本發(fā)明涉及電子設(shè)備領(lǐng)域，尤其涉及一種圖像傳感器的故障檢測方法及裝置。

背景技術(shù)：

目前，在驗鈔機工作的過程中，驗鈔模塊就像個黑匣子，外部只能獲取紙幣的識別結(jié)果，并不知道紙幣的實際狀態(tài)。當驗鈔頻繁出錯時，需要人工對驗鈔模塊進行分析，特別是要針對驗鈔模塊內(nèi)的主要部件圖像傳感器進行分析，查明錯誤原因。由于很多錯誤是偶發(fā)性的，例如紙幣折角、紙幣超出檢驗范圍等，并且測試條件的改變也會導致錯誤發(fā)生的概率改變，這就使得對驗鈔機的查錯變得十分困難，此外，人工排查錯誤也加大的驗鈔機的維護成本。

技術(shù)實現(xiàn)要素：

為克服現(xiàn)有技術(shù)中需要人工識別圖像傳感器導致的驗鈔出錯的問題，本發(fā)明實施例一方面提供了一種圖像傳感器的故障檢測方法，所述圖像傳感器設(shè)于驗鈔機內(nèi)，該方法包括：

基于所述圖像傳感器，采集當前在驗紙幣的圖像；

從采集從所述當前在驗紙幣的圖像中，提取所述在驗紙幣的輪廓，并檢測所述輪廓與標準紙幣的輪廓是否匹配；

若檢測結(jié)果為所述輪廓與標準紙幣的輪廓不匹配，則檢測所述在驗紙幣的角點數(shù)目；

若檢測到所述在驗紙幣的角點數(shù)目與標準紙幣的角點數(shù)目相同，則判定所述圖像傳感器故障。

其中，所述若所述檢測的角點數(shù)目與標準紙幣的角點數(shù)目相同，則判定所述圖像傳感器故障的步驟，包括：

若所述檢測的角點數(shù)目與標準紙幣的角點數(shù)目相同，則獲取所述在驗紙幣任兩角點之間的距離；

將所述任兩角點之間的距離與標準紙幣任兩角點之間的距離進行比較，得到距離差值；

若所述距離差值的絕對值大于第一預設(shè)值，則判定所述圖像傳感器故障。

其中，所述若所述距離差值的絕對值大于第一預設(shè)值，則判定所述圖像傳感器故障的步驟，包括：

若所述距離差值的絕對值大于第一預設(shè)值，則獲取任兩相鄰角點之間的輪廓點的坐標；

若任意兩相鄰角點之間的各輪廓點的橫坐標或縱坐標相互之間的差值的絕對值均小于第二預設(shè)值，則判定所述圖像傳感器故障。

其中，所述檢測所述在驗紙幣的角點數(shù)目的步驟，包括：

基于所述輪廓的連續(xù)性，提取所述在驗紙幣的圖像的主要部分，得到所述在驗紙幣的主要圖像；

獲取所述主要圖像的角點數(shù)目。

其中，所述獲取所述主要圖像的角點數(shù)目的步驟，包括：

基于Moravec角點檢測算法，確定所述主要圖像的角點；

統(tǒng)計所述確定的角點的數(shù)目。

其中，所述檢測所述在驗紙幣的角點數(shù)目步驟之后，還包括：

若所述檢測的角點數(shù)目與標準紙幣的角點數(shù)目不相同，則判定所述在驗紙幣出錯；

所述將所述任兩角點之間的距離與標準紙幣任兩角點之間的距離進行比較，得到距離差值的步驟之后，還包括：

若所述距離差值的絕對值小于第一預設(shè)值，則判定所述在驗紙幣出錯。

另一方面，本發(fā)明實施例提供了一種圖像傳感器的檢測裝置，包括：

采集模塊，用于基于所述圖像傳感器，采集當前在驗紙幣的圖像；

輪廓匹配模塊，用于從所述當前在驗紙幣的圖像中，提取所述在驗紙幣的輪廓，并檢測所述輪廓與標準紙幣的輪廓是否匹配；

角點數(shù)目檢測模塊，用于若檢測到所述輪廓與標準紙幣的輪廓不匹配，則檢測所述在驗紙幣的角點數(shù)目；

異常判定模塊，若檢測的所述在驗紙幣的角點數(shù)目與標準紙幣的角點數(shù)目相同，則判定所述圖像傳感器故障。

其中，所述異常判定模塊包括：

角點距離獲取單元，用于若所述檢測的角點數(shù)目與標準紙幣的角點數(shù)目相同，則獲取所述在驗紙幣任兩角點之間的距離；

差值獲取單元，用于將所述任兩角點之間的距離與標準紙幣任兩角點之間的距離進行比較，得到距離差值；

異常判定單元，用于若所述距離差值的絕對值大于第一預設(shè)值，則判定所述圖像傳感器故障。

其中，所述異常判定單元包括：

輪廓點坐標獲取子單元，用于若所述距離差值的絕對值大于第一預設(shè)值，則獲取任兩相鄰角點之間的輪廓點的坐標；

異常判定子單元，用于若任意兩相鄰角點之間的各輪廓點的橫坐標或縱坐標相互之間的差值的絕對值均小于第二預設(shè)值，則判定所述圖像傳感器故障。

其中，所述角點數(shù)目檢測模塊包括：

主要圖像獲取單元，用于基于所述輪廓的連續(xù)性，提取所述在驗紙幣的圖像的主要部分，得到所述在驗紙幣的主要圖像；

角點數(shù)目獲取單元，用于獲取所述主要圖像的角點數(shù)目。

其中，所述角點數(shù)目獲取單元包括：

角點確定子單元，用于基于Moravec角點檢測算法，確定所述主要圖像的角點；

統(tǒng)計子單元，用于統(tǒng)計所述確定的角點的數(shù)目。

其中，還包括：

第一紙幣出錯判定模塊，用于若所述檢測的角點數(shù)目與標準紙幣的角點數(shù)目不相同，則判定所述在驗紙幣出錯；

第二紙幣出錯判定模塊，用于若所述距離差值的絕對值小于第一預設(shè)值，則判定所述在驗紙幣出錯。

本發(fā)明實施例在檢測所述在驗紙幣的輪廓與標準紙幣的輪廓不匹配后，獲取在驗紙幣的角點數(shù)目，并當在驗紙幣的角點數(shù)目與標準紙幣的角點數(shù)目一致后，判定圖像傳感器故障，通過排除由紙幣出錯導致角點數(shù)目不一致的情況，得出了圖像傳感器采集的圖像異常的結(jié)論，最終確定圖像傳感器出現(xiàn)故障，從而能夠自動檢測圖像傳感器錯誤，提高工效，減少成本。

附圖說明

為了更清楚地說明本發(fā)明實施例中的技術(shù)方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明的圖像傳感器的故障檢測方法的第一實施例流程示意圖。

圖2為本發(fā)明的圖像傳感器的故障檢測方法的第二實施例流程示意圖。

圖3是邊緣平滑缺損紙幣的示意圖。

圖4是本發(fā)明的圖像傳感器的故障檢測方法的第三實施例流程示意圖。

圖5是斷裂紙幣的示意圖。

圖6是本發(fā)明的圖像傳感器的故障檢測裝置的第一實施例的結(jié)構(gòu)示意圖。

圖7是本發(fā)明的異常判定模塊的實施例的結(jié)構(gòu)示意圖。

圖8是本發(fā)明的異常判定單元的實施例的結(jié)構(gòu)示意圖。

圖9是本發(fā)明的角點數(shù)目檢測模塊的實施例的結(jié)構(gòu)示意圖。

圖10是本發(fā)明的角點數(shù)目獲取單元的實施例的結(jié)構(gòu)示意圖。

圖11是本發(fā)明的圖像傳感器的故障檢測裝置的第二實施例的結(jié)構(gòu)示意圖。

具體實施方式

為了使本發(fā)明所解決的技術(shù)問題、技術(shù)方案及有益效果更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

驗鈔機在對紙幣識別之前，需要從圖像傳感器采集的圖像中提取紙幣圖像，具體來講，即要從采集的圖像中提取在驗紙幣的輪廓，再基于提取的輪廓，得到紙幣的圖像，如提取的紙幣的輪廓與標準紙幣的輪廓不匹配，則表明紙幣圖像提取失敗。圖像提取失敗的原因有非常多種，比如紙幣破裂、紙幣超出范圍、臟污嚴重、圖像嚴重形變等，本發(fā)明的實施例在圖像提取失敗后，不再進行后續(xù)的識別算法，而加入了對驗鈔機(主要是圖像傳感器)的錯誤分析，由于每張紙幣的識別時間又是固定的，因此在此時加入對錯誤數(shù)據(jù)的分析不會額外增加驗鈔時間。

請參照圖1，是本發(fā)明的圖像傳感器的故障檢測方法的第一實施例流程示意圖。如圖所示，該方法包括以下步驟：

步驟S11，基于圖像傳感器，采集當前在驗紙幣的圖像。

步驟S12，從采集的圖像中，提取在驗紙幣的輪廓，并檢測該輪廓與標準紙幣的輪廓是否匹配。導致在驗紙幣的輪廓與標準紙幣的輪廓不匹配的原因有多種，例如紙幣破裂、紙幣超出檢驗范圍、紙幣臟污嚴重、圖像傳感器采集的紙幣圖像變形等等，上述原因中有些是偶然發(fā)生的，如紙幣超出檢驗范圍；有些是紙幣本身的問題，如紙幣臟污嚴重和破裂，還有一些則是由圖像傳感器導致的，如采集的紙幣圖像變形。

步驟S13，若檢測結(jié)果為否，則檢測在驗紙幣的角點數(shù)目。當輪廓不匹配時，表明在驗紙幣的圖像異常，已不是正常的矩形了，而由于錯誤的未知性，需要重新檢測、定位圖像的角點。角點數(shù)目的檢測可以采用Moravec角點檢測算法，也可以采用哈里斯算法。盡管Moravec角點檢測算法只考慮了4個45度角的離散方向，不如哈里斯算子全面，但由于紙幣是已知的矩形，因此在45度角上即可以得到比較好的效果，不需要全角度計算，此外，采用Moravec角點檢測算法，使得計算量更小，相比哈里斯算法更有利于產(chǎn)品運用。因此，本發(fā)明實施例優(yōu)選Moravec角點檢測算法：基于Moravec角點檢測算法，確定在驗紙幣的角點，并統(tǒng)計確定的角點的數(shù)目。

Moravec角點檢測算法的原理大致如下：

在圖像上預設(shè)一W*W的“滑動窗口”，不斷的移動這個窗口，并檢測窗口中的像素變化值E：如果在窗口中的圖像是平坦的，那么E的變化不大；如果在窗口中的圖像是一條邊，那么在沿這條邊滑動時E變化不大，而在沿垂直于這條邊的方向滑動窗口時，E的變化會很大；如果在窗口中的圖像是一個角點時，窗口沿任何方向移動E的值都會發(fā)生很大變化。用數(shù)學語言來表示的話就是：

其中，I表示被檢測圖像，(u，v)表示窗口滑到的區(qū)域的首像素坐標，(x，y)就表示四個移動方向(1，0)(1，1)(0，1)(-1，1)，E就是像素的變化值。

步驟S14，若檢測的角點數(shù)目與標準紙幣的角點數(shù)目相同，則判定圖像傳感器故障。通常情況下，若檢測的角點數(shù)目小于標準紙幣的角點數(shù)目，則表明在驗紙幣越界(即紙幣超出檢驗范圍)；若檢測的角點數(shù)目大于標準紙幣的角點數(shù)目，則表明在驗紙幣重張或撕裂。而當檢測的角點數(shù)目與標準紙幣的角點數(shù)目相同時，則表明圖像傳感器采集的紙幣圖像變形，此時，便可以判定圖像傳感器故障。

本發(fā)明實施例在檢測所述在驗紙幣的輪廓與標準紙幣的輪廓不匹配后，獲取在驗紙幣的角點數(shù)目，并當在驗紙幣的角點數(shù)目與標準紙幣的角點數(shù)目一致后，判定圖像傳感器故障，通過排除由紙幣出錯導致角點數(shù)目不一致的情況，得出了圖像傳感器采集的圖像異常的結(jié)論，最終確定圖像傳感器出現(xiàn)故障，從而能夠自動檢測圖像傳感器錯誤，提高工效，減少成本。

請參照圖2，是本發(fā)明的圖像傳感器的故障檢測方法的第二實施例流程示意圖。該實施例對檢測方法的第一實施例做了優(yōu)化，在原有的基礎(chǔ)上，進一步排除了紙幣出錯導致的圖像異常(即紙幣角點與標準紙幣相一致，但是邊緣平滑缺損的情況)，使得檢測結(jié)果更為精確。

步驟S21，基于圖像傳感器，采集當前在驗紙幣的圖像。

步驟S22，從采集的圖像中，提取在驗紙幣的輪廓，并檢測該輪廓與標準紙幣的輪廓是否匹配。導致在驗紙幣的輪廓與標準紙幣的輪廓不匹配的原因有多種，例如紙幣破裂、紙幣超出檢驗范圍、紙幣臟污嚴重、圖像傳感器采集的紙幣圖像變形等等，上述原因中有些是偶然發(fā)生的，如紙幣超出檢驗范圍；有些是紙幣本身的問題，如紙幣臟污嚴重和破裂，還有一些則是由圖像傳感器導致的，如采集的紙幣圖像變形。

步驟S23，若檢測結(jié)果為否，則檢測在驗紙幣的角點數(shù)目。當輪廓不匹配時，表明在驗紙幣的圖像異常，已不是正常的矩形了，而由于錯誤的未知性，需要重新檢測、定位圖像的角點。角點數(shù)目的檢測可以采用Moravec角點檢測算法，也可以采用哈里斯算法。本發(fā)明實施例優(yōu)選Moravec角點檢測算法：基于Moravec角點檢測算法，確定在驗紙幣的角點，并統(tǒng)計確定的角點的數(shù)目。

步驟S24，若檢測的角點數(shù)目與標準紙幣的角點數(shù)目相同，則獲取在驗紙幣任兩角點之間的距離。

步驟S25，將任兩角點之間的距離與標準紙幣任兩角點之間的距離進行比較，得到距離差值。該步驟中得到的距離差值可以是所有相對應的角點距離的偏差值的累加值，也可以是各相對應的角點距離的偏差值。本實施例中，優(yōu)選所有相對應的角點距離的差值的累加值。

通常情況下，標準紙幣為長方形，一共有4個角，也就是說其角點數(shù)目為4，假設(shè)標準紙幣的寬為W，高為H，則標準紙幣的四個角點的兩兩距離由三個數(shù)值W、H構(gòu)成。

步驟S26，若距離差值的絕對值大于第一預設(shè)值，則判定圖像傳感器故障。預設(shè)值可以優(yōu)選20％。當距離差值小于第一預設(shè)值表明紙幣出錯，例如，如圖3所示紙幣，該紙幣角點與標準紙幣相一致，但是邊緣平滑缺損。

本發(fā)明的實施例在排除由紙幣出錯導致角點數(shù)目不一致后，進一步剔除了紙幣出錯導致的角點一致，但輪廓不一致的情況(例如紙幣角點與標準紙幣相一致，但是邊緣平滑缺損的情況)，使得檢測結(jié)果更為精確。

請參照圖4，是本發(fā)明的圖像傳感器的故障檢測方法的第三實施例流程示意圖。該實施例對檢測方法的第二實施例做了優(yōu)化，在原有的基礎(chǔ)上，進一步排除了由紙幣斷裂導致的圖像異常，使得檢測結(jié)果更為精確。

步驟S31，基于圖像傳感器，采集當前在驗紙幣的圖像。

步驟S32，從采集的圖像中，提取在驗紙幣的輪廓，并檢測該輪廓與標準紙幣的輪廓是否匹配。導致在驗紙幣的輪廓與標準紙幣的輪廓不匹配的原因有多種，例如紙幣破裂、紙幣超出檢驗范圍、紙幣臟污嚴重、圖像傳感器采集的紙幣圖像變形等等，上述原因中有些是偶然發(fā)生的，如紙幣超出檢驗范圍；有些是紙幣本身的問題，如紙幣臟污嚴重和破裂，還有一些則是由圖像傳感器導致的，如采集的紙幣圖像變形。

步驟S33，若檢測結(jié)果為否，則檢測在驗紙幣的角點數(shù)目。檢測在驗紙幣的角點數(shù)目具體包括：基于提取的在驗紙幣的輪廓的連續(xù)性，提取在驗紙幣的圖像的主要部分，得到在驗紙幣的主要圖像，并獲取主要圖像的角點數(shù)目。在某些情況下，由于圖像傳感器的異常會導致其采集的紙幣的圖像有部分丟失，這就會造成紙幣的圖像被斷開，被分割成多個獨立的、不連續(xù)的圖像。此種情況下，本發(fā)明的實施例提取在驗紙幣的主要圖像進行后續(xù)分析，對非關(guān)鍵圖像(即殘留圖像)不作處理。而對于完整的紙幣，主要圖像即為其完整圖像。

在得到在驗紙幣的主要圖像后，基于Moravec角點檢測算法，確定主要圖像的角點，并統(tǒng)計確定的角點的數(shù)目。Moravec角點檢測算法已在上文中做了詳細介紹，故在此不作贅述。

步驟S34，若檢測的角點數(shù)目與標準紙幣的角點數(shù)目相同，則獲取在驗紙幣任兩角點之間的距離。

步驟S35，將任兩角點之間的距離與標準紙幣任兩角點之間的距離進行比較，得到距離差值。該步驟中得到的距離差值可以是所有相對應的角點距離的偏差值的累加值，也可以是各相對應的角點距離的偏差值。本實施例中，優(yōu)選所有相對應的角點距離的差值的累加值。

步驟S36，若距離差值的絕對值大于第一預設(shè)值，獲取任兩相鄰角點之間的輪廓點的坐標。預設(shè)值可以優(yōu)選20％。當距離差值小于第一預設(shè)值表明紙幣出錯，例如，如圖3所示紙幣，該紙幣角點與標準紙幣相一致，但是邊緣平滑缺損。

步驟S37，若任意兩相鄰角點之間的各輪廓點的橫坐標或縱坐標相互之間的差值的絕對值均小于第二預設(shè)值，則判定圖像傳感器故障。一般情況下，當紙幣斷裂時，如圖5所示，盡管該紙幣有4個角點，且角點的兩兩距離與標準紙幣的差距較大，但斷裂紙幣的邊緣基本不齊整，且不會絕對水平或絕對豎直。而由于圖像傳感器分布為一行，以列為方向掃描，當出傳感器現(xiàn)異常時，多為水平整行或垂直整列的數(shù)據(jù)丟失。因此，在檢測到兩角點之間的各輪廓點的橫坐標或縱坐標一致時，即可判斷是圖像傳感器導致的圖像數(shù)據(jù)異常。對各輪廓點的橫坐標或縱坐標一致性的判斷方法如下：可以獲取各輪廓點橫坐標或縱坐標相互之間的方差值，如果方差較大(例如大于50)，則說明紙幣邊緣分布起伏明顯，為缺損鈔；如方差較小(如小于50)，則說明各輪廓點的橫坐標或縱坐標一致。

本發(fā)明的實施例在排除了由紙幣出錯導致角點數(shù)目不一致，以及排除了紙幣出錯導致的角點一致，但輪廓不一致的情況，還排除了由紙幣出錯導致的輪廓不一致，角點一致，且角點的兩兩距離與標準紙幣的差距較大的情況，使得檢測結(jié)果更為精確。

此外，本發(fā)明實施例在判定圖像傳感器故障時，還可以對圖像傳感器采集的紙幣圖像數(shù)據(jù)進行保存；在檢測的角點數(shù)目與標準紙幣的角點數(shù)目不相同時，以及在驗紙幣的角點的兩兩距離與標準紙幣的角點的兩兩距離的差值小于預設(shè)值時，對于以上兩種情況下獲取的的紙幣圖像數(shù)據(jù)進行刪除。通過剔除由紙幣出錯導致的偶發(fā)的異常圖像，并對圖像傳感器異常導致的紙幣圖像進行存儲，可以方便后續(xù)研發(fā)人員對驗鈔機出錯進行進一步的分析，快速定位錯誤，同時還能節(jié)省存儲空間。

上述對本發(fā)明的圖像傳感器的故障檢測方法做了詳細介紹，下面將對相應于上述方法的裝置做進一步介紹。

請參照圖6，是本發(fā)明的圖像傳感器的故障檢測裝置的第一實施例的結(jié)構(gòu)示意圖。該圖像傳感器的故障檢測裝置包括圖像傳感器110、輪廓匹配模塊120、角點數(shù)目檢測模塊130和異常判定模塊140。

其中，圖像傳感器110用于采集當前在驗紙幣的圖像。

輪廓匹配模塊120，用于從采集的圖像中，提取在驗紙幣的輪廓，并檢測該輪廓與標準紙幣的輪廓是否匹配。

角點數(shù)目檢測模塊130，用于若檢測結(jié)果為否，則檢測在驗紙幣的角點數(shù)目。導致在驗紙幣的輪廓與標準紙幣的輪廓不匹配的原因有多種，例如紙幣破裂、紙幣超出檢驗范圍、紙幣臟污嚴重、圖像傳感器采集的紙幣圖像變形等等，上述原因中有些是偶然發(fā)生的，如紙幣超出檢驗范圍；有些是紙幣本身的問題，如紙幣臟污嚴重和破裂，還有一些則是由圖像傳感器導致的，如采集的紙幣圖像變形。角點數(shù)目的檢測可以采用Moravec角點檢測算法，也可以采用哈里斯算法。本發(fā)明實施例優(yōu)選Moravec角點檢測算法：基于Moravec角點檢測算法，確定在驗紙幣的角點，并統(tǒng)計確定的角點的數(shù)目。

異常判定模塊140，若檢測的角點數(shù)目與標準紙幣的角點數(shù)目相同，則判定圖像傳感器故障。

本發(fā)明實施例在檢測所述在驗紙幣的輪廓與標準紙幣的輪廓不匹配后，獲取在驗紙幣的角點數(shù)目，并當在驗紙幣的角點數(shù)目與標準紙幣的角點數(shù)目一致后，判定圖像傳感器故障，通過排除由紙幣出錯導致角點數(shù)目不一致的情況，得出了圖像傳感器采集的圖像異常的結(jié)論，最終確定圖像傳感器出現(xiàn)故障，從而能夠自動檢測圖像傳感器錯誤，提高工效，減少成本。

請參照圖7，是本發(fā)明的異常判定模塊的實施例的結(jié)構(gòu)示意圖。異常判定模塊140包括角點距離獲取單元141、差值獲取單元142和異常判定單元143。

角點距離獲取單元141，用于若檢測的角點數(shù)目與標準紙幣的角點數(shù)目相同，則獲取在驗紙幣任兩角點之間的距離。

差值獲取單元142，用于將任兩角點之間的距離與標準紙幣任兩角點之間的距離進行比較，得到距離差值。

異常判定單元143，用于若距離差值的絕對值大于第一預設(shè)值，則判定圖像傳感器故障。

本發(fā)明的實施例在排除由紙幣出錯導致角點數(shù)目不一致后，進一步剔除了紙幣出錯導致的角點一致，但輪廓不一致的情況(例如紙幣角點與標準紙幣相一致，但是邊緣平滑缺損的情況)，使得檢測結(jié)果更為精確。

請參照圖8，是本發(fā)明的異常判定單元的實施例的結(jié)構(gòu)示意圖。異常判定單元143包括輪廓點坐標獲取子單元143a和異常判定子單元143b。

其中，輪廓點坐標獲取子單元143a，用于若差值獲取單元142獲取的差值大于預設(shè)值，則獲取任兩相鄰角點之間的輪廓點的坐標。

異常判定子單元143b，用于若任意兩相鄰角點之間的各輪廓點的橫坐標或縱坐標相互之間的差值的絕對值小于第二預設(shè)值，則判定圖像傳感器故障。一般情況下，當紙幣斷裂時，如圖5所示，盡管該紙幣有4個角點，且角點的兩兩距離與標準紙幣的差距較大，但斷裂紙幣的邊緣基本不齊整，且不會絕對水平或絕對豎直。而由于圖像傳感器分布為一行，以列為方向掃描，當出傳感器現(xiàn)異常時，多為水平整行或垂直整列的數(shù)據(jù)丟失。因此，在檢測到兩角點之間的各輪廓點的橫坐標或縱坐標相互之間的差值的絕對值小于第二預設(shè)值時，即可判斷是圖像傳感器導致的圖像數(shù)據(jù)異常。具體來講，可以獲取各輪廓點之間的方差，如果方差較大，則說明邊緣分布起伏明顯，為缺損鈔。

本發(fā)明的實施例在排除了由紙幣出錯導致角點數(shù)目不一致，以及排除了紙幣出錯導致的角點一致，但輪廓不一致的情況，還排除了由紙幣出錯導致的輪廓不一致，角點一致，且角點的兩兩距離與標準紙幣的差距較大的情況，使得檢測結(jié)果更為精確。

請參照圖9，是本發(fā)明的角點數(shù)目檢測模塊的第一實施例的結(jié)構(gòu)示意圖。角點數(shù)目檢測模塊130包括主要圖像獲取單元131和角點數(shù)目獲取單元132。

主要圖像獲取單元131，用于基于輪廓的連續(xù)性，提取在驗紙幣的圖像的主要部分，得到在驗紙幣的主要圖像。在某些情況下，由于圖像傳感器的異常會導致其采集的紙幣的圖像有部分丟失，這就會造成紙幣的圖像被斷開，被分割成多個獨立的、不連續(xù)的圖像。此種情況下，本發(fā)明的實施例提取在驗紙幣的主要圖像進行后續(xù)分析，對非關(guān)鍵圖像(即殘留圖像)不作處理。而對于完整的紙幣，主要圖像即為其完整圖像。

角點數(shù)目獲取單元132，用于獲取主要圖像的角點數(shù)目。

請參照圖10，是本發(fā)明的角點數(shù)目獲取單元的實施例的結(jié)構(gòu)示意圖。角點數(shù)目獲取單元132包括角點確定子單元132a和統(tǒng)計子單元132b。

角點確定子單元132a，用于基于Moravec角點檢測算法，確定在驗紙幣的角點。Moravec角點檢測算法已在上文中做了詳細介紹，故在此不作贅述。

統(tǒng)計子單元132b，用于統(tǒng)計確定的角點的數(shù)目。

請參照圖11，是本發(fā)明的圖像傳感器的故障檢測裝置的第二實施例的結(jié)構(gòu)示意圖。該圖像傳感器的故障檢測裝置包括圖像傳感器110、輪廓匹配模塊120、角點數(shù)目檢測模塊130和異常判定模塊140、第一紙幣出錯判定模塊150和第二紙幣出錯判定模塊160。

其中，圖像傳感器110用于采集當前在驗紙幣的圖像。

輪廓匹配模塊120，用于從采集的圖像中，提取在驗紙幣的輪廓，并檢測該輪廓與標準紙幣的輪廓是否匹配。

角點數(shù)目檢測模塊130，用于若檢測結(jié)果為否，則檢測在驗紙幣的角點數(shù)目。

第一紙幣出錯判定模塊150，用于若檢測的角點數(shù)目與標準紙幣的角點數(shù)目不相同，則判定在驗紙幣出錯。

異常判定模塊140，用于若檢測的角點數(shù)目與標準紙幣的角點數(shù)目相同，則判定圖像傳感器故障。具體地，異常判定模塊140用于若檢測的角點數(shù)目與標準紙幣的角點數(shù)目相同，則獲取在驗紙幣任兩角點之間的距離，并將任兩角點之間的距離與標準紙幣任兩角點之間的距離進行比較，得到距離差值，距離差值的絕對值大于第一預設(shè)值，則判定圖像傳感器故障。

第二紙幣出錯判定模塊160，用于若異常判定模塊140獲取的差值小于預設(shè)值，則判定在驗紙幣出錯。

本發(fā)明的實施例除了對圖像傳感器的出錯進行判定外，還會對紙幣錯誤進行判定，從而完善了對驗鈔機的錯誤判斷。

本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例方法中的全部或部分流程，是可以通過計算機程序來指令相關(guān)的硬件來完成，所述的程序可存儲于一計算機可讀取存儲介質(zhì)中，該程序在執(zhí)行時，可包括如上述各方法的實施例的流程。其中，所述的存儲介質(zhì)可為磁碟、光盤、只讀存儲記憶體(Read-Only Memory，ROM)或隨機存儲記憶體(Random Access Memory，RAM)等。

如上所述是結(jié)合具體內(nèi)容提供的一種或多種實施方式，并不認定本發(fā)明的具體實施只局限于這些說明。凡與本發(fā)明的方法、結(jié)構(gòu)等近似、雷同，或是對于本發(fā)明構(gòu)思前提下做出若干技術(shù)推演或替換，都應當視為本發(fā)明的保護范圍。