一种基于手机APP和云平台的纸币鉴伪方法及系统.pdf

上传人:1520****312 文档编号:4193318 上传时间:2018-09-05 格式:PDF 页数:13 大小:861.91KB
返回 下载 相关 举报
摘要
申请专利号:

CN201611019996.6

申请日:

2016.11.14

公开号:

CN106815922A

公开日:

2017.06.09

当前法律状态:

实审

有效性:

审中

法律详情:

实质审查的生效IPC(主分类):G07D 7/202申请日:20161114|||公开

IPC分类号:

G07D7/202(2016.01)I

主分类号:

G07D7/202

申请人:

杭州数生科技有限公司

发明人:

姚劲草; 唐慧明

地址:

310007 浙江省杭州市西湖区天目山路398号1幢2495室

优先权:

专利代理机构:

杭州宇信知识产权代理事务所(普通合伙) 33231

代理人:

牛程飞;张斌

PDF下载: PDF下载
内容摘要

本发明公开了一种基于手机APP和云平台的纸币鉴伪方法,包括以下步骤:通过手机APP控制图像采集单元采集纸币图像;手机APP将采集到的图像进行基于模板匹配的感兴趣区域标记,并通过网络上传至云平台;云平台对图像进行处理,对纸币进行基于所述感兴趣区域的真伪判别;云平台将判别结果通过网络反馈给手机APP并在手机APP上进行显示;本发明还提供了相应的基于手机APP和云平台的纸币鉴伪系统。本发明克服了传统点验钞机、鉴别仪携带不便的缺陷,并充分利用云平台强大的计算能力对相关图像处理进行后台计算,克服了传统点验钞机、鉴别仪计算能力不足的问题。

权利要求书

1.一种基于手机APP和云平台的纸币鉴伪方法,其特征在于,包括以下步骤:
A1:通过手机APP控制图像采集单元采集纸币图像,所述的图像采集单元包括前置摄像
头和/或后置摄像头,以及图像采集电路和图像采集软件;
A2:手机APP将采集到的图像进行基于模板匹配的感兴趣区域标记,并通过网络上传至
云平台;
A3:云平台对图像进行处理,对纸币进行基于所述感兴趣区域的真伪判别;
A4:云平台将判别结果通过网络反馈给手机APP并在手机APP上进行显示。
2.根据权利要求1所述的基于手机APP和云平台的纸币鉴伪方法,其特征在于,步骤A1
中,手机APP控制手机屏幕循环变为纯红色、纯绿色和纯蓝色,并在三种颜色的手机屏幕照
射下,控制图像采集单元用前置摄像头依次采集纸币图像,共采集三幅图;或手机APP控制
图像采集单元直接采集单幅或多幅纸币图像。
3.根据权利要求1所述的基于手机APP和云平台的纸币鉴伪方法,其特征在于,步骤A3
具体包括:
B1:云平台通过对纸币样本库进行训练学习获得过完备字典;
B2:对手机APP上传的图像进行预处理以确认感兴趣区域;
B3:运行结合过完备字典的稀疏表示模型对所述感兴趣区域进行处理;
B4:利用判别函数对图像处理结果进行判别。
4.根据权利要求3所述的基于手机APP和云平台的纸币鉴伪方法,其特征在于,步骤B1
中,基于纸币样本库训练学习获得过完备字典的方法为基于纹理和形状的双层映射空间过
完备字典学习方法,其训练学习过程为:设qi是某感兴趣区域在纸币样本库中第i个样本中
对应的抠图,纸币样本库中所有N个样本对应此感兴趣区域的抠图可构成样本集
首先对Q进行差分操作滤除大尺寸形状,获得纹理样本集
其基于主成分分析的重建表达式为
表示平均图像;ai,j为主成分分析映射系数;uj为通过主成分分析求得的第j个特征向量;
ai=[ai,1,ai,2,…,ai,n]T表示第i组映射系数;则纹理样本集对应的纹理过完备字典定义为A
=[a1,a2,…,aN];
之后对Q进行低通滤波滤除纹理,获得样本集其基于主
成分分析的重建表达式为表示平均图像;di,j为主成分分析映射
系数;vj为通过主成分分析求得的第j个特征向量;di=[di,1,di,2,…,di,n]T表示第i组映射
系数;则形状样本集对应的形状过完备字典定义为D=[d1,d2,…,dN]。
5.根据权利要求3所述的基于手机APP和云平台的纸币鉴伪方法,其特征在于,步骤B3
中,所述稀疏表示模型为基于纹理和形状的双层稀疏表示模型,其表达式为:

其中,s为基于纹理的稀疏系数;t为基于形状的稀疏系数;A为基于纹理的过完备字典;
D为基于形状的过完备字典;为输入感兴趣区域的联合主成分映
射,其中U=[u1,u2,…,un]T,V=[v1,v2,…,vn]T分别对于样本集Q'和Q*主成分分析中的特征
向量,n为特征向量个数;ωi为第i项权重系数;q'和q*分别为经过差分操作和低通滤波的
输入图像感兴趣区域。
6.一种基于手机APP和云平台的纸币鉴伪系统,其特征在于,包括:手机APP及云平台,
所述手机APP和云平台通过网络连接;
所述手机APP用于控制图像采集单元采集纸币图像,并对图像进行基于模板匹配的感
兴趣区域标记,以及通过网络将标记后的图像上传至云平台;其中,所述的图像采集单元包
括前置摄像头和/或后置摄像头,以及图像采集电路和图像采集软件;
所述云平台用于对接收的图像进行处理,对纸币进行基于所述感兴趣区域的真伪进行
判别,并将判别结果通过网络反馈给手机APP;
所述手机APP还用于显示判别结果。
7.如权利要求6所述的基于手机APP和云平台的纸币鉴伪系统,其特征在于,手机APP控
制手机屏幕循环变为纯红色、纯绿色和纯蓝色,并在三种颜色的手机屏幕照射下,控制图像
采集单元用前置摄像头依次采集纸币图像,共采集三幅图;或手机APP控制图像采集单元直
接采集单幅或多幅纸币图像。
8.如权利要求6所述的基于手机APP和云平台的纸币鉴伪系统,其特征在于,所述云平
台包括字典学习模块、预处理模块、运算处理模块及判别模块;
所述字典学习模块用于通过对纸币样本库进行训练学习获得过完备字典;
所述预处理模块用于对手机APP上传的图像进行预处理以确认感兴趣区域;
所述运算处理模块用于运行结合过完备字典的稀疏表示模型对所述感兴趣区域进行
处理;
所述判别模块用于利用判别函数对图像处理结果进行判别。
9.如权利要求8所述的基于手机APP和云平台的纸币鉴伪系统,其特征在于,所述字典
学习模块采用基于纹理和形状的双层映射空间过完备字典学习方法,通过对纸币样本库进
行训练学习获得过完备字典,其训练学习过程为:设qi是某感兴趣区域在纸币样本库中第i
个样本中对应的抠图,纸币样本库中所有N个样本对应此感兴趣区域的抠图可构成样本集
首先对Q进行差分操作滤除大尺寸形状,获得纹理样本集
其基于主成分分析的重建表达式为
表示平均图像;ai,j为主成分分析映射系数;uj为通过主成分分析求得的第j个特征向量;
ai=[ai,1,ai,2,…,ai,n]T表示第i组映射系数;则纹理样本集对应的纹理过完备字典定义为A
=[a1,a2,…,aN];
之后对Q进行低通滤波滤除纹理,获得样本集其基于主
成分分析的重建表达式为表示平均图像;di,j为主成分分析映射
系数;vj为通过主成分分析求得的第j个特征向量;di=[di,1,di,2,…,di,n]T表示第i组映射
系数;则形状样本集对应的形状过完备字典定义为D=[d1,d2,…,dN]。
10.如权利要求8或9所述的基于手机APP和云平台的纸币鉴伪系统,其特征在于,所述
运算处理模块运行结合过完备字典的稀疏表示模型对所述感兴趣区域进行处理时,所述稀
疏表示模型为基于纹理和形状的双层稀疏表示模型,其表达式为:

其中,s为基于纹理的稀疏系数;t为基于形状的稀疏系数;A为基于纹理的过完备字典;
D为基于形状的过完备字典;为输入感兴趣区域的联合主成分映
射,其中U=[u1,u2,…,un]T,V=[v1,v2,…,vn]T分别对于样本集Q'和Q*主成分分析中的特征
向量,n为特征向量个数;ωi为第i项权重系数;q'和q*分别为经过差分操作和低通滤波的
输入图像感兴趣区域。

说明书

一种基于手机APP和云平台的纸币鉴伪方法及系统

技术领域

本发明涉及纸币鉴伪领域,尤其涉及一种基于手机APP和云平台的纸币鉴伪方法
及系统。

背景技术

近年来,各种类型的假币大量出现,不断给人民群众和国家经济造成损失,发明快
速便捷的假币鉴伪方法对提高人们的假币识别能力、增强市民防伪意识、改善金融环境有
着重要的意义。通常传统点/验钞机、鉴别仪在走钞通道设置传感器采集纸币信息,并利用
机器自带的处理器进行鉴伪计算。这种纸币鉴伪方法存在很多弊端,例如此类机器需要固
定电源供电无法随身携带;传统机器采用低端芯片进行鉴伪处理,其计算能力有限等。

发明内容

本发明要解决的技术问题是提供一种基于手机APP和云平台的纸币鉴伪方法,该
方法通过采集与鉴伪分离的方式,充分利用了云平台强大的计算能力进行图像处理计算,
克服传统点/验钞机、鉴别仪计算能力不足的问题。

本发明的目的是通过以下技术方案来实现的:

一种基于手机APP和云平台的纸币鉴伪方法,包括以下步骤:

A1:通过手机APP控制图像采集单元采集纸币图像,所述的图像采集单元包括前置
摄像头和/或后置摄像头,以及图像采集电路和图像采集软件;

A2:手机APP将采集到的图像进行基于模板匹配的感兴趣区域标记,并通过网络上
传至云平台;

A3:云平台对图像进行处理,对纸币进行基于所述感兴趣区域的真伪判别;

A4:云平台将判别结果通过网络反馈给手机APP并在手机APP上进行显示。

进一步的,步骤A1中,手机APP控制手机屏幕循环变为纯红色、纯绿色和纯蓝色,并
在三种颜色的手机屏幕照射下,控制图像采集单元用前置摄像头依次采集纸币图像,共采
集三幅图;或手机APP控制图像采集单元直接采集单幅或多幅纸币图像。

进一步的,步骤A3具体包括:

B1:云平台通过对纸币样本库进行训练学习获得过完备字典;

B2:对手机APP上传的图像进行预处理以确认感兴趣区域;

B3:运行结合过完备字典的稀疏表示模型对所述感兴趣区域进行处理;

B4:利用判别函数对图像处理结果进行判别。

进一步的,步骤B1中,基于纸币样本库训练学习获得过完备字典的方法为基于纹
理和形状的双层映射空间过完备字典学习方法,其训练学习过程为:设qi是某感兴趣区域
在纸币样本库中第i个样本中对应的抠图,纸币样本库中所有N个样本对应此感兴趣区域的
抠图可构成样本集首先对Q进行差分操作滤除大尺寸形状,
获得纹理样本集其基于主成分分析的重建表达式为
表示平均图像;ai,j为主成分分析映射系数;uj为通过主成分分析求
得的第j个特征向量;ai=[ai,1,ai,2,…,ai,n]T表示第i组映射系数;则纹理样本集对应的纹
理过完备字典定义为A=[a1,a2,…,aN];

之后对Q进行低通滤波滤除纹理,获得样本集其基
于主成分分析的重建表达式为q*表示平均图像;di,j为主成分分析
映射系数;vj为通过主成分分析求得的第j个特征向量;di=[di,1,di,2,…,di,n]T表示第i组
映射系数;则形状样本集对应的形状过完备字典定义为D=[d1,d2,…,dN]。

进一步的,步骤B3中,所述稀疏表示模型为基于纹理和形状的双层稀疏表示模型,
其表达式为:


其中,s为基于纹理的稀疏系数;t为基于形状的稀疏系数;A为基于纹理的过完备
字典;D为基于形状的过完备字典;为输入感兴趣区域的联合主成
分映射,其中U=[u1,u2,…,un]T,V=[v1,v2,…,vn]T分别对于样本集Q'和Q*主成分分析中的
特征向量,n为特征向量个数;ωi为第i项权重系数;q'和q*分别为经过差分操作和低通滤
波的输入图像感兴趣区域。

本发明还提供了一种基于手机APP和云平台的纸币鉴伪系统,克服了传统点/验钞
机、鉴别仪携带不便的缺陷,结合手机APP和云平台提供了一种便携式移动纸币鉴伪方式。
其具体技术方案为:

一种基于手机APP和云平台的纸币鉴伪系统,包括:手机APP及云平台,所述手机
APP和云平台通过网络连接;

所述手机APP用于控制图像采集单元采集纸币图像,并对图像进行基于模板匹配
的感兴趣区域标记,以及通过网络将标记后的图像上传至云平台;其中,所述的图像采集单
元包括前置摄像头和/或后置摄像头,以及图像采集电路和图像采集软件;

所述云平台用于对接收的图像进行处理,对纸币进行基于所述感兴趣区域的真伪
进行判别,并将判别结果通过网络反馈给手机APP;

所述手机APP还用于显示判别结果。

进一步的,所述手机控制采集单元采集纸币图像包括:手机APP控制手机屏幕循环
变为纯红色、纯绿色和纯蓝色,并在三种颜色的手机屏幕照射下,控制图像采集单元用前置
摄像头依次采集纸币图像,共采集三幅图;或手机APP控制图像采集单元直接采集单幅或多
幅纸币图像。

进一步的,所述云平台包括字典学习模块、预处理模块、运算处理模块及判别模
块;

所述字典学习模块用于通过对纸币样本库进行训练学习获得过完备字典;

所述预处理模块用于对手机APP上传的图像进行预处理以确认感兴趣区域;

所述运算处理模块用于运行结合过完备字典的稀疏表示模型对所述感兴趣区域
进行处理;

所述判别模块用于利用判别函数对图像处理结果进行判别。

进一步的,所述字典学习模块采用基于纹理和形状的双层映射空间过完备字典学
习方法,通过对纸币样本库进行训练学习获得过完备字典,其训练学习过程为:设qi是某感
兴趣区域在纸币样本库中第i个样本中对应的抠图,纸币样本库中所有N个样本对应此感兴
趣区域的抠图可构成样本集首先对Q进行差分操作滤除大尺寸形
状,获得纹理样本集其基于主成分分析的重建表达式为
表示平均图像;ai,j为主成分分析映射系数;uj为通过主成分分析求
得的第j个特征向量;ai=[ai,1,ai,2,…,ai,n]T表示第i组映射系数;则纹理样本集对应的纹
理过完备字典定义为A=[a1,a2,…,aN];

之后对Q进行低通滤波滤除纹理,获得样本集其基
于主成分分析的重建表达式为表示平均图像;di,j为主成分分析
映射系数;vj为通过主成分分析求得的第j个特征向量;di=[di,1,di,2,…,di,n]T表示第i组
映射系数;则形状样本集对应的形状过完备字典定义为D=[d1,d2,…,dN]。

进一步的,所述运算处理模块运行结合过完备字典的稀疏表示模型对所述感兴趣
区域进行处理时,所述稀疏表示模型为基于纹理和形状的双层稀疏表示模型,其表达式为:


其中,s为基于纹理的稀疏系数;t为基于形状的稀疏系数;A为基于纹理的过完备
字典;D为基于形状的过完备字典;为输入感兴趣区域的联合主成
分映射,其中U=[u1,u2,…,un]T,V=[v1,v2,…,vn]T分别对于样本集Q'和Q*主成分分析中的
特征向量,n为特征向量个数;ωi为第i项权重系数;q'和q*分别为经过差分操作和低通滤
波的输入图像感兴趣区域。

与现有技术和产品相比,本发明有如下优点:

区别于传统点验钞机、鉴别仪的一体式处理方法,本发明的基于手机APP和云平台
的纸币鉴伪方法,利用手机前端摄像头拍照进行图像采集,并利用云平台进行后台图像处
理计算,实现了采集与鉴伪分离式处理。基于上述方法的纸币鉴伪系统,克服了传统点验钞
机、鉴别仪携带不便的缺陷,并充分利用云平台强大的计算能力对相关图像处理进行后台
计算,从而克服了传统点验钞机、鉴别仪计算能力不足的问题。

附图说明

图1为本发明的基于手机APP和云平台的纸币鉴伪方法的总体流程图。

图2为本发明的基于手机APP和云平台的纸币鉴伪方法实施例的流程示意图。

图3为本发明的基于手机APP和云平台的纸币鉴伪系统的模块结构示意图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明,下面结合附图及具体实施方式
对本发明作进一步的详细描述。

如图1和图2所示,本发明提供了一种基于手机APP和云平台的纸币鉴伪方法,包括
以下步骤:

A1:通过手机APP控制图像采集单元采集纸币图像,所述的图像采集单元包括前置
摄像头和/或后置摄像头,以及图像采集电路和图像采集软件;

A2:手机APP将采集到的图像进行基于模板匹配的感兴趣区域标记,并通过网络上
传至云平台;

A3:云平台对图像进行处理,对纸币进行基于所述感兴趣区域的真伪判别;

A4:云平台将判别结果通过网络反馈给手机APP并在手机APP上进行显示。

具体的,步骤A1包括:步骤A1中,手机APP控制手机屏幕循环变为纯红色、纯绿色和
纯蓝色,并在三种颜色的手机屏幕照射下,控制图像采集单元用前置摄像头依次采集纸币
图像,共采集三幅图;或手机APP控制图像采集单元直接采集单幅或多幅纸币图像。其中,由
于手机前置摄像头分辨率普遍较低,通过上述三种基本颜色照射采集多幅图像,有利于提
高纸币鉴伪的准确性。

具体的,步骤A2利用基于模板匹配的方法对感兴趣区域进行标记;所述上传至云
平台包括如下方法之一:第一,手机APP控制传送原始图像和所标记感兴趣区域的坐标信息
至云平台,所述坐标信息为标记感兴趣区域的左下角坐标和长宽信息;第二,仅传送标记的
感兴趣区域图像至云平台。当网络连接不佳时,通常采用第二种方法。

具体的,步骤A3包括:

B1:云平台通过对纸币样本库进行训练学习获得过完备字典。

其中,基于纸币样本库训练学习获得过完备字典的方法为基于纹理和形状的双层
映射空间过完备字典学习方法,其训练学习过程为:设qi是某感兴趣区域在纸币样本库中
第i个样本中对应的抠图,纸币样本库中所有N个样本对应此感兴趣区域的抠图可构成样本
集首先对Q进行差分操作滤除大尺寸形状,获得纹理样本集
其基于主成分分析的重建表达式为表示
平均图像;ai,j为主成分分析映射系数;uj为通过主成分分析求得的第j个特征向量;ai=
[ai,1,ai,2,…,ai,n]T表示第i组映射系数;则纹理样本集对应的纹理过完备字典定义为A=
[a1,a2,…,aN];

之后对Q进行低通滤波滤除纹理,获得样本集其基
于主成分分析的重建表达式为表示平均图像;di,j为主成分分析
映射系数;vj为通过主成分分析求得的第j个特征向量;di=[di,1,di,2,…,di,n]T表示第i组
映射系数;则形状样本集对应的形状过完备字典定义为D=[d1,d2,…,dN]。

B2:对手机APP上传的图像进行预处理以确认感兴趣区域。其中,预处理方法为利
用Haar特征相似度来确认感兴趣区域。

B3:运行结合过完备字典的稀疏表示模型对所述感兴趣区域进行处理。

其中,稀疏表示模型为基于纹理和形状的双层稀疏表示模型,其表达式为:


其中,s为基于纹理的稀疏系数;t为基于形状的稀疏系数;A为基于纹理的过完备
字典;D为基于形状的过完备字典;为输入感兴趣区域的联合主成
分映射,其中U=[u1,u2,…,un]T,V=[v1,v2,…,vn]T分别对于样本集Q'和Q*主成分分析中的
特征向量,n为特征向量个数;ωi为第i项权重系数;q'和q*分别为经过差分操作和低通滤
波的输入图像感兴趣区域。

B4:利用判别函数对图像处理结果进行判别。

其中,判别函数定义为:


其中,和分别为真币通过稀疏表示模型运算后的相应稀疏系数;可通过对判别
函数e(s,t)设置阈值ε,当e(s,t)≤ε时判断为真币,否则为假币。

当采集多幅图像时,可对多幅采集图像独立使用本发明方法进行计算,并取每副
判别函数的最小值与阈值ε比较,输出最终判别结果。

本实施方案使用了基于纹理和形状过完备字典的双层稀疏表示方法,其中的具体
方法也可使用一些传统方法代替,例如,步骤B1还可使用基于深度学习的训练学习方法等;
步骤B2还可使用基于角点特征或SIFT特征的方法等;步骤B3还可使用归一化互相关匹配的
方法或基于深度学习的模型等;步骤B4还可使用Jaccard系数作为判别函数等。

如图3所示,本发明还提供了一种基于手机APP和云平台的纸币鉴伪系统,其具体
技术方案为:

一种基于手机APP和云平台的纸币鉴伪系统,包括:手机APP及云平台,所述手机
APP和云平台通过网络连接;

手机APP用于控制图像采集单元采集纸币图像,并对图像进行基于模板匹配的感
兴趣区域标记,以及通过网络将标记后的图像上传至云平台;其中,所述的图像采集单元包
括前置摄像头和/或后置摄像头,以及图像采集电路和图像采集软件;

云平台用于对接收的图像进行处理,对纸币进行基于所述感兴趣区域的真伪进行
判别,并将判别结果通过网络反馈给手机APP;

手机APP还用于显示判别结果。

其中,所述手机控制采集单元采集纸币图像包括:手机APP控制手机屏幕循环变为
纯红色、纯绿色和纯蓝色,并在三种颜色的手机屏幕照射下,控制图像采集单元用前置摄像
头依次采集纸币图像,共采集三幅图;或手机APP控制图像采集单元直接采集单幅或多幅纸
币图像。

进一步的,云平台包括字典学习模块、预处理模块、运算处理模块及判别模块。

其中,字典学习模块用于通过对纸币样本库进行训练学习获得过完备字典。

具体为:字典学习模块采用基于纹理和形状的双层映射空间过完备字典学习方
法,通过对纸币样本库进行训练学习获得过完备字典,其训练学习过程为:设qi是某感兴趣
区域在纸币样本库中第i个样本中对应的抠图,纸币样本库中所有N个样本对应此感兴趣区
域的抠图可构成样本集首先对Q进行差分操作滤除大尺寸形状,获得
纹理样本集其基于主成分分析的重建表达式为
表示平均图像;ai,j为主成分分析映射系数;uj为通过主成分分析求得的第j个特征向量;
ai=[ai,1,ai,2,…,ai,n]T表示第i组映射系数;则纹理样本集对应的纹理过完备字典定义为A
=[a1,a2,…,aN];

之后对Q进行低通滤波滤除纹理,获得样本集其基
于主成分分析的重建表达式为表示平均图像;di,j为主成分分析
映射系数;vj为通过主成分分析求得的第j个特征向量;di=[di,1,di,2,…,di,n]T表示第i组
映射系数;则形状样本集对应的形状过完备字典定义为D=[d1,d2,…,dN]。

预处理模块用于对手机APP上传的图像进行预处理以确认感兴趣区域。

运算处理模块用于运行结合过完备字典的稀疏表示模型对所述感兴趣区域进行
处理。

其中,稀疏表示模型为基于纹理和形状的双层稀疏表示模型,其表达式为:


其中,s为基于纹理的稀疏系数;t为基于形状的稀疏系数;A为基于纹理的过完备
字典;D为基于形状的过完备字典;为输入感兴趣区域的联合主成
分映射,其中U=[u1,u2,…,un]T,V=[v1,v2,…,vn]T分别对于样本集Q'和Q*主成分分析中的
特征向量,n为特征向量个数;ωi为第i项权重系数;q'和q*分别为经过差分操作和低通滤
波的输入图像感兴趣区域。

判别模块用于利用判别函数对图像处理结果进行判别。

以上实施例仅为本发明的一种实施方式,其描述较为具体和详细,但不能因此理
解为对本发明专利范围的限制。其具体结构和参数可根据实际需要进行相应的调整。应当
指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若
干变形和改进,这些都属于本发明的保护范围。

一种基于手机APP和云平台的纸币鉴伪方法及系统.pdf_第1页
第1页 / 共13页
一种基于手机APP和云平台的纸币鉴伪方法及系统.pdf_第2页
第2页 / 共13页
一种基于手机APP和云平台的纸币鉴伪方法及系统.pdf_第3页
第3页 / 共13页
点击查看更多>>
资源描述

《一种基于手机APP和云平台的纸币鉴伪方法及系统.pdf》由会员分享,可在线阅读,更多相关《一种基于手机APP和云平台的纸币鉴伪方法及系统.pdf(13页珍藏版)》请在专利查询网上搜索。

本发明公开了一种基于手机APP和云平台的纸币鉴伪方法,包括以下步骤:通过手机APP控制图像采集单元采集纸币图像;手机APP将采集到的图像进行基于模板匹配的感兴趣区域标记,并通过网络上传至云平台;云平台对图像进行处理,对纸币进行基于所述感兴趣区域的真伪判别;云平台将判别结果通过网络反馈给手机APP并在手机APP上进行显示;本发明还提供了相应的基于手机APP和云平台的纸币鉴伪系统。本发明克服了传统点验。

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 >


copyright@ 2017-2020 zhuanlichaxun.net网站版权所有
经营许可证编号:粤ICP备2021068784号-1