基于手机图像的人民币鉴伪方法的研究有助于维护人民币在国际上的声誉,保障我国金融安全,维护社会正常的经济秩序以及维护社会的稳定性,推进反假鉴伪工作,同时有助于人民币鉴伪在移动手机端的扩展,具有重要的研究意义和应用前景。本文基于手机人民币图像进行鉴伪技术研究与实现。具体工作如下:（1）建立了一个手机人民币图像真假数据集。通过对手机人民币图像鉴伪部位的分析,使用5种配置（三种手机四种分辨率,魅族16plus＿4032＿3024、小米8＿4032＿3024、小米8＿4032＿2268、荣耀v20＿4000＿3000、荣耀v20＿2992＿2992）对100元真假币的四个凹版印刷区域（国徽、中间100、梅花、衣领）进行数据采集。每种配置每种鉴伪区域的训练集真假样本各900张、验证集真假样本各300张、测试集真假样本各300张。（2）提出并实现了基于纹理特征和颜色加权的LR鉴伪方法。本文数据集由凹版印刷区组成,具有丰富的纹理特征,故而设计了基于GLCM纹理特征、GGCM纹理特征、GLCM纹理特征和颜色加权、GGCM纹理特征和颜色加权的LR四种鉴伪方法。它们都以共生矩阵的二阶统计量（ASM、CON、IDM和ENT）作为纹理特征,均以LR作为分类器,颜色加权通过1×1的卷积核实现。实验证明了仅使用GLCM或GGCM纹理特征的鉴伪方法准确率较低,增加颜色加权后准确率均有提高。（3）提出并实现了基于颜色加权和VGG16的人民币图像鉴伪方法。在基于通用深度卷积网络的人民币图像鉴伪方法中,使用四种经典网络（VGG16、Inception＿v3、Res Net50、Dense Net＿121）进行实验分析。实验证明了卷积神经网络作为特征提取器的鉴伪性能优于使用纹理特征的鉴伪模型;VGG16的block5作为特征提取器时鉴伪性能最高,故而后期提出了基于颜色加权和VGG16的人民币鉴伪方法。实验证明了颜色加权有助于基于VGG16构建的人民币鉴伪方法鉴伪性能的提高。（4）提出并实现了基于颜色加权和VGG16构建的BCNN的人民币图像鉴伪方法。基于VGG16构建的BCNN鉴伪方法、基于颜色加权和VGG16构建的BCNN方法的两种方法均是用一路VGG16模拟两路从而构建BCNN,颜色加权通过在输入层之后紧接形状为[1,1,3,3]的卷积层实现。实验证明了BCNN鉴伪模型在各种二分类指标上全面优于通用卷积神经网络;颜色加权同样有利于鉴伪性能提高。（5）实现了手机人民币图像鉴伪模型在移动手机端的移植。通过谷歌开源的keras框架将鉴伪模型量化为安卓系统可以调用的轻量化模型。