纸币机器视觉检测方法.pdf

一种纸币机器视觉检测方法，先用图像摄取装置读入图像，图像画面显示的是纸币厚度，纸币厚度方向设为x方向，纸币宽度方向垂直于画面，纸币的长度方向设为y方向；再对成捆纸币的腰条卡把是否正确进行检测。本方法应用在成捆纸币的视觉检测中，例如腰条卡把及印章识别、封签信息识别和钱捆面值识别等，实现自动化、检测效率和精度高。

权利要求书
1.  一种纸币机器视觉检测方法，其特征是先用图像摄取装置读入图像，图像画面显示的是纸币厚度，纸币厚度方向设为x方向，纸币宽度方向垂直于画面，纸币的长度方向设为y方向；再对成捆纸币的腰条卡把是否正确进行检测，具体步骤包括：
1)连通域分析：先选取合适的判断图像，并选取最大连通域，即目标区域；根据最大连通域初步判断图像是否正确，正确则进入下一步；
2)寻找目标区域中的拐点即成捆纸币的边角，如果找到四个拐点，则进入下一步；
3)判断夹把：分别通过分析目标区域的边缘或纹理进行判断是否夹把，如果有夹把，结束判断，提示夹把退出；如果没有夹把，则进入下一步；
4)判断多把或者少把：先得到目标区域中白色腰条信息；通过分析腰条判断是否把数正确；如果错误，则提示把数错误、退出；如果正确，则结束判断，提示正确退出；
所述步骤3)中，包括步骤：

3.  1)分析目标区域的边缘：对于得到拐点的图像，先对图像进行纹理分析，即x方向上纸币的厚度构成的纹理进行分析；把图像纹理分析得到的走向叠加，判定钞票叠放方向；然后把判定为叠放方向的对应的两侧图像边沿相加；再对叠加后的图像边沿进行分析，则确定存在夹把；

3.  2)步骤3.1)判断结论是没有夹把，则跳出步骤3)，如果有夹把，则进一步分析图像的纹理：
如果纹理为直线时，步骤3.1)得到的夹把结果为假；纹理为直线，即左右两侧图像边沿相加为直线，没有凸出或者凹进，左右相侧不齐是由于捆扎不平整造成的；
如果在x方向的纹理为曲线，且弯曲方向和判断夹把的方向相同，即纹理向下弯曲且判决夹把位置在图像下方时，夹把结果为假；
如果在x方向的纹理为曲线，且弯曲方向和判断夹把的方向相反，即纹理向下弯曲且判决夹把位置在图像上方时，夹把结果为真。

2.  根据权利要求1所述的方法，其特征是所述步骤1)中，先强制背景为深色，通过加强图像对比度和图像二值化，分割出图像边界；
再通过纹理跟踪即通过图像目标区域内切线方向来对图像的纹理进行跟踪的方式，分析出图像不同区域变形程度，并调整原始图像至变形前状态；所述该切线方向是与图像的梯度方向垂直的方向；
所述纹理跟踪具体步骤是，根据分析出的纸钞捆纹理变形程度的不同，将变形部分的影响弥补掉，一般说来由于捆扎的力量趋势，图像两边的边缘部分会上翘或下翘，并且长度方向会缩短，根据变形程度把缩短的部分人为的补偿上去。

3.  根据权利要求2所述的方法，其特征是所述步骤1)中，所述正确的图像是找到一个跟学习过的所有纸钞捆样本类似的符合一般图像大小的矩形闭合的连通区域；
最大连通域是使用同态滤波和动态直方图阈值分析交叉分析的方法，精确设定图像前景和背景灰度级差在20以下；通过图像二值化判断最大连通域，并对最大连通域进行腐蚀和膨胀处理，滤掉边沿毛刺；在判决无图像边沿的状态下，使用保存的背景值及腰条最大边沿重新拟合出样本边沿。

4.  根据权利要求3所述的方法，其特征是所述步骤1)中
a、同态滤波：一幅图像f(x，y)可以看成由两个分量组合而成，即f(x，y)＝i(x，y).r(x，y)，i(x，y)为照明分量即入射分量，是入射到景物上的光强度；r(x，y)为反射分量，是受到景物反射的光强度，具体步骤如下：
a1)先对上式的两边同时取对数，即Inf(x，y)＝Ini(x，y)+Inr(x，y)；
a2)将上式两边取傅立叶变换，得F(u，v)＝I(u，v)+R(u，v)；
a3)用一个频域函数H(u，v)处理F(u，v)，得
H(u，v)F(u，v)＝H(u，v)I(u，v)+H(u，v)R(u，v)；
a4)逆傅立叶变换到空间域，得Hff(x，y)＝hi(x，y)+hr(x，y)；可见增强后得图像是由对应照度分量与反射分量得两部分叠加而成；
a5)再将步骤(4)中的式子两边取指数，得同态滤波函数g(x，y)＝exp|hff(x，y)|＝exp|hi(x，y)|+exp|hr(x，y)|；，它可以分别作用于照度分量和反射分量上；
b、动态直方图阈值分析交叉分析：
采用两个山峰相交叉的那个交叉凹点作为区分样本跟背景的阈值；由于外部环境的不同，不同状态下拍摄的图像这个凹点是一个动态变化的值，所以对每张图片，都要取这个动态变化的点作为判断样本和背景的阈值。

5.  根据权利要求1所述的方法，其特征是所述步骤2)中，寻找拐点的方法是，采用以图像45度夹角平移搜索方案即首先找到边缘上距离最长的两个点，再定位出剩下的两个点；
对于4个角产生的钞票翻边或中间部分产生的封签翻边，通过一次腐蚀和膨胀调整滤去单张产生的干扰因素，并再次通过图像灰度级分析确定钞票翻边、手工缠绕的腰条尾部探出或中间部分产生的封签翻边位置，通过直接清除部分图像，消除翻边带来的影响。

6.  根据权利要求1所述的方法，其特征是所述步骤3.1)的具体步骤是，将图像中钞票两侧边缘到图像边界处的投影长度进行相加得到一个一维数组，再对这个一维数组进行分析，根据其波动范围判断其边缘是否有凸出或凹进，并且只有当凸出或凹进的连续部分长度大于两侧边缘总体长度的10％时，就确定存在夹把。

7.  根据权利要求1所述的方法，其特征是所述步骤4)中，
a、目标区域中白色腰条信息是通过自适应二值化得到的：
由于腰条和捆扎带和钞票本身的灰度级差别，首先提取出白色腰条和捆扎带位置，具体是用的是自适应二值化方法得到，再对二值化图像进行连通域分析，根据腰条和捆扎带与钞票本身存在灰度差异，通过这种差异确定他们的位置；
再根据位置可能出现的条件，采取遍历的方法估计腰条的情况，并通过遍历后结果权重的不同评价，最终确定捆扎腰条的情况；
b、把数识别是通过每把之间的阴影分析得到的：
经过与纹理分析的交叉评价即把每把之间的阴影部分按水平方向进行投影，判断投影的结果在9把、10把或11把三种情况下最接近的是那一种，确定把数的状态，同时弱化捆扎带压住腰条时带来的判决影响和腰条变形影响；
在把数不足的条件下，增加每把厚度平均值比较即判断左右各5把的情况下，两边的平均厚度要一致。

8.  根据权利要求1或7所述的方法，其特征是所述步骤4)中，在识别过程中使用红色通道达到隐含名章的目的，将图像归一化并突出每扎之间的阴影，具体方法是在图像红色通道中名章颜色将淡化为白色。

9.  根据权利要求8所述的方法，其特征是所述步骤4)中，对于全新钞票，严格按照上5下5交叉方法叠放，且由于全新钞票厚度严格一致；在算法识别中还增加了连通域面积比对过程：由于新钱会产生灰度值较高的像素，所以对两边各5把的情况下，判断两侧灰度值较高区域的连通域面积是否相等。

说明书纸币机器视觉检测方法
技术领域
本方法属于图像识别应用方法，具体是把图像识别应用于纸币整捆检测中的纸币机器视觉检测方法。
背景技术
机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品(即图像摄取装置，如CMOS和CCD)将要检测的目标转换成数字量信号，这些数字量信号再传送给专用的图像处理系统(分嵌入式和视频卡方式)，图像处理系统根据要检测的任务要求来设置检测任务。然后根据判别的结果来控制现场的设备动作。
机器视觉系统的特点是提高生产的产品质量和生产线自动化程度。尤其是在一些不适合于人工作业的危险工作环境或人眼难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。类似应用如，烟草行业图像采集识别系统主要由CCD摄像机、照明装置、工控机及视觉处理软件组成，CCD高速摄像机摄取烟叶的实时图像，并送入电控柜的图像处理单元。图像处理软件根据各种设定的特征进行自动检测，识别正常的烟叶和异物，发现异物则将有关信息通知动作装置。
成捆纸币的腰条是否卡把以及印章进行检测的图像如图1，一般来说纸币是先用腰条B进行扎把形成A，再以10把A为一捆用捆扎带C进行捆扎，最后进行检测。如果面额不同的纸币把A混在一捆中，就会认为是出现“夹把”情况。在每个腰条B上，还应该有签章(操作者的名章)。
连通域是指由若干像素组成的集合，该集合中的像素具有以下特性：1所有像素的灰度级别均小于或等于连通域的级别；2同一个连通域中的像素两两相通，即在任意两个像素之间存在一条完全由这个集合的元素构成的通路。
发明内容
为了实现成捆纸币的视觉检测，使成捆纸币的检测自动化水平提高，检测速度和精度提高，本发明提出一种纸币卡把机器视觉检测方法，具体技术方案如下：
一种纸币机器视觉检测方法，先用图像摄取装置读入图像，图像画面显示的是纸币厚度，纸币厚度方向设为x方向，纸币宽度方向垂直于画面，纸币的长度方向设为y方向；再对成捆纸币的腰条卡把是否正确进行检测，具体步骤包括：
1)连通域分析：先选取合适的判断图像，并选取最大连通域，即目标区域；根据最大连通域初步判断图像是否正确，正确则进入下一步；
2)寻找目标区域中的拐点即成捆纸币的边角，如果找到四个拐点，则进入下一步；
3)判断夹把：分别通过分析目标区域的边缘或纹理进行判断是否夹把，如果有夹把，结束判断，提示夹把退出；如果没有夹把，则进入下一步；
4)判断多把或者少把：先得到目标区域中白色腰条信息；通过分析腰条判断是否把数正确；如果错误，则提示把数错误、退出；如果正确，则结束判断，提示正确退出；
所述步骤3)中，包括步骤：
3.1)分析目标区域的边缘：对于得到拐点的图像，先对图像进行纹理分析，即x方向上纸币的厚度构成的纹理进行分析；把图像纹理分析得到的走向叠加，判定钞票叠放方向；然后把判定为叠放方向的对应的两侧图像边沿相加；再对叠加后的图像边沿进行分析，则确定存在夹把；
3.2)步骤3.1)判断结论是没有夹把，则跳出步骤3)，如果有夹把，则进一步分析图像的纹理：
如果纹理为直线时，步骤3.1)得到的夹把结果为假；纹理为直线，即左右两侧图像边沿相加为直线，没有凸出或者凹进，左右相侧不齐是由于捆扎不平整造成的；
如果在x方向的纹理为曲线，且弯曲方向和判断夹把的方向相同，即纹理向下弯曲且判决夹把位置在图像下方时，夹把结果为假；这种判断排除了由于纸钞捆捆扎变形弯曲造成判断夹把的错误结论。见图3。
如果在x方向的纹理为曲线，且弯曲方向和判断夹把的方向相反，即纹理向下弯曲且判决夹把位置在图像上方时，夹把结果为真。见图4。
所述步骤1)中，先强制背景为深色，通过加强图像对比度和图像二值化，分割出图像边界；
再通过纹理跟踪即通过图像目标区域内切线方向来对图像的纹理进行跟踪的方式，分析出图像不同区域变形程度，并调整原始图像至变形前状态；所述该切线方向是与图像的梯度方向垂直的方向；
所述纹理跟踪具体步骤是，根据分析出的纸钞捆纹理变形程度的不同，将变形部分的影响弥补掉，一般说来由于捆扎的力量趋势，图像两边的边缘部分会上翘或下翘，并且长度方向会缩短，根据变形程度把缩短的部分人为的补偿上去。
所述步骤1中，所述正确的图像是找到一个跟学习过的所有纸钞捆样本类似的符合一般图像大小的矩形闭合的连通区域；
最大连通域的选取过程：使用同态滤波和动态直方图阈值分析交叉分析的方法，精确设定图像前景和背景灰度级差在20以下；通过图像二值化判断最大连通域，并对最大连通域进行腐蚀和膨胀处理，滤掉边沿毛刺；在判决无图像边沿的状态下，使用保存的背景值及腰条最大边沿重新拟合出样本边沿。因为过旧的纸币捆扎在一起，颜色较深，与黑色背景相近，在图像分析时分析不出纸钞捆的图像边沿，但是腰条的颜色与背景色相差比较多，通过找到腰条的最大边沿重新拟合出纸钞捆样本图像边沿。
所述步骤2)中，寻找拐点的方法是，采用以图像45度夹角平移搜索方案即首先找到边缘上距离最长的两个点，再定位出剩下的两个点；
对于4个角产生的钞票翻边或中间部分产生的封签翻边，通过一次腐蚀和膨胀调整滤去单张产生的干扰因素，并再次通过图像灰度级分析确定钞票翻边、手工缠绕的腰条尾部探出或中间部分产生的封签翻边位置，通过直接清除部分图像，消除翻边带来的影响。
所述步骤3.1)的具体步骤是，将图像中钞票两侧边缘到图像边界处的投影长度进行相加得到一个一维数组，再对这个一维数组进行分析，根据其波动范围判断其边缘是否有凸出或凹进，并且只有当凸出或凹进的连续部分长度大于两侧边缘总体长度的10％时，就确定存在夹把。
所述步骤4)中，目标区域中白色腰条信息是通过自适应二值化得到的：
由于腰条或捆扎带和钞票本身的灰度级差别，首先提取出白色腰条和捆扎带位置，具体是用自适应二值化方法得到，再对二值化图像进行连通域分析，根据腰条和捆扎带与钞票本身存在灰度差异，通过这种差异确定他们的位置；
再根据位置可能出现的条件，采取遍历的方法估计腰条的情况，并通过遍历后结果权重的不同评价，最终确定捆扎腰条的情况；
把数识别是通过每把之间的阴影分析得到的；在把数不足的条件下，增加每把厚度平均值比较即判断左右各5把的情况下，两边的平均厚度要一致，以避免由于腰条变形而产生的两扎钞票腰条重合带来的误判。
步骤4)中，在识别过程中使用红色通道达到隐含名章的目的，将图像归一化并突出每扎之间的阴影。具体来说，是对于一幅既定的图像而言，单独改变某个通道的曲线，会造成色偏，根据实际情况，腰条上的人名章为红色，使用红色通道，可以消除有名章和无名章图像带来的不同；通过隐含名章，将图像归一化并突出每扎之间的阴影，在图像红色通道中名章颜色将淡化为白色，提高卡把识别精度。
步骤4)中，全新钞票严格按照上5下5交叉方法叠放，且由于全新钞票厚度严格一致；
在算法识别中除使用标准分析方法后，还增加了连通域面积比对过程：由于新钱会产生灰度值较高的像素，所以对两边各5把的情况下，判断两侧灰度值较高区域的连通域面积是否相等，以提升测试结果的精度。
本方法应用在成捆纸币的视觉检测中，例如腰条卡把及印章识别、封签信息识别和钱捆面值识别等，实现自动化、检测效率和精度高。
附图说明
图1是钱币捆扎示意图；
图2是具体判断图像示意图，其中
图中，E为拐点、G1所在一侧为叠放方向一侧、G2所在一侧为叠放方向的另一侧、F为纹理、图像的外形轮廓D即为最大连通域；
图3是步骤3.2)中夹把结果为假示意图；
图4是步骤3.2)中夹把结果为真示意图；
图5是夹把示意图；
图6是左右侧面不齐示意图；
图7是上下波浪且封签翻边示意图；
图8是左右波浪示意图；
图9是全新钞票捆扎示意图，
图中，H为白色区域、J1为上5叠钞票、J2为下5叠钞票；
图10是编程实现本方法的流程图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步说明。
一种纸币机器视觉检测方法，先用图像摄取装置读入图像，图像画面显示的是纸币厚度，纸币厚度方向设为x方向，纸币宽度方向垂直于画面，纸币的长度方向设为y方向；再对成捆纸币的腰条卡把是否正确进行检测，步骤包括：
1)连通域分析：先选取合适的判断图像，并选取最大连通域，即目标区域；根据最大连通域初步判断图像是否正确，正确则进入下一步；
正确图像是指找到一个跟学习过的所有纸钞捆样本类似的符合一般图像大小的矩形闭合的连通区域；
对最大连通域的选取是使用同态滤波和动态直方图阈值分析交叉分析的方法，精确设定图像前景和背景灰度级差在20以下。通过图像二值化判断最大连通域，并对最大连通域进行腐蚀和膨胀处理，滤掉边沿毛刺。在判决无图像边沿的状态下，使用保存的背景值及腰条最大边沿重新拟合出样本边沿。
2)寻找目标区域中的拐点即成捆纸币的边角，如果找到四个拐点，则进入下一步；
3)判断夹把：分别通过分析目标区域的边缘或纹理进行判断是否夹把，如果有夹把，结束判断，程序提示夹把退出；如果没有夹把，则进入下一步；
4)判断多把或者少把：通过自适应二值化得到目标区域中白色腰条信息；通过分析腰条判断是否把数正确；如果错误，程序提示把数错误退出；如果正确，则结束判断，程序提示正确退出。
所述步骤3)中，包括步骤：
3.1)分析目标区域的边缘：对于得到拐点的图像，先对图像进行纹理分析，即x方向上纸币的厚度构成的纹理进行分析；把图像纹理分析得到的走向叠加，判定钞票叠放方向；然后把判定为叠放方向的对应的两侧图像边沿相加；再对叠加后的图像边沿进行分析，判决是否存在凸出或凹进的连续部分是否大于10％；如果大于，则确定存在夹把；
具体来说：将图像中钞票两侧边缘到图像边界处的投影长度进行相加得到一个一维数组，再对这个一维数组进行分析，根据其波动范围判断其边缘是否有凸出或凹进，并且只有当凸出或凹进的连续部分长度大于两侧边缘总体长度的10％时，就确定存在夹把。
3.2)步骤3.1)判断结论是没有夹把，则跳出步骤3)，如果有夹把，则进一步分析图像的纹理：
如果纹理为直线时，步骤3.1)得到的夹把结果为假；纹理为直线，即左右两侧图像边沿相加为直线，没有凸出或者凹进，左右相侧不齐是由于捆扎不平整造成的。
如果在x方向的纹理为曲线，且弯曲方向和判断夹把的方向相同，即纹理向下弯曲且判决夹把位置在图像下方时，夹把结果为假；这种判断排除了由于纸钞捆捆扎变形弯曲造成判断夹把的错误结论。
如果在x方向的纹理为曲线，且弯曲方向和判断夹把的方向相反，即纹理向下弯曲且判决夹把位置在图像上方时，夹把结果为真。
对于步骤1)，
强制背景为深色，通过加强图像对比度和图像二值化，分割出图像边界。通过纹理跟踪的方式(即通过图像目标区域内切线方向(与图像的梯度方向垂直)来对图像的纹理进行跟踪)，分析出图像不同区域变形程度，并调整原始图像至变形前状态(调整的方法是根据分析出的纸钞捆纹理变形程度的不同，将变形部分的影响弥补掉，一般说来由于捆扎的力量趋势，图像两边的边缘部分会上翘或下翘，并且长度方向会缩短，根据变形程度把缩短的部分人为的补偿上去)。
使用同态滤波和动态直方图阈值分析交叉分析的方法具体如下：
a、同态滤波：一幅图像f(x，y)可以看成由两个分量组合而成，即
f(x，y)＝i(x，y).r(x，y)
i(x，y)为照明分量(入射分量)，是入射到景物上的光强度；
r(x，y)为反射分量，是受到景物反射的光强度。
具体步骤如下：
(1)先对上式的两边同时取对数，即
Inf(x，y)＝Ini(x，y)+Inr(x，y)
(2)将上式两边取傅立叶变换，得
F(u，v)＝I(u，v)+R(u，v)
(3)用一个频域函数H(u，v)处理F(u，v)，可得到
H(u，v)F(u，v)＝H(u，v)I(u，v)+H(u，v)R(u，v)
(4)逆傅立叶变换到空间域得
Hff(x，y)＝hi(x，y)+hr(x，y)
可见增强后得图像是由对应照度分量与反射分量得两部分叠加而成。
(5)再将上式两边取指数，得
g(x，y)＝exp|hff(x，y)|＝exp|hi(x，y)|+exp|hr(x，y)|
这里，称作同态滤波函数，它可以分别作用于照度分量和反射分量上。
一幅图像得照明分量通常用慢变化来表征，而反射分量则倾向于急剧变换。所以图像取对数后得傅立叶变换的低频部分主要对应照度分量，而高频部分主要对应反射分量。适当的选择滤波器函数将会对傅立叶变换中的低频部分和高频部分产生不同的响应。处理结果会使像元灰度的动态范围或图像对比度得到增强。
b、动态直方图阈值分析交叉分析：对于一张没有纸钞捆样本的纯背景图像来说，它的直方图是严格按照正态分布的山峰图样，对于一张有普通纸钞捆样本的图像来说，它的直方图与纯背景直方图叠加的结果为具有两个不重合的山峰图样，比较容易就区分了纸钞捆图像的最大连通域。但是对于旧的纸钞捆，由于它的颜色比较深，与背景颜色十分接近，它的直方图与纯背景直方图的叠加的结果为两个山峰交叉的图样，用普通的连通域分析方法找不出它的最大连通域，所以就根据情况采用两个山峰相交叉的那个交叉凹点作为区分样本跟背景的阈值。由于外部环境的不一样，不同状态下拍摄的图像这个凹点也会是一个动态变化的值，所以对于每一张图片，都要取这个动态变化的点作为判断样本和背景的阈值。
在判决无图像边沿的状态下，使用保存的背景值及腰条最大边沿重新拟合出样本边沿，因为过旧的纸币捆扎在一起，颜色较深，与黑色背景相近，在图像分析时分析不出纸钞捆的图像边沿，但是腰条的颜色与背景色相差比较多，通过找到腰条的最大边沿重新拟合出纸钞捆样本图像边沿。
对于步骤2)
本方法放弃一般寻找图像边缘时所用的两点定位方法，采用以图像45度夹角平移搜索方案(该搜索方案的步骤是首先找到边缘上距离最长的两个点，再定位出剩下的两个点)。本方案在长方形4角产生缺失或变形时，产生极好的搜索效果。
通过本方法定位图像的4个定点，对于4个角产生的钞票翻边或中间部分产生的封签翻边，通过一次腐蚀和膨胀调整滤去单张产生的干扰因素，并再次通过图像灰度级分析确定钞票翻边、手工缠绕的腰条尾部探出或中间部分产生的封签翻边位置，通过直接清除部分图像，消除翻边带来的影响。
腐蚀和膨胀：
把结构元素S平移x后得到Sx，若Sx包含于X，我们记下这个x点，所有满足上述条件的x点组成的集合称做X被S腐蚀(Erosion)的结果。腐蚀的方法是，拿S的原点和X上的点一个一个地对比，如果S上的所有点都在X的范围内，则S的原点对应的点保留，否则将该点去掉。把结构元素S平移x后得到Sx，若Sx与X相交不为空，我们记下这个x点，所有满足上述条件的x点组成的集合称做X被S膨胀(dilation)的结果。膨胀的方法是，拿S的原点和X上的点一个一个地对比，如果S上有一个点落在X的范围内，则S的原点对应的点就为图像。
图像灰度级分析：
因为根据图像分析可以知道，纸钞捆的纹理颜色总是要比腰条、封签及钞票翻边的颜色深的，所以利用这种灰度的差异性，本例是把在原类别纸钞捆灰度值加80作为判决的标准。
对于步骤4)
由于腰条和捆扎带和钞票本身的灰度级差别，首先提取出腰条和捆扎带位置。根据位置可能出现的条件，采取遍历的方法估计腰条的情况，并通过遍历后结果权重的不同评价，最终确定捆扎腰条的情况。
所述提取出腰条和捆扎带位置用的是自适应二值化方法，再对二值化图像进行连通域分析，根据腰条和捆扎带与钞票本身存在灰度差异，通过这种差异从而可以确定他们的位置。
位置可能出现的条件包括：大部分地区对单扎钞票的腰条缠绕在整张钞票的2/3位置，10扎钞票腰条以上5下5的方式左右分开。另外的地区将腰条统一缠绕在1/2位置，10扎钞票打捆后出现贯通状态。对废弃钞票，统一使用1/3位置的双腰条捆扎，且整捆捆扎带材质不同，存在纯白捆扎带贯穿整个腰条。
把数识别是通过每把之间的阴影分析得到的，经过与纹理分析的交叉评价确定把数的状态，同时弱化捆扎带压住腰条时带来的判决影响和腰条变形影响。在把数不足的条件下，增加每把厚度平均值比较，以避免由于腰条变形而产生的两扎钞票腰条重合带来的误判。
与纹理分析的交叉评价是把每把之间的阴影部分按水平方向进行投影，看投影的结果在9把、10把和11把三种情况下最接近的是那一种。
每把厚度平均值比较是看左右各5把的情况下，两边的平均厚度要一致。
对于步骤4)
在识别过程中使用红色通道，因为对于一幅既定的图像而言，单独改变某个通道的曲线，会造成色偏，根据实际情况，腰条上的人名章为红色，使用红色通道，可以消除有名章和无名章图像带来的不同。通过隐含名章，将图像归一化并突出每扎之间的阴影，即在图像红色通道中名章颜色将淡化为白色，提高卡把识别精度。
对于全新钞票的情况，由于全新钞票厚度严格一致，要严格按照上5下5交叉方法叠放。在算法识别中除使用原有分析方法后，还需要对连通域面积比对，以提升测试结果的精度。这是因为由于新钱会产生灰度值较高的像素，所以对两边各5把的情况下，判断两侧灰度值较高区域的连通域面积是否相等。
具体工程实现时，可参考图10流程，利用现有编程工具进行。