基于嵌入式紙幣識別系統的設計與實現

(2) 自檢部分　分為上電自檢和正常自檢， 上電自檢是開機上電時,程序檢測硬件系統的狀態,如有錯誤給出錯誤信息。正常自檢是維持正常工作時作的必要的檢測。

(3) 命令處理部分　包括命令的接受和分類處理. 在命令處理過程中,售貨的上位機既發送紙幣命令,也發送硬幣命令,兩者交錯發送,各通信識別器只響應上位機發給自己的命令。

(4) 識別部分　將紙幣信息與標準樣本比較可識別紙幣的真假,并置相應的標志位。

3.2.2 基于RBF神經網絡的紙幣識別

為了能準確快速的識別人民幣，在識別紙幣之前需對其進行必要的預處理。圖像的傾斜往往會影響到圖像的定位以及待識別信息的提取。因此需要進行圖像的傾斜矯正[3]。二值化處理是把灰度圖像信號變成二值(0,1)的數字信號。二值化方法通常有整體閾值法和自適應的動態閾值法。實際處理的紙幣圖像比較復雜，為了更好的適應質量差的紙幣圖像，采用動態閾值法[4]。

這里測量了以下5 種人民幣: 第4 版100 元和50元及第5 版100 元、50 元和20 元的高和寬的尺寸(其它面值的圖像處理方法一樣) , 應用模糊邏輯推理方法對紙幣面值進行分類[5]。在得到紙幣面值的基礎上, 接著進行紙幣正反面和正反向的識別，并識別出紙幣的真假。中心矩與圖像的平移無關, 故提取中心矩作為特征用于紙幣識別。在紙幣圖像的右上角和左下角均為48×96 的區域內分別提取5 個1-2 階的中心矩合在一起作為10 個識別特征, 然后使用RBF神經網絡對紙幣進行識別,其結構如圖5所示。

圖5 RBF 神經網絡結構

RBF神經網絡由：輸入層p隱含層和輸出層組成，輸入層節點只傳遞到隱層，隱層節點由基函數構成，輸出層節點通常是線性的。隱層節點通過徑向基函數對輸入信號產生一個局部響應，RBF神經網絡的輸出層節點是隱層基函數的輸出進行線性加權組合，即輸出層的輸出為：

4結論

本文創新點：設計一種基于S3C4510B和uClinux的紙幣特征實時采集和識別系統，考慮到uClinux操作系統本身的特點，將采集的實現放在了中斷處理子程序中,方便uClinux上的程序快速讀取采集的數據，滿足紙幣特征實時采集系統要求。在軟件識別部分根據紙幣圖像的尺寸特征使用模糊推理方法識別出圖像的面值，然后提取識別后圖像的矩特征，采用RBF網絡進一步識別紙幣的正反面和判別紙幣的真假，這樣提高了識別的速度和精確度。