CN109800616A - 一种基于图像特征的二维码定位识别系统 - Google Patents
一种基于图像特征的二维码定位识别系统 Download PDFInfo
- Publication number
- CN109800616A CN109800616A CN201910043361.7A CN201910043361A CN109800616A CN 109800616 A CN109800616 A CN 109800616A CN 201910043361 A CN201910043361 A CN 201910043361A CN 109800616 A CN109800616 A CN 109800616A
- Authority
- CN
- China
- Prior art keywords
- dimensional code
- image
- picture
- gradient
- further include
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种基于图像特征的二维码定位识别系统，包括二维码预训练系统，该二维码预训练系统包括图片采集系统；标注系统；数据库系统，还包括分类裁剪系统，和归一化系统；还包括预训练图像特征计算系统，用于计算所有图片的图像特征向量；还包括线性分类器，所有图片的特征向量提交至预先初始化好线性分类器进行训练，对该线性分类器进行训练，保存训练好的线性分类器；还包括二维码检测识别系统，用于将计算好的图像特征向量送入已训练完成的线性分类器中，判断该窗口是否为二维码目标，进行二维码内容识别。本发明可以识别任意包含二维码的图片，而不论图片的拍摄大小、位置、角度、光照情况如何，整个识别系统高效、快速、准确。
Description
技术领域
本发明涉及图像处理领域，更具体的，涉及基于图像特征的二维码定位及识别系统及方法。
背景技术
二维码又称QRCode，QR全称QuickResponse，是一个近几年来移动设备上十分流行的一种编码方式，它比传统的BarCode条形码能存更多的信息，也能表示更多的内容。
在正常情况下，对二维码的扫描识别必须保证二维码处于扫描设备视野中心；否者就会出现识别率下降甚至无法识别的情况。现有的解决办法通常是利用一个识别框，人工将二维码移至识别框内来提高识别率。这种方法仅适用于有人参与的情况。
而在某些二维码识别情景中，对包含有二维码的图像的采集已经完成，这种情况下无法通过人工操作来调整二维码在图像中的位置。二维码在图像中的位置、大小、角度、数量均是不固定的。除二维码之外的图像本身的内容及图像本身的质量也是不固定的。这些因素大大影响了二维码识别的准确率和速度。
发明内容
为了解决现有技术中存在的问题，本发明由此提供了一种无需人工辅助的、识别率高的、识别速度快的识别图像中二维码的方法。
即本发明提供了一种基于图像特征的二维码定位识别系统，包括二维码预训练系统和二维码检测识别系统；该二维码预训练系统，包括图片采集系统，该图片采集用于采集包含有二维码的图片；标注系统，用于对所有采集到的图片进行标注，记录其中二维码的大小及位置；数据库系统，用于保存已做标注的包含有二维码的图片的信息；还包括分类裁剪系统，用于根据标注系统的标注结果对数据库系统中的含有二维码的图片进行裁剪处理，并将裁剪后的图片归一化成同样的尺寸大小；还包括归一化系统，用于对所有图片进行进行颜色空间及gamma空间归一化；还包括预训练图像特征计算系统，该系统用于计算所有图片的图像特征向量；还包括线性分类器，采集预训练图像特征计算系统计算的所有图片的特征向量，并提交至预先初始化好线性分类器进行训练，对该线性分类器进行训练，保存训练好的线性分类器；所述二维码检测识别系统包括待检测图像特征计算模块，将待检测图像特征计算模块计算好的图像特征向量送入已训练完成的线性分类器中，判断该窗口是否为二维码目标，是则存下该目标区域，否则继续滑动；还包括二维码内容识别模块，对所保存的所有目标区域，进行二维码内容识别；并返回对应的结果。
进一步的，所述线性分类器为SVM线性分类器。
进一步的，所述包含有二维码的图片中二维码的大小、数量、拍摄角度、拍摄光照条件、拍摄背景均不同，覆盖现实拍照中所有可能的情况。
进一步的，所述图像特征向量为harr,HOG,SIFT,LBP或其它图像特征中的一种，或者为几种图像特征的联合。
进一步的，颜色空间统一采用灰度空间进行归一化，
从RGB颜色空间转化至灰度空间计算公式：
f(x,y)＝0.3R(x,y)+0.5R(x,y)+0.11B(x,y)
其中f(x,y)为灰度值，R、G、B为相应的红、绿、蓝色值；
Gamma归一化公式为：
f(x,y)＝g(x，y)gamma
取gamma＝1/2进行归一化。
更具体的，所述预训练图像特征计算系统采用如下方式对图片的图像特征向量进行采集：
对每张图片计算每个像素点梯度，图像中像素点(x，y)的梯度为：
Gx(x，y)＝H(x+1，y)-H(x-1，y)
Gy(x，y)＝H(x，y+1)-H(x，y-1)
式中Gx(x，y)、Gy(x，y)分别表示输入图像中像素点处的水平方向梯度、垂直方向梯度和像素点；
则像素点(x，y)处的梯度幅值G(x，y)和方向a(x,y)分别为：
将图像分成若干个小的细胞单元Cell，每个Cell为8x8像素大小，将Cell的梯度方向沿到分成9个方向区间，对cell内每个像素用梯度方向在直方图中进行加权投影，梯度大小作为投影权值，得到Cell的梯度方向直方图，也就是该局部图像区域cell对应的一个9维特征向量编码；
把细胞单元组合成大的块，块内归一化梯度直方图，取每个block包含2x2个Cell，将所有Cell的特征向量串联起来再进行归一化便得到该block的HOG特征。
进一步的，所述二维码检测识别系统，包括图片载入模块，用于载入待检测的图片；图片调整模块，用于对待检测图像进行尺度缩放；还包括裁剪模块，该裁剪模块根据图片调整模块计算的图像尺寸和窗口个数进行图像裁剪；所述待检测图像特征计算模块，用于根据上述预训练图像特征计算系统相同的方式，计算出待检测图像的图像特征，对待检测图像的每一层上采用固定大小的检测窗口按设定好的滑动步长进行滑动遍历，每个检测窗口计算图像特征并送入已训练完成的SVM分类器中，判断该窗口是否为二维码目标，是则存下该目标区域，否则继续滑动。
本发明的有益效果为：本发明通过预训练技术，可以识别任意包含二维码的图片，而不论图片的拍摄大小、位置、角度、光照情况如何，整个识别系统高效、快速、准确。
附图说明
当结合附图考虑时，参考下面的描述能够很好的理解本发明的结构、原理、工作特点和优点，但此处说明的附图用来对本发明的进一步解释，所附示意图只是为了更好的对本发明进行说明，并不对本发明构成不当限定，其中：
图1为本发明的基于图像特征的二维码定位识别系统的示意图。
具体实施方式
下面结合实例和附图对本发明作进一步的描述，应当指出的是，以下实施例仅仅为示意性的，其并非意图限制本发明。
本发明的目的是通过以下技术方案实现的，本发明的基于图像特征的二维码定位识别系统，包括二维码预训练系统和二维码检测识别系统。
该二维码预训练系统，包括图片采集系统，该图片采集用于采集数千张包含有二维码的图片，图片中二维码的大小、数量、拍摄角度、拍摄光照条件、拍摄背景均不同，力图覆盖现实拍照中所有可能的情况；还包括标注系统，该标注系统，对所有采集到的图片进行标注，记录其中二维码的大小及位置；还包括数据库系统，该数据库系统，用于保存已做标注的包含有二维码的图片，将这些图片作为待训练图片。
还包括分类裁剪系统，该分类裁剪系统，依照标注的结果对待训练图片进行裁剪处理，对所有待训练图片进行处理，将待训练图片分为两类，正例样本和反例样本，正例样本指含有二维码的样本、反例指其它任何样本，正例样本都被归一化成同样的尺寸大小。并将所有正样本大小归一化成128x128像素大小。
还包括归一化系统，用于对所有图片进行归一化处理。
即对所有正样本和负样本图片进行颜色空间及gamma空间归一化。
颜色空间统一采用灰度空间进行归一化。
从RGB颜色空间转化至灰度空间计算公式：
f(x,y)＝0.3R(x,y)+0.5R(x,y)+0.11B(x,y)
其中f(x,y)为灰度值，R、G、B为相应的红、绿、蓝色值。
Gamma归一化公式为：
f(x,y)＝g(x，y)gamma
取gamma＝1/2进行归一化。
还包括预训练图像特征计算系统，该系统用于计算所有正样本和负样本的图像特征,该图像特征为harr,HOG,SIFT,LBP或其它图像特征中的一种，或者为几种图像特征的联合。
HOG特征为例，对每张图片计算每个像素点梯度，图像中像素点(x，y)的梯度为：
Gx(x，y)＝H(x+1，y)-H(x-1，y)
Gy(x，y)＝H(x，y+1)-H(x，y-1)
式中Gx(x，y)、Gy(x，y)分别表示输入图像中像素点处的水平方向梯度、垂直方向梯度和像素点。像素点(x，y)处的梯度幅值G(x，y)和方向a(x,y)分别为：
将图像分成若干个小的细胞单元Cell，每个Cell为8x8像素大小。将Cell的梯度方向沿到分成9个方向区间，对cell内每个像素用梯度方向在直方图中进行加权投影，梯度大小作为投影权值，得到Cell的梯度方向直方图，也就是该局部图像区域cell对应的一个9维特征向量编码。
把细胞单元组合成大的块(block)，块内归一化梯度直方图。取每个block包含2x2个Cell，将所有Cell的特征向量串联起来再进行归一化便得到该block的HOG特征。
设v为一个还没有被归一化的向量，||vk||表示v的k阶范数，用e表示一个很小的常数，归一化因子可以表示如下：
还包括线性分类器，采集所有样本的特征向量，并提交至预先初始化好SVM线性分类器进行训练，对该线性分类器进行训练。保存训练好的SVM线性分类器。对于上述HOG特征，扫描所有的正样本和负样本图片，按照上述Cell和Block参数采集所有样本的特征向量，提交至SVM分类器进行训练。
还包括二维码检测识别系统，该检测系统包括图片载入模块，用于载入待检测的图片；图片调整模块，用于对待检测图像进行尺度缩放(计算图像层数，缩放的最大倍数为图像最长边除以256的倍数)；还包括裁剪模块，该裁剪模块根据图片调整模块计算的图像尺寸和窗口个数进行图像裁剪。还包括待检测图像特征计算模块，用于根据上述预训练图像特征计算系统相同的方式，计算出待检测图像的图像特征。对待检测图像的每一层上采用固定大小(128x128像素)的检测窗口按设定好的滑动步长进行滑动遍历，每个检测窗口计算图像特征并送入已训练完成的SVM分类器中，判断该窗口是否为二维码目标，是则存下该目标区域，否则继续滑动。
还包括二维码内容识别模块，对所保存的所有目标区域，进行二维码内容识别。并返回对应的结果。
需要注意的是以上所提到的各种特征及参数可以任何组合搭配，以达到良好的效果。
尽管已经结合实施例对本发明进行了详细地描述，但是本领域技术人员应当理解地是，本发明并非仅限于特定实施例，相反，在没有超出本申请精神和实质的各种修正，变形和替换都落入到本申请的保护范围之中。
Claims (7)
1.一种基于图像特征的二维码定位识别系统，其特征在于，包括二维码预训练系统和二维码检测识别系统；该二维码预训练系统，包括图片采集系统，该图片采集用于采集包含有二维码的图片；标注系统，用于对所有采集到的图片进行标注，记录其中二维码的大小及位置；数据库系统，用于保存已做标注的包含有二维码的图片的信息；还包括分类裁剪系统，用于根据标注系统的标注结果对数据库系统中的含有二维码的图片进行裁剪处理，并将裁剪后的图片归一化成同样的尺寸大小；还包括归一化系统，用于对所有图片进行进行颜色空间及gamma空间归一化；还包括预训练图像特征计算系统，该系统用于计算所有图片的图像特征向量；还包括线性分类器，采集预训练图像特征计算系统计算的所有图片的特征向量，并提交至预先初始化好线性分类器中，对该线性分类器进行训练，保存训练好的线性分类器；所述二维码检测识别系统包括待检测图像特征计算模块，将待检测图像特征计算模块计算好的图像特征向量送入已训练完成的线性分类器中，判断该窗口是否为二维码目标，是则存下该目标区域，否则继续滑动；还包括二维码内容识别模块，对所保存的目标区域，进行二维码内容识别；并返回对应的结果。
2.根据权利要求1所述的一种基于图像特征的二维码定位识别系统，其特征在于，所述线性分类器为SVM线性分类器。
3.根据权利要求1所述的一种基于图像特征的二维码定位识别系统，其特征在于，所述包含有二维码的图片中二维码的大小、数量、拍摄角度、拍摄光照条件、拍摄背景均不同，覆盖现实拍照中所有可能的情况。
4.根据权利要求1-3任意一项所述的一种基于图像特征的二维码定位识别系统，其特征在于，所述图像特征向量为harr,HOG,SIFT,LBP或其它图像特征中的一种，或者为几种图像特征的联合。
5.根据权利要求4所述的一种基于图像特征的二维码定位识别系统，其特征在于，颜色空间统一采用灰度空间进行归一化，
从RGB颜色空间转化至灰度空间计算公式：
f(x,y)＝0.3R(x,y)+0.5R(x,y)+0.11B(x,y)
其中f(x,y)为灰度值，R、G、B为相应的红、绿、蓝色值；
Gamma归一化公式为：
f(x,y)＝g(x，y)gamma
取gamma＝1/2进行归一化。
6.根据权利要求5所述的一种基于图像特征的二维码定位识别系统，其特征在于，预训练图像特征计算系统采用如下方式对图片的图像特征向量进行采集：
对每张图片计算每个像素点梯度，图像中像素点(x，y)的梯度为：
Gx(x，y)＝H(x+1，y)-H(x-1，y)
Gy(x，y)＝H(x，y+1)-H(x，y-1)
式中Gx(x，y)、Gy(x，y)分别表示输入图像中像素点处的水平方向梯度、垂直方向梯度和像素点；
则像素点(x，y)处的梯度幅值G(x，y)和方向a(x,y)分别为：
将图像分成若干个小的细胞单元Cell，每个Cell为8x8像素大小，将Cell的梯度方向沿到分成9个方向区间，对cell内每个像素用梯度方向在直方图中进行加权投影，梯度大小作为投影权值，得到Cell的梯度方向直方图，也就是该局部图像区域cell对应的一个9维特征向量编码；
把细胞单元组合成大的块，块内归一化梯度直方图，取每个block包含2x2个Cell，将所有Cell的特征向量串联起来再进行归一化便得到该block的HOG特征。
7.根据权利要求2-3、5-6任意一项所述的一种基于图像特征的二维码定位识别系统，其特征在于，所述二维码检测识别系统，包括图片载入模块，用于载入待检测的图片；图片调整模块，用于对待检测图像进行尺度缩放；还包括裁剪模块，该裁剪模块根据图片调整模块计算的图像尺寸和窗口个数进行图像裁剪；所述待检测图像特征计算模块，用于根据上述预训练图像特征计算系统相同的方式，计算出待检测图像的图像特征，对待检测图像的每一层上采用固定大小的检测窗口按设定好的滑动步长进行滑动遍历，每个检测窗口计算图像特征并送入已训练完成的SVM分类器中，判断该窗口是否为二维码目标，是则存下该目标区域，否则继续滑动。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910043361.7A CN109800616A (zh) | 2019-01-17 | 2019-01-17 | 一种基于图像特征的二维码定位识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910043361.7A CN109800616A (zh) | 2019-01-17 | 2019-01-17 | 一种基于图像特征的二维码定位识别系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109800616A true CN109800616A (zh) | 2019-05-24 |
Family
ID=66559565
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910043361.7A Pending CN109800616A (zh) | 2019-01-17 | 2019-01-17 | 一种基于图像特征的二维码定位识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109800616A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111523342A (zh) * | 2020-04-26 | 2020-08-11 | 成都艾视特信息技术有限公司 | 一种复杂场景下的二维码检测和校正方法 |
| CN112348026A (zh) * | 2020-11-08 | 2021-02-09 | 北京工业大学 | 一种基于机器视觉的磁性硬盘序列码识别方法 |
| CN112347805A (zh) * | 2020-11-25 | 2021-02-09 | 广东开放大学（广东理工职业学院） | 一种多目标二维码检测识别方法、系统、装置及存储介质 |
| CN112966705A (zh) * | 2020-11-24 | 2021-06-15 | 大禹节水集团股份有限公司 | 一种基于adaboost对农业灌溉滴灌头质量的在线识别方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102693409A (zh) * | 2012-05-18 | 2012-09-26 | 四川大学 | 一种快速的图像中二维码码制类型识别方法 |
| CN105868676A (zh) * | 2016-06-13 | 2016-08-17 | 郝迎喜 | 一种改进的二维码区域定位系统及其定位方法 |
| CN107220577A (zh) * | 2017-05-12 | 2017-09-29 | 广州智慧城市发展研究院 | 一种基于机器学习的二维码定位方法及系统 |
-
2019
- 2019-01-17 CN CN201910043361.7A patent/CN109800616A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102693409A (zh) * | 2012-05-18 | 2012-09-26 | 四川大学 | 一种快速的图像中二维码码制类型识别方法 |
| CN105868676A (zh) * | 2016-06-13 | 2016-08-17 | 郝迎喜 | 一种改进的二维码区域定位系统及其定位方法 |
| CN107220577A (zh) * | 2017-05-12 | 2017-09-29 | 广州智慧城市发展研究院 | 一种基于机器学习的二维码定位方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 殷羽等: "基于联合HOG特征的车牌识别算法", 《计算机工程与设计》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111523342A (zh) * | 2020-04-26 | 2020-08-11 | 成都艾视特信息技术有限公司 | 一种复杂场景下的二维码检测和校正方法 |
| CN112348026A (zh) * | 2020-11-08 | 2021-02-09 | 北京工业大学 | 一种基于机器视觉的磁性硬盘序列码识别方法 |
| CN112966705A (zh) * | 2020-11-24 | 2021-06-15 | 大禹节水集团股份有限公司 | 一种基于adaboost对农业灌溉滴灌头质量的在线识别方法 |
| CN112347805A (zh) * | 2020-11-25 | 2021-02-09 | 广东开放大学（广东理工职业学院） | 一种多目标二维码检测识别方法、系统、装置及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109800616A (zh) | 一种基于图像特征的二维码定位识别系统 | |
| CN108520226B (zh) | 一种基于躯体分解和显著性检测的行人重识别方法 | |
| WO2017190574A1 (zh) | 一种基于聚合通道特征的快速行人检测方法 | |
| EP2833288B1 (en) | Face calibration method and system, and computer storage medium | |
| CN110532970B (zh) | 人脸2d图像的年龄性别属性分析方法、系统、设备和介质 | |
| WO2020206850A1 (zh) | 基于高维图像的图像标注方法和装置 | |
| CN109918971B (zh) | 监控视频中人数检测方法及装置 | |
| CN108564085B (zh) | 一种自动读取指针式仪表读数的方法 | |
| US8326029B1 (en) | Background color driven content retrieval | |
| CN110363047A (zh) | 人脸识别的方法、装置、电子设备和存储介质 | |
| CN106203539B (zh) | 识别集装箱箱号的方法和装置 | |
| CN103093274B (zh) | 基于视频的行人计数的方法 | |
| CN110147714B (zh) | 基于无人机的煤矿采空区裂缝识别方法及检测系统 | |
| CN106203237A (zh) | 集装箱拖车编号的识别方法和装置 | |
| CN109359577B (zh) | 一种基于机器学习的复杂背景下人数检测系统 | |
| CN109741551B (zh) | 一种商品识别结算方法、装置及系统 | |
| US8094971B2 (en) | Method and system for automatically determining the orientation of a digital image | |
| EP3848472A2 (en) | Methods and systems for automated counting and classifying microorganisms | |
| Zhou et al. | Leukocyte image segmentation based on adaptive histogram thresholding and contour detection | |
| CN105447859A (zh) | 一种田间麦蚜虫计数方法 | |
| CN112464843A (zh) | 一种基于人脸人形的精准客流统计系统、方法、及其装置 | |
| CN114783003A (zh) | 一种基于局部特征注意力的行人重识别方法和装置 | |
| CN112633297A (zh) | 目标对象的识别方法、装置、存储介质以及电子装置 | |
| Lin et al. | Cross camera people counting with perspective estimation and occlusion handling | |
| CN111461133A (zh) | 快递面单品名识别方法、装置、设备及存储介质 |
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: 20190524 |