[發明專利]一種復雜環境下的QR碼檢測定位方法

在審

• 申請號: 201810065484.6
• 申請日: 2018-01-23
• 公開（公告）號: CN108241860A
• 公開（公告）日: 2018-07-03
• 發明（設計）人: 郭明錦;陳榮軍;謝舜道;朱雄泳
• 申請（專利權）人: 佛山市順德區中山大學研究院;廣東順德中山大學卡內基梅隆大學國際聯合研究院;中山大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 左恒峰

本發明公開了一種復雜環境下的QR碼檢測定位方法，通過第一卷積神經網絡判斷獲取到的圖片是否含有QR碼，若沒有，則可以停止識別以避免不必要的運算，若有，則隨機選取待檢測的圖片的任一局部塊送到第二卷積神經網絡中，當第二卷積神經網絡識別到該局部塊為QR碼區域，即代表隨機選取時命中了QR碼區域時，以該命中的QR碼區域為中心對其上下左右的局部塊進行識別，并不斷向外擴散，直至擴散到四個方向上都識別到背景區域時停止，并以此四個邊緣初步定位出QR碼區域，最后再檢測出尋位圖形，并通過透視變換矯正得到最終的QR碼，本發明的方法適用于復雜環境下的檢測定位，不僅檢測過程快速高效，還能減少不必要的流程，提高識別效率。

技術領域

本發明涉及QR二維碼檢測定位領域，特別是一種復雜環境下的QR碼檢測定位方法。

背景技術

隨著聊天工具的普及，移動支付也隨著發展起來，最顯而易見的就是各個商家的收銀臺處或者店里都貼著收款二維碼，用戶只需要掃描收款二維碼便會彈出收款頁面，完成支付即可，簡單方便，無需找零。

二維碼技術處于物聯網三層結構的最底層，是最重要的信息采集方式；二維碼在水平和垂直兩個方向上表達信息，具有高密度大容量、較強的容錯和加密功能、譯碼穩定可靠、低成本、制作簡單、持久耐用等優點，而QR碼是二維碼的一種常用類型，是快速響應碼(Quick Response Code)的簡稱，QR碼的檢測定位一般是基于QR碼標準中三個尋位圖形的比例特征進行定位，或者使用圖像處理中形態學運算的方法提取二維碼，但由于二維碼的應用場景復雜，涉及到很多領域，例如餐飲行業、娛樂場所、各種超市商店、菜市場、公交車等，若無法快速的識別二維碼，則有可能會造成人員擁堵或者影響到商家的正常營業等問題，所以如何能在復雜環境下快速準確的識別二維碼就成了一個急需解決的問題。

發明內容

為解決上述問題，本發明的目的在于提供一種復雜環境下的QR碼檢測定位方法，能在復雜環境下快速準確的識別出QR碼，為后續正確解碼提供保障。

本發明解決其問題所采用的技術方案是：

一種復雜環境下的QR碼檢測定位方法，包括以下步驟：

A、獲取圖片，并對圖片進行預處理；

B、訓練第一卷積神經網絡，將圖片整體送入已訓練好的第一卷積神經網絡中，第一卷積神經網絡判斷圖片是否含有QR碼或類似QR碼的圖形；

C、訓練第二卷積神經網絡，將含有QR碼或類似QR碼的圖形的待檢測圖片送入到已訓練好的第二卷積神經網絡中，以隨機命中的方式進行局部識別得到整個QR碼區域；

D、基于QR碼的三個尋位圖形的特征進行定位后得到最終的QR碼。

進一步，所述步驟A中獲取圖片，并對圖片進行預處理的具體步驟為：

A1、獲取圖片，將該圖片轉換成灰度圖像，采用局部自適應閥值方法將灰度圖像轉化為二值圖像；

A2、對二值圖像進行中值濾波以及去除噪聲。對圖片進行處理的目的是為了減少數據量以及提高圖片質量，以免由于多余的圖形信息干擾到后續步驟的檢測。

進一步，所述步驟B中訓練第一卷積神經網絡的具體步驟為：建立兩類數據集圖片，圖片中含有QR碼圖像和未含有QR碼圖形，以此數據集作為訓練集訓練第一卷積神經網絡。通過訓練卷積神經網絡來對圖片進行檢測識別，可以快速的識別出圖片是否含有QR碼。

進一步，所述步驟B第一卷積神經網絡判斷圖片是否含有QR碼或類似QR碼的圖形中，當第一卷積神經網絡判斷圖片整體中含有QR碼或類似QR碼的圖形時，執行下一步驟；若第一卷積神經網路判斷圖片整體中未含有QR碼或類似QR碼的圖形時，終止操作。若檢測到圖片未含有QR碼時，則停止操作以避免不必要的運算。