prior art keywords
- bank note
- area
- matching
- interest
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000001771 impaired effect Effects 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000000605 extraction Methods 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 2
- 239000000284 extract Substances 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 206010047571 Visual impairment Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
- G07D7/20—Testing patterns thereon
- G07D7/2016—Testing patterns thereon using feature extraction, e.g. segmentation, edge detection or Hough-transformation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于RGB‑D相机的视障人士纸币识别系统及识别方法。该方法首先提取深度值在0.3米到0.8米之间的像素，然后用分类器找到匹配区域作为感兴趣区域，并对感兴趣区域提取SURF特征点与标准纸币图像的SURF特征点匹配，匹配的点对数量反映了感兴趣区域与标准纸币的相似性，输出匹配点对数量最多的作为纸币识别结果并反馈给视障人士，根据匹配点对数量也可分析出无纸币的情况。该纸币识别方法在纸币的四种朝向以及有尺寸的变化，小角度的旋转，光照环境的改变等情况下依然有良好的鲁棒性和识别正确率，并且专为视障人士设计，可以识别多张纸币，能有效适用于实际应用，具有良好的实时性。
Description
技术领域
本发明涉及纸币识别、视觉障碍人群辅助技术领域，尤其涉及一种基于RGB-D相机的视障人士纸币识别系统及识别方法。
背景技术
随着社会的发展，视障人士的生活质量越来越受到政府和社会的关注。绝大部分视障人士从盲校毕业后选择从事盲人按摩获得一定的收入来源。据中国残疾人联合会统计，每年全国有超过三万人接受政府和医疗机构的盲人按摩培训学习。其中，纸币识别是辅助视障人士顺利融入社会获得经济来源的一项基本需求。
当前，纸币识别大多是针对自动取款机和自动贩卖机上实现的纸币形态单一、无复杂背景环境限制的算法。该算法无法满足视障人士在实际应用中的实时处理输出结果，没有去除复杂背景环境的完整方案，因此需要一套完整的适用于视障人士的纸币识别方法。
适用于视障人士的纸币识别算法少之极少，其原因在于难以解决复杂环境下的任意形态的纸币识别。实际应用在视障人士的纸币识别需要面临的挑战有：复杂的背景环境、纸币的多呈现形式、纸币的磨损状况、外界环境的改变、实时性等，在算法设计时要做到全面考虑。
发明内容
本发明的目的是解决视障人士纸币识别问题，旨在为视障人士提供一种准确、快速的纸币识别系统及方法。
本发明通过以下技术方案来解决技术问题，一种基于RGB-D相机的视障人士纸币识别系统，所述系统包含一个RGB-D相机、处理器、语音模块。RGB-D相机用于采集含有深度信息的彩色图像，处理器用于图像处理识别纸币的面值，语音模块将处理结果反馈给视障人士。
一种纸币识别方法，包括以下步骤：
(1)获取纸币识别结果范围内的标准纸币中n个不同面值的正反面图像，共2n幅；将2n幅图像的尺寸进行归一化处理，得到2n幅标准纸币图像；分别遍历每幅标准纸币图像的SURF特征点，并生成相应的描述特征点的描述子；
(2)获取纸币正面分类器和纸币反面分类器；
用RGB-D相机获取不同光照条件下的正样本和负样本。所述正样本是只含有完整纸币的彩色图像，将正样本的尺寸进行归一化处理，通常归一化为40像素*20像素；正样本分为两类，纸币正面的正样本和纸币反面的正样本；负样本是指不含有纸币的彩色图像，将负样本转化成灰度图。
提取纸币正面正样本和负样本的Haar特征，并利用Adaboost算法形成纸币正面分类器；同理，提取纸币反面正样本和负样本的Haar特征，并利用Adaboost算法形成纸币反面分类器。
(3)用RGB-D相机获取包含深度信息的待测彩色图像，将待测彩色图像中深度值在0.3～0.8米范围内的像素保留RGB彩色信息，其余像素设置为白色。
(4)将步骤2中纸币正面分类器和纸币反面分类器对步骤3中深度值处理后的待测彩色图像进行处理，找到分类器的匹配区域，并用长度是宽度2倍的矩形框出分类器的匹配区域，该匹配区域即为感兴趣区域。
(5)提取步骤4得到的感兴趣区域的SURF特征点，并生成相应的描述特征点的描述子。
(6)将步骤5中的感兴趣区域的SURF特征点分别和步骤1中的2n幅标准纸币图像的SURF特征点匹配，具体步骤如下：
(6.1)通过正向、反向两种方式筛选相同匹配点对；
所述正向筛选方式为：针对标准纸币图像中的每个SURF特征点Q，利用KNN算法找到其在感兴趣区域中欧氏距离最近与次近的两个SURF特征点P1、P2，得到两个正向匹配点对(Q\P1、Q\P2)；计算Q\P1和Q\P2的欧氏距离，分别为D1、D2。欧氏距离的计算公式如下，
其中，Dij表示感兴趣区域中的第i个特征点与标准图像中的第j个特征点间的欧氏距离，Xik表示感兴趣区域中的第i个特征点描述子的第k维分量，Xjk表示标准图像中的第j个特征点描述子的第k维分量，n表示SURF特征点的生成的描述子的维数。然后，计算最近欧氏距离D1与次近欧氏距离D2的比值Ratio1＝D1/D2，Ratio1的值越小，则匹配点对的质量越高；设置欧氏距离比值阈值Ratio，将Ratio1小于Ratio的特征点对Q\P1作为正向筛选方式中的有效匹配点对，从而可以得到正向筛选方式中有效匹配点对集合。
所述反向筛选方式为：针对感兴趣区域中的每个SURF特征点P，利用KNN算法找到其在标准纸币图像中欧氏距离最近与次近的两个SURF特征点Q1、Q2，得到两个反向匹配点对(P\Q1、P\Q2)；计算P\Q1和P\Q2的欧氏距离，分别为D3、D4。然后，计算最近欧氏距离D3与次近欧氏距离D4的比值Ratio2＝D3/D4，Ratio2小于欧氏距离比值阈值Ratio的特征点对P\Q1为反向筛选方式中的有效匹配点对，从而可以得到反向筛选方式中有效匹配点对集合。
(6.2)找到步骤6.1正向筛选方式和反向筛选方式中两两相互匹配的有效匹配点对，作为优质匹配点对。
(6.3)将步骤6.2得到的优质匹配点对用RANSAC算法进一步移除不合理的匹配点对。RANSAC算法可以利用随机选择的优质匹配点对计算得到标准纸币图像和感兴趣区域转换的基本矩阵，并将不符合基本矩阵的异常点排除。
(7)分别统计步骤6中感兴趣区域与2n幅标准纸币图像SURF特征点匹配的优质匹配点对数目R1,R2,…,R2n，计算Rk＝MAX[R1,R2,…,R2n]。设置优质匹配点对数目阈值R，若Rk大于R，则第k幅标准纸币图像对应的面值为识别结果；否则，判定为无纸币。
将步骤7中的结果通过语音模块反馈给视障人士。
本方法相比现有的纸币识别方法，其有益效果是：
1.该纸币识别方法融合了机器学习和SURF特征点检测，避免了只用机器学习需要的大量样本训练以及只用SURF特征点检测的帧率大大降低的缺点，先用少量样本训练出来的分类器找出可能为纸币的区域，减小后续处理对象的尺寸，再通过SURF特征点进一步精确确定纸币的面值。
2.该算法继承了SURF特征点检测的尺度不变性和旋转不变性，在光照有变化时也具有良好的鲁棒性，适用于视障人士实际应用过程中遇到的复杂多变的外界环境。
3.该算法继承了机器学习识别纸币的实时性。在分类器找到的感兴趣区域中，虽然有一些不含纸币的区域，但纸币总是包含在其中的，不会遗漏图像中的纸币。
4.该算法采用RGB-D相机将待测彩色图像中绝大部分深度值不可靠的点去除。由于本纸币识别方法识别纸币的正确率主要依赖于SURF特征点的匹配，将明显错误的像素提前移除，可避免后续的SURF特征点误匹配。
5.该算法可以准确判断有无纸币，并在有纸币时输出纸币面值，操作方法便捷，与正常人相同，无需额外操作。
6.该算法采用改进的SURF特征点匹配，移除错误匹配点对以及质量较差的匹配点对，提高了特征点匹配的质量，降低了纸币面值误识别的几率，避免视障人士由于误识别造成的经济损失。
7.该算法可以识别多张纸币。将多张纸币依次平铺，则该算法可以依次输出多张纸币的面值；前提是每张纸币都有足够多的特征点可以检测到，若有纸币被遮挡的面积过大，则该纸币无法识别。
附图说明
图1为标准纸币图像的示意图。
图2为纸币正样本和负样本的示意图。
图3为RGB-D相机采集的待测彩色图像示意图。
图4为待测彩色图像深度值提取后的图像示意图。
图5为使用分类器框出感兴趣区域的示意图。
具体实现方式
本发明提供一种基于RGB-D相机的视障人士纸币识别系统，所述系统包含一个RGB-D相机、处理器、语音模块。RGB-D相机用于含有深度信息的彩色图像采集，处理器用于图像处理输出纸币识别的结果，语音模块将处理结果反馈给视障人士。
本发明基于RGB-D相机实现的纸币识别方法，具体步骤如下：
(1)获取纸币识别结果范围内的标准纸币中n个不同面值的正反面图像，共2n幅；将2n幅图像的尺寸进行归一化处理，得到2n幅标准纸币图像；分别遍历每幅标准纸币图像的SURF特征点，并生成相应的描述特征点的描述子；
(2)获取纸币正面分类器和纸币反面分类器；
用RGB-D相机获取不同光照条件下的正样本和负样本，正样本和负样本的数量通常在百位数量级以上。所述正样本是只含有完整纸币的彩色图像，将正样本的尺寸进行归一化处理，通常归一化为40像素*20像素；正样本分为两类，纸币正面的正样本和纸币反面的正样本；负样本是指不含有纸币的彩色图像，将负样本转化成灰度图。
提取纸币正面正样本和负样本的Haar特征，并利用Adaboost算法形成纸币正面分类器；同理，提取纸币反面正样本和负样本的Haar特征，并利用Adaboost算法形成纸币反面分类器。
(3)用RGB-D相机获取包含深度信息的待测彩色图像，将待测彩色图像中深度值在0.3～0.8米范围内的像素保留RGB彩色信息，其余像素设置为白色。
(4)将步骤2中纸币正面分类器和纸币反面分类器对步骤3中深度值处理后的待测彩色图像进行处理，找到分类器的匹配区域，并用长度是宽度2倍的矩形框出分类器的匹配区域，该匹配区域即为感兴趣区域。
(5)提取步骤4得到的感兴趣区域的SURF特征点，并生成相应的描述特征点的描述子。
(6)将步骤5中的感兴趣区域的SURF特征点分别和步骤1中的2n幅标准纸币图像的SURF特征点匹配，具体步骤如下：
(6.1)通过正向、反向两种方式筛选相同匹配点对；
所述正向筛选方式为：针对标准纸币图像中的每个SURF特征点Q，利用KNN算法找到其在感兴趣区域中欧氏距离最近与次近的两个SURF特征点P1、P2，得到两个正向匹配点对(Q\P1、Q\P2)；计算Q\P1和Q\P2的欧氏距离，分别为D1、D2。欧氏距离的计算公式如下，
其中，Dij表示感兴趣区域中的第i个特征点与标准图像中的第j个特征点间的欧氏距离，Xik表示感兴趣区域中的第i个特征点描述子的第k维分量，Xjk表示标准图像中的第j个特征点描述子的第k维分量，n表示SURF特征点的生成的描述子的维数。然后，计算最近欧氏距离D1与次近欧氏距离D2的比值Ratio1＝D1/D2，Ratio1的值越小，则匹配点对的质量越高；设置欧氏距离比值阈值Ratio，将Ratio1小于Ratio的特征点对Q\P1作为正向筛选方式中的有效匹配点对，从而可以得到正向筛选方式中有效匹配点对集合。
所述反向筛选方式为：针对感兴趣区域中的每个SURF特征点P，利用KNN算法找到其在标准纸币图像中欧氏距离最近与次近的两个SURF特征点Q1、Q2，得到两个反向匹配点对(P\Q1、P\Q2)；计算P\Q1和P\Q2的欧氏距离，分别为D3、D4。然后，计算最近欧氏距离D3与次近欧氏距离D4的比值Ratio2＝D3/D4，Ratio2小于欧氏距离比值阈值Ratio的特征点对P\Q1为反向筛选方式中的有效匹配点对，从而可以得到反向筛选方式中有效匹配点对集合。
(6.2)找到步骤6.1正向筛选方式和反向筛选方式中两两相互匹配的有效匹配点对，作为优质匹配点对。SURF特征点匹配的数量反映了感兴趣区域与标准纸币的相似度，数量越多，相似度越高。
(6.3)将步骤6.2得到的优质匹配点对用RANSAC算法进一步移除不合理的匹配点对。RANSAC算法可以利用随机选择的优质匹配点对计算得到标准纸币图像和感兴趣区域转换的基本矩阵，并将不符合基本矩阵的异常点排除，该步骤可以将错误的匹配点对排除。
(7)分别统计步骤6中感兴趣区域与2n幅标准纸币图像SURF特征点匹配的优质匹配点对数目R1,R2,…,R2n，计算Rk＝MAX[R1,R2,…,R2n]。设置优质匹配点对数目阈值R，若Rk大于R，则第k幅标准纸币图像对应的面值为识别结果；否则，判定为无纸币。
(8)将步骤7中的结果通过语音模块反馈给视障人士。
Claims (1)
1.一种基于RGB-D相机的视障人士纸币识别系统，其特征在于，所述系统包含一个RGB-D相机、处理器、语音模块；RGB-D相机用于采集含有深度信息的彩色图像，处理器用于图像处理识别纸币的面值，语音模块将处理结果反馈给视障人士；通过以下步骤进行纸币识别：
(1)获取纸币识别结果范围内的标准纸币中n个不同面值的正反面图像，共2n幅；将2n幅图像的尺寸进行归一化处理，得到2n幅标准纸币图像；分别遍历每幅标准纸币图像的SURF特征点，并生成相应的描述特征点的描述子；
(2)获取纸币正面分类器和纸币反面分类器；
用RGB-D相机获取不同光照条件下的正样本和负样本；所述正样本是只含有完整纸币的彩色图像，将正样本的尺寸进行归一化处理；正样本分为两类，纸币正面的正样本和纸币反面的正样本；负样本是指不含有纸币的彩色图像，将负样本转化成灰度图；
提取纸币正面正样本和负样本的Haar特征，并利用Adaboost算法形成纸币正面分类器；同理，提取纸币反面正样本和负样本的Haar特征，并利用Adaboost算法形成纸币反面分类器；
(3)用RGB-D相机获取包含深度信息的待测彩色图像，将待测彩色图像中深度值在0.3～0.8米范围内的像素保留RGB彩色信息，其余像素设置为白色；
(4)将步骤2中纸币正面分类器和纸币反面分类器对步骤3中深度值处理后的待测彩色图像进行处理，找到分类器的匹配区域，并用长度是宽度2倍的矩形框出分类器的匹配区域，该匹配区域即为感兴趣区域；
(5)提取步骤4得到的感兴趣区域的SURF特征点，并生成相应的描述特征点的描述子；
(6)将步骤5中的感兴趣区域的SURF特征点分别和步骤1中的2n幅标准纸币图像的SURF特征点匹配，具体步骤如下：
(6.1)通过正向、反向两种方式筛选相同匹配点对；
所述正向筛选方式为：针对标准纸币图像中的每个SURF特征点Q，利用KNN算法找到其在感兴趣区域中欧氏距离最近与次近的两个SURF特征点P1、P2，得到两个正向匹配点对(Q\P1、Q\P2)；计算Q\P1和Q\P2的欧氏距离，分别为D1、D2；欧氏距离的计算公式如下，
其中，Dij表示感兴趣区域中的第i个特征点与标准图像中的第j个特征点间的欧氏距离，Xik表示感兴趣区域中的第i个特征点描述子的第k维分量，Xjk表示标准图像中的第j个特征点描述子的第k维分量，n表示SURF特征点的生成的描述子的维数；然后，计算最近欧氏距离D1与次近欧氏距离D2的比值Ratio1＝D1/D2，Ratio1的值越小，则匹配点对的质量越高；设置欧氏距离比值阈值Ratio，将Ratio1小于Ratio的特征点对Q\P1作为正向筛选方式中的有效匹配点对，从而可以得到正向筛选方式中有效匹配点对集合；
所述反向筛选方式为：针对感兴趣区域中的每个SURF特征点P，利用KNN算法找到其在标准纸币图像中欧氏距离最近与次近的两个SURF特征点Q1、Q2，得到两个反向匹配点对(P\Q1、P\Q2)；计算P\Q1和P\Q2的欧氏距离，分别为D3、D4；然后，计算最近欧氏距离D3与次近欧氏距离D4的比值Ratio2＝D3/D4，Ratio2小于欧氏距离比值阈值Ratio的特征点对P\Q1为反向筛选方式中的有效匹配点对，从而可以得到反向筛选方式中有效匹配点对集合；
(6.2)找到步骤6.1正向筛选方式和反向筛选方式中两两相互匹配的有效匹配点对，作为优质匹配点对；
(6.3)将步骤6.2得到的优质匹配点对用RANSAC算法进一步移除不合理的匹配点对；RANSAC算法利用随机选择的优质匹配点对计算得到标准纸币图像和感兴趣区域转换的基本矩阵，并将不符合基本矩阵的异常点排除；
(7)分别统计步骤6中感兴趣区域与2n幅标准纸币图像SURF特征点匹配的优质匹配点对数目R1,R2,…,R2n，计算Rk＝MAX[R1,R2,…,R2n]；设置优质匹配点对数目阈值R，若Rk大于R，则第k幅标准纸币图像对应的面值为识别结果；否则，判定为无纸币；
(8)将步骤7中的结果通过语音模块反馈给视障人士。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710062971.2A CN106875543B (zh) | 2017-01-25 | 2017-01-25 | 一种基于rgb-d相机的视障人士纸币识别系统及识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710062971.2A CN106875543B (zh) | 2017-01-25 | 2017-01-25 | 一种基于rgb-d相机的视障人士纸币识别系统及识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106875543A CN106875543A (zh) | 2017-06-20 |
| CN106875543B true CN106875543B (zh) | 2019-06-07 |
Family
ID=59165926
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710062971.2A Active CN106875543B (zh) | 2017-01-25 | 2017-01-25 | 一种基于rgb-d相机的视障人士纸币识别系统及识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106875543B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108760739B (zh) * | 2018-05-30 | 2020-10-09 | 成都天仁民防科技有限公司 | 一种人防门锈蚀状态检测系统及方法 |
| CN109001210B (zh) * | 2018-05-30 | 2020-10-09 | 成都天仁民防科技有限公司 | 一种人防门密封胶条老化龟裂检测系统及方法 |
| CN111680549B (zh) * | 2020-04-28 | 2023-12-05 | 肯维捷斯（武汉）科技有限公司 | 一种纸纹识别方法 |
| CN112396030A (zh) * | 2020-11-30 | 2021-02-23 | 河南中烟工业有限责任公司 | 一种循环烟箱的箱皮牌号和旋转角度的识别方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA1282171C (en) * | 1986-12-05 | 1991-03-26 | Melvyn Brennan | Banknote denomination reader system for the blind |
| WO1993025980A1 (en) * | 1992-06-15 | 1993-12-23 | Shinichi Nakagawa | Portable bank note discriminating device for visually handicapped person |
| JP3334013B2 (ja) * | 1994-05-02 | 2002-10-15 | 日本電信電話株式会社 | 電子現金流通方法 |
| JP5314007B2 (ja) * | 2007-06-01 | 2013-10-16 | カーベーアー−ノタシ ソシエテ アノニム | セキュリティ文書、特に紙幣の認証 |
| CN204029024U (zh) * | 2014-07-04 | 2014-12-17 | 宁夏诚洋数字科技有限公司 | 一种纸币面值识别系统 |
| CN104464079B (zh) * | 2014-12-29 | 2016-10-05 | 北京邮电大学 | 基于模板特征点及其拓扑结构的多币种面值识别方法 |
| CN104851094A (zh) * | 2015-05-14 | 2015-08-19 | 西安电子科技大学 | 一种基于rgb-d的slam算法的改进方法 |
| CN105513196A (zh) * | 2016-02-23 | 2016-04-20 | 上海斐讯数据通信技术有限公司 | 一种用于纸币识别的便携设备 |
| CN105894655B (zh) * | 2016-04-25 | 2018-05-22 | 浙江大学 | 基于rgb-d相机的复杂环境下纸币检测和识别方法 |
| CN106096527B (zh) * | 2016-06-03 | 2019-05-21 | 浙江大学 | 一种实时高精度在线纸币面值的识别方法 |
-
2017
- 2017-01-25 CN CN201710062971.2A patent/CN106875543B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN106875543A (zh) | 2017-06-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106875543B (zh) | 一种基于rgb-d相机的视障人士纸币识别系统及识别方法 | |
| CN105894655B (zh) | 基于rgb-d相机的复杂环境下纸币检测和识别方法 | |
| CN104658097B (zh) | 一种基于图像的直方图匹配的人民币纸币面额识别方法 | |
| Sharan et al. | Detection of counterfeit Indian currency note using image processing | |
| CN107437293A (zh) | 一种基于票据全局特征的票据防伪鉴别方法 | |
| CN109740572A (zh) | 一种基于局部彩色纹理特征的人脸活体检测方法 | |
| Tessfaw et al. | Ethiopian banknote recognition and fake detection using support vector machine | |
| Darade et al. | Automatic recognition of fake Indian currency note | |
| CN103886309A (zh) | 人像识别鉴别美元面额的方法 | |
| Sharma et al. | Recognition of Indian paper currency based on LBP | |
| CN106846608B (zh) | 一种基于rgb-d相机的视障人士纸币识别眼镜 | |
| Rathee et al. | Feature fusion for fake Indian currency detection | |
| Kamal et al. | Feature extraction and identification of Indian currency notes | |
| Uddin et al. | Image-based approach for the detection of counterfeit banknotes of Bangladesh | |
| Tele et al. | Detection of fake Indian currency | |
| Ali et al. | Recognition system for Pakistani paper currency | |
| CN106096527B (zh) | 一种实时高精度在线纸币面值的识别方法 | |
| Patil et al. | Offline signature recognition system using histogram of oriented gradients | |
| Amirsab et al. | An automated recognition of fake or destroyed Indian currency notes | |
| Garkoti et al. | Indian currency recognition system using image processing techniques | |
| Rajan et al. | An extensive study on currency recognition system using image processing | |
| CN108154116A (zh) | 一种图像识别方法及系统 | |
| Apoloni et al. | Philippine currency counterfeit detector using image processing | |
| Abbas | An image processor bill acceptor for Iraqi currency | |
| Warke et al. | COUNTERFEIT CURRENCY DETECTION USING IMAGE PROCESSING |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| CB02 | Change of applicant information |
Address after: 9, 181, 310000, Wuchang Road, Wuchang Street, Yuhang District, Zhejiang, Hangzhou, 202-7 Applicant after: HANGZHOU KR-VISION TECHNOLOGY CO.,LTD. Address before: Room 589, C building, No. 525 Xixi Road, Xihu District, Zhejiang, Hangzhou 310007, China Applicant before: HANGZHOU KR-VISION TECHNOLOGY CO.,LTD. |
|
| CB02 | Change of applicant information | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |