阅读说明：本技术 人民币纸币收藏划分方法及系统 (Method and system for collecting and dividing RMB paper money ) 是由 刘宇 黄俊革 刘计长 苑晓蓓 吴文萍 张彧 鲁宁绮 于 2020-05-15 设计创作，主要内容包括：本发明提供了一种人民币纸币收藏划分方法及系统,其中,取像装置除了能够获取到常规的纸币图像外,还能清晰地获取到纸币上的水印和荧光图像。通过识别所获取图像的主体特征进行初步识别,然后再根据分类库中预先训练的细微差异的图像信息分类器中进一步分类,最终输出该纸币具体的分类特征。对人民币纸币收藏细致划分能够更好地帮助定位藏品的市场价值和升值空间,本发明能够智能识别、自动划分,提高对人民币纸币藏品类别划分的准确性,帮助收藏者进行系统分类和细微特征的识别。(The invention provides a method and a system for collecting and dividing RMB paper money, wherein an image capturing device can acquire a conventional paper money image and can also clearly acquire a watermark and a fluorescence image on the paper money. And performing primary identification by identifying the main features of the acquired images, then further classifying the images according to the image information classifier with slight differences trained in the classification library in advance, and finally outputting the specific classification features of the paper money. The method can help better position the market value and the appreciation space of the collection by carefully dividing the collection of the RMB paper money, can intelligently identify and automatically divide, improves the accuracy of classifying the collection of the RMB paper money, and helps collectors to carry out systematic classification and identification of fine characteristics.)

人民币纸币收藏划分方法及系统

技术领域

本发明涉及一种人民币纸币收藏划分方法及系统。

背景技术

与普通纸币分类所不同的是，人民币纸币收藏的划分处理对年份、面额的初步划分外，还包括同一类别中细微的颜色、冠号、底纹、暗记、荧光和水印差异的进一步划分。

这样才能更好地定位人民币纸币藏品的市场价值和升值空间，帮助收藏者进行系统分类和细微特征的识别。

发明内容

本发明的目的在于提供一种人民币纸币收藏划分方法及系统。

为解决上述问题，本发明提供一种人民币纸币收藏划分方法，包括：

获取待识别纸币的图像；

提取所述待识别纸币图像的主体特征；

将所述待识别纸币图像的主体特征输入到预设人民币收藏分类库中，进行初步分类；

根据初步分类，将所述待识别纸币图像的对应区域图像输入到所述初步分类对应的预先训练的图像信息分类器中进行细分。

进一步的，在上述方法中，获取待识别纸币的图像，包括：

通过图像获取单元的取像装置获取所述待识别纸币的正反面紫光长波照射及白光透视的RGB彩色图像。

进一步的，在上述方法中，提取所述待识别纸币图像的主体特征，包括：

提取所述待识别纸币图像的年份特征数据和面额特征数据。

进一步的，在上述方法中，提取所述待识别纸币图像的主体特征之前，还包括：

对所述待识别纸币图像的年份特征、面额特征的待测图像区域进行分割。

进一步的，在上述方法中，根据初步分类，将所述待识别纸币图像的对应区域图像输入到所述初步分类对应的预先训练的图像信息分类器中进行细分，包括：

根据初步分类，将所述待识别纸币图像的对应区域图像输入到所述初步分类对应的预先训练的图像信息分类器中进行包括颜色、图案、冠号、底纹和暗记的细分。

进一步的，在上述方法中，根据初步分类，将所述待识别纸币图像的对应区域图像输入到所述初步分类对应的预先训练的图像信息分类器中进行细分之前，还包括：

采用卷积神经网络分类器分别训练得到各个初步类别包含有对应的各种细分的预设目标图像信息，并存储至该分类的图像信息分类器中。

进一步的，在上述方法中，将所述待识别纸币图像的对应区域图像输入到所述初步分类对应的预先训练的图像信息分类器中进行细分，包括：

待识别纸币图像的对应区域图像输入到所述初步分类对应的预先训练的图像信息分类器中进行解码处理、左右翻转、色彩调整、标准化处理、大小调整以及待测细分区域的标注。

根据本发明的另一面，还提供一种人民币纸币收藏划分系统，包括：

图像获取单元，用于获取待识别纸币的图像，包括获取待识别纸币的正反面紫光长波照射及白光透视的RGB彩色图像；

特征识别单元，用于识别待识别纸币图像的主体特征和细分特征；

图像分割单元，用于分割不同位置的预设待测图像；

判断分类单元，根据不同分类阶段的图像特征和预设分类库进行分类。

与现有技术相比，本发明提出了采用图像识别技术对人民币纸币收藏进行智能划分方法及系统，实现了人民币纸币藏品的智能识别、自动分类，提高了人民币纸币藏品的细微差异识别的精度和系统分类的准确性。

附图说明

图1是本发明实施例提供的基于图像识别的人民币纸币收藏划分的流程图；

图2是本发明实施例提供的基于图像识别的人民币纸币收藏划分的系统装置图；

图3是本发明实施例提供的取像装置图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，本发明提供一种人民币纸币收藏划分方法，包括：

步骤S1，获取待识别纸币的图像；

步骤S2，提取所述待识别纸币图像的主体特征；

步骤S3，将所述待识别纸币图像的主体特征输入到预设人民币收藏分类库中，进行初步分类；

步骤S4，根据初步分类，将所述待识别纸币图像的对应区域图像输入到所述初步分类对应的预先训练的图像信息分类器中进行细分。

在此，本发明提供了一种基于图像识别的人民币纸币收藏划分方法及系统装置，使得人民币纸币藏品的类别划分结果更加具体、准确。

本发明的人民币纸币收藏划分方法一实施例中，步骤S1，获取待识别纸币的图像，包括：

通过图像获取单元的取像装置获取所述待识别纸币的正反面紫光长波照射及白光透视的RGB彩色图像。

具体的，上述取像装置如图2所示，包括：灯罩01，灯柱02，承台03，取像口04，灯管05。

上述承台中内置LED白光光源，承台上表面为白光罩板，纸币藏品可置于其上，当白光照射时可以透视出水印和金属线，能够对水印、金属线、图案和花纹等进行清晰度检验。

上述灯管为6至12W的长波灯管，波长365nm，在紫光长波的照射下凡是有荧光油墨(荧光粉)、纤维丝的物品均有荧光反应现象，可以通过其获取人民币纸币藏品的荧光颜色或荧光油墨图案。

本发明的人民币纸币收藏划分方法一实施例中，步骤S2，提取所述待识别纸币图像的主体特征，包括：

提取所述待识别纸币图像的年份特征数据和面额特征数据。

在此，所述提取所述待识别纸币图像的主体特征可以包括年份特征数据和面额特征数据。

本发明的人民币纸币收藏划分方法一实施例中，步骤S2，提取所述待识别纸币图像的主体特征之前，还包括：

对所述待识别纸币图像的年份特征、面额特征的待测图像区域进行分割。

在此，需要对特定区域图像进行分割，包括对人民币纸币藏品年份特征、面额特征的待测区域的分割。

将分割好的区域图像信息传输到图像数字识别器中，识别出待识别纸币图像的主体特征包括年份特征数据和面额特征数据。

本发明的人民币纸币收藏划分方法一实施例中，步骤S4，根据初步分类，将所述待识别纸币图像的对应区域图像输入到所述初步分类对应的预先训练的图像信息分类器中进行细分，包括：

根据初步分类，将所述待识别纸币图像的对应区域图像输入到所述初步分类对应的预先训练的图像信息分类器中进行包括颜色、图案、冠号、底纹和暗记的细分。

在此，所述细分，包括：颜色、图案、冠号、底纹和暗记。

其中，不同类别所含细分不同，颜色中有的含有荧光，图案中有的含有荧光油墨图案、水印图案等，应根据不同类别的具体细分选取获取的图像信息进行识别。

本发明的人民币纸币收藏划分方法一实施例中，步骤S4，根据初步分类，将所述待识别纸币图像的对应区域图像输入到所述初步分类对应的预先训练的图像信息分类器中进行细分之前，还包括：

采用卷积神经网络分类器分别训练得到各个初步类别包含有对应的各种细分的预设目标图像信息，并存储至该分类的图像信息分类器中。

本发明的人民币纸币收藏划分方法一实施例中，将所述待识别纸币图像的对应区域图像输入到所述初步分类对应的预先训练的图像信息分类器中进行细分，包括：

待识别纸币图像的对应区域图像输入到所述初步分类对应的预先训练的图像信息分类器中进行解码处理、左右翻转、色彩调整、标准化处理、大小调整以及待测细分区域的标注。

根据本发明的另一面，还提供一种人民币纸币收藏划分系统，包括：

图像获取单元，用于获取待识别纸币的图像，包括获取待识别纸币的正反面紫光长波照射及白光透视的RGB彩色图像；

特征识别单元，用于识别待识别纸币图像的主体特征和细分特征；

图像分割单元，用于分割不同位置的预设待测图像；

判断分类单元，根据不同分类阶段的图像特征和预设分类库进行分类。

示例性的，现已停止流通的第三套人民币藏品中，60年版贰圆，其初步划分是通过正反面中下部同一位置的年份图像和正反面右侧的“2”字样进行识别的，该类别的共同特征还有票面尺寸、三字冠、七号码和车床工人生产图主体图案；

但该藏品还具有空心五角星古币混合水印和国旗五角星水印两种钞纸，需要进一步细分，使用本发明实施例提供的取像装置获取该藏品的白光透式图像，再通过预先训练的图像信息分类器识别钞纸中的水印是由哪一种图案构成的，然后输出。

需要说明的是，本发明实施例不再列举其它藏品的类别划分，只为清楚地描述本发明实施例的实现流程附图。

在本发明实施例中，预先构建用于细分的卷积神经网络图像信息分类器。

在此，为了使所述分类器的输出结果更加准确，在上述步骤之前，对卷积神经网络进行训练，针对某一类别包含有各种细分的预设目标图像信息构建大量样本，将样本按80％和20％的比例分为训练样本集和检验样本集进行训练。

需要说明的是，上述训练方法，包括：图像信息预处理，设置所述神经网络的网络结构，确定卷积层、池化层、全连接层参数，以及网络模型初始化、标注大小、轮廓参数的检验等程序。

在此，所述程序算法与经典的卷积神经网络基本一致，本发明主要针对不同实施例设置和优化不同的网络结构模型，以至于更具体地识别某类特征的细微差别。

进一步的，采用卷积神经网络分类器训练得到某一类别包含有各种细分的预设目标图像信息，并存储至该分类的图像信息分类器中。

上述图像信息预处理流程包括：

待识别纸币图像的解码处理、左右翻转、色彩调整、标准化处理、大小调整以及待测细分区域的标注。

本发明还提供了一种人民币纸币收藏划分系统装置，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：

如图3所示，人民币纸币收藏划分系统装置包括：图像获取单元31、特征识别单元32、图像分割单元33和判断分类单元34。

图像获取单元31，用于获取待识别纸币的图像，包括获取待识别纸币的正反面紫光长波照射及白光透视的RGB彩色图像；

特征识别单元32，用于识别待识别纸币图像的主体特征和细分特征；

图像分割单元33，用于分割不同位置的预设待测图像；

判断分类单元34，根据不同分类阶段的图像特征和预设分类库进行分类。

进一步的，在上述系统中，所述单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

综上所述，本发明提供了一种人民币纸币收藏的智能识别划分方法及系统。其中，取像装置除了能够获取到常规的纸币图像外，还能清晰地获取到纸币上的水印和荧光图像。通过识别所获取图像的主体特征进行初步识别，然后再根据分类库中预先训练的细微差异的图像信息分类器中进一步分类，最终输出该纸币具体的分类特征。对人民币纸币收藏细致划分能够更好地帮助定位藏品的市场价值和升值空间，本发明能够智能识别、自动划分，提高对人民币纸币藏品类别划分的准确性，帮助收藏者进行系统分类和细微特征的识别。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

显然，本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。