基于颜色特征与模板匹配融合决策的智能硬币识别系统

摘要：随着智能视觉技术的发展，基于图像处理的自动识别系统在零售支付、自动售货、教育与实验装置等领域具有广泛的应用需求。传统的硬币识别方法依赖单一特征（如颜色或纹理），在光照变化、硬币磨损、拍摄角度不一致等复杂场景中容易出现识别不稳定的问题。为此，本文提出了一种基于 颜色特征与模板匹配融合决策 的智能硬币识别系统，并构建了一个具备完整交互功能的 PyQt5 可视化软件平台。

作者：Bob(原创)

项目概述

硬币自动识别在金融结算、自动售货、智能设备交互等场景中具有重要的应用价值。传统基于单一视觉特征的识别方法在复杂光照、不同背景材质以及硬币磨损等环境下易出现分类精度下降的问题。针对上述挑战，本文提出了一种基于 颜色特征与模板匹配融合决策 的硬币智能识别方法，并实现了一个集检测、分类与可视化交互于一体的 PyQt5 桌面系统。

在方法层面，本文首先利用高斯平滑与 Canny 算子对输入图像进行预处理，再通过 Hough 圆变换实现硬币区域的精确定位。在硬币分类阶段，采用基于 HSV 色彩空间的黄色像素比例进行初级分类，用以快速区分黄铜材质的 0.5 元硬币；随后，结合 TM_SQDIFF_NORMED 算法开展模板匹配，实现不同面额硬币的精细识别。为提升系统整体鲁棒性，本文构建了颜色识别结果与模板匹配结果的融合决策机制，有效缓解了光照不均、部分遮挡以及模板相似度波动带来的不稳定性。

在系统实现层面，本文基于 PyQt5 构建了具有良好交互性能的可视化系统，包括图像加载、检测执行、硬币定位与注释、识别结果表格化呈现、CSV 导出及标注图片保存等功能模块。此外，系统采用暗色主题界面设计，提升了可读性与用户体验。实验结果表明，本文方法能够在多种拍摄条件下对 0.1 元、0.5 元和 1 元硬币实现稳定识别，融合决策有效提高了识别精度和系统鲁棒性。

综上所述，本文提出的融合特征识别方法及其可视化系统具有良好的工程适用性，可为智能计费设备、人机交互系统及移动端硬币识别应用等场景提供技术参考。

系统设计

本系统采用模块化架构设计，围绕图像预处理、圆检测、特征识别、模板匹配、融合决策与可视化交互六个核心模块构建完整的智能硬币识别流程。

图1 系统整体流程图

硬件配置

该系统硬件配置如上，如果您的电脑配置低于下述规格，运行速度可能会与本系统的存在差异，请注意。

表1 惠普(HP)暗影精灵10台式整机配置(系统硬件配置)

软件环境

对本实验所需的各类软件及工具的基本信息进行了清晰汇总。

运行展示

运行coinsDetection.py

图2 界面初始化

系统在未加载图片时展示默认深色 UI 布局，提示用户先导入硬币图像以开始识别。

图3 识别结果展示

系统成功识别出 10 枚硬币并计算总金额，同时在表格中展示每枚硬币的半径、颜色比例、模板匹配分数以及融合面值等关键指标。

图4 CSV 导出成功提示化

系统完成硬币识别结果的 CSV 文件导出，并向用户弹出确认提示框确保操作成功。

图5 标注图片导出成功提示

系统将带有识别框与面值标注的硬币图成功导出，并通过弹窗提示用户操作已完成。