鈔票識別模塊及圖像識別處理技術研究

黃峻遠

（廣電運通集團股份有限公司，廣東廣州 510670）

0 引言

傳統的人工數鈔票、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。隨著科學技術的發展，鈔票處理設備、圖像處理技術、鈔票識別技術越來越成熟，也更多地應用到各個領域，如金融領域、智慧交通領域、旅游便民領域等，可以大大提升工作效率，減少時間成本和人力成本。

1 鈔票處理設備系統

鈔票處理設備在金融領域上一般稱為“機芯”，是存取款設備最核心的部件，也是中國自主核心研發的“機芯”。設備系統主要包括鈔票走紙傳動機構、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，鈔票從設備入鈔口進去，通過傳動機構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據，并轉換成數字信號。其次，信號被送到圖像處理系統進行圖像預處理，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據提取、特征分類、面值識別、冠字號識別、鈔票鑒偽等。鈔票處理設備系統框圖如圖1 所示。

圖1 鈔票處理設備系統框圖

2 鈔票識別模塊

鈔票識別模塊主要由走紙傳動機構、CIS 接觸式圖像傳感、圖像處理組成。鈔票通過走紙傳動機構傳送到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 轉換模塊將信號轉換成數字信號，經過信號電平轉換后，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[1]由步進電機、傳動裝置（齒輪、皮帶）、光電傳感器組成。走紙傳動機構通過光電傳感器檢測鈔票的進入，但設備檢測到鈔票時，檢測電壓發生變化，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，收集數據。同時，只有保障CIS 管的掃描速度和紙張傳送速度基本一致，才不會導致分辨率掃描異常的現象，最大程度保證掃描圖片的質量。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裝置[2]，識別系統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、穩定性高、受環境因素影響小等特點。鈔票處理設備的識別系統需要借助上述走紙傳動機構，將需要采集的票據樣本以一定的速度經過CIS 傳感器表面，LED 發出光，光在鈔票上產生反射光，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A/D 模數轉換器轉成數字信號，然后傳輸到主控DSP，即可完成圖像數據采集的工作任務。

（3）鈔票圖像處理是整個鈔票處理最為重要的環節，將采集到的圖像進行處理，并完成對鈔票的識別及鑒偽，最后將結果輸出。因為采集的數據量非常大，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（數字信號處理）進行鈔票圖像的處理及常規操作控制。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 鈔票圖像預處理

對鈔票進行圖像預處理，是鈔票識別前的一個最重要的環節，它能大大提高后續鈔票識別及鑒偽的能力和效果。鈔票的預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量問題，或圖像傳輸、圖像接收產生了不確定的噪聲，對圖像質量產生影響。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生的噪聲、自然產生的噪聲、內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產生的，它是伴隨著信號的變化而變化的，可能跟主板PCB 有關，也可能是CIS 傳感器與其他電子元器件設計引起的噪聲。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。噪聲產生后需要通過對應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數據，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據，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的地方，即邊緣。而不連續的區域其灰度值是有變化的，例如灰度值從0 變到1，從數值看是有一個階躍的變化，那么對該數據求一階導數，可以發現有一個向上的階躍。除此之外，其他數據都是0。本研究應用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，同時設備傳動機構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現，鈔票在整個處理中，不可避免地會在整個設備系統上產生一些噪聲，需要對應的濾波方法除去噪聲，提高圖像質量。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。針對設備動作、鈔票運動產生的傾斜，需要通過算法將鈔票矯正到最合適的狀態，以便后續的鈔票識別。

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中最為核心的技術，需要使用各種算法、識別技術、鑒偽手段等。很多鈔票的關鍵信息都在這個環節提取并確認，存取款一體機的核心技術也是識別鑒偽技術。

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°的轉換，以完成相應比對。通過面向識別，對后續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，冠字號在左下角區域，通過固定像素點位置坐標，即可以定位該區域。然后通過二值化的方法，將數字字母與背景進行區分，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、數字有10 個，需要逐項比對，識別時間比較慢?？赏ㄟ^特征識別方法識別，通過算法快速響應，例如0，其像素特征是有閉環的圈特性；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，主要是根據鈔票某個特殊圖像區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，通過紅外光掃描產生的紅外圖像，可以發現有些鈔票反面正向的圖像存在，有些特征點圖像已經消失。不同光下的像素信息不同，可以通過區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 結語

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