安澤武，馬秀清，張 鑫，程 倫

（1.北京航空航天大學機械工程及自動化學院，北京100191；2.北京化工大學機電工程學院，北京100029；3.北京化工大學信息科學與技術學院，北京100029）

1 引言

市場上現行的大部分紙幣清分器械，普遍存在價格昂貴，但是在一些例如公共交通行業(yè)對于紙幣清分設備具有相應的需求［1］，目前現行的紙幣清分器械不適合在這種場景下使用，因此在保證高的識別率與較低的誤識率情況下，研發(fā)低成本的紙幣清分系統(tǒng)具有重要意義［2］。

在整個紙幣清分機械系統(tǒng)中，精巧并且魯棒的紙幣識別算法是關鍵問題［3］。文獻［4］指出目前實現紙幣面額識別的方法有多種，可以利用牽引結構和光電發(fā)送接收傳感器，利用專用數字處理器對紙幣上的磁性油墨和磁性安全線進行識別。此識別算法涉及的傳感器種類較多，導致紙幣清分設備復雜。文獻［5］提出了一種基于神經網絡的識別方法。這種方法識別率較高，但是對圖像噪聲敏感以及對算力要求比較高，也容易陷入局部最優(yōu)，造成紙幣識別錯誤。文獻［6］利用人民幣光學特征根據紙幣上特殊位置的特征實現紙幣鑒別，利用紅外光照射真假紙幣后其反射及穿透信號的強度差異鑒別紙幣。文獻［7］提出了利用Gabor濾波器提取紙幣圖像紋理特征進行網格劃分，根據紋理特征進行紙幣種類識別。由于紙幣表面紋理容易在流通過程中損失，單純利用局部紋理特征容易造成誤識別。

綜上所述，在低成本紙幣清分系統(tǒng)需要滿足價格低廉，且其識別算法對紙幣特征的提取和表示具有魯棒性。這里提出紙幣清分系統(tǒng)方案，采用價格低廉的一種彩色光導頻率的集成電路作為紙幣信息采集方式，通過分析紙幣本質特征，對傳感器信號做算法處理。通過分析算法處理后的紙幣特征，將其特征映射到高維空間，利用支持向量機進行紙幣種類的識別。以此為核心算法設計了紙幣清分機械結構，具有成本低廉、操作簡單以及維護便利等優(yōu)勢。

2 設備系統(tǒng)整體設計

這里所述的紙幣分類設備，主要包括紙幣輸送單元、紙幣面額識別單元、紙幣分類單元、紙幣存儲單元、LCD顯示單元以及紙幣管理單元等組成。設備外殼面板上設置有紙幣輸入口，在紙幣輸入口的內部設置有紙幣輸送和分類裝置，在紙幣輸送和分類裝置的下方設置有多個按紙幣面值區(qū)分的紙幣存儲盒。經過分類處理的紙幣經過LCD顯示紙幣數量、紙幣面額和投入總額。可以將多臺設備在不同時間段的工作數據使用串口通信存?zhèn)魅氲絎eb系統(tǒng)，將相關數據存儲在數據庫中，實現對于紙幣分類以及面額統(tǒng)計的管理。

2.1 紙幣輸送單元

紙幣輸送單元：紙幣輸送單元主要有輸送口，預緊夾持輪，齒輪傳動機構，觸發(fā)杠桿，該觸發(fā)杠桿的支點下部豎向設置在紙幣輸入口內的中部，在觸發(fā)杠桿的頂部設有觸發(fā)開關，觸發(fā)開關兩端連接有MCU，MCU用來控制直流電機運動，直流電機帶動夾持滾輪運動。

2.2 紙幣面額識別單元

紙幣面額識別單元：紙幣面額識別單元主要由顏色傳感器，MCU微控制器以及白平衡板構成。由于各種面額人民幣顏色存在顯著差異，主要通過顏色傳感器識別紙幣上人物頭部固定位置顏色，通過改進色彩空間識別算法處理得到不同類型紙幣有關的特征信息，將其輸入到訓練好的支持向量機中做分類決策，得出輸出紙幣是何種面值。

2.3 紙幣分類單元與顯示單元

紙幣分類單元與顯示單元：傳感器傳入的顏色信號經過處理之后得到面額信息，利用控制器控制步進電機驅動絲杠導軌平臺運動，將紙幣送入到對應的紙幣存儲盒當中，實現紙幣的分類。同時將信息記錄通過顯示單元顯示，利用LCD屏幕顯示當前傳送紙幣面額，已收納紙幣數量和已收納紙幣總額。

圖2 紙幣輸送單元結構Fig.2 Structure of the Transportation Unit

圖3 紙幣面額識別單元Fig.3 The Recognition Unit of RMB

圖4 紙幣分類與顯示單元Fig.4 The Classification and Display Unit of RMB

2.4 紙幣管理單元

紙幣管理單元：紙幣管理單元主要功能是在經過一段工作周期之后，對多臺設備的紙幣信息和紙幣數量進行統(tǒng)計和存儲，為了方便使用，將統(tǒng)計的顯示在Web前端上，將這段工作周期內分揀的紙幣數量和面額等信息存儲在數據庫當中。

圖5 紙幣管理單元Fig.5 The Administration Unit of RMB

圖6 紙幣管理系統(tǒng)界面Fig.6 RMB Management System Interface

3 紙幣識別算法

3.1 面向紙幣的顏色特征分析

由于紙幣的不同面值所使用的顏色不一樣，采利用紙幣的顏色來識別紙幣面值。由三基色原理得知：自然界所有的色光均可表示為R/G/B的疊加合成［8］。紙幣上顏色分布不均勻，R/G/B存在很大差距，并且輕易的振動也都可能導致紙幣位置變化而引起R/G/B數據的巨大變化，所以單使用R/G/B算法雖然可以精確識別顏色，但是采用R/G/B數據不穩(wěn)定性。

由于明度與飽和度的影響會引起R/G/B數據的不同。單純以R/G/B作為紙幣面額判定的特征。

圖7 明度與飽和度的導致R/G/B的變化Fig.7 The RGB’s Variation of Brightness and Saturation

鑒于以上情況，要排除R/G/B數據的較大波動，需要排除明度與飽和度的影響，使用色調區(qū)分紙幣顏色。HSV可以使用圓錐形狀的模型描述，每個顏色對應于一個角度值，稱為色調（H），飽和度（S）用來描述距離中心軸線的距離，使用0-1表示，垂直軸長度用來表示亮度（V），使用0-1表示［9］、［10］。

從R/G/B轉換為HSV色彩空間，設(r,g,b)分別是一個顏色的紅、綠和藍坐標，設MAX為r,g,b中的最大值，設MIN等于這些值中的最小者，設MED為r,g,b中中間值。要找到HSV空間中的(H,S,V)值，這里的H∈[0,360]是角度的色相角，而S,V∈[0,1]是飽和度和亮度。計算為：

3.2 色彩空間轉換算法改進

3.3 支持向量機最大軟間隔模型

支持向量機是模式識別中的一種模型，可以對小樣本的數據進行學習，對于大容量、高維度數據集有很好的泛化性能，支持向量機的模型可控［11］。其基本原理為，根據訓練集的特征在樣本空間中找到一個合適的超平面，能夠將不同種類的樣本分開［12］。

定義選擇輸入樣本的特征向量X=[x1,x2,x3,…,xm]，定義Y=[y1,y2,y3,…,ym]作為支持向量機模型目標輸出，定義權重矩陣為W=[w1,w2,w3,…,wm]。

對于上述樣本，在特征空間中的高維超平面函數表達式為：

式中：W-超平面，b特征空間中的超平面到原點的距離。則對于某一特定樣本Xs=[xs,xs,xs,…,xs]，其到超平面之間的距離可以定義為：

對需要分類的樣本分類的時候，樣本的特征及超平面關系應該盡可能滿足條件：

為了防止過擬合，加入軟間隔的方式，此時為了求得在軟間隔處理下優(yōu)化的目標函數為：

其中，lexp(exp利用拉格朗日乘子法對上述方程進行最優(yōu)化求解，得到在所要使用的樣本下的最優(yōu)分類界面。

在樣本訓練的過程，無法保證樣本的特征表達X=[x1,x2,x3,…,xm]是線性可分的，可能不存在最優(yōu)分類界面，需要將樣本特征從原始的空間特征中做高維特征空間映射，使得樣本在映射完成的高維特征空間中可分。

將上述初始特征空間X=[x1,x2,x3,…,xm]進行核函數變換：

在特征空間中的高維超平面函數表達式變?yōu)椋?/p>

4 實驗驗證

4.1 實驗設置

通過紙幣顏色進行紙幣種類的識別，關鍵是要提取出紙幣顏色特征。為了增強該算法的普適性需要使用合理的樣本數據，我們使用的實驗材料為不影響正常流通的新舊各異的各類人民幣各一百張，測試樣本來自于便利店與超市，滿足樣本選取隨機性要求。

圖8 實驗過程Fig.8 The Process of the Experiment

測量位置為人像位置，紙幣進入投幣口后，顏色傳感器正好處于采集信息的位置。顏色傳感器采集到的是(r,g,b)信息，利用我們提出的改進算法求出其H值，以下為我們的實驗數據。

圖9 人民幣H值測量Fig.9 The Measurement of RMB

4.2 結果與討論

利用質量學3σ原則［13］，對實驗數據進行統(tǒng)計學分析。構造質量學單值控，如圖10所示，采用改進型色彩空間算法提取的紙幣特征值具有相對魯棒的特征。根據上述單值圖如果在線性空間中利用提取到的色彩特征值進行分類會存在有些樣本不滿足合適分類條件。為了增強識別的準確性，我們將提取到的特征利用高斯核函數進行高維變換，在高維數據下尋找最優(yōu)分類界面，利用上述提到的支持向量機模型作為紙幣分類的分類器。分別構造分類器。實驗數據證明，識別率可以達到98.92%。

圖1 系統(tǒng)組成單元Fig.1 The Component Units of the System

圖10 人民幣單值控制圖Fig.10 Single value control chart of RMB

表1 不同面額紙幣H值統(tǒng)計Tab.1 H Value Statistics of Different RMB

表2 紙幣面額識別Tab.2 Denomination Recognition of RMB

通過上述實驗數據，我們得到對于磨損值不是很大且能保證正常流通的貨幣，通過使用傳感器采集色彩信息利用改進算法提取特征能，采用基于高斯核函數的支持向量機作為紙幣分類的分類器，能夠實現紙幣面額的識別且具有良好的精度與準確度。

5 結論

這里通過對紙幣特征的分析，選擇改進色彩空間算法進行特征提取與噪聲抑制，對提取到的特征利用高斯函數映射到高維空間，通過支持向量機模型對紙幣進行分類，我們實驗的測試證明，此方案具有較好的精度和準確度。并由其為核心算法設計了一種成本低廉的新式紙幣分類器械，既能夠滿足紙幣實時清分也能夠實現階段性數據存儲和數據管理，實驗證明該機電一體化系統(tǒng)具有良好的精度與準確度，價格低廉。