[發明專利]二維碼的識別方法及裝置

在審

• 申請號: 202010530228.7
• 申請日: 2020-06-11
• 公開（公告）號: CN111860027A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 路浩南
• 申請（專利權）人: 貝殼技術有限公司
• 主分類號: G06K7/14
• 分類號: G06K7/14;G06N3/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 楊云云

本發明實施例提供一種二維碼的識別方法及裝置，其中方法包括：將具有二維碼的待識別圖案輸入預先訓練的神經網絡模型，獲得所述神經網絡模型輸出的待識別圖案中像素點位于二維碼中的概率；根據所述像素點位于二維碼中的概率，獲得位于二維碼中的像素點，計算所述位于二維碼中的像素點的最小外接矩形，以獲得所述待識別圖案中的識別框；識別所述識別框框出的二維碼，獲得二維碼識別結果。本發明實施例通過優化AdvancedEAST模型預測回歸頂點坐標的方式，使得原本應用于文字檢測，特別是長文本檢測的AdvancedEAST模型能夠準確識別正方形圖案，從而增強二維碼識別的魯棒性和準確率。

技術領域

本發明涉及圖像處理技術領域，更具體地，涉及二維碼的識別方法及裝置。

背景技術

二維碼又稱二維條碼，常見的二維碼為QR Code，QR全稱Quick Response，是一個近幾年來移動設備上超流行的一種編碼方式，它比傳統的Bar Code條形碼能存更多的信息，也能表示更多的數據類型，因此被應用于信息獲取、移動支付等場景中。

目前大部分二維碼檢測識別方法都是基于傳統圖像學和形態學的，這些方法是具有一定局限性的，例如只能識別黑白、高分辨率等特定的二維碼。

發明內容

本發明實施例提供一種克服上述問題或者至少部分地解決上述問題的二維碼的識別方法及裝置。

第一個方面，本發明實施例提供一種二維碼的識別方法，包括：

將具有二維碼的待識別圖案輸入預先訓練的神經網絡模型，獲得所述神經網絡模型輸出的待識別圖案中像素點位于二維碼中的概率；

根據所述像素點位于二維碼中的概率，獲得位于二維碼中的像素點，計算所述位于二維碼中的所有像素點的最小外接矩形，以獲得所述待識別圖案中的識別框；

識別所述識別框框出的二維碼，獲得二維碼識別結果；

其中，所述神經網絡模型為改進的AdvancedEAST模型，所述改進的AdvancedEAST模型以具有二維碼的樣本圖案作為標簽，以樣本圖案中像素是否位于二維碼中的標記結果作為樣本標簽；

所述改進的AdvancedEAST模型訓練時計算的損失僅為score map參數的損失；所述score map參數用于表征像素點位于識別框內的概率。

進一步地，所述改進的AdvancedEAST模型的感受野為40～55。

進一步地，所述改進的AdvancedEAST模型的訓練方法包括：

對所述改進的AdvancedEAST模型的超參數進行設置，獲得多組具有不同的超參數組合的待訓練的AdvancedEAST模型；

根據多組待訓練的AdvancedEAST模型的訓練效果，確定具有最優超參數組合的AdvancedEAST模型。

進一步地，所述超參數包括但不限于batch_size批尺寸、pixel_threshold內部點閾值、side_vertex_pixel_threshold內部頭尾點的閾值和trunc_threshold頭尾點取值范圍。

進一步地，所述訓練效果以預測的識別框邊框和真實的識別框的交集和并集間的比值進行表征。

進一步地，所述根據所述像素點位于二維碼中的概率，獲得位于二維碼中的像素點，計算所述位于識別框內的像素點的最小外接矩形，以獲得所述待識別圖案中的識別框，具體為：

將概率大于預設閾值的像素點作為位于二維碼中的像素點；

確定包含所述二維碼中的像素點的最小外接矩形，將所述最小外接矩形作為所述識別框。