[發明專利]一種復雜場景下的二維碼檢測和校正方法

在審

• 申請號: 202010340631.3
• 申請日: 2020-04-26
• 公開（公告）號: CN111523342A
• 公開（公告）日: 2020-08-11
• 發明（設計）人: 王飛;劉小超
• 申請（專利權）人: 成都艾視特信息技術有限公司
• 主分類號: G06K7/14
• 分類號: G06K7/14;G06K9/62;G06N3/04
• 代理公司: 成都佳劃信知識產權代理有限公司 51266
• 代理人: 任遠高

本發明公開了一種復雜場景下的二維碼檢測和校正方法，主要解決目前二維碼識別相關算法在復雜場景中失效的問題。該算法使用局部HOG特征通過級聯的方式來檢測復雜場景中的二維碼，使用卷積神經網絡來進一步篩選及回歸二維碼中的定位點進而對二維碼進行精確定位及校正。通過上述算法，本方案能夠在復雜場景中快速且準確的定位以及校正二維碼，在移動支付、工業檢測、機器人二維碼導航等具有二維碼識別功能需求的領域內具有很高的實用價值和推廣價值。

技術領域

本發明涉及圖像檢測技術領域，尤其是一種復雜場景下的二維碼檢測和校正方法。

背景技術

二維碼作為日常生活中最為常見的一種編碼形式，其被廣泛應用于移動支付、信息獲取等等；目前，現有技術中常規的二維碼識別采用二值化處理，以得到圖像中二維碼的模式信息，進而根據圖像中的二維碼的模式信息確定二維碼的定位符，以實現二維碼的檢測定位。但是，二值化的識別效率較低、準確性較差，僅識別較為簡單的場景、其無法實現復雜環境下的二維碼準確定位檢測。定位到二維碼后在識別前需要對二維碼校準，目前常用的方法是根據定位點在圖像中黑白間隔比的比例來計算3個校正點，但是對于較為模糊、污損的二維碼很難正確校正。

另外，還有采用關鍵點進行檢測識別二維碼的，如專利申請號為“201911168409.3”、名稱為“基于關鍵點檢測的二維碼檢測系統及檢測方法”的中國發明專利，其包括圖像輸入模塊，用于輸入待檢測的二維碼圖像；圖像處理模塊，用于對所述二維碼圖像進行圖像處理，得到符合關鍵點檢測要求的待檢測圖像；二維碼檢測模塊，用于根據預設的姿態估計算法，對所述待檢測圖像進行二維碼區域檢測，得到所述待檢測圖像上的二維碼區域；二維碼識別模塊，用于對檢測得到的各所述二維碼區域進行二維碼識別并輸出所識別到的內容。但是，其采用關鍵點進行檢測，但是，其同樣存在關鍵點無法準確檢測的問題。

因此，急需要提出一種檢測準確、步驟簡便的復雜場景下的二維碼檢測和校正方法。

發明內容

針對上述問題，本發明的目的在于提供一種復雜場景下的二維碼檢測和校正方法，本發明采用的技術方案如下：

一種復雜場景下的二維碼檢測和校正方法，包括以下步驟：

獲取自然場景和支付場景下數幅二維碼圖像，使用二維碼識別算法對圖像中的二維碼進行位置及三個定位點的標記，并對未識別的圖像進行標記；

構建具有局部HOG特征的級聯的分類器；

將圖像分為訓練集和測試集，并從訓練樣本中獲取二維碼區域正樣本和非二維碼區域負樣本；利用學習區分二維碼區域正樣本和非二維碼區域負樣本的HOG特征；

利用學習得到的HOG特征對待檢測二維碼圖像進行窗口掃描，得到二維碼圖像中二維碼區域坐標；

構建由卷積層、pooling層或全連接層組成的定位點回歸網絡模型；對訓練集的二維碼圖像進行隨機旋轉、顏色變換、模糊、形變處理，以得到擴充的增強數據集；

將所述訓練集數據輸入至定位點回歸網絡模型，根據L1損失函數調整定位點回歸網絡模型的參數，以得到訓練后的網絡模型；并使用測試數據集合對精度進行測試；

加載訓練后的網絡模型，將測試集內的任一幅包含二維碼的圖像送入到網絡模型中，得到此圖像中二維碼圖對應的三個定位點坐標以及該二維碼的置信度；

利用三個定位點坐標計算仿射變換參數，對該二維碼圖像進行仿射變換校正。

優選地，所述分類器包括5層弱分類器，且第一層包含4個局部HOG特征，第二層弱分類器包含8個局部HOG特征，第三層弱分類器包含16個局部HOG特征，且其余層分類器包含32個局部HOG特征。

進一步地，所述定位點回歸網絡由卷積層、pooling層或全連接層組成的定位點回歸網絡模型，包括以下步驟：