一种纸币版本分类的方法、装置、设备及存储介质

摘要

本发明公开了一种纸币版本分类的方法、装置、设备及存储介质。该方法包括：获取待识别纸币目标特征区域对应的目标图像；检测所述目标图像中是否包括盲文特征；若包括，则将所述待识别纸币确定为盲文版纸币；若不包括，则将所述待识别纸币确定为非盲文版纸币。本发明提供的方案解决了现有技术通过人工识别纸币版本存在人工成本高、效率低且识别错误率高的问题，实现通过盲文特征自动对待识别纸币的版本进行分类，提高检测的效率和准确率。

权利要求

1.一种纸币版本分类的方法，其特征在于，包括：

获取待识别纸币目标特征区域对应的目标图像；

检测所述目标图像中是否包括盲文特征；

若包括，则将所述待识别纸币确定为盲文版纸币；

若不包括，则将所述待识别纸币确定为非盲文版纸币；

所述获取待识别纸币目标特征区域对应的目标图像之后，还包括：获取所述目标图像对应的二值化图像中的一行作为目标行，并统计所述目标行开始连续K行的白色像素点个数总和；

若所述个数总和大于保存的个数总和，则从左至右遍历第一预设区域中的各列，统计当前遍历列开始连续K列的白色像素点个数总和，记录所述第一预设区域中最大个数总和对应的第一列位置，并从左至右遍历第二预设区域中的各列，统计当前遍历列开始连续K列的白色像素点个数总和，记录所述第二预设区域中最大个数总和对应的第二列位置；

确定所述第一列位置与所述第二列位置之差是否在预设范围内；

若是，则将保存的个数总和更新为当前遍历行对应的个数总和，并将保存的行位置更新为当行遍历行，并返回执行获取所述目标图像对应的二值化图像中的一行作为目标行；

若否，则返回执行获取所述目标图像对应的二值化图像中的一行作为目标行，直至完成对所述二值化图像中的所有行的处理；

获取所述目标图像中在保存的行位置之上，与所述保存的行位置相隔第一预设行数的行至在保存的行位置之下，与所述保存的行位置相隔第二预设行数的行对应的图像作为目标图像。

2.根据权利要求1所述的方法，其特征在于，所述检测所述目标图像中是否包括盲文特征，包括：在所述目标图像对应的二值化图像的第三预设区域内，以M*N窗口进行滑动，并统计各窗口内白色像素点个数；

保存所述第三预设区域内最大白色像素点个数的窗口对应的第一左端点坐标位置；

根据所述第一左端点坐标位置确定第四预设区域；

根据所述第四预设区域各行的行投影和各列的列投影确定所述二值化图像中第一盲点的行边界和列边界，并统计由所述第一盲点的行边界和列边界构成的区域内白色像素点的第一个数；

根据所述第一盲点的列边界确定第五预设区域；

在所述第五预设区域内，以M*N窗口进行滑动，并统计各窗口内白色像素点个数；

保存所述第五预设区域内最大白色像素点个数的窗口对应的第二左端点坐标位置；

根据所述第二左端点坐标位置确定第六预设区域；

根据所述第六预设区域各行的行投影和各列对应的列投影确定所述二值化图像中第二盲点的行边界和列边界，并统计由所述第二盲点的行边界和列边界构成的区域内白色像素点的第二个数；

确定所述第一盲点的行边界与所述第二盲点的行边界之差是否小于第一预设阈值和\或所述第一盲点的列边界与所述第二盲点的列边界之差是否小于第二预设阈值；

若是，则确定所述第一个数与所述第二个数之差是否小于第三预设阈值；

若是，则确定所述目标图像中包括盲文特征；

若否，则确定所述目标图像中不包括盲文特征。

3.根据权利要求1所述的方法，其特征在于，所述获取所述目标图像对应的二值化图像中的一行作为目标行，并统计所述目标行开始连续K行的白色像素点个数总和之前，还包括：确认在所述目标图像对应的二值化图像中，从上至下是否存在任一行的行投影大于第四预设阈值；

若确认存在，则获取所述目标图像中与所述行投影对应的行至最后一行对应的图像作为目标图像，并返回执行确认在所述目标图像对应的二值化图像中，从上至下是否存在任一行的行投影大于第四预设阈值，直至确认在所述目标图像对应的二值化图像中，从上至下不存在任一行的行投影大于第四预设阈值。

4.根据权利要求1所述的方法，其特征在于，所述目标图像具体为直方图均衡化图像。

5.根据权利要求4所述的方法，其特征在于，所述获取待识别纸币目标特征区域对应的目标图像，包括：获取待识别纸币目标特征区域对应的紫外光反射图像；

获取所述紫外光反射图像对应的直方图均衡化图像。

6.根据权利要求1所述的方法，其特征在于，所述盲文版纸币为2004年版古巴币，所述非盲文版纸币为2000年版古巴币。

7.一种纸币版本分类的装置，其特征在于，包括：

第一目标图像获取模块，用于获取待识别纸币目标特征区域对应的目标图像；

盲文特征检测模块，用于检测所述目标图像中是否包括盲文特征；

盲文版纸币确定模块，用于若所述目标图像中包括盲文特征，则将所述待识别纸币确定为盲文版纸币；

非盲文版纸币确定模块，用于若所述目标图像中不包括盲文特征，则将所述待识别纸币确定为非盲文版纸币；

个数总和统计模块，用于获取所述目标图像对应的二值化图像中的一行作为目标行，并统计所述目标行开始连续K行的白色像素点个数总和；

列位置记录模块，用于若所述个数总和大于保存的个数总和，则从左至右遍历第一预设区域中的各列，统计当前遍历列开始连续K列的白色像素点个数总和，记录所述第一预设区域中最大个数总和对应的第一列位置，并从左至右遍历第二预设区域中的各列，统计当前遍历列开始连续K列的白色像素点个数总和，记录所述第二预设区域中最大个数总和对应的第二列位置；

位置之差确定模块，用于确定所述第一列位置与所述第二列位置之差是否在预设范围内；

保存更新模块，用于若所述第一列位置与所述第二列位置之差在预设范围内，则将保存的个数总和更新为当前遍历行对应的个数总和，并将保存的行位置更新为当行遍历行，并返回执行获取所述目标图像对应的二值化图像中的一行作为目标行；

执行返回模块，用于若所述第一列位置与所述第二列位置之差在预设范围内，则返回执行获取所述目标图像对应的二值化图像中的一行作为目标行，直至完成对所述二值化图像中的所有行的处理；

第二目标图像获取模块，用于获取所述目标图像中在保存的行位置之上，与所述保存的行位置相隔第一预设行数的行至在保存的行位置之下，与所述保存的行位置相隔第二预设行数的行对应的图像作为目标图像。

8.一种电子设备，其特征在于，所述设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6任一所述的纸币版本分类的方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6任一所述的纸币版本分类的方法。

说明书

一种纸币版本分类的方法、装置、设备及存储介质

技术领域

[0001] 本发明涉及纸币识别技术领域，尤其涉及一种纸币版本分类的方法、装置、设备及存储介质。

背景技术

[0002] 随着经济的发展，纸币的流通量越来越大。为了便于整理大量的纸币，需要对不同版本的纸币进行分类整理。

[0003] 现有的纸币版本的识别技术主要是基于人工识别，通过将面值相同的纸币自动分类完成后，再人工进行版本的分类。

[0004] 然而，通过人工进行分类的方法需要浪费大量的人力成本，而且通过人工识别效率较低，且错误率较高。

发明内容

[0005] 本发明提供一种纸币版本分类的方法、装置、设备及存储介质，以实现自动将待识别纸币的版本进行分类。

[0006] 第一方面，本发明实施例提供了一种纸币版本分类的方法，该方法包括：

[0007] 获取待识别纸币目标特征区域对应的目标图像；

[0008] 检测所述目标图像中是否包括盲文特征；

[0009] 若包括，则将所述待识别纸币确定为盲文版纸币；

[0010] 若不包括，则将所述待识别纸币确定为非盲文版纸币。

[0011] 第二方面，本发明实施例还提供了一种纸币版本分类的装置，该装置包括：

[0012] 第一目标图像获取模块，用于获取待识别纸币目标特征区域对应的目标图像；

[0013] 盲文特征检测模块，用于检测所述目标图像中是否包括盲文特征；

[0014] 盲文版纸币确定模块，用于若所述目标图像中包括盲文特征，则将所述待识别纸币确定为盲文版纸币；

[0015] 非盲文版纸币确定模块，用于若所述目标图像中不包括盲文特征，则将所述待识别纸币确定为非盲文版纸币。

[0016] 第三方面，本发明实施例还提供了一种电子设备，该设备包括：

[0017] 一个或多个处理器；

[0018] 存储器，用于存储一个或多个程序；

[0019] 当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例提供的纸币版本分类的方法。

[0020] 第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例提供的纸币版本分类的方法。

[0021] 本发明通过获取待识别纸币目标特征区域对应的目标图像；检测目标图像中是否包括盲文特征；若包括，则将待识别纸币确定为盲文版纸币；若不包括，则将待识别纸币确定为非盲文版纸币，解决了现有技术通过人工识别纸币版本存在人工成本高、效率低且识别错误率高的问题，实现通过盲文特征自动将待识别纸币的版本进行分类，提高检测的效率和准确率。

附图说明

[0022] 图1是本发明实施例一中的一种纸币版本分类的方法的流程图；

[0023] 图2是本发明实施例二中的一种纸币版本分类的方法的流程图；

[0024] 图3a是本发明实施例二中的2000年版的100比索古巴币的紫外光反射图像；

[0025] 图3b是本发明实施例二中的2004年版的100比索古巴币的紫外光反射图像；

[0026] 图4a是本发明实施例二中的2000年版的100比索古巴币目标特征区域对应的紫外光反射图像；

[0027] 图4b是本发明实施例二中的2004年版的100比索古巴币目标特征区域对应的紫外光反射图像；

[0028] 图5a是本发明实施例二中的图4a所示的紫外光反射图像对应的直方图均衡化图像；

[0029] 图5b是本发明实施例二中的图4b所示的紫外光反射图像对应的直方图均衡化图像；

[0030] 图6a是本发明实施例二中的图5a所示的目标图像对应的二值化图像；

[0031] 图6b是本发明实施例二中的图5b所示的目标图像对应的二值化图像；

[0032] 图6c是本发明实施例二中的在图5b所示的目标图像上进一步截取获取的目标图像；

[0033] 图6d是本发明实施例二中的图6c所示的目标图像对应的二值化图像；

[0034] 图6e是本发明实施例二中的在图6c所示的目标图像上进一步截取获取的目标图像；

[0035] 图6f是本发明实施例二中的图6e所示的目标图像对应的二值化图像；

[0036] 图7是本发明实施例三中的一种纸币版本分类的装置的结构示意图；

[0037] 图8是本发明实施例四中的一种电子设备的结构示意图。

具体实施方式

[0038] 下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

[0039] 实施例一

[0040] 图1为本发明实施例一提供的一种纸币版本分类的方法的流程图，本实施例提供的方法可适用于需对纸币的版本进行分类的情况，可由纸币版本分类的装置来执行，该装置可由软件和\或硬件组成，一般可集成于自动售票机或点钞机等金融设备中。本实施例提供的方法具体包括如下步骤：

[0041] 步骤110、获取待识别纸币目标特征区域对应的目标图像。

[0042] 示例性的，获取目标图像可首先通过图像采集装置获取待识别纸币的图像，再通过设置目标特征区域坐标范围的方式在待识别纸币的图像上截取目标特征区域对应的目标图像，进而获取到目标图像。例如，在直角坐标系中，优选左上角的端点为坐标原点，w表示横坐标，h表示纵坐标，则在待识别纸币的完整图像中，目标特征区域的位置可设置为w＝[a：b]和h＝[c：d]，进而获取由w＝[a：b]和h＝[c：d]构成的矩形区域作为目标特征区域。示例性的，若将W表示宽度，H表示高度，还可指定目标特征区域的左上角坐标(e，f)以及目标特征区域的宽度W和高度H，进而获取由(e，f)以及W和H构成的矩形区域作为目标特征区域。

[0043] 需要说明的是，本实施例中的待识别纸币的币种可为在任一纸币版本中包括有盲文特征，并在另一纸币版本中不包括有盲文特征的币种。例如待识别纸币可为人民币、古巴币以及泰铢等币种的纸币。

[0044] 其中，目标特征区域为盲文特征区域。

[0045] 优选的，由于不同币种的纸币对应的盲文特征区域位置不同，如1995年版人民币的盲文特征区域位于纸币正面正方向的右下方，2004年版古巴币的盲文特征区域位于纸币正面正方向的右上方，因此，在对待识别纸币的版本进行识别前，可先获取待识别纸币对应的币种，以及待识别纸币的图像对应的纸币面向，进而根据币种、纸币面向与目标特征区域坐标范围的对应关系，确定该待识别纸币的目标特征区域，从而获取该待识别纸币目标特征区域对应的目标图像。其中，纸币面向包括正面正方向、正面反方向、反面正方向以及反面反方向。

[0046] 优选的，由于同一币种的纸币中，包括有盲文特征的不同版本纸币对应的盲文特征区域的位置可能不同，因此，待识别纸币的目标特征区域至少为一个，相应的，目标特征区域对应的目标图像也至少为一个。例如1995年版人民币以及2015版人民币中不同币值的盲文特征区域均位于纸币正面正方向的右下方，而1987年版人民币中币值1元、2元、5元或10元的盲文特征区域位于纸币正面正方向的左下方，币值为50元、100元的盲文特征区域位于纸币正面正方向的右下方，因此，若待识别纸币为人民币，则目标图像可包括待识别纸币正面正方向的左下方图像以及待识别纸币正面正方向的右下方图像两个目标图像。又如对于古巴币，不同版本纸币对应的盲文特征区域均位于纸币正面正方向的右上方，因此，若待识别纸币为古巴币，则目标图像为待识别纸币正面正方向的右上方图像。

[0047] 示例性的，还可在对待识别纸币的版本进行识别前，先获取待识别纸币的对应的币种、币值以及纸币面向，进而根据币种、币值以及纸币面向与目标特征区域坐标范围的对应关系，确定该待识别纸币的目标特征区域，从而获取该待识别纸币目标特征区域对应的目标图像，此种情况下，待识别纸币的目标特征区域为一个。

[0048] 步骤120、检测目标图像中是否包括盲文特征，若包括，则执行步骤130，若不包括，则执行步骤140。

[0049] 步骤130、将待识别纸币确定为盲文版纸币。

[0050] 步骤140、将待识别纸币确定为非盲文版纸币。

[0051] 获取目标图像后，检测目标图像中是否包括盲文特征，如果确定任一目标图像中包括有盲文特征，则将待识别纸币确定为盲文版纸币，如果确定目标图像中均没有盲文特征，则将待识别纸币确定为非盲文版纸币。

[0052] 其中，盲文版纸币为待识别纸币对应的币种中包括有盲文特征的版本纸币，非盲文纸币为待识别纸币对应的币种中不包括有盲文特征的版本纸币。如对于古巴币，2000年版古巴币以及2003年版古巴币等纸币版本为非盲文版纸币，2004年版古巴币以及2014年版古巴币等纸币版本为盲文版纸币。

[0053] 由此，本实施例提供的方法，通过检测目标图像中是否存在盲文特征自动将纸币的版本分为盲文版纸币和非盲文版纸币两类，大大提高检测的效率和准确率。

[0054] 优选的，在将待识别纸币分为盲文版纸币和非盲文版纸币两类版本纸币后，进一步可根据盲文版纸币中的各版本纸币的特征信息，对盲文版纸币中的各版本纸币进行进一步识别，以及根据非盲文版纸币中的各版本纸币的特征信息，对非盲文版纸币中的各版本纸币进行进一步识别，进而进一步确定盲文版纸币中纸币的版本以及非盲文版纸币中纸币的版本。

[0055] 本实施例通过获取待识别纸币目标特征区域对应的目标图像；检测目标图像中是否包括盲文特征；若包括，则将待识别纸币确定为盲文版纸币；若不包括，则将待识别纸币确定为非盲文版纸币，解决了现有技术通过人工识别纸币版本存在人工成本高、效率低且识别错误率高的问题，实现通过盲文特征自动将待识别纸币的版本进行分类，提高检测的效率和准确率。

[0056] 实施例二

[0057] 图2为本发明实施例二提供的一种纸币版本分类的方法的流程图，本实施例为在上述实施例的基础上进行进一步优化。本实施例提供的方法具体包括如下步骤：

[0058] 步骤210、获取待识别纸币目标特征区域对应的目标图像。

[0059] 优选的，获取待识别纸币目标特征区域对应的目标图像，包括：

[0060] 获取待识别纸币目标特征区域对应的紫外光反射图像；

[0061] 获取紫外光反射图像对应的直方图均衡化图像。

[0062] 其中，通过图像采集装置可获取不同的光线下的采集的待识别纸币的图像。如可获取待识别纸币对应的红外光反射图或者紫外光反射图，本实施例中对此不做限定。

[0063] 本实施例中优选获取待识别纸币的紫外光反射图像，并在获取的紫外光反射图像上截取目标特征区域对应的图像，进而获取到待识别纸币目标特征区域对应的紫外光反射图像。

[0064] 示例性的，本实施例中以待识别纸币为2000年版古巴币以及2004年版古巴币为例。图3a为本实施例提供的2000年版的100比索古巴币的紫外光反射图像，图3b为本实施例提供的2004年版的100比索古巴币的紫外光反射图像。目标特征区域为待识别纸币的右上方区域，则在图3a的基础上截取如图4a所示的目标特征区域对应的紫外光反射图像，在图3b的基础上截取如图4b所示的目标特征区域对应的紫外光反射图像。

[0065] 优选的，获取目标图像对应的紫外光反射图像后，对该图像进行直方图均衡化，以提高紫外光反射图像中对比度和灰度色调的变化，使得图像更加清晰。图5a为图4a所示的紫外光反射图像对应的直方图均衡化图像，图5b为图4b所示的紫外光反射图像对应的直方图均衡化图像。

[0066] 优选的，为了进一步准确检测目标图像中是否存在盲文特征，则在获取的目标图像基础上进一步准确地定位盲文特征的位置以提高检测盲文特征的准确性。其中，步骤220-步骤2120为准确确定盲文特征位置的过程。

[0067] 步骤220、确认在目标图像对应的二值化图像中，从上至下是否存在任一行的行投影大于第四预设阈值，若是，执行步骤230，若否，执行步骤240。

[0068] 步骤230、获取目标图像中与行投影对应的行至最后一行对应的图像作为目标图像，并返回执行步骤220。

[0069] 获取目标图像后，使用P参数法或其他二值化方法对目标图像进行二值化，以获取目标图像对应的二值化图像。图6a为图5a所示的目标图像对应的二值化图像，图6b为图5b所示的目标图像对应的二值化图像。

[0070] 获取二值化图像后，首先获取二值化图像中每行的行投影，并从上至下依次确认是否存在某一行的行投影大于第四预设阈值，当确认某一行的行投影大于第四预设阈值时，则在目标图像的基础上，截取目标图像中与该行投影对应的行至最后一行对应的图像作为目标图像，并再次返回执行步骤220，直至在目标图像对应的二值化图像中不存在某一行的行投影大于第四预设阈值。由此，实现进一步截取目标图像，以防止目标图像中包含较多非盲文特征的白色像素点，影响后续盲文特征的检测准确性。

[0071] 其中，第四预设阈值可根据实际情况进行设定。

[0072] 示例性的，第四阈值可为目标图像宽度的五分之四。图6c为在图5b所示的目标图像上进一步截取获取的目标图像。

[0073] 对目标图像进行截取后，则在截取后的目标图像上确定盲文特征的上边界以准确定位盲文特征的位置，实现对目标图像的进一步截取。其中，步骤240-步骤2120为进一步准确定位盲文特征的位置的过程。

[0074] 步骤240、获取目标图像对应的二值化图像中的一行作为目标行。

[0075] 通过上述方法获取截取后的目标图像后，对目标图像进行二值化处理，获取目标图像对应的二值化图像。由于减少了截取掉的像素点的影响，若使用P参数法对目标图像进行二值化处理可使得二值化效果更好，利于后续更加准确地检测盲文特征。同时，截取后的目标图像数据减少，提高了后续的检测速度。

[0076] 图6d为图6c所示的目标图像对应的二值化图像。如图6d所示，与图6b相比，图6d中更多的盲点对应的像素点被确定为白色像素点。

[0077] 步骤250、统计目标行开始连续K行的白色像素点个数总和。

[0078] 步骤260、判断个数总和是否大于保存的个数总和，若是，执行步骤270，若否，执行步骤2100。

[0079] 优选的，如图6d所示，由于盲文特征由多个盲点组成，且通过二值化处理后盲点区域对应的像素点为白色像素点。因此，可从上至下对二值化图像中的各行进行遍历，并统计当前遍历行开始连续K行的白色像素点个数总和是否大于当前保存的个数总和，如果确定大于，则说明当前遍历行可能为上边界，并通过步骤270和步骤280进行校验，如果确定不大于，则说明当前遍历行不为上边界，则遍历至下一行，直至完成对二值化图像中所有行的处理。

[0080] 其中，K可设置为盲文特征在目标图像中所占的行数，如图6d所示的目标图像盲点区域共占用13行，则K可设置为13。

[0081] 其中，个数总和初值可设置为负数或零。

[0082] 步骤270、从左至右遍历第一预设区域中的各列，统计当前遍历列开始连续K列的白色像素点个数总和，记录第一预设区域中最大个数总和对应的第一列位置，并从左至右遍历第二预设区域中的各列，统计当前遍历列开始连续K列的白色像素点个数总和，记录第二预设区域中最大个数总和对应的第二列位置。

[0083] 具体的，第一预设区域和第二预设区域可根据实际检测的盲文特征进行设定，其中第一预设区域和第二预设区域与盲文特征中两个不同的盲点对应。

[0084] 以第一预设区域对应图6d第二行盲点中左边第一个盲点，第二预设区域对应图6d第二行盲点中左边第三个盲点为例。预先可知每个盲点的高度为n1，即每个盲点所占行数为n1，则可将二值化图像中，由当前遍历行之下，与当前遍历行相隔行数为n1的行、与当前遍历行相隔行数为2n1的行、左边第一列以及二值化图像宽度的一半处构成的矩形区域作为第一预设区域，并在第一预设区域内从左至右遍历各列，统计当前遍历列开始连续K列的白色像素点个数总和，获取第一预设区域内各列对应的白色像素点个数总和，并记录第一预设区域中最大个数总和对应的第一列位置，将第一列位置作为左边第一个盲点对应的列位置。并可将二值化图像中，由当前遍历行之下，与当前遍历行相隔行数为n1的行、与当前遍历行相隔行数为2n1的行、第一列位置之右并与第一列位置相隔第一列数的列以及第一列位置之右并与第一列位置相隔第二列数的列构成的矩形区域作为第二预设区域，并在第二预设区域内从左至右遍历各列，统计当前遍历列开始连续K列的白色像素点个数总和，获取第二预设区域内各列对应的白色像素点个数总和，并记录第二预设区域中最大个数总和对应的第二列位置，将该列位置作为左边第三个盲点对应的列位置。

[0085] 步骤280、确定第一列位置与第二列位置之差是否在预设范围内，若是，执行步骤290，若否，执行步骤2100。

[0086] 步骤290、将保存的个数总和更新为当前遍历行对应的个数总和，并将保存的行位置更新为当行遍历行。

[0087] 确定第一列位置和第二列位置后，计算第一列位置与第二列位置的差，如果确定第一列位置与第二列位置之差在预设范围内，则将保存的个数总和更新为当前遍历行对应的个数总和，并将保存的行位置更新为当行遍历行。

[0088] 其中，保存的行位置初始位置可设置为空。

[0089] 其中，预设范围可根据实际情况进行设定。如当第一预设区域对应图6d第二行盲点中左边第一个盲点，第二预设区域对应图6d第二行盲点中左边第三个盲点时，预设范围可为17-22。

[0090] 通过步骤270-步骤290可排除如图6b中，当盲文特征之上某一行存在较多白色像素点，如图6b中最上一行，导致该行的行投影对应的白色像素点个数总和大于保存的白色像素点总和，但通过步骤270-步骤290即可排除将该行确定为上边界的情况，同时，若二值化图像中存在较多噪声，通过上述方法同样可排除噪声的干扰，大大提高确定上边界的准确性。

[0091] 步骤2100、判断是否完成对二值化图像中的所有行的处理，若是，执行步骤2110，若否，执行步骤240。

[0092] 当完成对二值化图像中的所有行的处理后，则保存的行位置即为上边界。

[0093] 步骤2110、获取目标图像中在保存的行位置之上，与保存的行位置相隔第一预设行数的行至在保存的行位置之下，与保存的行位置相隔第二预设行数的行对应的图像作为目标图像。

[0094] 确定上边界后，再次在目标图像的基础上截取盲文特征对应的目标图像。如截取目标图像中保存的行位置的上一行至保存的行位置之下与保存的行位置相差行数为K的行对应的图像作为目标图像。

[0095] 图6e为在图6c所示的目标图像上进一步截取获取的目标图像。如图6e所示，与图6c相比，图6e截取出完整的盲文特征，同时大大减少了图像数据，大大减少无关像素点的干扰，以提高检测的准确性。

[0096] 获取截取后的目标图像后，检测目标图像是否包括盲文特征，步骤2120-步骤2240为检测盲文特征的过程。

[0097] 步骤2120、在目标图像对应的二值化图像的第三预设区域内，以M*N窗口进行滑动，并统计各窗口内白色像素点个数。

[0098] 获取目标图像后，对目标图像进行二值化，获取目标图像对应的二值化图像。图6f为图6e所示的目标图像对应的二值化图像。

[0099] 在二值化图像的第三预设区域内，以M*N窗口进行滑动，并统计各窗口内白色像素点个数。

[0100] 具体的，第三预设区域可根据实际检测的盲文特征进行设定。其中，第三预设区域与第一盲点对应。

[0101] 以第一盲点为如图6f所示的二值化图像第一行盲点中左边第一个盲点为例。则第三预设区域可为从上至下第0行至第10行，以及从左至右第0列至二值化图像宽度三分之一构成的矩形区域。

[0102] 其中，M和N可相等，也可不等。如M和N可同为6。

[0103] 步骤2130、保存第三预设区域内最大白色像素点个数的窗口对应的第一左端点坐标位置。

[0104] 将第三预设区域内最大白色像素点个数的窗口对应的第一左端点坐标位置确定为第一盲点所在大概位置，并记录第一左端点坐标位置。

[0105] 步骤2140、根据第一左端点坐标位置确定第四预设区域。

[0106] 根据第一左端点坐标位置确定第四预设区域，即根据第一左端点坐标位置确定第一盲点所在的区域。如若第一左端点坐标位置为(X，Y)，则第四预设区域可为横坐标X-1，横坐标X+9，纵坐标Y-2以及纵坐标Y+9构成的矩形区域。

[0107] 步骤2150、根据第四预设区域各行的行投影和各列的列投影确定二值化图像中第一盲点的行边界和列边界，并统计由第一盲点的行边界和列边界构成的区域内白色像素点的第一个数。

[0108] 计算第四预设区域内各行的行投影以及各列的列投影，并在第四预设区域内根据行投影和列投影确定第一盲点的行边界和列边界，其中行边界包括上边界和下边界，列边界包括左边界和右边界。

[0109] 如对于上边界，可从上至下检测是否存在连续两行的行投影大于预设行投影值，若是，则将连续两行中位于上侧的一行确定为上边界；对于下边界，可从下至上检测是否存在连续两行的行投影大于预设行投影值，若是，则将连续两行位于下侧的一行确定为下边界；对于左边界，可从左至右检测是否存在连续两列的列投影大于预设列投影值，若是，则将连续两列中位于左侧的一列确定为左边界；对于右边界，可从右至左检测是否存在连续两列的列投影大于预设列投影值，若是，则将连续两列中位于右侧的一列确定为右边界。

[0110] 确定行边界和列边界后，统计由行边界和列边界构成的矩形区域内的白色像素点的第一个数。

[0111] 步骤2160、根据第一盲点的列边界确定第五预设区域。

[0112] 其中，第五预设区域与第二盲点对应。以第二盲点为如图6f所示的二值化图像第一行盲点中左边第二个盲点为例。如第五预设区域可为由从上至下第0行至第10行，以及第一盲点的右边界至图像宽度二分之一处构成的矩形区域。

[0113] 步骤2170、在第五预设区域内，以M*N窗口进行滑动，并统计各窗口内白色像素点个数。

[0114] 步骤2180、保存第五预设区域内最大白色像素点个数的窗口对应的第二左端点坐标位置。

[0115] 步骤2190、根据第二左端点坐标位置确定第六预设区域。

[0116] 步骤2200、根据第六预设区域各行的行投影和各列对应的列投影确定二值化图像中第二盲点的行边界和列边界，并统计由第二盲点的行边界和列边界构成的区域内白色像素点的第二个数。

[0117] 其中，步骤2170-步骤2200确定第二盲点的行边界和列边界以及统计由第二盲点的行边界和列边界构成的区域内白色像素点的第二个数与步骤2120-步骤2150确定第一盲点的行边界和列边界以及统计由第一盲点的行边界和列边界构成的区域内白色像素点的第一个数的过程相同，本实施例中不再赘述。

[0118] 步骤2210、确定第一盲点的行边界与第二盲点的行边界之差是否小于第一预设阈值和\或第一盲点的列边界与第二盲点的列边界之差是否小于第二预设阈值，若是，执行步骤2220，若否，执行步骤2240。

[0119] 示例性的，若第一盲点为图6f所示的二值化图像中第一行盲点中左边第一个盲点，第二盲点为第一行盲点中左边第二个盲点，则只需确定第一盲点与第二盲点的左边界之差和\或右边界之差是否小于第一预设阈值，若第一盲点为图6f所示的二值化图像中第一行盲点中左边第二个盲点，第二盲点为第二行盲点中左边第二个盲点，则只需确定第一盲点与第二盲点的上边界之差和\或下边界之差是否小于第二预设阈值，若第一盲点为图6f所示的二值化图像中第一行盲点中左边第一个盲点，第二盲点为第二行盲点中左边第二个盲点，则需确定第一盲点与第二盲点的上边界之差和\或下边界之差是否小于第一预设阈值以及第一盲点与第二盲点的上边界之差和\或下边界之差是否小于第二预设阈值。

[0120] 其中，第二预设阈值可与第一预设阈值相同，也可不同。

[0121] 步骤2220、确定第一个数与第二个数之差是否小于第三预设阈值，若是，执行步骤2230，若否，执行步骤2240。

[0122] 若确定第一盲点的行边界与第二盲点的行边界之差小于第一预设阈值和\或第一盲点的列边界与第二盲点的列边界之差小于第二预设阈值，则确定第一个数与第二个数之差是否小于第三预设阈值，若是，则确定目标图像中包括盲文特征，将待识别纸币确定为盲文版纸币，若否，则确定目标图像中不包括盲文特征，将待识别纸币确定为非盲文版纸币。

[0123] 步骤2230、确定目标图像中包括盲文特征，将待识别纸币确定为盲文版纸币。

[0124] 步骤2240、确定目标图像中不包括盲文特征，将待识别纸币确定为非盲文版纸币。

[0125] 本实施例提供的方法可通过确认在目标图像对应的二值化图像中，从上至下是否存在任一行的行投影大于第四预设阈值，实现对目标图像进一步截取，减少无关像素点对后续盲文特征检测的影响，同时减少后续处理的数据量提高检测速度；并可实现准确地确定盲文特征的上边界，通过上边界，进一步准确地对目标图像进行截取，同样减少无关像素点对后续盲文特征检测的影响，提高检测的准确性，通过检测目标图像上是否包括盲文特征，若包括，则将待识别纸币确定为盲文版纸币，若不包括，则将待识别纸币确定为非盲文版纸币，实现通过盲文特征自动准确地对待识别纸币进行分类。

[0126] 实施例三

[0127] 图7为本发明实施例三提供的一种纸币版本分类的装置的结构示意图。该装置适用于需对纸币版本进行分类的情况，该装置可由软件和/或硬件组成，一般可集成于自动售票机或点钞机等金融设备中。本实施例提供的装置包括：第一目标图像获取模块310、盲文特征检测模块320、盲文版纸币确定模块330和非盲文版纸币确定模块340，其中，[0128] 第一目标图像获取模块310，用于获取待识别纸币目标特征区域对应的目标图像；

[0129] 盲文特征检测模块320，用于检测所述目标图像中是否包括盲文特征；

[0130] 盲文版纸币确定模块330，用于若所述目标图像中包括盲文特征，则将所述待识别纸币确定为盲文版纸币；

[0131] 非盲文版纸币确定模块340，用于若所述目标图像中不包括盲文特征，则将所述待识别纸币确定为非盲文版纸币。

[0132] 本实施例提供的装置通过第一目标图像获取待识别纸币目标特征区域对应的目标图像；盲文特征检测模块检测目标图像中是否包括盲文特征；盲文版纸币确定模块若目标图像中包括盲文特征，则将待识别纸币确定为盲文版纸币；非盲文版纸币确定模块若目标图像中不包括盲文特征，则将待识别纸币确定为非盲文版纸币，解决了现有技术通过人工识别纸币版本存在人工成本高、效率低且识别错误率高的问题，实现通过盲文特征自动将待识别纸币的版本进行分类，提高检测的效率和准确率。

[0133] 上述方案中，可选的是，所述装置还包括：

[0134] 个数总和统计模块，用于获取所述目标图像对应的二值化图像中的一行作为目标行，并统计所述目标行开始连续K行的白色像素点个数总和；

[0135] 列位置记录模块，用于若所述个数总和大于保存的个数总和，则从左至右遍历第一预设区域中的各列，统计当前遍历列开始连续K列的白色像素点个数总和，记录所述第一预设区域中最大个数总和对应的第一列位置，并从左至右遍历第二预设区域中的各列，统计当前遍历列开始连续K列的白色像素点个数总和，记录所述第二预设区域中最大个数总和对应的第二列位置；

[0136] 位置之差确定模块，用于确定所述第一列位置与所述第二列位置之差是否在预设范围内；

[0137] 保存更新模块，用于若所述第一列位置与所述第二列位置之差在预设范围内，则将保存的个数总和更新为当前遍历行对应的个数总和，并将保存的行位置更新为当行遍历行，并返回执行获取所述目标图像对应的二值化图像中的一行作为目标行；

[0138] 执行返回模块，用于若所述第一列位置与所述第二列位置之差在预设范围内，则返回执行获取所述目标图像对应的二值化图像中的一行作为目标行，直至完成对所述二值化图像中的所有行的处理；

[0139] 第二目标图像获取模块，用于获取所述目标图像中在保存的行位置之上，与所述保存的行位置相隔第一预设行数的行至在保存的行位置之下，与所述保存的行位置相隔第二预设行数的行对应的图像作为目标图像。

[0140] 上述方案中，可选的是，所述盲文特征检测模块，包括：

[0141] 第一个数统计单元，用于在所述目标图像对应的二值化图像的第三预设区域内，以M*N窗口进行滑动，并统计各窗口内白色像素点个数；

[0142] 第一坐标位置保存单元，用于保存所述第三预设区域内最大白色像素点个数的窗口对应的第一左端点坐标位置；

[0143] 第四预设区域确定单元，用于根据所述第一左端点坐标位置确定第四预设区域；

[0144] 第二个数统计单元，用于根据所述第四预设区域各行的行投影和各列的列投影确定所述二值化图像中第一盲点的行边界和列边界，并统计由所述第一盲点的行边界和列边界构成的区域内白色像素点的第一个数；

[0145] 第五预设区域确定单元，用于根据所述第一盲点的列边界确定第五预设区域；

[0146] 第三个数统计单元，用于在所述第五预设区域内，以M*N窗口进行滑动，并统计各窗口内白色像素点个数；

[0147] 第二坐标位置保存单元，用于保存所述第五预设区域内最大白色像素点个数的窗口对应的第二左端点坐标位置；

[0148] 第六预设区域确定单元，用于根据所述第二左端点坐标位置确定第六预设区域；

[0149] 第四个数统计单元，用于根据所述第六预设区域各行的行投影和各列对应的列投影确定所述二值化图像中第二盲点的行边界和列边界，并统计由所述第二盲点的行边界和列边界构成的区域内白色像素点的第二个数；

[0150] 边界之差确定单元，用于确定所述第一盲点的行边界与所述第二盲点的行边界之差是否小于第一预设阈值和\或所述第一盲点的列边界与所述第二盲点的列边界之差是否小于第二预设阈值；

[0151] 个数之差确定单元，用于若确定所述第一盲点的行边界与所述第二盲点的行边界之差小于第一预设阈值和\或所述第一盲点的列边界与所述第二盲点的列边界之差小于第二预设阈值，则确定所述第一个数与所述第二个数之差是否小于第三预设阈值；

[0152] 盲文特征确定单元，用于若确定所述第一个数与所述第二个数之差小于第三预设阈值，则确定所述目标图像中包括盲文特征；

[0153] 非盲文特征确定单元，用于若确定所述第一个数与所述第二个数之差小于第三预设阈值，则确定所述目标图像中不包括盲文特征。

[0154] 上述方案中，可选的是，所述装置还包括：

[0155] 行投影确认模块，用于确认在所述目标图像对应的二值化图像中，从上至下是否存在任一行的行投影大于第四预设阈值；

[0156] 第三目标图像获取模块，用于若确认在所述目标图像对应的二值化图像中，从上至下存在任一行的行投影大于第四预设阈值，则获取所述目标图像中与所述行投影对应的行至最后一行对应的图像作为目标图像，并返回执行确认在所述目标图像对应的二值化图像中，从上至下是否存在任一行的行投影大于第四预设阈值，直至确认在所述目标图像对应的二值化图像中，从上至下不存在任一行的行投影大于第四预设阈值。

[0157] 上述方案中，可选的是，所述目标图像具体为直方图均衡化图像。

[0158] 上述方案中，可选的是，所述第一目标获取图像模块，包括：

[0159] 图像获取单元，用于获取待识别纸币目标特征区域对应的紫外光反射图像；

[0160] 直方图均衡化图像获取单元，用于获取所述紫外光反射图像对应的直方图均衡化图像。

[0161] 实施例四

[0162] 图8为本发明实施例四提供的一种电子设备的结构示意图，如图8所示，该电子设备包括处理器410、存储器420、输入装置430和输出装置440；电子设备中处理器410的数量可以是一个或多个，图8中以一个处理器410为例；电子设备中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接，图8中以通过总线连接为例。

[0163] 存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明任意实施例中的纸币版本分类的方法对应的程序指令/模块(例如，纸币版本分类的装置中的第一目标图像获取模块310、盲文特征检测模块320、盲文版纸币确定模块330和非盲文版纸币确定模块340)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述的用于电子设备的操作。

[0164] 存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

[0165] 输入装置430可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。

[0166] 实施例五

[0167] 本发明实施例五还提供一种包含计算机可执行指令的存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例提供的纸币版本分类的方法。

[0168] 通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明任意实施例所述的方法。

[0169] 值得注意的是，上述纸币版本分类的装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

[0170] 上述装置可执行本发明任意实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的方法。

[0171] 注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。