一种识别的方法和装置

技术领域

本发明涉及人工智能技术领域，尤其涉及一种识别的方法和装置。

背景技术

在对流通货币进行入账或盘点等操作时，需要对流通货币进行精确识别，以保证入账或盘点的操作准确性。

在远程盘库的场景下，现有技术通常是由网点员工将流通货币按照统一规则排放然后拍照上传到系统，查库人员通过查看图片登记相应的券别和数量，并提交系统与系统记录金额作比对。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：在现实情况下，由于盘库时的流通货币数额通常比较大，查库人员在进行人工登记时需要处理的工作量十分巨大，导致盘库效率低下。

发明内容

有鉴于此，本发明实施例提供一种识别的方法和装置，能够取代人工登记券别及数量的盘库清点方式，采用预先训练的检测模型自动识别流通货币的券别及数量，大大提高了盘库效率。另一方面，检测模型通过对流通货币不同特征区域的检测，大大提高了检测模型的识别准确率。

为实现上述目的，根据本发明实施例的一个方面，提供了一种识别的方法，包括：

获取待识别对象的第一图像；

利用预训练的检测模型，对所述第一图像的特征区域进行识别；

根据所述特征区域以及所述特征区域在所述第一图像中的位置，确定所述待识别对象的特征值。

可选地，该方法包括：

获取多个样本对象的第二图像，并确定所述样本对象的类型；

根据所述类型，对所述第二图像的特征区域进行标注；

根据标注结果，对所述检测模型进行训练。

可选地，该方法进一步包括：

所述样本对象包括第一数量组成的第一样本对象以及第二数量组成的第二样本对象；所述第一数量大于所述第二数量。

可选地，所述根据所述类型，对所述第二图像的特征区域进行标注，包括：

根据所述第一样本对象和所述第二样本对象的厚度，确定所述样本对象的类型；

根据每一个所述类型对应的模板标注框，对所述第二图像的特征区域进行标注；

根据所述特征区域对应的标签，对所述样本对象进行标注。

可选地，所述当一张所述第二图像中包括多个第二样本对象时，所述根据每一个所述类型对应的模板标注框，对所述第二图像的特征区域进行标注，包括：

确定同一张所述第二图像中的所述多个第二样本对象是否存在重叠区域；

如果是，根据所述重叠区域，调整所述模板标注框的大小，以对所述第二图像的特征区域进行标注。

可选地，该方法进一步包括：

确定所述特征区域与所述重叠区域是否存在重合，如果是，确定重合的区域与所述特征区域的第一比值；

当所述比值小于预设第一阈值时，根据所述第一比值调整所述模板标注框的大小，以使调整后的模板标注框的至少一个边缘贴合重合边缘。

可选地，所述当一张所述第二图像中包括一个或多个第一样本对象以及一个或多个第二样本对象时，所述根据每一个所述类型对应的模板标注框，对所述第二图像的特征区域进行标注，包括：

确定所述第一样本对象是否被非样本物和/或所述第二样本对象遮挡，如果是，确定遮挡区域与所述第一样本对象所占区域的第二比值；

当所述第二比值小于第二阈值时，根据所述第二比值调整所述模板标注框的大小，以使调整后的模板标注框的至少一个边缘贴合遮挡边缘。

可选地，该方法进一步包括：

当所述待识别对象为流通货币时，所述特征值为所述流通货币的面额。

可选地，该方法还包括：

当所述流通货币为人民币时，所述第二样本对象的特征区域包括：头像区域和国徽区域。

可选地，该方法还包括：

当所述待识别对象为人民币时，根据所述检测模型，确定所述第一图像中所述头像区域对应的第三数量和所述国徽区域对应的第四数量；

确定所述第三数量和所述第四数量是否相同，如果否，根据所述第三数量和所述第四数量中的较大者对应的标签，确定所述待识别对象的特征值。

可选地，该方法还包括：

当所述流通货币为硬币时，所述第二样本对象的特征区域包括：花型区域和国徽区域。

可选地，该方法包括：

所述检测模型是基于YOLOv3模型训练得到的。

可选地，该方法包括：

根据所述待识别对象对应的类型，确定所述待识别对象对应的第一数量和/或第二数量；

根据所述特征值以及所述待识别对象对应的第一数量和/或第二数量，确定所述待识别对象对应的目标值。

可选地，该方法进一步包括：

根据历史交易信息，确定交易值；

判断所述交易值与所述目标值的差值是否大于预设第三阈值，如果是，校验所述待识别对象的目标值，并根据校验结果，更新所述目标值或所述交易值。

为实现上述目的，根据本发明实施例的又一方面，提供了一种识别的装置，包括获取模块、识别模块和确定模块；其中，

所述获取模块，用于获取待识别对象的第一图像；

所述识别模块，用于利用预训练的检测模型，对所述第一图像的特征区域进行识别；

所述确定模块，用于根据所述特征区域以及所述特征区域在所述第一图像中的位置，确定所述待识别对象的特征值。

可选地，

所述获取模块，用于获取多个样本对象的第二图像，并确定所述样本对象的类型；

根据所述类型，对所述第二图像的特征区域进行标注；

根据标注结果，对所述检测模型进行训练。

可选地，

所述确定模块，用于确定同一张所述第二图像中的所述多个第二样本对象是否存在重叠区域；

如果是，根据所述重叠区域，调整所述模板标注框的大小，以对所述第二图像的特征区域进行标注。

可选地，

所述确定模块，用于确定所述特征区域与所述重叠区域是否存在重合，如果是，确定重合的区域与所述特征区域的第一比值；

当所述比值小于预设第一阈值时，根据所述第一比值调整所述模板标注框的大小，以使调整后的模板标注框的至少一个边缘贴合重合边缘。

可选地，

所述确定模块，用于确定所述第一样本对象是否被非样本物和/或所述第二样本对象遮挡，如果是，确定遮挡区域与所述第一样本对象所占区域的第二比值；

当所述第二比值小于第二阈值时，根据所述第二比值调整所述模板标注框的大小，以使调整后的模板标注框的至少一个边缘贴合遮挡边缘。

可选地，

所述确定模块，用于当所述待识别对象为人民币时，根据所述检测模型，确定所述第一图像中所述头像区域对应的第三数量和所述国徽区域对应的第四数量；

确定所述第三数量和所述第四数量是否相同，如果否，根据所述第三数量和所述第四数量中的较大者对应的标签，确定所述待识别对象的特征值。

可选地，

所述识别模块，用于根据所述待识别对象对应的类型，确定所述待识别对象对应的第一数量和/或第二数量；

根据所述特征值以及所述待识别对象对应的第一数量和/或第二数量，确定所述待识别对象对应的目标值。

为实现上述目的，根据本发明实施例的又一方面，提供了一种识别的电子设备。

本发明实施例的一种识别的电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例的一种识别的方法。

为实现上述目的，根据本发明实施例的再一方面，提供了一种计算机可读存储介质。

本发明实施例的一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例的一种识别的方法。

上述发明中的一个实施例具有如下优点或有益效果：通过检测模型根据待识别对象的第一图像，识别出待识别对象的特征值。当待识别对象为流通货币时，可以自动识别流通货币的面额，从而能够取代人工登记券别及数量的盘库清点方式，采用预先训练的检测模型自动识别流通货币的券别及数量，大大提高了盘库效率。另一方面，检测模型通过对流通货币不同特征区域的检测，大大提高了检测模型的识别准确率。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的识别的方法的主要步骤的示意图；

图2是扎把摆放的人民币被遮挡时进行识别的示意图；

图3是远程盘库主要流程的示意图；

图4是根据本发明实施例的识别的装置的主要模块的示意图；

图5是本发明实施例可以应用于其中的示例性系统架构图；

图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要指出的是，在不冲突的情况下，本发明的实施例以及实施例中的技术特征可以相互结合。

图1是根据本发明实施例的识别的方法的主要步骤的示意图。

如图1所示，本发明实施例的识别的方法主要包括以下步骤：

步骤S101：获取待识别对象的第一图像；

在本发明的一个实施例中，第一图像类型可以为流通货币(包括但不限于硬币和纸币)、发票等。

步骤S102：利用预训练的检测模型，对所述第一图像的特征区域进行识别；

在本发明的一个实施例中，需要对检测模型进行训练，具体地，获取多个样本对象的第二图像，并确定所述样本对象的类型；根据所述类型，对所述第二图像的特征区域进行标注；根据标注结果，对所述检测模型进行训练。

根据所述待识别对象对应的类型，确定所述待识别对象对应的第一数量和/或第二数量；根据所述特征值以及所述待识别对象对应的第一数量和/或第二数量，确定所述待识别对象对应的目标值。

具体地，样本对象的类型可以为不同摆放形式的流通货币。以人民币为例，在银行的查库人员进行查库清点操作时，人民币可以扎捆摆放和扎把摆放，取决于人民币的具体数额。当前对于图片标注，一般采用画框的方式。即对图像中相同目标的物品画标注框并打上相同的标签，然后利用标注后的数据集进行训练，利用训练后的模型进行识别。

在本发明的一个实施例中，所述样本对象包括第一数量组成的第一样本对象以及第二数量组成的第二样本对象；所述第一数量大于所述第二数量。

根据所述第一样本对象和所述第二样本对象的厚度，确定所述样本对象的类型；根据每一个所述类型对应的模板标注框，对所述第二图像的特征区域进行标注；根据所述特征区域对应的标签，对所述样本对象进行标注。

例如，在远程盘库图片的标注过程中，会对不同券别、不同捆扎方式的人民币(即不同类型的样本对象)标注不同的标签。如将图片中券别为100的扎把现金标注为100_ba，将图片中券别为100的扎捆现金标注为100_kun，把图片中券别为50的扎把现金标注为50_ba，把图片中券别为50的扎捆现金标注为50_kun。

其中，根据远程盘库时现金的摆放规则，采用扎把摆放的人民币的数量为每把包含100张人民币，采用扎捆形式摆放的现金的数量为每捆包含10把人民币，也就是1000张人民币。

在本发明的一个实施例中，当一张所述第二图像中包括多个第二样本对象时，确定同一张所述第二图像中的所述多个第二样本对象是否存在重叠区域；如果是，根据所述重叠区域，调整所述模板标注框的大小，以对所述第二图像的特征区域进行标注。确定所述特征区域与所述重叠区域是否存在重合，如果是，确定重合的区域与所述特征区域的第一比值；当所述比值小于预设第一阈值时，根据所述第一比值调整所述模板标注框的大小，以使调整后的模板标注框的至少一个边缘贴合重合边缘。

在远程盘库的场景下，采用扎把方式摆放的流通货币不可避免的会有一定程度的重叠区域。在标注训练时需要手动调整标注框的大小。以人民币为例，将人民币的头像作为特征区域，若标注过程中存在人民币的头像被遮挡的情况，则需根据头像的比例手动调整标注框的大小，以对人民币头像进行完整的标注。而且，如果人民币的头像部分遭到遮挡的区域占整个头像的特征区域的比例超过1/2，则放弃对该头像的标注。

若以人民币的国徽作为特征区域，在标注过程中同样存在国徽被遮挡的情况。此时我们规定：标注框需将国徽完全包含，若国徽被遮挡导致标注框无法完全包含国徽，则放弃对扎人民币的标注，以此来确保经过训练后的检测模型能够具有很好的识别效果。

如图2所示，图中为三把按照扎把方式摆放的人民币，在对其进行标注时，由于第一把现金和第二把现金的头像区域均存在被遮挡的情况，但是根据标注规则，即头像遮挡区域未超过1/2现金需要进行标注，由于图中第一把现金和第二把现金的头像区域遮挡范围均未超过1/2，所以在对其进行标注时需要根据比例将标注框补充完整；由于第一把现金和第二把现金的国徽区域均出现被遮挡的情况，则按照标注规则，即只标注国徽区域未被遮挡的现金，所以不标注第一把和第二把现金的国徽区域，只标注第三把现金的国徽区域。

当一张所述第二图像中包括一个或多个第一样本对象以及一个或多个第二样本对象时，确定所述第一样本对象是否被非样本物和/或所述第二样本对象遮挡，如果是，确定遮挡区域与所述第一样本对象所占区域的第二比值；当所述第二比值小于第二阈值时，根据所述第二比值调整所述模板标注框的大小，以使调整后的模板标注框的至少一个边缘贴合遮挡边缘。

具体地，在远程盘库的场景下，当扎把摆放的流通货币和扎捆摆放的流通货币距离过于紧密时，位于底部的扎捆摆放的流通货币很有可能被周围扎把摆放的流通货币所遮挡。以人民币为例，若在远程盘库的过程中，底部扎捆摆放的现金被周围扎把摆放的现金所遮挡，则需判断被遮挡的特征区域是否超过特征区域的1/2。若遮挡区域超过特征区域的1/2，则放弃对该扎捆人民币的标注，若遮挡区域未超过特征区域的1/2，则根据该特征区域的具体比例大小调整标注框，确保该特征区域能够完全包含在标注框中，以此来确保训练效果。

步骤S103：根据所述特征区域以及所述特征区域在所述第一图像中的位置，确定所述待识别对象的特征值。

在本发明的一个实施例中，当所述待识别对象为流通货币时，所述特征值为所述流通货币的面额。当所述流通货币为人民币时，所述第二样本对象的特征区域包括：头像区域和国徽区域。当所述流通货币为硬币时，所述第二样本对象的特征区域包括：花型区域和国徽区域。

在本发明的一个实施例中，当所述待识别对象为人民币时，根据所述检测模型，确定所述第一图像中所述头像区域对应的第三数量和所述国徽区域对应的第四数量；确定所述第三数量和所述第四数量是否相同，如果否，根据所述第三数量和所述第四数量中的较大者对应的标签，确定所述待识别对象的特征值。

具体地，在远程盘库的场景下，由于人民币的头像区域和国徽区域均可能会存在被遮挡的情况，具体遮挡的数目需根据具体摆放情况确定。所以，在出现遮挡的前提下，盘库金额会不可避免的出现一定程度的误差，通过检测两种特征区域所得到的金额均会与实际金额有出入，即通过检测人民币头像和通过检测人民币国徽取得的检测结果与实际金额不符，此时规定将通过检测人民币头像取得的第三数量和检测人民币国徽取得的第四数量进行对比，将第三数量和第四数量中的较大值作为识别结果，即特征值。

例如，在某次远程盘库的操作中，经过检测模型对按照一定规则摆放的现金的检测，其识别结果如下：标签100_rmb_kun有6个；标签为100_ba_head有1个,标签为；100_ba_gh有1个；标签为50_ba_head有5个,标签为50_ba_gh有5个；标签为10_ba_head有4个,标签为10_ba_gh有3个；标签为5_ba_head有1个,标签为5_ba_gh有1个；标签为1_ba_head有8个；标签为；1_ba_gh有8个。根据标注规则，得到有6捆扎捆摆放的面值为100的人民币、1把扎把摆放的面值为100的且特征区域为头像的人民币、1把扎把摆放的面值为100的且特征区域为国徽的人民币、5把扎把摆放的面值为50的且特征区域为头像的人民币、5把扎把摆放的面值为50的且特征区域为国徽的人民币、4把扎把摆放的面值为10的且特征区域为头像的人民币、3把扎把摆放的面值为10的且特征区域为国徽的人民币、1把扎把摆放的面值为5的且特征区域为头像的人民币、1把扎把摆放的面值为5的且特征区域为国徽的人民币、8把扎把摆放的面值为1的且特征区域为头像的人民币、8把扎把摆放的面值为1的且特征区域为国徽的人民币。其中，以扎把方式放置的人民币在计算时在检测方式为头像和国徽中选取数量较大的一者，即扎把总金额＝100×100×max(1,1)+50×100×max(5,5)+10×100×max(4,3)+5×100×max(1,1)+1×100×max(6,6)＝10000+25000+4000+500+600＝40100。扎捆总金额＝100×1000×6＝600000。所以经检测模型识别后得到的总金额为扎把金额与扎捆金额的加和，即640100。

在本发明的一个实施例中，所述检测模型是基于YOLOv3模型训练得到的。其主要训练过程如下：采用卷积层从输入图像中提取特征序列，采用残差网络进行多尺度特征图做预测，在基本的图像特征提取方面，YOLOv3采用了称之为Darknet-53的网络结构(含有53个卷积层)，它借鉴了残差网络residual network的做法，在一些层之间设置了快捷链路(shortcut connections)。Darknet-53网络除去最后一个全连接层，总共52个卷积用于当做主体网络，主体网络被分成三个stage，结构类似FPN，1-26层卷积为stage1，27-43层卷积为stage2，44-52层卷积为stage3，低层卷积(26层)感受野更小，负责检测小目标，深层卷积(52层)感受野大，容易检测出大目标。

YOLOv3是一个全卷积网络，采用了大量的残差的跳层连接。这种结构能够保证网络结构在很深的情况下仍然可以收敛，使得检测模型分类、检测的效果大大提升。另外，残差中卷积的方式使得模型参数量和计算量得到减少。

在本发明的一个实施例中，根据历史交易信息，确定交易值；判断所述交易值与所述目标值的差值是否大于预设第三阈值，如果是，校验所述待识别对象的目标值，并根据校验结果，更新所述目标值或所述交易值。

具体地，如图3，在远程盘库的过程中，首先由网点员工将现金分别按照扎捆和扎把的方式并按照一定规则摆放整齐并拍照，调用预先训练好的检测模型对该图片进行识别，并将识别结果与系统记录金额作比较。如果二者的差值在规定范围内，则视作远程盘库操作完成；若二者差距较大，超出了规定的差错金额，则将该图片交由查库员进行登记，继续核查。

如图4所示，本发明实施例提供了一种识别的装置400，包括：获取模块401、识别模块402和确定模块403；其中，

所述获取模块，用于获取待识别对象的第一图像；

所述识别模块，用于利用预训练的检测模型，对所述第一图像的特征区域进行识别；

所述确定模块，用于根据所述特征区域以及所述特征区域在所述第一图像中的位置，确定所述待识别对象的特征值。

在本发明的一个实施例中，所述获取模块，用于获取多个样本对象的第二图像，并确定所述样本对象的类型；根据所述类型，对所述第二图像的特征区域进行标注；根据标注结果，对所述检测模型进行训练。

在本发明的一个实施例中，所述识别模块，用于根据所述待识别对象对应的类型，确定所述待识别对象对应的第一数量和/或第二数量；根据所述特征值以及所述待识别对象对应的第一数量和/或第二数量，确定所述待识别对象对应的目标值。

在本发明的一个实施例中，所述确定模块，用于根据历史交易信息，确定交易值；判断所述交易值与所述目标值的差值是否大于预设第三阈值，如果是，校验所述待识别对象的目标值，并根据校验结果，更新所述目标值或所述交易值。

本发明实施例还提供了一种服务器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一实施例提供的识别的方法。

本发明实施例还提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述任一实施例提供的识别的方法。

图5示出了可以应用本发明实施例的识别的方法或识别的装置的示例性系统架构500。

如图5所示，系统架构500可以包括终端设备501、502、503，网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备501、502、503通过网络504与服务器505交互，以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器505可以是提供各种服务的服务器，例如对用户利用终端设备501、502、503所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的识别的方法一般由服务器505执行，相应地，识别的装置一般设置于服务器505中。

应该理解，图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图6，其示出了适于用来实现本发明实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块、识别模块和确定模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“获取待识别对象的第一图像的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：获取待识别对象的第一图像；利用预训练的检测模型，对所述第一图像的特征区域进行识别；根据所述特征区域以及所述特征区域在所述第一图像中的位置，确定所述待识别对象的特征值。

根据本发明实施例的技术方案，本发明能够取代人工登记券别及数量的盘库清点方式，采用预先训练的检测模型自动识别流通货币的券别及数量，大大提高了盘库效率。另一方面，检测模型通过对流通货币不同特征区域的检测，大大提高了检测模型的识别准确率。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。