??? 摘? 要： 介紹了一種紙幣識(shí)別系統(tǒng)" title="紙幣識(shí)別系統(tǒng)">紙幣識(shí)別系統(tǒng)的硬件設(shè)計(jì)" title="硬件設(shè)計(jì)">硬件設(shè)計(jì)和對(duì)應(yīng)的識(shí)別方法。在硬件設(shè)計(jì)上，將高速數(shù)字信號(hào)處理（DSP）技術(shù)與復(fù)雜可編程邏輯器件（CPLD）和線陣型圖像傳感器（CCD）相結(jié)合;在識(shí)別方法上，應(yīng)用圖像處理技術(shù)與改進(jìn)的SOFM神經(jīng)網(wǎng)絡(luò)方法識(shí)別紙幣。實(shí)驗(yàn)證明，此系統(tǒng)達(dá)到了高速、實(shí)時(shí)、識(shí)別率高的要求。
??? 關(guān)鍵詞： DSP? CCD? 圖像處理? SOFM網(wǎng)絡(luò)
?
??? 紙幣清分是銀行的一項(xiàng)重要業(yè)務(wù)。 目前，國內(nèi)很多銀行使用的紙幣清分機(jī)都是由國外進(jìn)口的，價(jià)格昂貴。國產(chǎn)紙幣清分機(jī)很少，而且功能都很有限，很難滿足高速實(shí)時(shí)性的要求，尤其是能夠用圖像處理的方法來識(shí)別紙幣的紙幣清分機(jī)還剛剛起步。
??? 為此，設(shè)計(jì)了一種紙幣識(shí)別系統(tǒng)。該系統(tǒng)以DSP為核心處理器，結(jié)合圖像傳感器CCD和復(fù)雜可編程邏輯器件CPLD，并輔以高性能的模/數(shù)轉(zhuǎn)換器AD9200，進(jìn)行紙幣圖像的采集、處理。該系統(tǒng)主要針對(duì)人民幣第四版和第五版的5元、10元、20元、50元、100元九種紙幣進(jìn)行識(shí)別，利用數(shù)字圖像處理技術(shù)和改進(jìn)的自組織映射神經(jīng)網(wǎng)絡(luò)（SOFM）提取紙幣圖像的長度、寬度、方向塊特征，區(qū)分紙幣的面值、正反面與正反向。最終完成的系統(tǒng)能達(dá)到較高的識(shí)別速度和識(shí)別率。
1 硬件設(shè)計(jì)
??? 識(shí)別系統(tǒng)的總體硬件結(jié)構(gòu)如圖1所示。人民幣的圖像首先通過傳感器CCD掃描后得到光電轉(zhuǎn)換信號(hào)，并經(jīng)過AMP的三倍放大；然后將放大的模擬信號(hào)經(jīng)過模數(shù)轉(zhuǎn)換器AD9200轉(zhuǎn)換成為標(biāo)準(zhǔn)的數(shù)字信號(hào)，送入到CPLD緩存；最后通過EDMA通道輸入到DSP的RAM中，在DSP中進(jìn)行圖像的處理和識(shí)別。整個(gè)系統(tǒng)的信號(hào)邏輯時(shí)序由CPLD來控制。 另外，還有一些輔助環(huán)節(jié)，如紙幣輸入輸出裝置、用戶檢測裝置、復(fù)位裝置等。
?
??? 紙幣圖像的采集由CCD與A/D" title="A/D">A/D轉(zhuǎn)換器組成。本系統(tǒng)采用線陣型CCD[1]，它的采樣速度較快、電路設(shè)計(jì)比較簡單、體積小、時(shí)序也易于實(shí)現(xiàn)。根據(jù)系統(tǒng)對(duì)采集速度的要求，設(shè)置橫向分辨率為4像素/毫米，共采集800個(gè)像素點(diǎn)；縱向的分辨率為1像素 /毫米。每張圖像的高度不超過76毫米，兩張紙幣之間還有一定的間隔，實(shí)際采集100列。這樣，每張圖像的像素為800×100。紙幣的進(jìn)入與離開的判斷使用紅外線光電管檢測。
??? 人民幣的圖像經(jīng)過采集和A/D轉(zhuǎn)換后，暫存入CPLD芯片XC95144中，然后由DSP通過EDMA通道直接傳輸。整個(gè)采集和存儲(chǔ)過程的時(shí)序信號(hào)是由XC95144產(chǎn)生的。CPLD需要編程實(shí)現(xiàn)的內(nèi)部結(jié)構(gòu)如圖2所示。其中，ADCLK信號(hào)是發(fā)送給AD9200的時(shí)鐘信號(hào)，SP、CP信號(hào)傳送給CCD的移位寄存器作為啟動(dòng)脈沖和采樣時(shí)鐘脈沖。
?
??? 圖像的識(shí)別部分由數(shù)字信號(hào)處理器DSP[2]及相應(yīng)的外圍電路構(gòu)成，其結(jié)構(gòu)如圖3所示。數(shù)字信號(hào)處理器DSP選用TI公司生產(chǎn)的TMS320C6711GFN150芯片，主頻為150MHz。掃描采集到的紙幣圖像數(shù)據(jù)Data經(jīng)EDMA存入靜態(tài)存儲(chǔ)器SRAM中，DSP對(duì)已存入SRAM的數(shù)據(jù)作一系列的識(shí)別算法運(yùn)算，并將最終結(jié)果通過DSP的McBSP1口輸出。
?
2? 識(shí)別方法
2.1 圖像的定位與面值的識(shí)別
?? ?定位圖像包括兩個(gè)方面：圖像邊界及中心點(diǎn)" title="中心點(diǎn)">中心點(diǎn)的確定和圖像傾斜度的校正。求取圖像邊界中心點(diǎn)的方法，采用自整個(gè)掃描的圖像邊界向內(nèi)選取，確定紙幣圖像邊界上的少數(shù)點(diǎn)，再對(duì)這些點(diǎn)進(jìn)行直線擬合，從而確定紙幣的四個(gè)邊界。四個(gè)邊界中心點(diǎn)的連線的交點(diǎn)即為圖像的中心點(diǎn)。紙幣圖像的邊界與掃描采集的圖像的邊界的夾角就是傾斜角。規(guī)定傾斜角超過17°地紙幣，作為不可識(shí)別類。
??? 確定了紙幣圖像的邊界、中心點(diǎn)和傾斜角后，紙幣的長度和寬度就能準(zhǔn)確地計(jì)算出來。對(duì)于長寬差異小的人民幣（比如4版5元與5版50元），則提取圖像的區(qū)域特征加以區(qū)分比較，判別面值。
2.2? 圖像面向的識(shí)別
??? 紙幣正反面與正反向的識(shí)別在以往的紙幣清分機(jī)系統(tǒng)中采用人工提取特征的識(shí)別方法，試驗(yàn)周期長，不具有適應(yīng)性與系統(tǒng)性。本文采用自組織特征映射神經(jīng)網(wǎng)絡(luò)的方法，自動(dòng)尋找紙幣圖像的特征分布，加以識(shí)別。
??? 本系統(tǒng)的SOFM網(wǎng)絡(luò)輸入層為72個(gè)節(jié)點(diǎn)，輸出層為4個(gè)節(jié)點(diǎn)。輸入的是紙幣圖像的72維方向塊特征數(shù)據(jù)向量，計(jì)算輸出的是正面正向、正面倒向、反面正向、反面倒向四種面向標(biāo)志。其中，獲得方向塊特征向量數(shù)據(jù)的方法是將紙幣圖像劃分為72個(gè)塊，對(duì)每個(gè)塊按步長為4個(gè)像素取值作灰度平均，將灰度均值作為方向塊的特征數(shù)據(jù)。本系統(tǒng)SOFM網(wǎng)絡(luò)具體算法如下：
??? a. 對(duì)所有輸入節(jié)點(diǎn)到輸出節(jié)點(diǎn)的連接權(quán)值" title="權(quán)值">權(quán)值賦以初始化值，初始化學(xué)習(xí)系數(shù)α＝0.5。
??? b. 對(duì)第m類幣種網(wǎng)絡(luò)輸入樣本數(shù)據(jù)Xm＝[x1,x2,…，x72]，m=1，2，…，9。
??? c. 計(jì)算輸入Xm與所有輸出節(jié)點(diǎn)連接權(quán)值Wj的距離：
??? 
???
??? d. 選擇具有最小距離的節(jié)點(diǎn)j*作為獲勝節(jié)點(diǎn)：dj*=min{dj}。
??? e. 調(diào)整輸出節(jié)點(diǎn)j*與輸入節(jié)點(diǎn)的連接權(quán)值和學(xué)習(xí)系數(shù)α：
??? 
?
??? 
式中,n為第m類幣種樣本數(shù)據(jù)個(gè)數(shù)。
??? f. 若第m類幣種還有訓(xùn)練樣本數(shù)據(jù)，轉(zhuǎn)到 b;否則，轉(zhuǎn)到g。
??? g. 若m≥9，訓(xùn)練結(jié)束；否則，轉(zhuǎn)入第m＋1類幣種訓(xùn)練。
??? 本系統(tǒng)是將需要識(shí)別的第四版與第五版人民幣共九種主幣分為九類處理的，所以對(duì)于每一類幣種網(wǎng)絡(luò)輸出只存在四種面向標(biāo)志相互競爭。根據(jù)這一點(diǎn)，可以改進(jìn)算法：先將四個(gè)輸出節(jié)點(diǎn)對(duì)應(yīng)好四種面向標(biāo)志，然后從同一個(gè)類紙幣樣本中選擇每個(gè)面向的特征數(shù)據(jù)作為該面向的對(duì)應(yīng)輸出節(jié)點(diǎn)到輸入節(jié)點(diǎn)的連接權(quán)值的初始值。
3 實(shí)驗(yàn)與總結(jié)
??? 在實(shí)驗(yàn)中，共使用1800張人民幣訓(xùn)練識(shí)別網(wǎng)絡(luò)，每一類人民幣200張，算上每張人民幣的四個(gè)面向，可認(rèn)為每一類紙幣的訓(xùn)練樣本為800個(gè)。另外，每一類人民幣取400張做測試，共3600張，可認(rèn)為測試樣本是14400個(gè)。其中，表1為實(shí)驗(yàn)測試數(shù)據(jù)（未含不識(shí)別類處理）。不識(shí)別類主要是由傾斜角超過引起的，在實(shí)驗(yàn)中將它重新測試，直至識(shí)別出。
?
??? 實(shí)驗(yàn)結(jié)果表明，本系統(tǒng)對(duì)紙幣面值的識(shí)別率達(dá)100％，對(duì)面向的識(shí)別率達(dá)99.82％。紙幣識(shí)別的速率達(dá)650張/分，滿足了高速實(shí)時(shí)性。對(duì)0.18％的誤差率作了研究，發(fā)現(xiàn)主要是由紙幣的殘缺引起的，它使紙幣的長寬檢測不準(zhǔn)，或者破壞了圖像的特征方向塊分布。今后的工作將著重研究紙幣殘缺的識(shí)別。
參考文獻(xiàn)
1 馮 英．傳感器電路原理與制作[M]．成都：成都科技大學(xué)出版社，1997
2 TMS320C6000 Peripherals Reference Guide[J]．Texas Instruments Incorporated，F(xiàn)ebruary 2001
3 Fumiaki Takeda, Sigeru Omatu．High Speed Paper Currency?Recognition by Neural Networks[J]． IEEE Trans on Neural?Network,1995；6(1):73～77
4 黃德雙．神經(jīng)網(wǎng)絡(luò)模式識(shí)別系統(tǒng)理論[M]．北京：電子工業(yè)出版社，1996：234～253