[發明專利]一種目標碼定位方法、裝置、電子設備及存儲介質

有效

• 申請號: 202010517844.9
• 申請日: 2020-06-09
• 公開（公告）號: CN111680680B
• 公開（公告）日: 2023-10-13
• 發明（設計）人: 張發恩;楊帥
• 申請（專利權）人: 創新奇智（合肥）科技有限公司
• 主分類號: G06V30/146
• 分類號: G06V30/146;G06V30/14;G06V30/18;G06V30/19;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 北京超凡宏宇知識產權代理有限公司 11463
• 代理人: 蔣姍

1.一種目標碼定位方法，其特征在于，包括：

獲取包含目標碼的原始圖像；

將所述原始圖像輸入到預先訓練好的基于深度學習的特征提取網絡，輸出所述目標碼的坐標位置，所述坐標位置包括所述目標碼所在區域的中心點橫坐標、中心點縱坐標、寬、高以及旋轉角度。

2.根據權利要求1所述的方法，其特征在于，所述特征提取網絡包括：順次連接的特征提取層、區域預測層和預測區域分類層；將所述原始圖像輸入到預先訓練好的基于深度學習的特征提取網絡，輸出所述目標碼的坐標位置，包括：

將所述原始圖像輸入到所述特征提取層，利用所述特征提取層從所述原始圖像中提取出目標碼特征，得到特征圖；

利用所述區域預測層在所述特征圖上對所述目標碼所在的區域進行預測，生成至少一個錨點框；

利用所述預測區域分類層對所述至少一個錨點框中的每個錨點框的類別進行識別，并將類別為所述目標碼的錨點框在所述特征圖上的坐標映射回所述原始圖像，得到所述目標碼的坐標位置。

3.根據權利要求2所述的方法，其特征在于，在利用所述區域預測層在所述特征圖上對所述目標碼所在的區域進行預測，生成至少一個錨點框之后，所述方法還包括:

利用所述區域預測層對所述至少一個錨點框中的每個錨點框的參數進行回歸，其中，每個錨點框的參數包括該錨點框的中心點橫坐標、中心點縱坐標、寬、高以及旋轉角度；

相應地，利用所述預測區域分類層對所述至少一個錨點框中的每個錨點框的類別進行識別，包括：

利用所述預測區域分類層對參數回歸后的所述至少一個錨點框中的每個錨點框的類別進行識別。

4.根據權利要求2所述的方法，其特征在于，利用所述預測區域分類層對所述至少一個錨點框中的每個錨點框的類別進行識別，并將類別為所述目標碼的錨點框在所述特征圖上的坐標映射回原始圖像，得到所述目標碼的坐標位置，包括：

利用所述預測區域分類層對所述至少一個錨點框中的每個錨點框的參數進行精確回歸，以及對所述至少一個錨點框中的每個錨點框的類別進行識別，并將類別為所述目標碼的錨點框在所述特征圖上的坐標映射回原始圖像，得到所述目標碼的坐標位置。

5.根據權利要求2所述的方法，其特征在于，利用所述預測區域分類層對所述至少一個錨點框中的每個錨點框的類別進行識別，并將類別為所述目標碼的錨點框在所述特征圖上的坐標映射回原始圖像，得到所述目標碼的坐標位置，包括：

利用所述預測區域分類層對所述至少一個錨點框中的每個錨點框的參數進行精確回歸，并對參數回歸后的每個錨點框的類別進行識別，將類別為所述目標碼的錨點框在所述特征圖上的坐標映射回原始圖像，得到所述目標碼的坐標位置。

6.根據權利要求1所述的方法，其特征在于，獲取包含目標碼的原始圖像，包括：

獲取包含一維碼的原始圖像。

7.根據權利要求1-6任一項所述的方法，其特征在于，在將所述原始圖像輸入到預先訓練好的基于深度學習的特征提取網絡，輸出所述目標碼的坐標位置之前，所述方法還包括：

獲取多個包含目標碼的原始圖像；

將獲取的多個原始圖像組建訓練樣本集，對所述訓練樣本集中的每張原始圖像進行標記，框出多個區域，并標注每個區域的類別，作為標簽文件，其中，每張原始圖像上框出的多個區域包括目標碼所在區域和背景區域；

利用所述訓練樣本集對基于深度學習的特征提取網絡進行訓練，得到訓練好的特征提取網絡。

8.一種目標碼定位裝置，其特征在于，包括：

獲取模塊，用于獲取包含目標碼的原始圖像；

處理模塊，用于將所述原始圖像輸入到預先訓練好的基于深度學習的特征提取網絡，輸出所述目標碼的坐標位置，所述坐標位置包括所述目標碼所在區域的中心點橫坐標、中心點縱坐標、寬、高以及旋轉角度。