基于DSP的人民币序列号高速识别技术研究-光学工程专业论文.docxVIP

独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体 已经发表或撰写过的研究成果。对本论文的研究做出贡献的个人和集体，均已在文中 以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保 留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本 人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索， 可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本论文属于 保密□， 在 年解密后适用本授权书。 不保密□。 （请在以上方框内打“√”） 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日期： 年 月 日 华 华 中 科 技 大 学 硕 士 学 位 论 文 摘 要 近年来，从自动柜员机（ATM）中取到假币的事件时有发生，但是由于储户和银 行都没有办法提供确凿的证据表明钞币的来源，所以纠纷不断但总是不了了之。如果 能在自动柜员机中加入钞币序列号记录和打印功能，储户在存取款时都能将交易涉及 的钞币序列号识别并打印成存根，一旦发现假币，就可以用打印的凭条举证，避免不 必要的纠纷。所以研究高速的人民币序列号识别技术有着非常现实的意义。 相对于邮编识别和车牌识别来说，钞币的序列号识别的对象单一且字体标准，技 术上的难题主要是需要做到高速识别和高准确性识别。基于这样的要求，本论文选择 了以德州仪器公司（TI）的高性能的数字信号处理器（DSP）DM6437 为核心的硬件平 台，采用误差反向传播（Back Propagation，BP）神经网络的基本原理为识别算法。设 计了图像的采集、预处理和字符特征提取程序，并通过 TI 集成开发环境（IDE）CCS 提供的脚本功能实现从 DSP 片上高效的传输图像数据和字符特征到 PC 机端。在 PC 机 端编写了基于 C++Builder 的数据转换和图像显示界面调试工具。 通过上述采集系统，采集了约 1900 幅人民币图像和超过 15000 个字符特征集合。 在 MATLAB 神经网络工具箱中建立了包含两层隐含层的 BP 神经网络模型，使用采集 到的特征训练得到了一套能使输出误差在 0.0005 以内的网络权值和偏置参数。在 DSP 上利用上述权值和偏置参数实现了 BP 神经网络的识别算法。 针对大量的测试对象实验，验证算法和程序的有效性。算法平均执行速度达 11.39 毫秒/张，字符识别准确性达 99%以上，对同一对象的 100 次不同位置和角度的识别， 准确率达到 99%。证明 BP 神经网络的识别方法在对人民币币字符识别方面有良好的效 果且实现方便，结合高性能的数字信号处理器，可以方便的集成在纸币清分、清点等 金融机具中，具有广泛的应用前景。 关键词：字符识别 图像采集 误差反向传播神经网络 数字信号处理器 I Abstract In recent years, people sometimes got counterfeit money from automatic teller machines (ATM), but due to depositors and the banks had no way to provide conclusive evidence that the source of currency notes, so the dispute continued, but always let the matter rest. If you can add in ATM banknote serial number recording and printing functions, depositors in the deposit can have serial number printed on the stub, if it found counterfeit money, you can hand out the receipt with the burden of proof to avoid unnecessary disputes. Therefore, high-speed recognition of the serial number of RMB has a very real sense. Relative to the post number identify and license plate recognition, the Banknote ser