CN108256608A - 一种二维图像码及其识别方法和设备 - Google Patents
一种二维图像码及其识别方法和设备 Download PDFInfo
- Publication number
- CN108256608A CN108256608A CN201710153416.0A CN201710153416A CN108256608A CN 108256608 A CN108256608 A CN 108256608A CN 201710153416 A CN201710153416 A CN 201710153416A CN 108256608 A CN108256608 A CN 108256608A
- Authority
- CN
- China
- Prior art keywords
- code
- dimensional image
- area
- image
- serial number
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06037—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking multi-dimensional coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06046—Constructional details
- G06K19/06103—Constructional details the marking being embedded in a human recognizable image, e.g. a company logo with an embedded two-dimensional code
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
- G06K7/1417—2D bar codes
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Character Discrimination (AREA)
Abstract
本申请的目的是提供一种二维图像码及其识别方法及设备，通过在服务器端先接收用户设备上传的待识别的二维图像码，从所述二维图像码中识别位置探测块；接着从所述位置探测块所确定二维图像码中分别提取图形图像区域和序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；然后将与所述图形图像区域和序列号区域对应的匹配结果发送给所述用户设备。实现了从二维图像码中的图形图像区域和序列号区域进行肉眼能够识别的双重识别，来得到对应的匹配结果，不仅保证了得到的匹配结果的唯一性，还使得经过肉眼识别得到的匹配结果更安全可靠，避免了非法用户对图形图像区域的替换或修改。
Description
技术领域
本申请涉及计算机领域，尤其涉及一种二维图像码及其识别方法及设备。
背景技术
现有技术中，二维码的图样如图1所示，通过黑白相间的图形记录数据符号信息，由于现有技术中的二维码的图样短时间无法被人眼(脑)直接理解或者提取其中的信息，需要借助电子设备及相应识别软件解码才能提取其中包含的文本、符号信息，因此，现有技术中的二维码容易被非法用户进行非法的替换或者造假，导致用户不能及时察觉并识别出，进而被非法用户进行使用。
发明内容
本申请的一个目的是提供一种二维图像码及其识别方法及设备，解决现有技术中的二维码不易被人眼识别和提取其中的信息及易被非法替换造假的问题。
根据本申请的一个方面，提供了一种二维图像码，其中，包括：
位置探测块，所述位置探测块确定二维图像码区域；
所述二维图像码区域包括图形图像区域和序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像。
进一步地，上述二维图像码中，所述图形图像区域包括由标记、符号、文字、商标和图像中的一种或任意组合所形成的二维图像。
进一步地，上述二维图像码中，所述序列号区域包括由标记、符号和文字中的一种或任意组合所形成的二维图像。
进一步地，上述二维图像码中，所述文字包括字母和/或数字。
进一步地，上述二维图像码中，所述位置探测块包括框环和设置于所述框环内的点状图形。
根据本申请的另一方面，还提供了一种在服务器端的二维图像码识别方法，其中，所述方法包括：
接收用户设备上传的待识别的二维图像码，从所述二维图像码中识别位置探测块；
从所述位置探测块所确定的二维图像码中分别提取图形图像区域和序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；
将与所述图形图像区域和序列号区域对应的匹配结果发送给所述用户设备。
进一步地，上述识别方法中，所述图形图像区域包括由标记、符号、文字、商标和图像中的一种或任意组合所形成的二维图像。
进一步地，上述识别方法中，所述序列号区域包括由标记、符号和文字中的一种或任意组合所形成的二维图像。
进一步地，上述识别方法中，所述文字包括字母和/或数字。
进一步地，上述识别方法中，所述位置探测块包括框环和设置于所述框环内的点状图形。
进一步地，上述识别方法中，将与所述图形图像区域和序列号区域对应的匹配结果发送给所述用户设备，包括：
将所述图形图像区域转换成特征码；
将所述序列号区域转换成文本形式的序列号；
将与所述特征码和文本形式的序列号对应的匹配结果发送给所述用户设备。
进一步地，上述识别方法中，将与所述特征码和文本形式的序列号对应的匹配结果发送给所述用户设备，包括：
将所述特征码与样本特征码进行比对，将所述文本形式的序列号与样本序列号进行比对，得到匹配的样本特征码和样本序列号，将与所述匹配的样本特征码和样本序列号对应的匹配结果发送给所述用户设备。
进一步地，上述识别方法中，将所述特征码与样本特征码进行比对，将所述文本形式的序列号与样本序列号进行比对，得到匹配的样本特征码和样本序列号，包括：
计算所述特征码与样本特征码的相似度；
计算所述文本形式的序列号与样本序列号的相似度；
将相似度大于预设阈值的样本特征码和样本序列号作为匹配的样本特征码和样本序列号。
进一步地，上述识别方法中，将所述图形图像区域转换成特征码，包括：
基于预设的卷积神经网络模型将所述图形图像区域转换成特征码。
进一步地，上述识别方法中，将所述序列号区域转换成文本形式的序列号，包括：
基于预设的光学字符识别模型将所述序列号区域转换成文本形式的序列号。
根据本申请的另一方面，还提供了一种在服务器端的二维图像码注册方法，其中，所述方法包括：
接收用户设备发送的图形图像，判断所述图形图像是否已注册，
若未注册，则为所述图形图像分配对应文本形式的序列号，基于所述图形图像生成对应的图形图像区域，基于所述文本形式的序列号生成对应的序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；
生成位置探测块，将所述位置探测块、图形图像区域和序列号区域组合成二维图像码，其中，所述图形图像区域和序列号区域位于所述位置探测块确定的区域内；
向所述用户设备发送生成的二维图像码。
进一步地，上述注册方法中，判断所述图形图像是否已注册之后，还包括：
若已注册，则向所述用户设备发送对应的二维图像码。
进一步地，上述注册方法中，所述图形图像区域包括由标记、符号、文字、商标和图像中的一种或任意组合所形成的二维图像。
进一步地，上述注册方法中，所述序列号区域包括由标记、符号和文字中的一种或任意组合所形成的二维图像。
进一步地，上述注册方法中，所述文字包括字母和/或数字。
进一步地，上述注册方法中，所述位置探测块包括框环和设置于所述框环内的点状图形。
进一步地，上述注册方法中，判断所述图形图像是否已注册，包括：
将所述图形图像转换成特征码；
基于所述特征码判断所述图形图像是否已注册。
进一步地，上述注册方法中，基于所述特征码判断所述图形图像是否已注册，包括：
将所述特征码与样本特征码进行比对，基于所述比对结果判断所述图形图像是否已注册。
进一步地，上述注册方法中，将所述特征码与样本特征码进行比对，基于所述比对结果判断所述图形图像是否已注册，包括：
计算所述特征码与样本特征码的相似度；
若所述特征码与样本特征码的相似度大于预设阈值，则判断所述图形图像已注册。
进一步地，上述注册方法中，将所述图形图像转换成特征码，包括：
基于预设的卷积神经网络模型将所述图形图像转换成特征码。
根据本申请的另一方面，还提供了一种用于二维图像码识别的服务器，其中，所述服务器包括：
二维图像码接收装置，用于接收用户设备上传的待识别的二维图像码，从所述二维图像码中识别位置探测块；
提取装置，用于从所述位置探测块所确定的二维图像码中分别提取图形图像区域和序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；
匹配结果发送装置，用于将与所述图形图像区域和序列号区域对应的匹配结果发送给所述用户设备。
进一步地，上述服务器中，所述图形图像区域包括由标记、符号、文字、商标和图像中的一种或任意组合所形成的二维图像。
进一步地，上述服务器中，所述序列号区域包括由标记、符号和文字中的一种或任意组合所形成的二维图像。
进一步地，上述服务器中，所述文字包括字母和/或数字。
进一步地，上述服务器中，所述位置探测块包括框环和设置于所述框环内的点状图形。
进一步地，上述服务器中，所述匹配结果发送装置用于：
将所述图形图像区域转换成特征码；
将所述序列号区域转换成文本形式的序列号；
将与所述特征码和文本形式的序列号对应的匹配结果发送给所述用户设备。
进一步地，上述服务器中，所述匹配结果发送装置用于：
将所述特征码与样本特征码进行比对，将所述文本形式的序列号与样本序列号进行比对，得到匹配的样本特征码和样本序列号，将与所述匹配的样本特征码和样本序列号对应的匹配结果发送给所述用户设备。
进一步地，上述服务器中，所述匹配结果发送装置用于：
计算所述特征码与样本特征码的相似度；
计算所述文本形式的序列号与样本序列号的相似度；
将相似度大于预设阈值的样本特征码和样本序列号作为匹配的样本特征码和样本序列号。
进一步地，上述服务器中，所述匹配结果发送装置用于：
基于预设的卷积神经网络模型将所述图形图像区域转换成特征码。
进一步地，上述服务器中，所述匹配结果发送装置用于：
基于预设的光学字符识别模型将所述序列号区域转换成文本形式的序列号。
根据本申请的另一方面，还提供了一种用于二维图像码注册的服务器，其中，所述服务器包括：
判断装置，用于接收用户设备发送的图形图像，判断所述图形图像是否已注册，
生成装置，用于若未注册，则为所述图形图像分配对应文本形式的序列号，基于所述图形图像生成对应的图形图像区域，基于所述文本形式的序列号生成对应的序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；
合成装置，用于生成位置探测块，将所述位置探测块、图形图像区域和序列号区域组合成二维图像码，其中，所述图形图像区域和序列号区域位于所述位置探测块确定的区域内；
二维图像码发送装置，用于向所述用户设备发送生成的二维图像码。
进一步地，上述服务器中，所述判断装置还用于：
若已注册，则向所述用户设备发送对应的二维图像码。
进一步地，上述服务器中，所述图形图像区域包括由标记、符号、文字、商标和图像中的一种或任意组合所形成的二维图像。
进一步地，上述服务器中，所述序列号区域包括由标记、符号和文字中的一种或任意组合所形成的二维图像。
进一步地，上述服务器中，所述文字包括字母和/或数字。
进一步地，上述服务器中，所述位置探测块包括框环和设置于所述框环内的点状图形。
进一步地，上述服务器中，所述判断装置用于：
将所述图形图像转换成特征码；
基于所述特征码判断所述图形图像是否已注册。
进一步地，上述服务器中，所述判断装置用于：
将所述特征码与样本特征码进行比对，基于所述比对结果判断所述图形图像是否已注册。
进一步地，上述服务器中，所述判断装置用于：
计算所述特征码与样本特征码的相似度；
若所述特征码与样本特征码的相似度大于预设阈值，则判断所述图形图像已注册。
进一步地，上述服务器中，所述判断装置用于：
基于预设的卷积神经网络模型将所述图形图像转换成特征码。
根据本申请的另一方面，还提供了一种基于计算的设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
接收用户设备上传的待识别的二维图像码，从所述二维图像码中识别位置探测块；
从所述位置探测块所确定的二维图像码中分别提取图形图像区域和序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；
将与所述图形图像区域和序列号区域对应的匹配结果发送给所述用户设备。
根据本申请的另一方面，还提供了一种基于计算的设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
接收用户设备发送的图形图像，判断所述图形图像是否已注册，
若未注册，则为所述图形图像分配对应文本形式的序列号，基于所述图形图像生成对应的图形图像区域，基于所述文本形式的序列号生成对应的序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；
生成位置探测块，将所述位置探测块、图形图像区域和序列号区域组合成二维图像码，其中，所述图形图像区域和序列号区域位于所述位置探测块确定的区域内；
向所述用户设备发送生成的二维图像码。
与现有技术相比，本申请通过提供了一种二维图像码，该二维图像码包括：位置探测块，所述位置探测块确定二维图像码区域；所述二维图像码区域包括图形图像区域和序列号区域，其中，所述图形图像区域为肉眼可识别的二维图像和序列号区域均为肉眼可识别的二维图像。以便在服务器端实现对图形图像区域和序列号区域的双重识别验证，由于该二维图像码上融合了图形图像区域中的图像相关的信息和序列号区域中的文本形式相关的信息，进而提升了二维图像码的鲁棒性和安全性。
进一步地，本申请通过在服务器端先接收用户设备上传的待识别的二维图像码，从所述二维图像码中识别位置探测块；接着从所述位置探测块所确定二维图像码中分别提取图形图像区域和序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；然后将与所述图形图像区域和序列号区域对应的匹配结果发送给所述用户设备。实现了在服务器端从二维图像码中的图形图像区域和序列号区域进行的双重识别验证，来得到对应的匹配结果，使得基于上述双重识别验证得到的匹配结果更精确匹配和唯一，进而避免了非法用户对图形图像区域的替换或修改。
进一步的，本申请通过在服务器端先接收用户设备发送的图形图像，判断所述图形图像是否已注册，若未注册，则为所述图形图像分配对应文本形式的序列号，基于所述图形图像生成对应的图形图像区域，基于所述文本形式的序列号生成对应的序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；生成位置探测块，将所述位置探测块、图形图像区域和序列号区域组合成二维图像码，其中，所述图形图像区域和序列号区域位于所述位置探测块确定的区域内；向所述用户设备发送生成的二维图像码。实现了基于接收的用户设备发送的图形图像，在服务器端对二维图像码进行注册的过程，使得注册得到的二维图像码更具有健壮性和唯一性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1示出现有方案中的一种二维码结构示意图；
图2示出根据本申请一个方面的一种二维图像码的结构示意图；
图3示出根据本申请一个方面的一种实际应用场景中的二维图像码的结构示意图；
图4示出根据本申请另一个方面的一种二维图像码识别方法的系统流程示意图；
图5示出根据本申请另一个方面的一种在服务器端的二维图像码注册方法流程图；
图6示出根据本申请的另一个方面的一种二维图像码识别的服务器的结构模块图；
图7示出根据本申请的另一个方面的一种二维图像码注册的服务器的结构模块图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本申请作进一步详细描述。
在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
图2示出本申请提供的一种二维图像码，该二维图像码包括：位置探测块21，所述位置探测块21确定二维图像码区域；其中，位于该二维图像码的四个角落的位置探测块21包括框环和设置于该框环内的点状图形(例如方形点状图形)，用于对该二维图像码进行快速检测和校正；所述二维图像码区域包括图形图像区域22和序列号区域23，其中，位于所述二维图像码的中心区域的所述图形图像区域22和位于所述二维图像码的底部区域的序列号区域23均为肉眼可识别的二维图像。此处的肉眼可识别是指容易被人眼(或脑)感性直观地理解和认知的，避免了现有技术中的二维码不容易被人眼或脑直接识别或理解的缺点，进而避免了非法用户对二维码的替换或修改。采用本申请的实施例中的包含有图形图像区域22和序列号区域23的二维图像码，实现了在服务器端对二维图像码中的图形图像区域22和序列号区域23进行识别二维图像码的双重识别验证，由于该二维图像码上融合了图形图像区域中的图像相关的信息和序列号区域中的文本形式相关的信息，进而提升了二维图像码的鲁棒性和安全性。
需要说明的是，本申请实施例中的所述位置探测块可以是包括框环和设置于所述框环内的点状图形。当然，本领域的技术人员应能理解，其他现有的或今后可能出现的组成所述位置探测块的结构如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。
本申请的一实施例中，该二维图像码中的所述图形图像区域22用于指示二维图像码的图像方面的信息，可被人眼(或脑)感性直观地理解和认知，故该图形图像区域22可以包括由标记、符号、文字、商标和图像中的一种或任意组合所形成的二维图像，其中，例如该商标可以是A公司的水杯商标如图3中所示；该二维图像码中的所述序列号区域23用于指示包含二维图像码唯一的序列号的区域，可被人眼(或脑)感性直观地理解和认知，故该序列号区域23可以包括由标记、符号和文字中的一种或任意组合所形成的二维图像，其中，该二维图像中的文字可以包括字母和/或数字，例如，图2中所示的序列号区域23由包含有序列号“1234567890123456”所形成的二维图像。通过用于唯一指示二维图像码的序列号区域23中包含的序列号，与图形图像区域22在图像方面的信息上构成识别互补，提升了本申请的实施例中提供的二维图像码的鲁棒性和安全性。
根据本申请的另一个方面的一种二维图像码识别方法，该识别方法应用于图像识别过程中的服务器端，该识别方法包括步骤S11、步骤S12和步骤S13，如图4所示，其中，所述步骤S11，接收用户设备上传的待识别的二维图像码，从所述二维图像码中识别位置探测块；其中，该位置探测块设置于二维图像码的四个角落，包括框环和设置于该框环内的点状图形(例如方形点状图形)，用于对该二维图像码进行快速检测和校正；接着所述步骤S12，从所述位置探测块所确定的二维图像码中分别提取图形图像区域和序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；此处的肉眼可识别用于指示容易被人眼(或脑)感性直观地理解和认知的；然后所述步骤S13，将与所述图形图像区域和序列号区域对应的匹配结果(例如匹配的二维图像码对应的链接或网址等)发送给所述用户设备。实现了在服务器端从二维图像码中的图形图像区域和序列号区域这两个方面进行的双重识别验证，来得到对应的匹配结果，使得基于上述双重识别验证得到的匹配结果更加精确匹配和唯一，进而避免了非法用户对图形图像区域的替换或修改。
需要说明的是，本申请实施例中的所述位置探测块可以是包括框环和设置于所述框环内的点状图形。当然，本领域的技术人员应能理解，其他现有的或今后可能出现的组成所述位置探测块的结构如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。
接着本申请的上述实施例，所述待识别的二维图像码中的所述图形图像区域用于指示该二维图像码的图像方面的信息，可被人眼(或脑)感性直观地理解和认知，故该图形图像区域可以包括由标记、符号、文字、商标和图像中的一种或任意组合所形成的二维图像；该待识别的二维图像码中的所述序列号区域用于指示包含二维图像码唯一的序列号的区域，可被人眼(或脑)感性直观地理解和认知，故该序列号区域可以包括由标记、符号和文字中的一种或任意组合所形成的二维图像，其中，该二维图像中的文字可以包括字母和/或数字，例如，图2中所示的序列号区域由包含有序列号“1234567890123456”所形成的二维图像。通过用于唯一指示二维图像码的序列号区域23中包含的序列号，与图形图像区域22在图像方面的信息上构成识别互补，提升了本申请的实施例中提供的二维图像码的鲁棒性和安全性。
本申请的实施例中，在服务器端接收用户设备上传的待识别的二维图像码之前，如图4所示，图像识别过程中的用户设备(例如，智能移动设备、智能扫码设备及智能识别设备等)通过步骤S31在实际应用场景中打开识别应用程序来获取图像或者视频；接着，该用户设备在所述步骤S32中根据被扫描的摄像拍摄画面中的位置探测块，来检测拍摄画面中是否包含本申请的上述实施例中的二维图像码，若有的话，则所述步骤S33将待识别的二维图像码从拍摄画面中切割出来，得到待识别的所述二维图像码，并在所述步骤S34中将该待识别的二维图像码压缩之后，上传至图像识别过程中的服务器端以进行识别；若没有的话，则重新调整拍摄画面或拍摄角度以将待识别的二维图像码扫描至拍摄画面中。
接着本申请的上述实施例，在服务器端中的所述步骤S11接收到用户设备上传的待识别的二维图像码之后，因为所述待识别的二维图像码在用户设备端经过压缩之后才上传的，故在接收到该待识别的二维图像码之后，先解压缩，然后从该待识别的二维图像码中识别出位置探测块；接着所述步骤S12从该位置探测块所确定二维图像码中提取出图形图像区域和序列号区域；之后，所述步骤S13包括：将所述图形图像区域转换成特征码(例如，特征码为320个浮点向量等)，同时将所述序列号区域转换成文本形式的序列号，之后将与所述特征码和文本形式的序列号对应的匹配结果(例如匹配的二维图像码对应的链接或网址等)发送给所述用户设备，实现了从图形图像区域转换之后的特征码和序列号区域转换之后的文本形式的序列号这两个方面，服务器基于服务器本地的注册数据库对所述待识别的二维图像码进行识别匹配，保证了得到的与所述待识别的二维图像码对应的匹配结果更加安全可靠且精确度更高。
需要说明的是，此处的特征码既可以包括是图像形式的特征码，也可以是字符形式的特征码，还可以是文本形式(例如序列号)的特征码。本申请中的一优选实施例中采用的是图像形式的特征码。当然，本领域的技术人员应能理解，其他现有的或今后可能出现的所述特征码如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。接着本申请的上述实施例，如图4所示在所述步骤S13中的将所述图形图像区域转换成特征码，包括：基于预设的卷积神经网络模型(Convolutional Neural Networks模型，CNN模型)将所述图形图像区域转换成特征码，例如，基于预先训练好的CNN模型将图形图像区域转换为包含有320个浮点向量的特征码；同时，所述步骤S13中的将所述序列号区域转换成文本形式的序列号，包括：基于预设的光学字符识别模型(Optical CharacterRecognition模型，OCR模型)将所述序列号区域转换成文本形式的序列号，例如将图2中的序列号区域转换为文本形式的序列号“1234567890123456”；之后将与所述特征码(例如320个浮点向量)和文本形式的序列号“1234567890123456”对应的匹配结果发送给所述用户设备。实现了从待识别的二维图像码中的图形图像区域对应的特征码和和序列号区域对应的文本形式的序列号这两方面，来对该二维图像码进行双重匹配识别，得到满足来得到对应的匹配结果，不仅保证了得到的匹配结果的准确性和唯一性，还使得经过上述特征码和文本形式的序列号进行的双重验证后得到的匹配结果更安全可靠，避免了非法用户对图形图像区域的替换或修改。
需要说明的是，所述CNN模型受视觉神经机制的启发而设计训练的，主要用于识别二维或三维信号而设计的一个多层感知器。其中，所述CNN模型的基本结构包括两种神经元层，分别为卷积层和池化层，所述卷积层中每个神经元的输入与前一层的部分神经元相连，并提取该部分神经元的特征；所述池化层用来求该部分神经元的敏感性与二次特征提取的计算层。通过卷积层和池化层这两次的特征提取的结构减小了特征分辨率，减少了需要优化的参数数目。又由于CNN模型所具有的特殊的网络结构，对平移、缩放、倾斜等变形具有高度不变性，使得该CNN模型主要用来识别位移、缩放及其他形式扭曲不变性的二维或三维图像。
需要说明的是，所述OCR模型用于指示电子设备(例如扫描仪或数码相机)检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。
进一步地，所述步骤S13中的将与所述特征码和文本形式的序列号对应的匹配结果发送给所述用户设备，包括：
将所述特征码与样本特征码进行比对，将所述文本形式的序列号与样本序列号进行比对，得到匹配的样本特征码和样本序列号，将与所述匹配的样本特征码和样本序列号对应的匹配结果发送给所述用户设备。
接着本申请的上述实施例，所述步骤S13将所述特征码(例如320个浮点向量)与服务器端的本地的注册数据库中的样本特征码进行比对，同时也将所述文本形式的序列号“1234567890123456”与服务器端的本地的注册数据库中的样本序列号进行比对，得到匹配的样本特征码和样本序列号，将与所述匹配的样本特征码和样本序列号对应的匹配结果(例如，链接)发送给对应的用户设备，其中，该匹配结果可以是基于特征码和序列号得到的综合两个维度得到的匹配结果，亦可以是特征码和序列号分别得到的匹配结果的组合。进而实现了从特征码和序列号这两个方面，在服务器端的本地的注册数据库中进行比对，得到综合这两个方面的比对，得到匹配的二维图像码，并将二维图像码对应的匹配结果(例如，链接)发送给用户设备，进而实现对待识别的二维图像码的识别匹配。
接着本申请的上述实施例，为了得到更加精确的匹配结果，所述步骤13中的将所述特征码与样本特征码进行比对，将所述文本形式的序列号与样本序列号进行比对，得到匹配的样本特征码和样本序列号，包括：
计算所述特征码与样本特征码的相似度；
计算所述文本形式的序列号与样本序列号的相似度；
将相似度大于预设阈值的样本特征码和样本序列号作为匹配的样本特征码和样本序列号。
需要说明的是，计算所述特征码与样本特征码的相似度和计算所述文本形式的序列号与样本序列号的相似度，均可以采用相似度算法来进行计算，例如余弦(cosine)距离算法，欧几里得距离(Euclidean Distance)算法以及曼哈顿距离(Manhattan Distance)算法等。当然，本领域的技术人员应能理解，其他现有的或今后可能出现的用于计算所述特征码与样本特征码的相似度和计算所述文本形式的序列号与样本序列号的相似度的算法如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。
例如，在所述步骤S13中整合经过转换得到的特征码(例如320个浮点向量)和OCR模型识别出的文本形式的序列号“1234567890123456”，将特征码与服务器端的本地的注册数据库中的样本特征码进行比对，该处的比对通过计算特征码与注册数据库中的样本特征码的相似度，得到特征码对应的相似度P1；同时将所述文本形式的序列号“1234567890123456”与注册数据库中的样本序列号进行比对，该处的比对通过计算所述文本形式的序列号“1234567890123456”与注册数据库中的样本序列号的相似度，得到文本形式的序列号对应的相似度P2；接着将相似度P1大于特征码对应的预设阈值P0且相似度P2大于序列号对应的预设阈值P00时对应的样本特征码和样本序列号，作为匹配的样本特征码和样本序列号，之后将与所述匹配的样本特征码和样本序列号对应的二维图像对应的匹配结果(例如，链接)发送给用户设备，以便用户设备基于该匹配结果进行相应的业务需求来打开此链接。实现了从采用计算相似度的方式来对特征码和文本形式的序列号分别与本地的注册数库进行比对，使得得到的匹配结果更加精确和可靠。
接着本申请的实施例，若所述步骤S13中基于特征码与服务器端的本地的注册数据库中的样本特征码进行比对得到的相似度P1和基于文本形式的序列号与注册数据库中的样本序列号进行比对得到的相似度P2均不满足各自对应的预设阈值，则服务器端向对应的用户设备返回对待识别的二维图像码识别失败的反馈信息，以使用户设备重新获取要扫描的待识别的二维图像码。
图5示出根据本申请的另一个方面的一种二维图像码注册方法的流程示意图，该注册方法应用于图像识别过程中的服务器端，该注册方法包括步骤S41、步骤S42、步骤S43和步骤S44，其中，所述步骤S41，接收用户设备发送的图形图像，判断所述图形图像是否已注册，若未注册，则所述步骤S42，为所述图形图像分配对应文本形式的序列号，基于所述图形图像生成对应的图形图像区域，基于所述文本形式的序列号生成对应的序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像，此处的肉眼可识别用于指示容易被人眼(或脑)感性直观地理解和认知的，避免了现有技术中的二维码不容易被人眼或脑直接识别或理解的缺点，进而避免了由于不能被人眼或脑直接识别或理解导致的非法用户对二维码的替换或修改；所述步骤S43，生成位置探测块，其中，该位置探测块设置于二维图像码的四个角落，包括框环和设置于该框环内的点状图形(例如方形点状图形)，用于对该二维图像码进行快速检测和校正，接着将生成的所述位置探测块、图形图像区域和序列号区域组合成二维图像码，其中，所述图形图像区域和序列号区域位于所述位置探测块确定的区域内；所述步骤S44，向所述用户设备发送生成的二维图像码。实现了基于接收的用户设备发送的图形图像，在服务器端对二维图像码进行注册的过程，使得注册得到的二维图像码更具有健壮性和唯一性。
接着本申请的上述实施例，所述步骤S41中的判断所述图形图像是否已注册之后，还包括：若已注册，则直接向所述用户设备发送对应的二维图像码，使得用户设备能够及时知悉该需要注册的图形图像已经注册，且获取到已注册的二维图像码，进而完成对所述图形图像对应的二维图像码的注册。
需要说明的是，本申请实施例中的所述位置探测块可以是包括框环和设置于所述框环内的点状图形。当然，本领域的技术人员应能理解，其他现有的或今后可能出现的组成所述位置探测块的结构如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。
接着本申请的上述实施例，在所述步骤S41接收用户设备发送的图形图像之前，在图像识别过程中的用户设备(例如，智能移动设备、智能扫码设备及智能识别设备等)在需要对图形图像进行注册时，用户设备将需要注册的图形图像上传给服务器，使得服务器接收并判断该图形图像是否已注册。
接着本申请的上述实施例，所述待识别的二维图像码中的所述图形图像区域用于指示该二维图像码的图像方面的信息，可被人眼(或脑)感性直观地理解和认知，故该图形图像区域可以包括由标记、符号、文字、商标和图像中的一种或任意组合所形成的二维图像；该待识别的二维图像码中的所述序列号区域用于指示包含二维图像码唯一的序列号的区域，可被人眼(或脑)感性直观地理解和认知，故该序列号区域可以包括由标记、符号和文字中的一种或任意组合所形成的二维图像，其中，该二维图像中的文字可以包括字母和/或数字，例如，图2中所示的序列号区域由包含有序列号“1234567890123456”所形成的二维图像。通过用于唯一指示二维图像码的序列号区域23中包含的序列号，与图形图像区域22在图像方面的信息上构成识别互补，提升了本申请的实施例中提供的二维图像码的鲁棒性和安全性。
进一步地，所述步骤S41中的判断所述图形图像是否已注册，包括：
将所述图形图像转换成特征码；
基于所述特征码判断所述图形图像是否已注册。
接着本申请的上述实施例，若因为业务方面的对需要注册的图形图像有要求，则可以在所述步骤S41接收到所述图形图案之后进行相应的图像处理，以满足实际的业务方面的需求；接着所述步骤S41将接收到的该图形图像转换成特征码(例如320个浮点向量等)，进一步地，如图5所示本申请的实施例中所述步骤S41中的将所述图形图像转换成特征码，可以通过基于预设的卷积神经网络模型(Convolutional Neural Networks模型，CNN模型)将所述图形图像转换成特征码，例如，基于预先训练好的CNN模型将图形图像区域转换为包含有320个浮点向量的特征码。实现了对需要注册的图形图像的转换，然后基于转换之后的所述特征码来判断所述图形图像是否在服务器端的本地的注册数据库中已注册，使得基于特征码能够尽快地判断出该图形图像是否已注册。
需要说明的是，所述CNN模型受视觉神经机制的启发而设计训练的，主要用于识别二维或三维信号而设计的一个多层感知器。其中，所述CNN模型的基本结构包括两种神经元层，分别为卷积层和池化层，所述卷积层中每个神经元的输入与前一层的部分神经元相连，并提取该部分神经元的特征；所述池化层用来求该部分神经元的敏感性与二次特征提取的计算层。通过卷积层和池化层这两次的特征提取的结构减小了特征分辨率，减少了需要优化的参数数目。又由于CNN模型所具有的特殊的网络结构，对平移、缩放、倾斜等变形具有高度不变性，使得该CNN模型主要用来识别位移、缩放及其他形式扭曲不变性的二维或三维图像。
进一步地，所述步骤S41中的基于所述特征码判断所述图形图像是否已注册，包括：将所述特征码与样本特征码进行比对，基于所述比对结果判断所述图形图像是否已注册。接着本申请的上述实施例，采用将所述特征码(例如320个浮现向量)与服务器的本地的注册数据库中的样本特征码进行逐一比对，来得到对应的比对结果，基于该比对结果来判断该图形图像是否已注册在本地的注册数据库中；进一步地，所述步骤S41中的将所述特征码与样本特征码进行比对，基于所述比对结果判断所述图形图像是否已注册，可以包括：首先计算转换之后的所述特征码(例如320个浮现向量)与服务器的本地的注册数据库中的样本特征码的相似度P3；若所述特征码与样本特征码的相似度大于预设阈值，其中该预设阈值与本申请的上述实施例中的特征码对应的预设阈值P0一致，以使在进行识别匹配时能够获取到准确唯一的样本特征码，即所述特征码与样本特征码的相似度P3大于特征码对应的预设阈值P0，则判断所述图形图像已注册，实现基于相似度来对所述图形图像进行准确地判断是否已注册。
接着本申请的上述实施例，若所述步骤S11判断得到的是未注册，若该图形图像区域满足实际的业务相关的图像注册要求(例如，合法商标、文明的文字及像素清晰等)或满足合法的法律法规对图形图像的要求等，则为所述图形图像分配对应唯一的文本形式的序列号，基于所述图形图像生成对应的图形图像区域，基于所述文本形式的序列号生成对应的序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；进而生成位置探测块，将所述位置探测块、图形图像区域和序列号区域组合成二维图像码，其中，所述图形图像区域和序列号区域位于所述位置探测块确定的区域内；并将生成的二维图像码发送给所述用户设备，以告知用户设备注册成功的二维图像码；若已注册，则直接将与所述图形图像对应的二维图像码发送给用户设备，以告知该用户设备该图形图像对应的二维图像码已注册，无需后续注册操作。
图6示出根据本申请的另一个方面的一种二维图像码识别的服务器的结构模块图，该服务器应用于图像识别过程中，该服务器包括二维图像码接收装置11、提取装置12和匹配结果发送装置13，其中，所述二维图像码接收装置11，用于接收用户设备上传的待识别的二维图像码，从所述二维图像码中识别位置探测块；其中，该位置探测块设置于二维图像码的四个角落，包括框环和设置于该框环内的点状图形(例如方形点状图形)，用于对该二维图像码进行快速检测和校正；接着所述提取装置12，用于从所述位置探测块所确定二维图像码中分别提取图形图像区域和序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；此处的肉眼可识别用于指示容易被人眼(或脑)感性直观地理解和认知的，避免了现有技术中的二维码不容易被人眼或脑直接识别或理解的缺点，进而避免了非法用户对二维码的替换或修改。然后所述匹配结果发送装置13，用于将与所述图形图像区域和序列号区域对应的匹配结果发送给所述用户设备。实现了在服务器端从二维图像码中的图形图像区域和序列号区域这两个方面进行的双重识别验证，来得到对应的匹配结果，使得基于上述双重识别验证得到的匹配结果更加精确匹配和唯一，进而避免了非法用户对图形图像区域的替换或修改。
需要说明的是，本申请实施例中的所述位置探测块可以是包括框环和设置于所述框环内的点状图形。当然，本领域的技术人员应能理解，其他现有的或今后可能出现的组成所述位置探测块的结构如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。
接着本申请的上述实施例，所述待识别的二维图像码中的所述图形图像区域用于指示该二维图像码的图像方面的信息，可被人眼(或脑)感性直观地理解和认知，故该图形图像区域可以包括由标记、符号、文字、商标和图像中的一种或任意组合所形成的二维图像；该待识别的二维图像码中的所述序列号区域用于指示包含二维图像码唯一的序列号的区域，可被人眼(或脑)感性直观地理解和认知，故该序列号区域可以包括由标记、符号和文字中的一种或任意组合所形成的二维图像，其中，该二维图像中的文字可以包括字母和/或数字，例如，图2中所示的序列号区域由包含有序列号“1234567890123456”所形成的二维图像。通过用于唯一指示二维图像码的序列号区域23中包含的序列号，与图形图像区域22在图像方面的信息上构成识别互补，提升了本申请的实施例中提供的二维图像码的鲁棒性和安全性。
本申请的实施例中，在服务器端接收用户设备上传的待识别的二维图像码之前，图像识别过程中的用户设备(例如，智能移动设备、智能扫码设备及智能识别设备等)在实际应用场景中打开识别应用程序来获取图像或者视频；接着，该用户设备根据被扫描的摄像拍摄画面中的位置探测块，来检测拍摄画面中是否包含本申请的上述实施例中的二维图像码，若有的话，则将待识别的二维图像码从拍摄画面中切割出来，得到待识别的所述二维图像码，并将该待识别的二维图像码压缩之后，上传至图像识别过程中的服务器端以进行识别；若没有的话，则重新调整拍摄画面或拍摄角度以将待识别的二维图像码扫描至拍摄画面中。
接着本申请的上述实施例，在服务器端中的所述二维图像码接收装置11接收到用户设备上传的待识别的二维图像码之后，因为所述待识别的二维图像码在用户设备端经过压缩之后才上传的，故在接收到该待识别的二维图像码之后，先解压缩，然后从该待识别的二维图像码中识别出位置探测块；接着所述提取装置12从该位置探测块所确定的二维图像码中提取出图形图像区域和序列号区域；之后，所述匹配结果发送装置13用于：将所述图形图像区域转换成特征码(例如，特征码为320个浮点向量等)，同时将所述序列号区域转换成文本形式的序列号，之后将与所述特征码和文本形式的序列号对应的匹配结果发送给所述用户设备，实现了从图形图像区域转换之后的特征码和序列号区域转换之后的文本形式的序列号这两个方面，服务器基于服务器本地的注册数据库对所述待识别的二维图像码进行识别匹配，保证了得到的与所述待识别的二维图像码对应的匹配结果更加安全可靠。
接着本申请的上述实施例，在所述匹配结果发送装置13用于：基于预设的卷积神经网络模型(Convolutional Neural Networks模型，CNN模型)将所述图形图像区域转换成特征码，例如，基于预先训练好的CNN模型将图形图像区域转换为包含有320个浮点向量的特征码；同时，所述匹配结果发送装置13中的将所述序列号区域转换成文本形式的序列号，包括：基于预设的光学字符识别模型(Optical Character Recognition模型，OCR模型)将所述序列号区域转换成文本形式的序列号，例如将图2中的序列号区域转换为文本形式的序列号“1234567890123456”；之后将与所述特征码(例如320个浮点向量)和文本形式的序列号“1234567890123456”对应的匹配结果发送给所述用户设备。实现了从待识别的二维图像码中的图形图像区域对应的特征码和和序列号区域对应的文本形式的序列号这两方面，来对该二维图像码进行双重匹配识别，来得到对应的匹配结果，不仅保证了得到的匹配结果的准确性，还使得经过肉眼识别得到的匹配结果更安全可靠，避免了非法用户对图形图像区域的替换或修改。
需要说明的是，所述CNN模型受视觉神经机制的启发而设计训练的，主要用于识别二维或三维信号而设计的一个多层感知器。其中，所述CNN模型的基本结构包括两种神经元层，分别为卷积层和池化层，所述卷积层中每个神经元的输入与前一层的部分神经元相连，并提取该部分神经元的特征；所述池化层用来求该部分神经元的敏感性与二次特征提取的计算层。通过卷积层和池化层这两次的特征提取的结构减小了特征分辨率，减少了需要优化的参数数目。又由于CNN模型所具有的特殊的网络结构，对平移、缩放、倾斜等变形具有高度不变性，使得该CNN模型主要用来识别位移、缩放及其他形式扭曲不变性的二维或三维图像。
需要说明的是，所述OCR模型用于指示电子设备(例如扫描仪或数码相机)检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。
进一步地，所述匹配结果发送装置13用于：
将所述特征码与样本特征码进行比对，将所述文本形式的序列号与样本序列号进行比对，得到匹配的样本特征码和样本序列号，将与所述匹配的样本特征码和样本序列号对应的匹配结果发送给所述用户设备。
接着本申请的上述实施例，所述匹配结果发送装置13将所述特征码(例如320个浮点向量)与服务器端的本地的注册数据库中的样本特征码进行比对，同时也将所述文本形式的序列号“1234567890123456”与服务器端的本地的注册数据库中的样本序列号进行比对，得到匹配的样本特征码和样本序列号，将与所述匹配的样本特征码和样本序列号对应的匹配结果(例如，链接)发送给对应的用户设备，其中，该匹配结果可以是基于特征码和序列号得到的综合两个维度得到的匹配结果，亦可以是特征码和序列号分别得到的匹配结果的组合。进而实现了从特征码和序列号这两个方面，在服务器端的本地的注册数据库中进行比对，得到综合这两个方面的匹配结果，并将匹配结果(例如链接)发送给用户设备，进而实现对待识别的二维图像码的识别匹配。
接着本申请的上述实施例，为了得到更加精确的匹配结果，所述步骤13用于：
计算所述特征码与样本特征码的相似度；
计算所述文本形式的序列号与样本序列号的相似度；
将相似度大于预设阈值的样本特征码和样本序列号作为匹配的样本特征码和样本序列号。
需要说明的是，计算所述特征码与样本特征码的相似度和计算所述文本形式的序列号与样本序列号的相似度，均可以采用相似度算法来进行计算，例如余弦(cosine)距离算法，欧几里得距离(Euclidean Distance)算法以及曼哈顿距离(Manhattan Distance)算法等。当然，本领域的技术人员应能理解，其他现有的或今后可能出现的用于计算所述特征码与样本特征码的相似度和计算所述文本形式的序列号与样本序列号的相似度的算法如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。
例如，在所述匹配结果发送装置13中整合经过转换得到的特征码(例如320个浮点向量)和OCR模型识别出的文本形式的序列号“1234567890123456”，将特征码与服务器端的本地的注册数据库中的样本特征码进行比对，该处的比对通过计算特征码与注册数据库中的样本特征码的相似度，得到特征码对应的相似度P1；同时将所述文本形式的序列号“1234567890123456”与注册数据库中的样本序列号进行比对，该处的比对通过计算所述文本形式的序列号“1234567890123456”与注册数据库中的样本序列号的相似度，得到文本形式的序列号对应的相似度P2；接着将相似度P1大于特征码对应的预设阈值P0且相似度P2大于序列号对应的预设阈值P00时对应的样本特征码和样本序列号，作为匹配的样本特征码和样本序列号，之后将与所述匹配的样本特征码和样本序列号对应的匹配结果(例如链接)发送给用户设备，以便用户设备基于该匹配结果进行相应的业务需求来打开此链接。实现了从采用计算相似度的方式来对特征码和文本形式的序列号分别与本地的注册数库进行比对，使得得到的匹配结果更加精确和可靠。
图7示出根据本申请的另一个方面的一种二维图像码注册的服务器的结构模块图，该服务器应用于图像识别过程中，该服务器包括判断装置41、生成装置42、合成装置43和二维图像码发送装置44，其中，所述判断装置41，用于接收用户设备发送的图形图像，判断所述图形图像是否已注册，若未注册，则所述生成装置42，用于为所述图形图像分配对应文本形式的序列号，基于所述图形图像生成对应的图形图像区域，基于所述文本形式的序列号生成对应的序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像，此处的肉眼可识别用于指示容易被人眼(或脑)感性直观地理解和认知的，避免了现有技术中的二维码不容易被人眼或脑直接识别或理解的缺点，进而避免了由于不能被人眼或脑直接识别或理解导致的非法用户对二维码的替换或修改；所述合成装置43，用于生成位置探测块，其中，该位置探测块设置于二维图像码的四个角落，包括框环和设置于该框环内的点状图形(例如方形点状图形)，用于对该二维图像码进行快速检测和校正，接着将生成的所述位置探测块、图形图像区域和序列号区域组合成二维图像码，其中，所述图形图像区域和序列号区域位于所述位置探测块确定的区域内，将注册成功的后二维图码存储于服务器端，便于统一管理，可扩展性强；所述二维图像码发送装置44，用于向所述用户设备发送生成的二维图像码。实现了基于接收的用户设备发送的图形图像，在服务器端对二维图像码进行注册的过程，使得注册得到的二维图像码更具有健壮性和唯一性。
需要说明的是，本申请实施例中的所述位置探测块可以是包括框环和设置于所述框环内的点状图形。当然，本领域的技术人员应能理解，其他现有的或今后可能出现的组成所述位置探测块的结构如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。
接着本申请的上述实施例，所述判断装置41用还于：若已注册，则直接向所述用户设备发送对应的二维图像码，使得用户设备能够及时知悉该需要注册的图形图像已经注册，且获取到已注册的二维图像码，进而完成对所述图形图像对应的二维图像码的注册。
接着本申请的上述实施例，在所述判断装置41接收用户设备发送的图形图像之前，在图像识别过程中的用户设备(例如，智能移动设备、智能扫码设备及智能识别设备等)在需要对图形图像进行注册时，用户设备将需要注册的图形图像上传给服务器，使得服务器接收并判断该图形图像是否已注册。
接着本申请的上述实施例，所述待识别的二维图像码中的所述图形图像区域用于指示该二维图像码的图像方面的信息，可被人眼(或脑)感性直观地理解和认知，故该图形图像区域可以包括由标记、符号、文字、商标和图像中的一种或任意组合所形成的二维图像；该待识别的二维图像码中的所述序列号区域用于指示包含二维图像码唯一的序列号的区域，可被人眼(或脑)感性直观地理解和认知，故该序列号区域可以包括由标记、符号和文字中的一种或任意组合所形成的二维图像，其中，该二维图像中的文字可以包括字母和/或数字，例如，图2中所示的序列号区域由包含有序列号“1234567890123456”所形成的二维图像。通过用于唯一指示二维图像码的序列号区域23中包含的序列号，与图形图像区域22在图像方面的信息上构成识别互补，提升了本申请的实施例中提供的二维图像码的鲁棒性和安全性。
进一步地，所述判断装置41用于：
将所述图形图像转换成特征码；
基于所述特征码判断所述图形图像是否已注册。
接着本申请的上述实施例，若因为业务方面的对需要注册的图形图像有要求，则可以在所述判断装置41接收到所述图形图案之后进行相应的图像处理，以满足实际的业务方面的需求；接着所述判断装置41将接收到的该图形图像转换成特征码(例如320个浮点向量等)，进一步地，本申请的实施例中所述判断装置41中的将所述图形图像转换成特征码，可以通过基于预设的卷积神经网络模型(Convolutional Neural Networks模型，CNN模型)将所述图形图像转换成特征码，例如，基于预先训练好的CNN模型将图形图像区域转换为包含有320个浮点向量的特征码。实现了对需要注册的图形图像的转换，然后基于转换之后的所述特征码来判断所述图形图像是否在服务器端的本地的注册数据库中已注册，使得基于特征码能够尽快地判断出该图形图像是否已注册。
需要说明的是，所述CNN模型受视觉神经机制的启发而设计训练的，主要用于识别二维或三维信号而设计的一个多层感知器。其中，所述CNN模型的基本结构包括两种神经元层，分别为卷积层和池化层，所述卷积层中每个神经元的输入与前一层的部分神经元相连，并提取该部分神经元的特征；所述池化层用来求该部分神经元的敏感性与二次特征提取的计算层。通过卷积层和池化层这两次的特征提取的结构减小了特征分辨率，减少了需要优化的参数数目。又由于CNN模型所具有的特殊的网络结构，对平移、缩放、倾斜等变形具有高度不变性，使得该CNN模型主要用来识别位移、缩放及其他形式扭曲不变性的二维或三维图像。
进一步地，所述判断装置41用于：将所述特征码与样本特征码进行比对，基于所述比对结果判断所述图形图像是否已注册。接着本申请的上述实施例，采用将所述特征码(例如320个浮现向量)与服务器的本地的注册数据库中的样本特征码进行逐一比对，来得到对应的比对结果，基于该比对结果来判断该图形图像是否已注册在本地的注册数据库中；进一步地，所述判断装置41可以用于：首先计算转换之后的所述特征码(例如320个浮现向量)与服务器的本地的注册数据库中的样本特征码的相似度P3；若所述特征码与样本特征码的相似度大于预设阈值，其中该预设阈值与本申请的上述实施例中的特征码对应的预设阈值P0一致，以使在进行识别匹配时能够获取到准确唯一的样本特征码，即所述特征码与样本特征码的相似度P3大于特征码对应的预设阈值P0，则判断所述图形图像已注册，实现基于相似度来对所述图形图像进行准确地判断是否已注册。
接着本申请的上述实施例，若所述二维图像码接收装置11判断得到的是未注册，若该图形图像区域满足实际的业务相关的图像注册要求(例如，合法商标、文明的文字及像素清晰等)或满足合法的法律法规对图形图像的要求等，则为所述图形图像分配对应唯一的文本形式的序列号，基于所述图形图像生成对应的图形图像区域，基于所述文本形式的序列号生成对应的序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；进而生成位置探测块，将所述位置探测块、图形图像区域和序列号区域组合成二维图像码，其中，所述图形图像区域和序列号区域位于所述位置探测块确定的区域内；并将生成的二维图像码发送给所述用户设备，以告知用户设备注册成功的二维图像码；若已注册，则直接将与所述图形图像对应的二维图像码发送给用户设备，以告知该用户设备该图形图像对应的二维图像码已注册，无需后续注册操作。
综上所述，本申请通过提供了一种二维图像码，该二维图像码包括：位置探测块，所述位置探测块确定二维图像码区域；所述二维图像码区域包括图形图像区域和序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像。以便在服务器端实现对图形图像区域和序列号区域的双重识别验证，由于该二维图像码上融合了图形图像区域中的图像相关的信息和序列号区域中的文本形式相关的信息，进而提升了二维图像码的鲁棒性和安全性。
进一步地，本申请通过在服务器端先接收用户设备上传的待识别的二维图像码，从所述二维图像码中识别位置探测块；接着从所述位置探测块所确定二维图像码中分别提取图形图像区域和序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；然后将与所述图形图像区域和序列号区域对应的匹配结果发送给所述用户设备。实现了在服务器端从二维图像码中的图形图像区域和序列号区域进行的双重识别验证，来得到对应的匹配结果，使得基于上述双重识别验证得到的匹配结果更精确匹配和唯一，进而避免了非法用户对图形图像区域的替换或修改。
进一步的，本申请通过在服务器端先接收用户设备发送的图形图像，判断所述图形图像是否已注册，若未注册，则为所述图形图像分配对应文本形式的序列号，基于所述图形图像生成对应的图形图像区域，基于所述文本形式的序列号生成对应的序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；生成位置探测块，将所述位置探测块、图形图像区域和序列号区域组合成二维图像码，其中，所述图形图像区域和序列号区域位于所述位置探测块确定的区域内；向所述用户设备发送生成的二维图像码。实现了基于接收的用户设备发送的图形图像，在服务器端对二维图像码进行注册的过程，使得注册得到的二维图像码更具有健壮性和唯一性。
本申请提供的一种应用于图像识别过程中的二维图像码识别方法的实际应用场景中，首先，图像识别过程中的用户设备(例如，智能移动设备、智能扫码设备及智能识别设备等)通过在实际应用场景中打开识别应用程序来获取图像或者视频；接着，该用户设备根据被扫描的摄像拍摄画面中的位置探测块，来检测拍摄画面中是否包含本申请的上述实施例中的二维图像码，若有的话，则所述用户设备将待识别的二维图像码从拍摄画面中切割出来，得到待识别的所述二维图像码，所述用户设备并将该待识别的二维图像码压缩之后，上传至图像识别过程中的服务器端以进行识别；若没有的话，则重新调整拍摄画面或拍摄角度以将待识别的二维图像码扫描至拍摄画面中。
接着上述实际的应用场景，所述服务器在接收用户设备上传的待识别的二维图像码之后，从所述二维图像码中识别位置探测块；其中，该位置探测块设置于二维图像码的四个角落，包括框环和设置于该框环内的点状图形(例如方形点状图形)，用于对该二维图像码进行快速检测和校正；接着所述服务器从所述位置探测块所确定的二维图像码中分别提取图形图像区域和序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；此处的肉眼可识别用于指示容易被人眼(或脑)感性直观地理解和认知的；然后所述服务器将与所述图形图像区域和序列号区域对应的匹配结果发送给所述用户设备。实现了在服务器端从二维图像码中的图形图像区域和序列号区域进行的双重识别验证，来得到对应的匹配结果，使得基于上述双重识别验证得到的匹配结果更精确匹配和唯一，进而避免了非法用户对图形图像区域的替换或修改。根据本申请的另一方面，还提供了一种基于计算的设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
接收用户设备上传的待识别的二维图像码，从所述二维图像码中识别位置探测块；
从所述位置探测块所确定的二维图像码中分别提取图形图像区域和序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；
将与所述图形图像区域和序列号区域对应的匹配结果发送给所述用户设备。
根据本申请的另一方面，还提供了一种基于计算的设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
接收用户设备发送的图形图像，判断所述图形图像是否已注册，
若未注册，则为所述图形图像分配对应文本形式的序列号，基于所述图形图像生成对应的图形图像区域，基于所述文本形式的序列号生成对应的序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；
生成位置探测块，将所述位置探测块、图形图像区域和序列号区域组合成二维图像码，其中，所述图形图像区域和序列号区域位于所述位置探测块确定的区域内；
向所述用户设备发送生成的二维图像码。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
另外，本申请的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此，根据本申请的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
Claims (47)
1.一种二维图像码，其中，包括：
位置探测块，所述位置探测块确定二维图像码区域；
所述二维图像码区域包括图形图像区域和序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像。
2.根据权利要求1所述的二维图像码，其中，所述图形图像区域包括由标记、符号、文字、商标和图像中的一种或任意组合所形成的二维图像。
3.根据权利要求1所述的二维图像码，其中，所述序列号区域包括由标记、符号和文字中的一种或任意组合所形成的二维图像。
4.根据权利要求3所述的二维图像码，其中，所述文字包括字母和/或数字。
5.根据权利要求1所述的二维图像码，其中，所述位置探测块包括框环和设置于所述框环内的点状图形。
6.一种在服务器端的二维图像码识别方法，其中，所述方法包括：
接收用户设备上传的待识别的二维图像码，从所述二维图像码中识别位置探测块；
从所述位置探测块所确定的二维图像码中分别提取图形图像区域和序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；
将与所述图形图像区域和序列号区域对应的匹配结果发送给所述用户设备。
7.根据权利要求6所述的方法，其中，所述图形图像区域包括由标记、符号、文字、商标和图像中的一种或任意组合所形成的二维图像。
8.根据权利要求6所述的方法，其中，所述序列号区域包括由标记、符号和文字中的一种或任意组合所形成的二维图像。
9.根据权利要求8所述的方法，其中，所述文字包括字母和/或数字。
10.根据权利要求6所述的方法，其中，所述位置探测块包括框环和设置于所述框环内的点状图形。
11.根据权利要求6所述的方法，其中，将与所述图形图像区域和序列号区域对应的匹配结果发送给所述用户设备，包括：
将所述图形图像区域转换成特征码；
将所述序列号区域转换成文本形式的序列号；
将与所述特征码和文本形式的序列号对应的匹配结果发送给所述用户设备。
12.根据权利要求11所述的方法，其中，将与所述特征码和文本形式的序列号对应的匹配结果发送给所述用户设备，包括：
将所述特征码与样本特征码进行比对，将所述文本形式的序列号与样本序列号进行比对，得到匹配的样本特征码和样本序列号，将与所述匹配的样本特征码和样本序列号对应的匹配结果发送给所述用户设备。
13.根据权利要求12所述的方法，其中，将所述特征码与样本特征码进行比对，将所述文本形式的序列号与样本序列号进行比对，得到匹配的样本特征码和样本序列号，包括：
计算所述特征码与样本特征码的相似度；
计算所述文本形式的序列号与样本序列号的相似度；
将相似度大于预设阈值的样本特征码和样本序列号作为匹配的样本特征码和样本序列号。
14.根据权利要求11所述的方法，其中，将所述图形图像区域转换成特征码，包括：
基于预设的卷积神经网络模型将所述图形图像区域转换成特征码。
15.根据权利要求11所述的方法，其中，将所述序列号区域转换成文本形式的序列号，包括：
基于预设的光学字符识别模型将所述序列号区域转换成文本形式的序列号。
16.一种在服务器端的二维图像码注册方法，其中，所述方法包括：
接收用户设备发送的图形图像，判断所述图形图像是否已注册，
若未注册，则为所述图形图像分配对应文本形式的序列号，基于所述图形图像生成对应的图形图像区域，基于所述文本形式的序列号生成对应的序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；
生成位置探测块，将所述位置探测块、图形图像区域和序列号区域组合成二维图像码，其中，所述图形图像区域和序列号区域位于所述位置探测块确定区域内；
向所述用户设备发送生成的二维图像码。
17.根据权利要求16所述的方法，其中，判断所述图形图像是否已注册之后，还包括：
若已注册，则向所述用户设备发送对应的二维图像码。
18.根据权利要求16所述的方法，其中，所述图形图像区域包括由标记、符号、文字、商标和图像中的一种或任意组合所形成的二维图像。
19.根据权利要求16所述的方法，其中，所述序列号区域包括由标记、符号和文字中的一种或任意组合所形成的二维图像。
20.根据权利要求19所述的方法，其中，所述文字包括字母和/或数字。
21.根据权利要求16所述的方法，其中，所述位置探测块包括框环和设置于所述框环内的点状图形。
22.根据权利要求16所述的方法，其中，判断所述图形图像是否已注册，包括：
将所述图形图像转换成特征码；
基于所述特征码判断所述图形图像是否已注册。
23.根据权利要求22所述的方法，其中，基于所述特征码判断所述图形图像是否已注册，包括：
将所述特征码与样本特征码进行比对，基于所述比对结果判断所述图形图像是否已注册。
24.根据权利要求23所述的方法，其中，将所述特征码与样本特征码进行比对，基于所述比对结果判断所述图形图像是否已注册，包括：
计算所述特征码与样本特征码的相似度；
若所述特征码与样本特征码的相似度大于预设阈值，则判断所述图形图像已注册。
25.根据权利要求22所述的方法，其中，将所述图形图像转换成特征码，包括：
基于预设的卷积神经网络模型将所述图形图像转换成特征码。
26.一种用于二维图像码识别的服务器，其中，所述服务器包括：
二维图像码接收装置，用于接收用户设备上传的待识别的二维图像码，从所述二维图像码中识别位置探测块；
提取装置，用于从所述位置探测块所确定的二维图像码中分别提取图形图像区域和序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；
匹配结果发送装置，用于将与所述图形图像区域和序列号区域对应的匹配结果发送给所述用户设备。
27.根据权利要求26所述的服务器，其中，所述图形图像区域包括由标记、符号、文字、商标和图像中的一种或任意组合所形成的二维图像。
28.根据权利要求26所述的服务器，其中，所述序列号区域包括由标记、符号和文字中的一种或任意组合所形成的二维图像。
29.根据权利要求28所述的服务器，其中，所述文字包括字母和/或数字。
30.根据权利要求26所述的服务器，其中，所述位置探测块包括框环和设置于所述框环内的点状图形。
31.根据权利要求26所述的服务器，其中，所述匹配结果发送装置用于：
将所述图形图像区域转换成特征码；
将所述序列号区域转换成文本形式的序列号；
将与所述特征码和文本形式的序列号对应的匹配结果发送给所述用户设备。
32.根据权利要求31所述的服务器，其中，所述匹配结果发送装置用于：
将所述特征码与样本特征码进行比对，将所述文本形式的序列号与样本序列号进行比对，得到匹配的样本特征码和样本序列号，将与所述匹配的样本特征码和样本序列号对应的匹配结果发送给所述用户设备。
33.根据权利要求32所述的服务器，其中，所述匹配结果发送装置用于：
计算所述特征码与样本特征码的相似度；
计算所述文本形式的序列号与样本序列号的相似度；
将相似度大于预设阈值的样本特征码和样本序列号作为匹配的样本特征码和样本序列号。
34.根据权利要求31所述的服务器，其中，所述匹配结果发送装置用于：
基于预设的卷积神经网络模型将所述图形图像区域转换成特征码。
35.根据权利要求31所述的服务器，其中，所述匹配结果发送装置用于：
基于预设的光学字符识别模型将所述序列号区域转换成文本形式的序列号。
36.一种用于二维图像码注册的服务器，其中，所述服务器包括：
判断装置，用于接收用户设备发送的图形图像，判断所述图形图像是否已注册，
生成装置，用于若未注册，则为所述图形图像分配对应文本形式的序列号，基于所述图形图像生成对应的图形图像区域，基于所述文本形式的序列号生成对应的序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；
合成装置，用于生成位置探测块，将所述位置探测块、图形图像区域和序列号区域组合成二维图像码，其中，所述图形图像区域和序列号区域位于所述位置探测块确定的区域内；
二维图像码发送装置，用于向所述用户设备发送生成的二维图像码。
37.根据权利要求36所述的服务器，其中，所述判断装置还用于：
若已注册，则向所述用户设备发送对应的二维图像码。
38.根据权利要求36所述的服务器，其中，所述图形图像区域包括由标记、符号、文字、商标和图像中的一种或任意组合所形成的二维图像。
39.根据权利要求36所述的服务器，其中，所述序列号区域包括由标记、符号和文字中的一种或任意组合所形成的二维图像。
40.根据权利要求39所述的服务器，其中，所述文字包括字母和/或数字。
41.根据权利要求36所述的服务器，其中，所述位置探测块包括框环和设置于所述框环内的点状图形。
42.根据权利要求36所述的服务器，其中，所述判断装置用于：
将所述图形图像转换成特征码；
基于所述特征码判断所述图形图像是否已注册。
43.根据权利要求42所述的服务器，其中，所述判断装置用于：
将所述特征码与样本特征码进行比对，基于所述比对结果判断所述图形图像是否已注册。
44.根据权利要求43所述的服务器，其中，所述判断装置用于：
计算所述特征码与样本特征码的相似度；
若所述特征码与样本特征码的相似度大于预设阈值，则判断所述图形图像已注册。
45.根据权利要求42所述的服务器，其中，所述判断装置用于：
基于预设的卷积神经网络模型将所述图形图像转换成特征码。
46.一种基于计算的设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
接收用户设备上传的待识别的二维图像码，从所述二维图像码中识别位置探测块；
从所述位置探测块所确定二维图像码中分别提取图形图像区域和序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；
将与所述图形图像区域和序列号区域对应的匹配结果发送给所述用户设备。
47.一种基于计算的设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
接收用户设备发送的图形图像，判断所述图形图像是否已注册，
若未注册，则为所述图形图像分配对应文本形式的序列号，基于所述图形图像生成对应的图形图像区域，基于所述文本形式的序列号生成对应的序列号区域，其中，所述图形图像区域和序列号区域均为肉眼可识别的二维图像；
生成位置探测块，将所述位置探测块、图形图像区域和序列号区域组合成二维图像码，其中，所述图形图像区域和序列号区域位于所述位置探测块确定的区域内；
向所述用户设备发送生成的二维图像码。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710153416.0A CN108256608A (zh) | 2017-03-15 | 2017-03-15 | 一种二维图像码及其识别方法和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710153416.0A CN108256608A (zh) | 2017-03-15 | 2017-03-15 | 一种二维图像码及其识别方法和设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108256608A true CN108256608A (zh) | 2018-07-06 |
Family
ID=62721768
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710153416.0A Pending CN108256608A (zh) | 2017-03-15 | 2017-03-15 | 一种二维图像码及其识别方法和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108256608A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109165538A (zh) * | 2018-07-18 | 2019-01-08 | 北京飞搜科技有限公司 | 基于深度神经网络的条形码检测方法及装置 |
| CN109739233A (zh) * | 2018-12-29 | 2019-05-10 | 歌尔股份有限公司 | Agv小车定位方法、装置及系统 |
| CN110060339A (zh) * | 2019-04-26 | 2019-07-26 | 湖南科技学院 | 一种基于云计算图形图像的三维建模方法 |
| CN113157977A (zh) * | 2020-12-28 | 2021-07-23 | 北京力诺达信息技术有限公司 | 一种速查引导图及其制作方法 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2864868Y (zh) * | 2005-08-19 | 2007-01-31 | 王建程 | 一种综合防伪标识 |
| CN102129589A (zh) * | 2011-02-10 | 2011-07-20 | 谢仁康 | 非对称加密二维码防伪方法 |
| CN102663592A (zh) * | 2012-03-29 | 2012-09-12 | 吴林 | 基于二维码的物品身份双码标识方法 |
| CN102799850A (zh) * | 2012-06-30 | 2012-11-28 | 北京百度网讯科技有限公司 | 一种条形码识别方法和装置 |
| CN102968927A (zh) * | 2012-11-02 | 2013-03-13 | 吴建辉 | 防伪标签、防伪标签的识别装置及方法 |
| CN203192011U (zh) * | 2012-12-28 | 2013-09-11 | 深圳市世合科技有限公司 | 二维码、rfid双重防伪标签 |
| CN103310256A (zh) * | 2013-06-03 | 2013-09-18 | 何南炎 | 基于图像对比的连续实物防伪标签的制备及鉴别方法 |
| CN103793676A (zh) * | 2014-02-18 | 2014-05-14 | 立德高科(北京)数码科技有限责任公司 | 识别二维码与点阵图形构成的防伪标识的方法及装置 |
| CN104392238A (zh) * | 2014-09-29 | 2015-03-04 | 樊晓莉 | 含多类型标识的信息载体的识别方法 |
| CN104966114A (zh) * | 2015-06-02 | 2015-10-07 | 励云科技（北京）有限公司 | 产品防伪方法及装置 |
| CN105069623A (zh) * | 2014-03-28 | 2015-11-18 | 恩塞拉多斯Ip控股有限责任公司 | 用于使用来源图案来检验宿主对象的真实性的系统及方法 |
| CN105378782A (zh) * | 2013-07-11 | 2016-03-02 | 悟图索知株式会社 | 基于用户兴趣的产品信息推荐系统 |
| CN105718980A (zh) * | 2016-01-14 | 2016-06-29 | 厦门纳纬信息技术有限公司 | 一种生成二维码图片的方法 |
| CN105740931A (zh) * | 2016-02-05 | 2016-07-06 | 上海孔诚物联网科技股份有限公司 | 多维防伪码、其制作方法及识别方法 |
| CN105868814A (zh) * | 2015-01-23 | 2016-08-17 | 阿里巴巴集团控股有限公司 | 图像码的解析方法及装置、图像码的生成方法及装置 |
| CN105894070A (zh) * | 2016-03-30 | 2016-08-24 | 中国联合网络通信集团有限公司 | 一种二维码编码方法及装置 |
| CN105893996A (zh) * | 2016-03-31 | 2016-08-24 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
| CN106022797A (zh) * | 2016-05-13 | 2016-10-12 | 成都陌云科技有限公司 | 智能设备app图像识别方法 |
-
2017
- 2017-03-15 CN CN201710153416.0A patent/CN108256608A/zh active Pending
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2864868Y (zh) * | 2005-08-19 | 2007-01-31 | 王建程 | 一种综合防伪标识 |
| CN102129589A (zh) * | 2011-02-10 | 2011-07-20 | 谢仁康 | 非对称加密二维码防伪方法 |
| CN102663592A (zh) * | 2012-03-29 | 2012-09-12 | 吴林 | 基于二维码的物品身份双码标识方法 |
| CN102799850A (zh) * | 2012-06-30 | 2012-11-28 | 北京百度网讯科技有限公司 | 一种条形码识别方法和装置 |
| CN102968927A (zh) * | 2012-11-02 | 2013-03-13 | 吴建辉 | 防伪标签、防伪标签的识别装置及方法 |
| CN203192011U (zh) * | 2012-12-28 | 2013-09-11 | 深圳市世合科技有限公司 | 二维码、rfid双重防伪标签 |
| CN103310256A (zh) * | 2013-06-03 | 2013-09-18 | 何南炎 | 基于图像对比的连续实物防伪标签的制备及鉴别方法 |
| CN105378782A (zh) * | 2013-07-11 | 2016-03-02 | 悟图索知株式会社 | 基于用户兴趣的产品信息推荐系统 |
| CN103793676A (zh) * | 2014-02-18 | 2014-05-14 | 立德高科(北京)数码科技有限责任公司 | 识别二维码与点阵图形构成的防伪标识的方法及装置 |
| CN105069623A (zh) * | 2014-03-28 | 2015-11-18 | 恩塞拉多斯Ip控股有限责任公司 | 用于使用来源图案来检验宿主对象的真实性的系统及方法 |
| CN104392238A (zh) * | 2014-09-29 | 2015-03-04 | 樊晓莉 | 含多类型标识的信息载体的识别方法 |
| CN105868814A (zh) * | 2015-01-23 | 2016-08-17 | 阿里巴巴集团控股有限公司 | 图像码的解析方法及装置、图像码的生成方法及装置 |
| CN104966114A (zh) * | 2015-06-02 | 2015-10-07 | 励云科技（北京）有限公司 | 产品防伪方法及装置 |
| CN105718980A (zh) * | 2016-01-14 | 2016-06-29 | 厦门纳纬信息技术有限公司 | 一种生成二维码图片的方法 |
| CN105740931A (zh) * | 2016-02-05 | 2016-07-06 | 上海孔诚物联网科技股份有限公司 | 多维防伪码、其制作方法及识别方法 |
| CN105894070A (zh) * | 2016-03-30 | 2016-08-24 | 中国联合网络通信集团有限公司 | 一种二维码编码方法及装置 |
| CN105893996A (zh) * | 2016-03-31 | 2016-08-24 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
| CN106022797A (zh) * | 2016-05-13 | 2016-10-12 | 成都陌云科技有限公司 | 智能设备app图像识别方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109165538A (zh) * | 2018-07-18 | 2019-01-08 | 北京飞搜科技有限公司 | 基于深度神经网络的条形码检测方法及装置 |
| CN109165538B (zh) * | 2018-07-18 | 2021-10-22 | 苏州飞搜科技有限公司 | 基于深度神经网络的条形码检测方法及装置 |
| CN109739233A (zh) * | 2018-12-29 | 2019-05-10 | 歌尔股份有限公司 | Agv小车定位方法、装置及系统 |
| CN110060339A (zh) * | 2019-04-26 | 2019-07-26 | 湖南科技学院 | 一种基于云计算图形图像的三维建模方法 |
| CN113157977A (zh) * | 2020-12-28 | 2021-07-23 | 北京力诺达信息技术有限公司 | 一种速查引导图及其制作方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9805296B2 (en) | Method and apparatus for decoding or generating multi-layer color QR code, method for recommending setting parameters in generation of multi-layer QR code, and product comprising multi-layer color QR code | |
| US10019646B2 (en) | Method for object recognition and/or verification on portable devices | |
| CN108256608A (zh) | 一种二维图像码及其识别方法和设备 | |
| US10102439B2 (en) | Document verification method and system | |
| CN116485620A (zh) | 水印数据的嵌入及提取方法 | |
| JP6505937B1 (ja) | 照合システム、照合方法及び照合プログラム | |
| CN103279731A (zh) | 二维码防伪方法及其防伪验证方法 | |
| US10757292B1 (en) | Method of embedding and extracting watermark data from original image adjusted with noise based image converted using watermark | |
| US20170200247A1 (en) | Systems and methods for authentication of physical features on identification documents | |
| US20180033020A1 (en) | System and apparatus for detecting forgery features on identification documents | |
| US20100266163A1 (en) | Method and system for deterministic document quality assurance | |
| WO2019017178A1 (en) | METHOD AND APPARATUS FOR DYNAMICALLY IDENTIFYING A USER OF AN ACCOUNT FOR DISPLAYING IMAGES | |
| KR101960290B1 (ko) | 워터마크 데이터의 임베딩 및 추출 방법 | |
| CN106899609A (zh) | 一种码中码及其生成、验证方法及装置 | |
| US11482028B2 (en) | Verification system, verification method, and information storage medium | |
| KR101755980B1 (ko) | 스케일 스페이스 표현에 기반한 유사 영역 검출 방법 및 그 장치 | |
| US8363885B2 (en) | Method, device, and program for embedding, displaying, and recognizing data | |
| EP1670236A2 (en) | Image data registration and verification methods and apparatus | |
| CN113505773B (zh) | 二维码的识别方法及装置 | |
| CN114241493B (zh) | 扩增文档分析模型的训练数据的训练方法及训练装置 | |
| CN113177543B (zh) | 证件识别方法、装置、设备及存储介质 | |
| EP3929806A2 (en) | Local encoding of intrinsic authentication data | |
| Mantoro et al. | Real-time printed document authentication using watermarked qr code | |
| CN110009378A (zh) | 一种商标防伪溯源方法及装置 | |
| JP7316479B1 (ja) | 画像処理システム、画像処理方法、及びプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180706 |