一种结合CTPN和SVM的人民币冠字号区域检测方法技术

本发明专利技术涉及一种结合CTPN和SVM的人民币冠字号区域检测方法，包括以下步骤：通过摄像设备拍摄各币值人民币，标注人民币冠字号区域为正样本，其他区域为负样本，建立样本集；利用样本集训练CTPN网络，得到提议冠字号区域的初步定位模型；对样本集进行预处理并提取投影统计特征向量，训练SVM，得到能筛选冠字号区域的二次判别模型；进行检测时，对获得的待检测人民币图片，先利用初步定位模型提议多个候选的冠字号区域，再提取候选区域的投影统计特征向量，并结合二次判别模型，得到正确的冠字号区域。本发明专利技术的有益效果是：在大幅减小漏检概率的同时，提高了检测冠字号区域的准确度；在人民币图片变色、模糊等情况下仍具备准确识别冠字号区域的能力。

A detection method of RMB crown size region based on ctpn and SVM

【技术实现步骤摘要】
一种结合CTPN和SVM的人民币冠字号区域检测方法
本专利技术涉及图像处理
，尤其涉及一种结合CTPN和SVM的人民币冠字号区域检测方法领域。
技术介绍
冠字号编码是人民币纸币上的特征，每张纸币的编码字符串都是唯一的，可以作为区分纸币的特征。银行系统通过人民币冠字号编码，不仅可以识别假币，还可以协助破获抢劫、盗窃人民币等犯罪事件。人民币编码检测与识别技术能够保护公众以及国家财产安全，在安防领域中具有很好的应用价值。目前仍在市面上流通的有第五套人民币和部分第四套人民币，均具有丰富的图案纹理干扰，对冠字号区域检测任务造成严重困扰；且由于长时间的流通问题，人民币纸张折损现象严重，包括残缺、涂改、破旧、折痕明显等因素，使得同一币值图片纸张的面貌差别较大，增加了冠字号区域检测任务的难度。于是，研究人民币冠字号区域检测算法，能够为冠字号识别和监管任务提供强有力的保障，具有充分的实际意义。目前，针对这些人民币冠字号的检测方法有基于CIS透视图的检测方法和基于可见光图的检测方法：基于CIS透视图的检测方法采用先通过CIS的透射光来采集人民币的透视图，然后对透视图进行图像分析得到冠字号区域的方式，是早期较为成熟的冠字号区域检测方法。人民币透视图由正反两面图案叠加而成，因此干扰更为严重，解决方案一般为利用冠字号位置的先验知识直接进行区域寻找，或通过模板进行卷积匹配，从而得到冠字号区域。但这种方法要求纸币较为干净和完整，且需要设施进行匹配，使用条件较为苛刻，算法鲁棒性不强。基于可见光图的检测方法采用摄像设备采集人民币的正面图，然后对正面图进行图像分析得到冠字号区域的方式。近几年来，由于可见光图的适用场景丰富和设备运算速度的提升，受到更多研究人员的关注。人民币的正面图只包含一侧的图像，但图案干扰仍然严重，不利于获得冠字号区域。一种解决方案是直接参照透视图的方式，使用模板匹配或先验位置知识直接找到大概区域，使用条件同样较为苛刻；另一种解决方案为利用近年兴起的深度学习方法和强大的设备计算能力来检测冠字号区域，该方法具有更好的适应能力和抗干扰能力。
技术实现思路
本专利技术的目的在于提出一种结合CTPN和SVM的人民币冠字号区域检测方法，首先通过基于CTPN的初步定位模型确保冠字号区域不漏检，再利用基于SVM二次判别模型从多个候选区域中筛选得到正确的冠字号区域，由粗到细的检测策略保证检测的准确性和鲁棒性。本专利技术是这样实现的：一种结合CTPN和SVM的人民币冠字号区域检测方法，所述方法包括以下步骤：(1)通过摄像设备拍摄各币值人民币，包括受到对比度、清晰度不佳以及纸张的残缺、老旧、变色等因素影响的图片，并标注人民币冠字号区域为正样本，其他区域为负样本，建立样本集；(2)利用样本集训练CTPN网络，得到提议冠字号区域的初步定位模型；(3)对样本集进行预处理并提取投影统计特征向量，训练SVM，得到能筛选冠字号区域的二次判别模型；(4)进行检测时，对获得的待检测人民币图片，先利用初步定位模型提议多个候选的冠字号区域，再提取候选区域的投影统计特征向量，并结合二次判别模型，得到正确的冠字号区域。所述步骤(2)中，训练CTPN网络得到初步定位模型的步骤为：(2.1)将样本集图片按原长宽比进行缩放，即长为m、宽为n的图片，缩放后的长为m’＝1200，宽为n’＝(n/m)×m’；(2.2)利用样本集，使用Adam梯度下降优化算法训练网络，直至损失值和漏检率均小于阈值为止，得到所需的初步定位模型；(2.3)进行检测时，将人民币图片输入至初步定位模型，得到多个候选区域，其中包括冠字号区域和其他非冠字号区域。所述步骤(3)中，通过投影统计特征向量和训练SVM得到的二次判别模型，具体的训练和检测流程为：(3.1)将样本集图像缩放至300×50尺寸并转化为灰度图，经双边滤波后，进行两次阈值化处理，即先进行OTSU阈值化方法得到去除背景区域的前景图，再进行均值法阈值化方法进一步分离图案与字符，得到图像的二次阈值化图；(3.2)计算二次阈值化图的投影统计特征向量f(z)，将图像I(x,y)分别投影至x和y轴，即每个元素为该行或列的统计值：然后连接这两个方向上的元素，组成包含350个元素的向量，作为二次阈值化图的特征表达向量；(3.3)利用样本集的特征向量对SVM进行训练，使用线性核防止过拟合，得到二次判别模型；(3.4)进行检测时，将初步定位模型获取的多个候选区域输入至二次判别模型中，最终得到包含冠字号的正确区域。所述步骤(3.1)中，所述OTSU算法求最佳阈值的计算方法为：w2＝1-w1g＝w1*w2*(u1-u2)2其中，N1代表两类中的任意一类像素点总数，SUM是整幅图像的像素点总数，u1和u2分别是下标所对应的两类的像素值均值，g为最佳阈值。本专利技术的有益效果是：首先通过基于CTPN的初步定位模型确保冠字号区域不漏检，再利用基于SVM的二次判别模型从多个候选区域中筛选得到正确的冠字号区域。可以看出，本专利技术采用由粗到细的检测策略，兼顾了漏检率和准确率两个方面，在大幅减小漏检概率的同时，提高了检测冠字号区域的准确度；通过性能稳定的投影统计特征来描述候选区域，使模型处于人民币图片变色、模糊等情况下仍具备准确识别冠字号区域的能力，进一步提升了冠字号区域检测的鲁棒性和准确性。附图说明图1是本专利技术实施例提供的人民币冠字号区域检测方法整体示意图；图2是本专利技术实施例中的基于CTPN的初步定位模型检测流程示意图；图3是本专利技术实施例提供的预处理及计算投影统计特征流程示意图；图4(a)是本专利技术实施例提供的冠字号区域原图；图4(b)是本专利技术实施例提供的冠字号区域第一次阈值化结果图；图4(c)是本专利技术实施例提供的冠字号区域第二次阈值化结果图；图5(a)是本专利技术实施例提供的非冠字号区域原图；图5(b)是本专利技术实施例提供的非冠字号区域第一次阈值化结果图；图5(c)是本专利技术实施例提供的非冠字号区域第一次阈值化结果图。具体实施方式下面结合附图对本专利技术作进一步详细描述。本专利技术涉及图像处理
，更具体地说，涉及一种结合CTPN和SVM的人民币冠字号区域检测方法。本专利技术针对现有技术的缺陷，提出了一种结合CTPN和SVM的人民币冠字号区域检测方法，首先通过基于CTPN的初步定位模型确保冠字号区域不漏检，再利用基于SVM二次判别模型从多个候选区域中筛选得到正确的冠字号区域，由粗到细的检测策略保证检测的准确性和鲁棒性。为了实现上述目标，本专利技术的技术方案如下：一种结合CTPN和SVM的人民币冠字号区域检测方法，其特征在于，具体包括以下步骤：(1)通过摄像设备拍摄各币值人民币，包括受到对比度、清晰度不佳以及纸张的残缺、老旧、变色等因素影响的图片，并标注人民币冠字号区域为正样本，其他区域为负样本本文档来自技高网...

【技术保护点】
1.一种结合CTPN和SVM的人民币冠字号区域检测方法，其特征是：所述方法包括以下步骤：/n(1)通过摄像设备拍摄各币值人民币，包括受到对比度、清晰度不佳以及纸张的残缺、老旧、变色等因素影响的图片，并标注人民币冠字号区域为正样本，其他区域为负样本，建立样本集；/n(2)利用样本集训练CTPN网络，得到提议冠字号区域的初步定位模型；/n(3)对样本集进行预处理并提取投影统计特征向量，训练SVM，得到能筛选冠字号区域的二次判别模型；/n(4)进行检测时，对获得的待检测人民币图片，先利用初步定位模型提议多个候选的冠字号区域，再提取候选区域的投影统计特征向量，并结合二次判别模型，得到正确的冠字号区域。/n

【技术特征摘要】
1.一种结合CTPN和SVM的人民币冠字号区域检测方法，其特征是：所述方法包括以下步骤：
(1)通过摄像设备拍摄各币值人民币，包括受到对比度、清晰度不佳以及纸张的残缺、老旧、变色等因素影响的图片，并标注人民币冠字号区域为正样本，其他区域为负样本，建立样本集；
(2)利用样本集训练CTPN网络，得到提议冠字号区域的初步定位模型；
(3)对样本集进行预处理并提取投影统计特征向量，训练SVM，得到能筛选冠字号区域的二次判别模型；
(4)进行检测时，对获得的待检测人民币图片，先利用初步定位模型提议多个候选的冠字号区域，再提取候选区域的投影统计特征向量，并结合二次判别模型，得到正确的冠字号区域。


2.根据权利要求1所述的一种结合CTPN和SVM的人民币冠字号区域检测方法，其特征是：所述步骤(2)中，训练CTPN网络得到初步定位模型的步骤为：
(2.1)将样本集图片按原长宽比进行缩放，即长为m、宽为n的图片，缩放后的长为m’＝1200，宽为n’＝(n/m)×m’；
(2.2)利用样本集，使用Adam梯度下降优化算法训练网络，直至损失值和漏检率均小于阈值为止，得到所需的初步定位模型；
(2.3)进行检测时，将人民币图片输入至初步定位模型，得到多个候选区域，其中包括冠字号区域和其他非冠字号区域。


3.根据权利要求1所述的一种结合CTP...

【专利技术属性】
技术研发人员：杨志钢，李辉洋，黎明，王军亮，胡家欣，孙鹏，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙;23