人民币纸币面额手机识别系统设计研究

焦梦姝++彭佳红

摘要：纸币识别技术是机器学习和模式识别技术的重要应用，纸币图像识别系统作为一个比较独立的模块，已经广泛应用到自动存取款机、无人售货机、自动售票机等中。本设计研究基于Android开发平台，系统服务器端主要包括接收客户端上传的纸币图像、调用MATLAB程序识别图像、返回识别结果给客户端以及纸币图像处理，其中纸币图像处理包括图像裁剪、反色、二值化等图像预处理功能与遗传算法惩罚因子和核函数参数寻优、支持向量机（SVM）训练识别模型；客户端包括选择本地图库中的纸币图像、调用本地摄像头拍照并存储、上传纸币图像和语音播放输出识别结果等。系统为手机识别人民币纸币真伪提供一定技术支持，具有有效性和实用性，有利于保护视障人士在货币交易管理中的权益。

关键词：图像识别；预处理；Android；支持向量机

中图分类号：TP391.41 文献标识码：A 文章编号：1009-3044（2015）17-0151-02

The Design of RMB Banknote Denominations Mobile Identification System

JIAO Meng-shu， PENG Jia-hong

（Information Science and Technology College of Hunan Agricultural University， Changsha 410128， China）

Abstract： Banknote recognition technology is an important application of machine learning and pattern recognition technology， the banknote image recognition system as a relatively independent module， already widely used in automatic teller machines， no vending machines， ticket vending machines and the like. The design based on Android development platform， the system server includes receiving client to upload banknote image， calling MATLAB program recognizes the image and return recognition results to the client and the banknote image processing， image processing includes image cropping bill， anti-color， binary of the other image pre-processing functions and genetic algorithm penalty and kernel function parameter optimization， support vector machine （SVM） training recognition model； clients include selecting a local gallery banknote image， call the local camera to take pictures and store， upload banknote image recognition and voice broadcast results of output. RMB banknote recognition system for mobile phones to provide some technical support authenticity， validity and practicality， help protect the interests of the visually impaired in currency trading management.

Key words： Image Recognition； Preprocessing； Android；Support Vector Machine

随着科技的进步，纸币识别系统已经广泛应用到自动存取款机、无人售货机、自动售票机等产品中，纸币识别设备的应用量越来越大，应用范围越来越广。纸币识别技术是各行各业自助设备的核心技术，在银行、餐饮、铁路、通信等各个行业的自助设备中起到至关重要的作用。研究和开发纸币识别系统必然有着很大的应用价值和研究价值。

纸币面额识别是视障人士所面临的最具挑战性的问题，同时这是货币交易管理中必不可少的过程。视障人士使用的大多数识别方法，使他们成为高风险的受骗者。本设计研究利用MATLAB平台对人民币纸币图像进行预处理操作，采用LIBSVM工具箱中的支持向量机技术识别纸币图像，将MATLAB与Android平台相结合，实现人民币纸币面额手机识别系统。

1 纸币图像处理与识别

纸币图像处理与识别基于MATLAB平台完成，主要包含图像预处理操作、遗传算法寻优操作以及支持向量机训练模型操作。

1.1 纸币图像预处理

纸币图像预处理即纸币面额识别之前对纸币图像进行的一系列处理操作[1]。通过拍照得到的纸币图像会存在一些影响图像识别效果的问题，所以在进行图像识别前对图像进行预处理操作是必要的。纸币图像预处理包括待识别区域定位、反色、二值化处理等。

1.2 遗传算法参数寻优

惩罚因子和核函数中的参数是影响支持向量机性能的主要参数。早期，惩罚因子和核函数中的参数需要根据训练手动调整。近些年，研究者们开始利用智能优化算法来自动调整SVM中的惩罚因子和核函数中的参数的值。常用的优化算法有：遗传算法、粒子群算法和网格搜索算法[2]。本设计使用遗传算法进行参数寻优，采用默认的径向基核函数，-c即惩罚因子，SVM模型优化函数中松弛变量所涉及的参数，代表对离群点的重视程度，其默认值为1；-g则为决策函数中用到的径向基核函数中的参数，其默认值为属性数目的倒数。图像处理过程中进化代数适应曲线。通过遗传算法对-c、-g优化后，得到的-c、-g参数值分别为1.5658、1.0907，准确率近似为88.89%。通过对上述两个参数寻优操作可大大提高支持向量机分类识别的准确率。

1.3 支持向量机（SVM）训练模型

支持向量机（Support Vector Machine，SVM）是由Vapnik等人提出的一种新颖且有坚实理论基础的小样本学习方法[3-5]。避开了从归纳到演绎的传统过程，高效地实现了从训练样本到测试样本的转导推理，使平常的分类和回归等问题得到极大的简化。它以训练误差作为优化问题的约束条件，以置信范围值最小化作为优化目标，其基本思想是通过在原空间或经投影后的高维空间中构造最优分类面，将给定的属于不同类别的训练样本分开[6]。

对所有样本数据采用支持向量机技术进行训练模型训练后，得到训练模型modelrmb的结果。

分类识别模型modelrmb中包含了训练样本中的各种数据以及SVM分类模型中决策函数以及优化函数的参数。

2 系统设计

2.1 系统功能结构设计

人民币纸币面额手机识别系统分为客户端和服务器两大模块，服务器包括接收客户端上传的图像、调用MATLAB程序识别图像、返回识别结果给客户端以及纸币图像处理，其中纸币图像处理包括图像裁剪、反色、二值化等图像预处理功能，遗传算法参数寻优、SVM训练模型等。客户端包括选择本地图库中的图像、调用本地摄像头拍照并存储、上传图像、语音播放输出结果等。

2.2 服务器模块设计

服务器是纸币识别项目的核心模块，主要负责接收客户端上传的图像，使用MATLAB中的SVM算法对其进行识别，识别完成后将识别结果返回给客户端。

2.3 客户端模块设计

2.3.1 选择识别模块设计

选择识别模块主要功能是调用本地图库，从中选择一张图像，上传至服务器，服务器对其进行识别，客户端接收识别结果，最后通过文本或者语音加文本的形式输出识别结果。

2.3.2 摄像识别模块设计

摄像识别模块主要功能是点击图片调用本地摄像机拍照，拍摄的照片在摄像识别界面显示，同时将该照片上传至服务器进行识别，识别结果返回后通过语音形式输出。

3 总结

随着当今社会自动化程度的提高，各种金融自助服务也随之产生，而纸币识别器作为金融自助服务装置的核心配件之一，其应用也越来越广泛越来越重要。但是目前国内的纸币识别技术相对比较低下，纸币识别仪器多为国外产品，因此，对纸币识别技术的研究具有重要意义。本设计基于Android开发平台，通过对服务器端与手机客户端功能设计，能够对纸币面额图像进行图像处理、识别和语音播放输出识别结果。此设计中使用遗传算法惩罚因子和核函数参数寻优、支持向量机（SVM）训练识别模型对纸币面额图像进行识别，效果优良。为手机识别人民币纸币真伪提供一定技术支持，有利于保护视障人士在货币交易管理中的权益。

参考文献：

[1] R.Gonzales，R.Woods.Digital Image Processing[M].New Jersey：Prentice Hall，2002.

[2] 徐晓明.SVM参数寻优及其在分类中的应用[D].大连海事大学，2014.

[3] 敖觅.基于遗传算法支持向量机理论的纸币序列号识别的研究[D].沈阳工业大学，2014.

[4] 李东亚，张锏.基于支持向量机算法的人脸识别技术研究[J].宿州学院学报，2011，26（11）：52-53.

[5] 张玉欣，程志峰，徐正平，等.参数寻优支持向量机在基于光声光谱法的变压器故障诊断中的应用[J].光谱学与光谱分析，2015，01：10-13.

[6] 陆光，满庆丽，徐然.基于SVM 的多特征融合的天牛图像识别[J].森林工程，2012，28（4）：21-25.