基于RGB和判别分析法的纸币面值识别

施嘉佳　林少杰　陈志伟

摘要：此文介绍了一种改进的纸币识别方法。通过分别采集采样纸币和待检测纸币的RGB三基色并将其参数化，然后将待识别纸币的参数化数据与采样纸币的参数化数据进行判别分析，将分析结果归类进预先整理的存储结果中，即可得到待检测纸币的面值。实验结果表明，此方法的正确率可达84.6%以上，是一种与传统方法相比更加快速有效的识别方法。

关键词：RGB三基色；判别分析；纸币面值识别

中图分类号：TP274+.2文献标志码：A

现在的人民币面值识别方法主要是一维灰度投影的模板匹配方法[1]，这种方法虽然实现简单，但也存在着明显的缺陷，其计算量十分庞大，花费时间长，使其运用价值有了很大的局限性。

1 RGB数据采样的基本原理和方法

1.1 RGB數据采样的基本原理

RGB色彩模式[2]是用RGB模型为图像中每一个像素的RGB分量分配一个0～255范围内的强度值。RGB图像只使用三种颜色，就可以使它们按照不同的比例混合，在屏幕上重现16777216种颜色。在RGB模式下，每种RGB成分都可使用从0（黑色）到 255（白色）的值。当所有三种成分值相等时，产生灰色阴影。

1.2 RGB数据采样的基本方法[3][4]

将采样纸币通过扫描仪进行扫描，所得的图像保存为.JPEG格式的像素点图像，然后通过Matlab [5]编辑算法对每个除白色的像素点提取RGB采样值，然后取平均值，得到一个一维矩阵。用该方法将多个面值的多张数据纸币进行RGB采样值得提取，得到一份有多个数据矩阵的观测值数据，并以此数据为基准对待判定值进行判别分析。

2 判别分析法及其判别方法

2.1 判别分析法

判别分析[6]是根据所研究的个体的观测指标来判断该个体所属类型的一种统计方法。其主要针对所属问题中的判别问题，亦是在统计问题所属范畴内。因此，判别问题用统计的语言来表述，就是已有q个总体X1，X2，...，Xq，他们的分布函数分别为F1（x），F2（x），...，Fq（x），每个Fi（x）都是p维函数。对于给定的样本X，要判断它来自哪个总体。当然，应该要求判别准则在某种意义下是最优的，如错判的概率最小或错判的损失最小等。

2.2 分类方法

在这次的判别分析试验中，总共运用了三种判别方法，分别是距离判别、Fisher判别和Bayes判别。距离判别是简单、直观的一种判别方法，该方法适用于连续性随机变量的判别类，对变量的概率分布没有什么限制，其定义公式为d（x，y）=（x-y）T∑-1（x-y）。Fisher 判别的基本思想是投影，即将表面上不易分类的数据通过投影到某个方向上，使得投影类与类之间得以分离的一种方法。Bayes判别和Bayes估计的思想方法是一样的，即假定对研究的对象已经有一定的认识，这种认识常用先验概率来描述。当取得一个样本后，就可以用样本来修正已有的先验概率分布，得出后验概率分布，再通过后验概率分布进行各种统计推断。

3 采样数据和试验结果

3.1 采样数据

本次试验的采样是随机选取100元、50元、20元、10元、5元和1元的纸币各九张（其中旧的7张，新的2张），按照每组中含有所有面额的纸币且新旧分开地分成9组，将每张纸币放入扫描仪正反面扫描，并分别输出75、300、1200的.JPEG格式的像素点图像。用Matlab软件采集每张图片的RGB参数值，这样就得到了一套观测指标。

3.2 试验过程及试验结果

试验过程是随机选取面额为100元、50元、20元、10元、5元和1元的纸币各7张，按照不同面额纸币相组合的方式随机分成7组，将每张纸币放入扫描仪正反面扫描，并分别输出75、300、1200的.JPEG格式的像素点图像，然后用Matlab分别对每张图像采集RGB参数值，将得到的每组参数值作为待判定个体分别用距离判别法、Fisher判别法和Bayes判别法进行判别分析，即可得到判别结果。

4 结论及方法准确率分析

根据判别结果显示（如表1所示），单一变量为正反面的情况下，正面（人头）判别的正确率明显高于反面（风景）判别的正确率，其原因是纸币反面的白色部分所占比例高于正面白色部分所占比例。从判别方法的角度来看，Fisher判别法的正确率明显高于距离判别法和Bayes判别法，而距离判别法和Bayes判别法的正确率差别不大，则在选择判别方法上最好选择Fisher判别法。综上所述，在进行纸币面额判别是，采集正面75万像素的图像，并用Fisher判别方法进行判别分析是正确率最高的判别方式。

5 结语

此套判别方法拥有较高的准确率和较简单的程序编程，并且对传感器和处理器等硬件设备的性能要求也不会太高，可以得到较为广泛地应用。基于RGB三基色的判别方式，在保证自身环境稳定的情况下，对外界环境没有太大要求，可以在多种时间，多种场地上进行纸币的识别。

参考文献：

[1]张国华，梁中华.一种基于模板匹配的人民币纸币面额识别方法[J].沈阳工业大学学报，2005，27（04）：339442

[2]于福洋，刘佳，张伟东. RGB色彩模式的数字化定义[J].网络与信息，2008，（9）：7071

[3]黄国祥.RGB颜色空间及其应用研究[D]：[博士学位论文].湖南：中南大学，2002.

[4]杜珊珊.基于像素的海量数据可视化研究[D].河北：燕山大学，2012.

[5]卓金武.Matlab在数学建模中的应用[B].第2版.

[6]司守奎，孙兆亮.数学算法与应用[B].第2版.

项目资助：福建省大学生创新创业训练计划项目“钱币智能分类——清点——整理一体机（项目编号：201510389065）”

作者简介：施嘉佳（1995），女，福建宁德人，福建农林大学交通运输专业2014级本科在读，研究方向：机械电子。