一種紙幣防偽點多特征融合的鑒別紙幣真偽的方法
【技術領域】
[0001] 本發明涉及紙幣鑒偽技術領域，尤其涉及一種基于AdaBoost算法的紙幣防偽點 多特征融合的鑒別紙幣真偽的方法。
【背景技術】
[0002] 隨著經濟的繁榮發展，紙幣的流通量越來越大。一些違法分子制造的各種版本假 幣層出不窮，危害了國家的金融安全。目前我國銀行使用的多光譜點鈔機、清分機、存取款 機的核心技術來自國外，不僅價格昂貴，而且對一些假幣無法識別。
[0003] 現在國內普遍使用的多光譜點鈔機、清分機、存取款機等機具鑒偽的原理是：實時 的紙幣圖像處理原理，采用人工防偽點識別方法鑒定紙幣真偽。由于難以避免圖像偏移、以 及所取的鑒偽特征有限，使得鑒別穩定性和鑒偽能力都無法達到人們期望的鑒別紙幣真偽 的要求。
[0004] 中國專利文獻公開的申請號為20110088920. X的"一種紙幣鑒偽方法和裝置"其 利用采集裝置獲取紙幣上開窗式安全線壓痕特征所在的區域被光束透射的透射圖像，分析 識別透射圖低層中的壓痕特征，從而判斷紙幣真偽，雖然該專利一定程度上能夠識別紙幣 的真偽，但是該方法屬于局部特征鑒偽，對于變色油墨假幣、拼接幣等無能為力，無法鑒別 真偽。
[0005] 中國專利文獻公開的申請號為201310027700. 5的"一種基于冠字號圖像特征的 人民幣鑒偽方法"，其主要根據冠字號碼的顏色和字體大小鑒別真偽，但是由于受紙幣新舊 和折皺的影響，該方法的識別率較低且無法識別右半部分為假的拼接幣。
[0006] 可以看出，目前紙幣鑒偽的主要技術難點在于：識別速度要求高、圖像特征難以提 取、假幣各光譜圖像多種多樣，且在提高鑒偽能力的同時，還必須保證算法對紙幣折舊的魯 棒性，保證系統的健壯性，在異常和危險情況下保證系統的安全。
【發明內容】
[0007] 針對上述問題，本發明的目的：旨在提供一種紙幣防偽點多特征融合的鑒別紙幣 真偽的方法，其針對不同的訓練樣本集訓練同一個弱分類器，然后把這些在不同訓練樣本 集上得到的弱分類器集合起來，構成一個更強的最終實現分類的強分類器，本發明提供的 方法不需要人工參與尋找特征，真假幣區分度高，鑒偽能力強。
[0008] 本發明提供的紙幣防偽點多特征融合的鑒別紙幣真偽的方法，其通過AdaBoost 算法針對不同的訓練樣本集訓練同一弱分類器，分別根據所述訓練樣本集中錯分的訓練樣 本和所述弱分類器中訓練樣本錯分的情況調整每個所述訓練樣本和所述弱分類器的權重， 實現對所述訓練樣本集的重新分布之后再次對弱分類器重新訓練，以此循環，所述弱分類 器經過T次循環之后，得到了 T個弱分類器和每個所述弱分類器對應的權重，最后把T個所 述弱分類器集合起來，構成最終的強分類器；具體步驟如下：
[0009] Sl取待鑒別真偽的z張訓練樣本，并分別獲取每張所述訓練樣本的白光圖像、紅 外圖像、紫外圖像的防偽特征標記和真假特征標記構建一組訓練集：(Xl，yi)，（x2，y 2)，…… (χη，yn)其中，Xi為樣本描述，y i為樣本標示，且y # (〇, 1)，〇表示所述訓練樣本為假幣，1 表示所述訓練樣本為真幣；
[0010] S2初始化所述訓練樣本的權值為W1, i= l/n,其中η為樣本總數；
[0011] S3對t = 1，2,......T循環執行以下步驟：
[0012] S31每次循環中對所述訓練樣本的權重進行歸一化得到qt，i:
【主權項】
1. 一種紙幣防偽點多特征融合的鑒別紙幣真偽的方法，其特征在于：通過AdaBoost算 法針對不同的訓練樣本集訓練同一弱分類器，分別根據所述訓練樣本集中錯分的訓練樣本 和所述弱分類器中訓練樣本錯分的情況調整每個所述訓練樣本和所述弱分類器的權重，實 現對所述訓練樣本集的重新分布之后再次對弱分類器重新訓練，以此循環，所述弱分類器 經過T次循環之后，得到了 T個弱分類器和每個所述弱分類器對應的權重，最后把T個所述 弱分類器集合起來，構成最終的強分類器；具體步驟如下： Sl取待鑒別真偽的z張訓練樣本，并分別獲取每張所述訓練樣本的白光圖像、紅外圖 像、和紫外圖像的防偽特征標記和真假特征標記構建一組訓練集：，其中，Xi為樣本描述，Yi 為樣本標示，且Yie (0, 1)，0表示所述訓練樣本為假幣，1表示所述訓練樣本為真幣； S2初始化所述訓練樣本的權值為=1/n，其中η為樣本總數； S3對循環執行以下步驟： S31每次循環中對所述訓練樣本的權重進行歸一化得到qt，i:
其中，wt，i表示第i個樣本在第t次循環中的權重，Xt，j表示第t次循環中第j個防 偽特征，qt，i表示最終結果； S32針對每個特征j訓練處一個弱分類器并計算出每個所述弱分類器的加權錯誤 率：
9 S33確定適合的Θ』，使得ε』最小；
， S34根據步驟S23中得到的所述作為最佳弱分類器ht; S34根據步驟S24中所得的所述最佳弱分類器調整權重：
其中，ei= 0表示X i被正確分類，e i= 1表示X i被錯誤分類； S35以此循環，直至T循環結束，形成強分類器為：
其中：
β t為針對每輪迭代使得樣本錯誤率最小的調整參數；a t為與β t相對應的針對每輪 迭代所選中的弱分類器的最終權值；ht為每輪迭代學習后所確定的最佳弱分類器；C(X)為 弱分類器融合后所獲得的最終強分類器； S3利用訓練出的所述強分類器對測試樣本集進行測試，統計測試錯誤率，以此循環直 至設置的最大循環次數T結束完得到練樣本集各防偽點融合的分類模型；其中，若測試紙 幣經強分類器計算后得到C(X) =O則表示該紙幣為假幣，若C(X) = 1則表示該紙幣為真 幣。
2. 如權利要求1所述的一種紙幣防偽點多特征融合的鑒別紙幣真偽的方法，其特征在 于：在步驟Sl中通過多光譜點鈔機的高速掃描裝置獲取每張所述訓練樣本的防偽特征標 記和真假特征標記。
3. 如權利要求2所述的一種紙幣防偽點多特征融合的鑒別紙幣真偽的方法，其特征在 于：在步驟Sl中，所述紙幣面額包括：100元、50元、20元、10元、5元、和1元；所述紙幣類 型為人民幣、港幣、美元、歐元、英鎊、或日元。
4. 如權利要求3所述的一種紙幣防偽點多特征融合的鑒別紙幣真偽的方法，其特征 在于：在步驟Sl中，取z張待鑒別真偽各個面額的紙幣、假幣、變造幣、和殘缺幣，分別獲取 每張所述訓練樣本的白光圖、紅光圖以及紫外圖并進行歸一化構成訓練樣本集。
5. 如權利要求4所述的一種紙幣防偽點多特征融合的鑒別紙幣真偽的方法，其特征在 于：將所述白光圖、所述紅光圖、以及所述紫外圖歸一化為200*100。
【專利摘要】本發明提供了一種紙幣防偽點多特征融合的鑒別紙幣真偽的方法，通過AdaBoost算法針對不同的訓練樣本集訓練同一弱分類器，分別根據所述訓練樣本集中錯分的訓練樣本和所述弱分類器中訓練樣本錯分的情況調整每個所述訓練樣本和所述弱分類器的權重，實現對所述訓練樣本集的重新分布之后再次對弱分類器重新訓練，以此循環，所述弱分類器經過T次循環之后，得到了T個弱分類器和每個所述弱分類器對應的權重，最后把T個所述弱分類器集合起來，構成最終的強分類器；利用訓練出的所述分類器對測試樣本集進行測試，統計測試錯誤率，以此循環直至設置的最大循環次數T結束完得到練樣本集各防偽點融合的分類模型。
【IPC分類】G06K9-62, G07D7-20
【公開號】CN104835243
【申請號】CN201510240656
【發明人】尤新革, 孫其新, 朱子奇, 李家斌
【申請人】南京華科和鼎信息科技有限公司
【公開日】2015年8月12日
【申請日】2015年5月12日