CN111091012A - 条码机条码生成方法及相关产品 - Google Patents
条码机条码生成方法及相关产品 Download PDFInfo
- Publication number
- CN111091012A CN111091012A CN201911181053.7A CN201911181053A CN111091012A CN 111091012 A CN111091012 A CN 111091012A CN 201911181053 A CN201911181053 A CN 201911181053A CN 111091012 A CN111091012 A CN 111091012A
- Authority
- CN
- China
- Prior art keywords
- bar code
- barcode
- code
- machine
- identification
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K1/00—Methods or arrangements for marking the record carrier in digital fashion
- G06K1/12—Methods or arrangements for marking the record carrier in digital fashion otherwise than by punching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- 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
- G06K19/06018—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 one-dimensional coding
- G06K19/06028—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 one-dimensional coding using bar codes
-
- 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
- G06K7/10544—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation by scanning of the records by radiation in the optical part of the electromagnetic spectrum
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1347—Preprocessing; Feature extraction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/14—Vascular patterns
Abstract
本公开提供一种条码机条码生成方法及相关产品,所述方法包括如下步骤:条码机获取条码生成请求,通过蓝牙模块发送连接建立请求;条码机接收终端发送的连接建立响应,与终端建立蓝牙连接,通过该蓝牙连接发送定位坐标获取请求;条码机接收该终端发送的定位坐标,将该定位坐标存储,在生成条码时,将该定位坐标添加至条码的前端。本申请提供的技术方案具有区分地区的优点。
Description
技术领域
本发明涉及网络技术领域,具体涉及一种条码机条码生成方法及相关产品。
背景技术
条形码(barcode)是将宽度不等的多个黑条和空白,按照一定的编码规则排列,用以表达一组信息的图形标识符。常见的条形码是由反射率相差很大的黑条(简称条)和白条(简称空)排成的平行线图案。条形码可以标出物品的生产国、制造厂家、商品名称、生产日期、图书分类号、邮件起止地点、类别、日期等许多信息,因而在商品流通、图书管理、邮政管理、银行系统等许多领域都得到广泛的应用。
现有的条形码相对固定,这样容易让条形码混淆,无法区别条码所在的地区。
发明内容
本发明实施例提供了一种条码机条码生成方法及相关产品,可以体现条形码对应的位置信息,提高了条形码的识别度的优点。
第一方面,本发明实施例提供一种条码机条码生成方法,所述方法包括如下步骤:
条码机获取条码生成请求,通过蓝牙模块发送连接建立请求;
条码机接收终端发送的连接建立响应,与终端建立蓝牙连接,通过该蓝牙连接发送定位坐标获取请求;
条码机接收该终端发送的定位坐标,将该定位坐标存储,在生成条码时,将该定位坐标添加至条码的前端。
可选的,所述方法在条码机获取条码生成请求之前还包括:
条码机采集目标物品的图片,对该目标物品的图片进行识别确定该目标物品的种类,提取与该种类对应的码号。
可选的,所述方法还包括:
条码机对操作人员进行生物识别验证确定该操作人员的身份,提取与该身份匹配的权限,如该目标物品的种类属于该权限,执行所述条码机获取条码生成请求。
可选的,所述生物识别验证包括:指纹识别、掌纹识别、静脉识别或人脸识别。
可选的,所述定位坐标包括:GPS坐标或北斗坐标。
第二方面,提供一种条码机,所述条码机包括:
通信单元,用于获取条码生成请求,发送连接建立请求;接收终端发送的连接建立响应;
处理单元,用于与终端建立蓝牙连接;
所述通信单元,还用于发送定位坐标获取请求;接收该终端发送的定位坐标;
处理单元,还用于将该定位坐标存储,在生成条码时,将该定位坐标添加至条码的前端。
可选的,所述处理单元,还用于采集目标物品的图片,对该目标物品的图片进行识别确定该目标物品的种类,提取与该种类对应的码号。
可选的,所述处理单元,还用于对操作人员进行生物识别验证确定该操作人员的身份,提取与该身份匹配的权限,如该目标物品的种类属于该权限,执行所述条码机获取条码生成请求。
可选的,所述生物识别验证包括:指纹识别、掌纹识别、静脉识别或人脸识别。
第三方面,提供一种计算机可读存储介质,其存储用于电子数据交换的程序,其中,所述程序使得终端执行第一方面提供的方法。
实施本发明实施例,具有如下有益效果:
本申请提供的技术方案的条码机通过与终端连接来获取定位坐标,然后将定位坐标携带在条码的前端,这样即能够对条形码的位置信息进行标注,从而对条码进行了区分,提高了条形码的区分。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是一种终端的结构示意图。
图2是一种条码机条码生成方法的流程示意图。
图3是本申请提供的一种静脉识别流程示意图。
图4是本申请提供的蓝牙连接建立流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结果或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
条形码(barcode)是将宽度不等的多个黑条和空白,按照一定的编码规则排列,用以表达一组信息的图形标识符。常见的条形码是由反射率相差很大的黑条(简称条)和白条(简称空)排成的平行线图案。条形码可以标出物品的生产国、制造厂家、商品名称、生产日期、图书分类号、邮件起止地点、类别、日期等许多信息,因而在商品流通、图书管理、邮政管理、银行系统等许多领域都得到广泛的应用。
条形码技术是在计算机应用中产生发展起来的一种广泛应用于商业、邮政、图书管理、仓储、工业生产过程控制、交通运输、包装、配送等领域的自动识别技术。它最早出现在20世纪40年代,是“由一组规则排列的条、空及其对应字符组成的,用以表示一定信息的标识”。
条形码自动识别系统由条形码标签、条形码生成设备、条形码识读器和计算机组成。
通用商品条形码一般由前缀部分、制造厂商代码、商品代码和校验码组成。商品条形码中的前缀码是用来标识国家或地区的代码,赋码权在国际物品编码协会,如00-09代表美国、加拿大。45、49代表日本。69代表中国大陆,471 代表中国台湾地区,489代表香港特区。制造厂商代码的赋权在各个国家或地区的物品编码组织,中国由国家物品编码中心赋予制造厂商代码。商品代码是用来标识商品的代码,赋码权由产品生产企业自己行使,商品条形码。商品条形码最后用1位校验码来校验商品条形码中左起第1-12数字代码的正确性。商品条形码是指由一组规则排列的条、空及其对应字符组成的标识,用以表示一定的商品信息的符号。其中条为深色、空为浅色,用于条形码识读设备的扫描识读。其对应字符由一组阿拉伯数字组成,供人们直接识读或通过键盘向计算机输入数据使用。这一组条空和相应的字符所表示的信息是相同的。
条形码技术,是随着计算机与信息技术的发展和应用而诞生的,它是集编码、印刷、识别、数据采集和处理于一身的新型技术。
使用条形码扫描,是今后市场流通的大趋势。为了使商品能够在全世界自由、广泛地流通,企业无论是设计制作,申请注册还是使用商品条形码,都必须遵循商品条形码管理的有关规定。
随着零售业和消费市场的飞速扩大和发展,也促进了中国条码标签业务的增长。因为越来越多的地方需要用到标签和条码。其实早在上个世纪70年代,条码已经在全球零售业得到了小范围的应用,而现如今,条码和自动识别系统和数据采集技术依然在全球范围发挥着至关重要的作用。
实际上,在全球范围内,每天需要运用到条码扫描的次数已经超过上亿次,其应用范围也涉及到各个领域和行业,其中包括物流、仓储,图书馆,银行, pos收银系统,医疗卫生、零售商品、服装、食品服务以及高科技电子产品等等,而目前仍然会在每天都在一些新增加的项目上持续的用到条码应用领域。随着市场的不断发展,我们有足够的信心相信,条码必定会推动我们去体验更优质的生活并能节省我们宝贵的时间。
比如在物流业,物流中的货物分类,库位的分配,库位的查询,进出库信息,进出库盘点,产品查询等,如果是用人力去做这些事,不仅浪费时间、人力物力财力等,还常常伴随着非常大的出错率,给大多数商家乃至整个物流业的自身发展都带来了颇多的困扰,所以可以说,没有条码的物流过程将会是多么的杂乱无章,其后果往往不堪设想。而条码技术对物流业的优势也是显而易见的,既能精确管理,又功能实用。对于大部分的现代化仓库管理的需求都能满足。操作方便简单,维护亦不需费心,仓库的管理员经过简单的培训都能快速上岗进行操作。而且还能大大减少居高不下的人为出错率。把种类繁琐的工作瞬间化烦为易,查询货物的时候特别方便,不需再耗费很多的人力去翻查种类繁多的出进货单据,只需在电脑上轻轻一扫,所需的货物型号、经销商、进出货日期,经办人等具体详细资料都即可显示出来,并且可以打印出来。而且这部分数据还可以备份,不会因为死机或者电脑中病毒而担心数据的丢失。不失为人性化管理系统。
识别原理
要将按照一定规则编译出来的条形码转换成有意义的信息,需要经历扫描和译码两个过程。物体的颜色是由其反射光的类型决定的,白色物体能反射各种波长的可见光,黑色物体则吸收各种
波长的可见光,所以当条形码扫描器光源发出的光在条形码上反射后,反射光照射到条码扫描器内部的光电转换器上,光电转换器根据强弱不同的反射光信号,转换成相应的电信号。根据原理的差异,扫描器可以分为光笔、红光 CCD、激光、影像四种。电信号输出到条码扫描器的放大电路增强信号之后,再送到整形电路将模拟信号转换成数字信号。白条、黑条的宽度不同,相应的电信号持续时间长短也不同。主要作用就是防止静区宽度不足。然后译码器通过测量脉冲数字电信号0,1的数目来判别条和空的数目。通过测量0,1信号持续的时间来判别条和空的宽度。此时所得到的数据仍然是杂乱无章的,要知道条形码所包含的信息,则需根据对应的编码规则(例如:EAN-8码),将条形符号换成相应的数字、字符信息。最后,由计算机系统进行数据处理与管理,物品的详细信息便被识别了。
条形码的扫描需要扫描器,扫描器利用自身光源照射条形码,再利用光电转换器接受反射的光线,将反射光线的明暗转换成数字信号。不论是采取何种规则印制的条形码,都由静区、起始字符、数据字符与终止字符组成。有些条码在数据字符与终止字符之间还有校验字符。
静区:静区也叫空白区,分为左空白区和右空白区,左空白区是让扫描设备做好扫描准备,右空白区是保证扫描设备正确识别条码的结束标记。
为了防止左右空白区(静区)在印刷排版时被无意中占用,可在空白区加印一个符号(左侧没有数字时印<;号,右侧没有数字时加印>;号)这个符号就叫静区标记。主要作用就是防止静区宽度不足。只要静区宽度能保证,有没有这个符号都不影响条码的识别。
起始字符:第一位字符,具有特殊结构,当扫描器读取到该字符时,便开始正式读取代码了。
数据字符:条形码的主要内容。
校验字符:检验读取到的数据是否正确。不同编码规则可能会有不同的校验规则。
终止字符:最后一位字符,一样具有特殊结构,用于告知代码扫描完毕,同时还起到只是进行校验计算的作用。
为了方便双向扫描,起止字符具有不对称结构。因此扫描器扫描时可以自动对条码信息重新排列。条码扫描器有光笔、CCD、激光、影像四种
光笔:最原始的扫描方式,需要手动移动光笔,并且还要与条形码接触。
CCD:以CCD作为光电转换器,LED作为发光光源的扫描器。在一定范围内,可以实现自动扫描。并且可以阅读各种材料、不平表面上的条码,成本也较为低廉。但是与激光式相比,扫描距离较短。
激光:以激光作为发光源的扫描器。又可分为线型、全角度等几种。
影像:以光源拍照利用自带硬解码板解码,通常影像扫描可以同时扫描一维及二维条码,如Honeywell引擎。
线型:多用于手持式扫描器,范围远,准确性高。
全角度:多为工业级固定式扫描,自动化程度高,在各种方向上都可以自动读取条码及输出电平信号,结合传感器使用。
条形码是迄今为止最经济、实用的一种自动识别技术。条形码技术具有以下特点:
A.输入速度快:与键盘输入相比,条形码输入的速度是键盘输入的5倍,并且能实现“即时数据输入”。
B.可靠性高:键盘输入数据出错率为三百分之一,利用光学字符识别技术出错率为万分之一,而采用条形码技术误码率低于百万分之一。
C.采集信息量大:利用传统的一维条形码一次可采集几十位字符的信息,二维条形码更可以携带数千个字符的信息,并有一定的自动纠错能力。
D.灵活实用:条形码标识既可以作为一种识别手段单独使用,也可以和有关识别设备组成一个系统实现自动化识别,还可以和其他控制设备联接起来实现自动化管理。
另外,条形码标签易于制作,对设备和材料没有特殊要求,识别设备操作容易,不需要特殊培训,且设备也相对便宜。
成本非常低。在零售业领域,因为条码是印刷在商品包装上的,所以其成本几乎为‘零’。
唯一性:同种规格同种产品对应同一个产品代码,同种产品不同规格应对应不同的产品代码。根据产品的不同性质,如:重量、包装、规格、气味、颜色、形状等等,赋予不同的商品代码。
永久性:产品代码一经分配,就不再更改,并且是终身的。当此种产品不再生产时,其对应的产品代码只能搁置起来,不得重复起用再分配给其它的商品。
无含义:为了保证代码有足够的容量以适应产品频繁的更新换代的需要,最好采用无含义的顺序码。
条形码校验码公式:
1.首先,把条形码从右往左依次编序号为“1,2,3,4……”从序号二开始把所有偶数序号位上的数相加求和,用求出的和乘3,再从序号三开始把所有奇数序号上的数相加求和,用求出的和加上刚才偶数序号上的数,然后得出和。再用 10减去这个和的个位数,就得出校验码。
举个例子:
此条形码为:977167121601X(X为校验码)。
1.1+6+2+7+1+7=24
2.24×3=72
3.0+1+1+6+7+9=24
4.72+24=96
5.10-6=4
所以最后校验码X=4。此条形码为9771671216014。
如果第5步的结果个位为10,校验码是0;也就是说第4步个位为0的情况。
通常用美标检测法"A"-"F"五个质量等级,"A"级为最好,"D"级为最差,"F" 级为不合格。A级条码能够被很好的识读,适合只沿一条线扫描并且只扫描一次的场合。B级条码在识读中的表现不如A级,适合于只沿一条线扫描但允许重复扫描的场合。C级条码可能需要更多次的重复扫描,通常要使用能重复扫描并有多条扫描线的设备才能获得比较好的识读效果。D级条码可能无法被某些设备识读,要获得好的识读效果,则要使用能重复扫描并具有多条扫描线的设备。F级条码是不合格品,不能使用。
UPC
只能表示数字,有A、B、C、D、E五个版本版本A-12位数字版本E -7位数字最后一位为校验位大小是宽1.5"高1",而且背景要与清晰主要使用于美国和加拿大地区,用于工业、医药、仓库等部门。当UPC作为十二位进行解码时,定义如下:第一位=数字标识(已经由UCC(统一代码委员会) 所建立).第2-6位=生产厂家的标识号(包括第一位)第7-11=唯一的厂家产品代码第12位=校验位(used for error detection)
Code 3
能表示字母、数字和其它一些符号共43个字符:A-Z,0-9,-.$/+%,pace条形码的长度是可变化的,通常用“*”号作为起始、终止符校验码不用代码密度介于3-9.4个字符/每英寸,空白区是窄条的10倍,用于工业、图书、以及票证自动化管理上。
Code 128
表示高密度数据,字符串可变长,符号内含校验码,有三种不同版本: A,B,and C可用128个字符分别在A,B,or C三个字符串集合中,用于工业、仓库、零售批发。
Interleaved
2-of-5(I2 of5)
只能表示数字0-9可变长度,连续性条形码,所有条与空都表示代码,第一个数字由条开始,第二个数字由空组成空白区比窄条宽10倍,应用于商品批发、仓库、机场、生产/包装识别、工业中,条形码的识读率高,可适用于固定扫描器可靠扫描,在所有一维条形码中的密度最高。
Codabar(库德巴码)
可表示数字0-9,字符$、+、-、还有只能用作起始/终止符的a,b,c d四个字符,可变长度,没有校验位,应用于物料管理、图书馆、血站和当前的机场包裹发送中,空白区比窄条宽10,非连续性条形码,每个字符表示为4条3空。 Codabar又名NW 7,NW 7是在日本的叫法。
QR码
QR码呈正方形,常见的是黑白两色。在3个角落,印有较小,像“回”字的的正方图案。这3个是帮助解码软件定位的图案,用户不需要对准,无论以任何角度扫描,数据仍可正确被读取。
日本QR码的标准JIS X 0510在1999年1月发布,而其对应的ISO国际标准ISO/IEC18004,则在2000年6月获得批准。根据Denso Wave公司的网站数据,QR码是属于开放式的标准,QR码的规格公开,虽由Denso Wave公司持有的专利权益,但不会被运行。
除了标准的QR码之外,也存在一种称为“微型QR码”的格式,是QR码标准的缩小版本,主要是为了无法处理较大型扫描的应用而设计。微型QR码同样有多种标准,最高可存储35个字符。
PDF417(二维码)
多行组成的条形码,不需要连接一个数据库,本身可存储大量数据,应用于:医院、驾驶证、物料管理、货物运输,当条形码受一定破坏时,错误纠正能使条形码能正确解码PDF417,是讯宝(Symbol)科技公司于1990年研制的产品。它是一个多行、连续性、可变长、包含大量数据的符号标识。每个条形码有3-90行,每一行有一个起始部分、数据部分、终止部分。它的字符集包括所有128个字符,最大数据含量是1850个字符。
PDF417简介
PDF417码是由留美华人王寅敬(音)博士发明的。PDF是取英文Portable DataFile三个单词的首字母的缩写,意为“便携数据文件”。因为组成条形码的每一符号字符都是由4个条和4个空构成,如果将组成条形码的最窄条或空称为一个模块,则上述的4个条和4个空的总模块数一定为17,所以称417码或 PDF417码。
PDF417的特点
1.信息容量大
PDF417码除可以表示字母、数字、ASCⅡ字符外,还能表达二进制数。为了使得编码更加紧凑,提高信息密度,PDF417在编码时有三种格式:
*扩展的字母数字压缩格式可容纳1850个字符;
*二进制/ASCⅡ格式可容纳1108个字节;
*数字压缩格式可容纳2710个数字。
2.错误纠正能力
一维条形码通常具有校验功能以防止错读,一旦条形码发生污损将被拒读。而二维条形码不仅能防止错误,而且能纠正错误,即使条形码部分损坏,也能将正确的信息还原出来。
3.印制要求不高
普通打印设备均可打印,传真件也能阅读。
4.可用多种阅读设备阅读
PDF417码可用带光栅的激光阅读器,线性及面扫描的图像式阅读器阅读。
5.尺寸可调以适应不同的打印空间
6.码制公开已形成国际标准,中国也已制定了417码的国标。
PDF417的纠错功能
二维条形码的纠错功能是通过将部分信息重复表示(冗余)来实现的。比如在PDF417码中,某一行除了包含本行的信息外,还有一些反映其它位置上的字符(错误纠正码)的信息。这样,即使当条形码的某部分遭到损坏,也可以通过存在于其它位置的错误纠正码将其信息还原出来。
PDF417的纠错能力依错误纠正码字数的不同分为0~8共9级,见图4,级别越高,纠正码字数越多,纠正能力越强,条形码也越大。当纠正等级为8时,即使条形码污损50%也能被正确读出。
PDF417的几种变形
PDF417还有几种变形的码制形式:
*PDF417截短码
在相对“干净”的环境中,条形码损坏的可能性很小,则可将右边的行指示符省略并减少终止符。
*PDF417微码
进一步缩减的PDF码。
*宏PDF417码
当文件内容太长,无法用一个PDF417码表示时,可用包含多个(1~99999 个)条形码分块的宏PDF417码来表示。
以PDF417码为例,介绍二维条形码的特性和特点。
二维条形码的优势:
从以上的介绍可以看出,与一维条形码相比二维条形码有着明显的优势,归纳起来主要有以下几个方面:
一)数据容量更大
二)超越了字母数字的限制
三)条形码相对尺寸小
四)具有抗损毁能力
复合条码
这是一种新出现的码制类型,由两个很靠近的条码符号组成,并包含互相关联的数据。通常其中一个是线性符号而另一个是堆叠或阵列符号。
应用于目标物的生命期内在不同点需要不同的信息的情况下,或者受到空间限制的情况下。
目前,其主流的应用是UCC.EAN复合条码,其主要满足如医药行业等需要同时包含产品标识及附加信息(如批次号、有效期)的应用场合。这些符号由一个标准的UCC.EAN系统类的一维码(如EAN-13或UPC-A或UCC.EAN 128)与一个二维堆叠码组成。
自从1999年国际物品编码条码协会(EAN)颁布新的复合码标准以后,EAN 和UCC(美国统一代码委员会)共同成立了四个复合码应用课题组,研究在商业及物流系统中应用复合码的具体技术及应用试点问题。1999年8月,EAN和UCC又联合宣布共同开发供应链管理中复合码的应用标准,并拟在2000年1 月公布第一批应用标准。这些标准将包括复合码在散装(随机称重)物品、非零售食品,医疗保健用品及电子元器件上编码的应用标准,以及物流管理条码应用标准。复合码作为一种新码制,很好的保持了国际物品编码体系的完整性和兼容性。
一维条形码
一维条形码只是在一个方向(一般是水平方向)表达信息,而在垂直方向则不表达任何信息,其一定的高度通常是为了便于阅读器的对准。
一维条形码的应用可以提高信息录入的速度,减少差错率,但是一维条形码也存在一些不足之处:
*数据容量较小:30个字符左右
*只能包含字母和数字
*条形码尺寸相对较大(空间利用率较低)
*条形码遭到损坏后便不能阅读
二维条形码
在水平和垂直方向的二维空间存储信息的条形码,称为二维条形码 (2-dimensionalbar code)。
与一维条形码一样,二维条形码也有许多不同的编码方法,或称码制。就这些码制的编码原理而言,通常可分为以下三种类型
⒈线性堆叠式二维码
是在一维条形码编码原理的基础上,将多个一维码在纵向堆叠而产生的。典型的码制如:Code 16K、Code 49.PDF417等。
2.矩阵式二维码
是在一个矩形空间通过黑、白像素在矩阵中的不同分布进行编码。典型的码制如:Aztec、Maxi Code、QR Code、Data Matrix等。
3.邮政码
通过不同长度的条进行编码,主要用于邮件编码,如:Postnet、BPO 4-State。
在许多种类的二维条形码中,常用的码制有:Data Matrix、Maxi Code、Aztec、 QRCode、Vericode、PDF417、Ultracode、Code 49、Code 16K等,其中:
*Data Matrix主要用于电子行业小零件的标识,如英特尔(Intel)的奔腾处理器的背面就印制了这种码。
*Maxi Code是由美国联合包裹服务(UPS)公司研制的,用于包裹的分拣和跟踪。
*Aztec是由美国韦林(WelchAllyn)公司推出的,最多可容纳3832个数字或3067个字母字符或1914个字节的数据。
彩色条形码
彩色条码主要是结合带有视像镜头的手提电话或个人电脑,利用镜头来阅读杂志、报纸、电视机或电脑屏幕上的颜色条码,并传送到数据中心。数据中心会因应收到的颜色条码来提供网站资料或消费优惠。
彩色条码比二维条码优胜的地方,是它可以利用较低的分辨率来提供较高的数据容量。一方面,颜色条码无需要较高分辨率的镜头来解读,使沟通从单向变成双方面,二来较低的分辨率亦令使用条码的公司在条码上加上变化,以提高读者参与的兴趣。
新的彩色条码将使用4或8种颜色,在较少的空间中储存更多的资讯,并以小三角形取代传统的长方形。由CNET新闻中公布的图片看来,类似彩色版的二维QR条码。彩色条码未来计划用于电影、电玩等商业性媒介上,以冀提供更高的安全性,甚至电影宣传片连结或其他附加功能。
二维条码自出现以来,得到了人们的普遍关注,发展速度十分迅速。它的使用,极大地提高了数据采集和信息处理的速度,提高了工作效率,并为管理的科学化和现代化做出了很大贡献。
由于受信息容量的限制,一维条码仅仅是对“物品”的标识,而不是对“物品”的描述。故一维条码的使用,不得不依赖数据库的存在。在没有数据库和不便联网的地方,一维条码的使用受到了较大的限制,有时甚至变得毫无意义。
另外,要用一维条码表示汉字的场合,显得十分不方便,且效率很低。现代高新技术的发展,迫切要求用条码在有限的几何空间内表示更多的信息,从而满足千变万化的信息表示的需要。
二维条码正是为了解一维条码无法解决的问题而产生的。因为它具有高密度、高可靠性等特点,所以可以用它表示数据文件(包括汉字文件)、图像等。二维条码是大容量、高可靠性信息实现存储、携带并自动识读的最理想的方法。
输入速度快:与键盘输入相比,条码输入的速度是键盘输入的5倍,并且能实现"即时数据输入"。
可靠性高:键盘输入数据出错率为三百分之一,利用光学字符识别技术出错率为万分之一,而采用条码技术误码率低于百万分之一。
采集信息量大:利用传统的一维条码一次可采集几十位字符的信息,二维条码更可以携带数千个字符的信息,并有一定的自动纠错能力。
灵活实用:条码标识既可以作为一种识别手段单独使用,也可以和有关识别设备组成一个系统实现自动化识别,还可以和其他控制设备联接起来实现自动化管理。
另外,条码标签易于制作,对设备和材料没有特殊要求,识别设备操作容易,不需要特殊培训,且设备也相对便宜。
二维条码(2-dimensional barcode)是用某种特定的几何图形按一定规律在平面(二维方向上)分布的黑白相间的图形记录数据符号信息的;在代码编制上巧妙地利用构成计算机内部逻辑基础的“0”、“1”比特流的概念,使用若干个与二进制相对应的几何形体来表示文字数值信息,通过图象输入设备或光电扫描设备自动识读以实现信息自动处理:它具有条码技术的一些共性:每种码制有其特定的字符集;每个字符占有一定的宽度;具有一定的校验功能等。同时还具有对不同行的信息自动识别功能、及处理图形旋转变化等特点。
二维条码能够在横向和纵向两个方位同时表达信息,因此能在很小的面积内表达大量的信息。
二维条码可以分为堆叠式/行排式二维条码和矩阵式二维条码。堆叠式/行排式二维条码形态上是由多行短截的一维条码堆叠而成;矩阵式二维条码以矩阵的形式组成,在矩阵相应元素位置上用“点”表示二进制“1”,用“空”表示二进制“0”,由“点”和“空”的排列组成代码。
1.堆叠式/行排式二维条码(又称堆积式或层排式),其编码原理是建立在一维条码基础之上,按需要堆积成二行或多行。它在编码设计、校验原理、识读方式等方面继承了一维条码的一些特点,识读设备与条码印刷与一维条码技术兼容。但由于行数的增加,需要对行进行判定,其译码算法与软件也不完全相同于一维条码。有代表性的行排式二维条码有:Code 16K、Code 49.PDF417 等。
2.矩阵式二维码(又称棋盘式二维条码)它是在一个矩形空间通过黑、白像素在矩阵中的不同分布进行编码。在矩阵相应元素位置上,用点(方点、圆点或其他形状)的出现表示二进制“1”,点的不出现表示二进制的“0”,点的排列组合确定了矩阵式二维条码所代表的意义。矩阵式二维条码是建立在计算机图像处理技术、组合编码原理等基础上的一种新型图形符号自动识读处理码制。具有代表性的矩阵式二维条码有:Code One、Maxi Code、QRCode、DataMatrix 等。在目前几十种二维要码中,常用的码制有:PDF417二维条码,Datamatrix 二维条码,Maxicode二维条码,QR Code,Code 49,Code 16K,Code one,等,除了这些常见的二维条码之外,还有Vericode条码、CP条码、CodablockF条码、田字码、Ultracode条码,Aztec条码。
二维条码的优势:
主要有以下几个方面:一)数据容量更大;二)超越了字母数字的限制;三)条形码相对尺寸小;四)具有抗损毁能力。
二维条码特点:1.高密度编码,信息容量大:可容纳多达1850个大写字母或2710个数字或1108个字节,或500多个汉字,比普通条码信息容量约高几十倍。2.编码范围广:该条码可以把图片、声音、文字、签字、指纹等可以数字化的信息进行编码,用条码表示出来;可以表示多种语言文字;可表示图像数据。3.容错能力强,具有纠错功能:这使得二维条码因穿孔、污损等引起局部损坏时,照样可以正确得到识读,损毁面积达50%仍可恢复信息。4.译码可靠性高:它比普通条码译码错误率百万分之二要低得多,误码率不超过千万分之一。5.可引入加密措施:保密性、防伪性好。6.成本低,易制作,持久耐用。7.条码符号形状、尺寸大小比例可变。8.二维条码可以使用激光或CCD 阅读器识读。
二维条码目前应用:二维条码具有储存量大、保密性高、追踪性高、抗损性强、备援性大、成本便宜等特性,这些特性特别适用於表单、安全保密、追踪、证照、存货盘点、资料备援等方面。表单应用:公文表单、商业表单、进出口报单、舱单等资料之传送交换,减少人工重覆输入表单资料,避免人为错误,降低人力成本保密应用:商业情报、经济情报、政治情报、军事情报、私人情报等机密资料之加密及传递。追踪应用:公文自动追踪、生产线零件自动追踪、客户服务自动追踪、邮购运送自动追踪、维修记录自动追踪、危险物品自动追踪、後勤补给自动追踪、医疗体检自动追踪、生态研究(动物、鸟类...) 自动追踪等。证照应用:护照、身分证、挂号证、驾照、会员证、识别证、连锁店会员证等证照之资料登记及自动输入,发挥「随到随读」、「立即取用」的资讯管理效果。盘点应用:物流中心、仓储中心、联勤中心之货品及固定资产之自动盘点,发挥「立即盘点、立即决策」的效果。备援应用:文件表单的资料若不愿或不能以磁碟、光碟等电子媒体储存备援时,可利用二维条码来储存备援,携带方便,不怕折叠,保存时间长,又可影印传真,做更多备份。生产管理/产品溯源应用:在生产过程当中对产品和部件进行编码管理,按产品生产流程进行系统记录。可以在生产过程中避免错误,提高生产效率。同时可以进行产品质量问题追溯,比如食品安全,农产品追溯,产品保修窜货管理。车辆管理应用:行驶证,驾驶证,车辆的年审文件,车辆违章处罚单等采用印制有二维码行车证,将有关车辆上的基本信息,包括车驾号、发动机号、车型、颜色等车辆的基本信息转化保存在二维码中,其信息的隐含性起到防伪的作用,信息的数字化便于与管理部门的管理网络的实施实时监控。景点门票/火车票应用: 景点门票,火车票告别传统文字纸张模式,采用二维码进行售票、检票,提高通行效率,防止伪票。
参阅图1,图1提供了一种终端,该终端具体可以为条码机、智能手机、平板电脑、计算机、服务器,该智能手机可以为IOS、安卓等系统的终端,上述终端具体可以包括:处理器、通信模块、存储器和显示屏,上述部件可以通过总线连接,也可以通过其他方式连接,本申请并不限制上述连接的具体方式。上述终端还可以计算机或服务器。
参阅图2,图2提供了一种条码机条码生成方法,该方法如图2所示,由如图1所示的条码机来执行,该条码机包括通信模块,该通信模块可以为蓝牙模块;该方法包括如下步骤:
步骤S201、条码机获取条码生成请求,通过蓝牙模块发送连接建立请求;
上述步骤S201中的条码生成请求可以通过一个物理按键来得到,当然在实际应用中,如果该条码机具有触控显示屏,也可以依据该触控显示屏来获取该条码生成请求。本申请并不限制上述条码生成请求的具体实现方法。
步骤S202、条码机接收终端发送的连接建立响应,与终端建立蓝牙连接,通过该蓝牙连接发送定位坐标获取请求;
上述定位坐标包括但不限于:GPS(英文:Global Positioning System,全球定位系统)坐标、北斗坐标等等,当然在实际应用中,也可以依据该定位坐标来获取位置名称。
当然在实际应用中,还可以确定条码机的标识。上述条码机的标识具体可以为,条码机的号码、条码机的MAC(英文:Media Access Control,媒体访问控制)地址、条码机的IMIE(英文:International Mobile Equipment Identity number,国际移动设备识别码)、条码机的IP地址等等,当然在实际应用中还可以采用其他的终端标识,本发明具体实施方式并不限制上述条码机的标识的具体表现形式。
步骤S203、条码机接收该终端发送的定位坐标,将该定位坐标存储,在生成条码时,将该定位坐标添加至条码的前端。
本申请提供的技术方案的条码机通过与终端连接来获取定位坐标,然后将定位坐标携带在条码的前端,这样即能够对条形码的位置信息进行标注,从而对条码进行了区分,提高了条形码的区分。
可选的,上述方法在步骤S201之前还可以包括:
条码机采集目标物品的图片,对该目标物品的图片进行识别确定该目标物品的种类,提取与该种类对应的码号。
上述采集目标物品的图片可以通过神经网络模型来实现,该神经网络模型可以为百度神经网络模型、谷歌神经网络模型等等。
可选的,上述方法还可以包括:
条码机对操作人员进行生物识别验证确定该操作人员的身份,提取与该身份匹配的权限,如该目标物品的种类属于该权限,则执行上述步骤S201以及后续步骤。
上述该生物识别验证包括但不限于:指纹识别、掌纹识别、静脉识别、人脸识别等等。
上述静脉识别验证的方法如图3所示,具体可以包括:
B1、分析采集的静脉图片中的目标静脉区域图像的特征点分布;
B2、按照M个不同圆心对所述目标静脉区域图像进行圆形图像截取,得到M个圆形静脉区域图像,所述M为大于3的整数;
B3、从所述M个圆形静脉区域图像中选出目标圆形静脉区域图像,所述目标圆形静脉区域图像所包含的特征点的数量大于所述M个圆形静脉区域图像中的其他圆形静脉区域图像;
B4,将所述目标圆形静脉区域图像划分得到N个圆环,所述N个圆环的环宽相同;
B5,从所述N个圆环中半径最小的圆环开始,将所述N个圆环依次与预设静脉模板进行特征点匹配,并累计已匹配圆环的匹配值;
B6,当累计的匹配值大于预设匹配阈值时立即停止进行特征点匹配,启动版本更新。
对指纹图像进行验证得到验证结果具体可以包括:
C1、对该指纹图像包含的指纹图像进行特征提取,得到第一特征点集;
C2、确定所述指纹图像的指纹有效面积,所述指纹有效面积为仅包括指纹纹路的指纹面积;
C3、依据所述第一特征点集、所述指纹有效面积确定所述指纹图像的目标特征点分布密度;
C4、对预设指纹模板进行特征提取,得到第二特征点集;
C5、按照预设的特征点分布密度与指纹识别阈值之间的映射关系,确定所述目标特征点分布密度对应的目标指纹识别阈值;
C6、确定所述第一特征点集与所述第二特征点集之间的匹配值;
C7、在所述匹配值大于所述目标指纹识别阈值时,确认所述目标身份信息与所述预设身份信息匹配成功。
其中,上述指纹有效面积为仅包括指纹纹路的指纹面积,在实际指纹采集过程中,指纹图像还可能包括背景图像,但背景图像并不包括指纹纹路,因此,可以把这部分进行裁剪掉,指纹有效面积为用户按压指纹识别模组且生成指纹图像中指纹纹路的区域。电子设备可以对指纹图像进行特征点提取,得到第一特征点集,第一特征点集可以包括多个特征点,特征提取的主要算法可以为以下至少一种:Harris角点检测算法、尺度不变特征提取算法(scale invariant feature transform,SIFT),SURF算法等等,在此不作限定,同理,电子设备也可以对预设指纹模板进行特征提取,得到第二特征点集,第二特征点集也可以包括多个特征点,进而,可以依据第一特征点集、指纹有效面积确定指纹图像的目标特征点分布密度,目标特征点分布密度=第一特征点集的特征点总数量/指纹有效面积,电子设备中可以预先存储预设的特征点分布密度与指纹识别阈值之间的映射关系,进而,依据该映射关系可以确定目标特征点分布密度对应的目标指纹识别阈值,确定第一特征点集与第二特征点集之间的匹配值,若匹配值大于目标指纹识别阈值,则确认目标身份信息与预设身份信息匹配成功,反之,则目标身份信息与预设身份信息匹配失败,如此,可以依据用户的按压情况,适当调整识别阈值,有助于提升身份认证效率。
对于人脸识别算法,大部分人脸识别算法一般包括三个部分,即特征提取、比对认证以及活体识别,其中,比对认证具体的实现方式可以为,对采集的人脸图像与模板图像进行比对。对于现有的终端设备来说,由于终端设备使用的人不止一人,或者用户处于一些其他的考虑,可能录入有多个模板图像,这样对于对比特征的方式来说,其首先需要选择的即是采用多个模板图像中的那个图像,因为比对认证的是一一比对的方式,目前的技术并不涉及一对多的比对,所以选择多个模板图像中那个模板图像非常影响识别的速度。人脸识别的算法选取模板图像一般是随机选取或通过录入的时间来选取,随机选取的方式一般看选取的运气,在单个人脸识别中,有可能识别速度很快,但是长期来看,其与通过录入的时间的选取方式几乎一样。
以一种基于神经网络计算的人脸识别的计算方法为例来说明人脸识别的方案,对于神经网络计算时,其输入的数据可以称为输入神经元,该输入神经元在人脸识别中具体可以为一个特征的特征值,例如,轮廓特征值,肤色特征值、眼部特征值、耳朵特征值等等,其计算的方式是将该输入神经元与对应的权值进行计算得到计算结果。
人脸识别的具体方式可以包括:对该人脸图像进行特征提取得到N个特征。
上述特征提取的方式可以有多种,例如通过特征脸算法对人脸图像的特征提取得到N个特征,当然在实际应用中还可以采用其他的特征提取方式,例如,采用局部二元模式算法对人脸图像特征提取得到N个特征。上述N的取值范围可以为大于等于2的整数,具体的,上述N个特征包括但不限于:眼部特征、耳部特征、面部特征、轮廓特征、肤色特征等等中的任意组合。本发明并不限制上述N个特征表现形式。
对N个特征分别与N个设定阈值进行比较得到大于设定阈值的M个特征以及小于设定阈值的W个特征值,其中N=M+W。
上述N个设定阈值可以为相同的阈值,也可以为不同的阈值,具体的实现方式可以由用户或厂家自行设定,本发明并不限制上述设定阈值的具体表现形式。M、W取值范围均可以为大于等于1的整数。
将M个特征作为M个输入神经元输入到基于神经网络的人脸识别算法中执行计算得到计算结果,将W个特征值对应的W个输入神经元的计算链接断开,依据该计算结果得到人脸识别的结果,依据该结果确定目标对象的身份。
中广播神经网络模型更新请求,通过蓝牙网络接收邻近设备返回的神经网络模型更新响应。
该神经网络模型更新请求可以包括:神经网络模型的第一类型、第一层数。
携带这两个参数的目的是为了告知邻近设备需要更新那样的神经网络模型以及对应的层数,因为对于神经网络模型更新来说,其实际是一种对神经网络模型在训练的过程,下面说明一下神经网络模型的训练过程,这里的神经网络模型以神经网络模型为例,其层数可以为10层,当然在实际应用中,上述层数也可以为其他的层数。
神经网络模型训练分为正向运算和反向运算两个阶段,具体为:
神经网络模型的第1层接收训练样本,将该训练样本作为本层的输入数据与本层的权值数据进行计算得到第1层的输出结果,将第本层的输出结果作为下一层的输入数据执行下一层的计算,依次执行10层的正向运算得到正向运算结果,将该正向运算结果作为反向运算的第10层的反向输入数据,将第10层的反向输入数据与第10层的权值数据进行得到第10层权值参数,将第10层反向输入数据与第10层的正向输入数据计算得到第10层反向输出结果,对于反向运算,下一层的输出结果为上一层的反向输入数据,这样执行10层的反向运算即能够得到每层的权值参数,将每层的权值参数与本层的权值进行相乘即得到本次更新后的权值,执行多次迭代即可以完成神经网络模型的更新。通过上述说明,可以得到,如果该神经网络的层数不同,那么其更新的权值参数也不相同,并且其输入数据也不相同,所以必须保证该神经网络模型的层数相同。
可选的,上述方法还可以包括:
条码机通过蓝牙网络向邻近设备发送神经网络模型参数,接收邻近设备发送的神经网络模型更新参数,所述神经网络型更新参数为依据所述神经网络模型参数完成更新计算后得到的参数;
使用该神经网络模型更新参数对神经网络模型进行更新。
上述使用神经网络模型更新参数对神经网络模型进行更新的具体方式可以包括:
将神经网络模型的参数替换成更新参数或将神经网络模型的参数与更新参数执行乘积运算得到的积作为更新后的神经网络模型的参数。
此技术方案对于神经网络模型的更新参数来说,其具有两种方式,第一种方式为替换方式,此种方式的优点是比较直接,对于电子设备的计算量比较小,但是替换方式的更新参数传递的数据量比较大,这样会影响更新的效率,另外一种为,更新参数为原参数的加权值,将原有的参数与加权值进行乘法运算得到的积就是更新后的参数,此种方式能够减少更新参数的传递的数据量,因为对于神经网络模型的参数来说,由于神经网络模型具有多层,一般为10层以上,每层均具有不同的参数,如果所有的参数均发送,那么其数据量是非常大的,虽然通过蓝牙网络传递数据无需网络流量,但是较大的数据量需要较长的时间接收,因此对于时延也比较大,另外,由于电子设备本身就具有神经网络模型的已有参数,通过神经网络模型更新来看,大部分的神经网络模型的参数是无需更新的,即该参数的加权值为1,此时将相同的参数值传输给电子设备也没有必要。
本申请提供的技术方案确定神经网络模型需要更新时,建立蓝牙网络,允许邻近设备接入蓝牙网络后,向邻近设备发送神经网络模型参数,由邻近设备完成神经网络模型参数更新后,将更新后的参数发送给电子设备执行神经网络模型,这样本申请的技术方案即能够通过蓝牙网络实现对神经网络模型的参数发送以及邻近设备执行神经网络模型的参数更新,实现了电子设备的神经网络模型更新,提高了用户体验度。
上述条码机与邻近设备建立连接的方法如图4所示,具体包括如下步骤:
步骤S301、条码机确定神经网络模型需要更新时,广播邻近感知网络蓝牙网络的感知信息;
步骤S302、邻近设备接收到感知信息后,向条码机发送接入请求,所述接入请求包括邻近网络的标识信息;
步骤S303、条码机获取邻近设备接入请求,对标识信息进行验证后,允许所述邻近设备接入蓝牙网络。
步骤S304、在蓝牙网络中广播神经网络模型更新请求,通过蓝牙网络接收所述邻近设备返回的神经网络模型更新响应。
步骤S305、通过蓝牙网络向邻近设备发送神经网络模型参数;
步骤S306、邻近设备依据该神经网络模型参数对神经网络模型进行训练得到神经网络模型更新参数,向条码机发送神经网络模型更新参数;
步骤S307、条码机使用神经网络模型更新参数对神经网络模型进行更新。
本申请提供的技术方案确定神经网络模型需要更新时,建立蓝牙网络,允许邻近设备接入蓝牙网络后,向邻近设备发送神经网络模型参数,由邻近设备完成神经网络模型参数更新后,将更新后的参数发送给电子设备执行神经网络模型,这样本申请的技术方案即能够通过蓝牙网络实现对神经网络模型的参数发送以及邻近设备执行神经网络模型的参数更新,实现了电子设备的神经网络模型更新,提高了用户体验度。
本申请还提供一种条码机,所述条码机包括:
通信单元,用于获取条码生成请求,发送连接建立请求;接收终端发送的连接建立响应;
处理单元,用于与终端建立蓝牙连接;
所述通信单元,还用于发送定位坐标获取请求;接收该终端发送的定位坐标;
处理单元,还用于将该定位坐标存储,在生成条码时,将该定位坐标添加至条码的前端。
可选的,所述处理单元,还用于采集目标物品的图片,对该目标物品的图片进行识别确定该目标物品的种类,提取与该种类对应的码号。
可选的,所述处理单元,还用于对操作人员进行生物识别验证确定该操作人员的身份,提取与该身份匹配的权限,如该目标物品的种类属于该权限,执行所述条码机获取条码生成请求。
可选的,所述生物识别验证包括:指纹识别、掌纹识别、静脉识别或人脸识别。
本发明实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任何一种条码机条码生成方法的部分或全部步骤。
本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种条码机条码生成方法的部分或全部步骤。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM, Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本发明实施例进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种条码机条码生成方法,其特征在于,所述方法包括如下步骤:
条码机获取条码生成请求,通过蓝牙模块发送连接建立请求;
条码机接收终端发送的连接建立响应,与终端建立蓝牙连接,通过该蓝牙连接发送定位坐标获取请求;
条码机接收该终端发送的定位坐标,将该定位坐标存储,在生成条码时,将该定位坐标添加至条码的前端。
2.根据权利要求1所述的方法,其特征在于,所述方法在条码机获取条码生成请求之前还包括:
条码机采集目标物品的图片,对该目标物品的图片进行识别确定该目标物品的种类,提取与该种类对应的码号。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
条码机对操作人员进行生物识别验证确定该操作人员的身份,提取与该身份匹配的权限,如该目标物品的种类属于该权限,执行所述条码机获取条码生成请求。
4.根据权利要求3所述的方法,其特征在于,
所述生物识别验证包括:指纹识别、掌纹识别、静脉识别或人脸识别。
5.根据权利要求1所述的方法,其特征在于,
所述定位坐标包括:GPS坐标或北斗坐标。
6.一种条码机,其特征在于,所述条码机包括:
通信单元,用于获取条码生成请求,发送连接建立请求;接收终端发送的连接建立响应;
处理单元,用于与终端建立蓝牙连接;
所述通信单元,还用于发送定位坐标获取请求;接收该终端发送的定位坐标;
处理单元,还用于将该定位坐标存储,在生成条码时,将该定位坐标添加至条码的前端。
7.根据权利要求6所述的条码机,其特征在于,
所述处理单元,还用于采集目标物品的图片,对该目标物品的图片进行识别确定该目标物品的种类,提取与该种类对应的码号。
8.根据权利要求7所述的条码机,其特征在于,
所述处理单元,还用于对操作人员进行生物识别验证确定该操作人员的身份,提取与该身份匹配的权限,如该目标物品的种类属于该权限,执行所述条码机获取条码生成请求。
9.根据权利要求8所述的条码机,其特征在于,
所述生物识别验证包括:指纹识别、掌纹识别、静脉识别或人脸识别。
10.一种计算机可读存储介质,其存储用于电子数据交换的程序,其中,所述程序使得终端执行如权利要求1-5任意一项提供的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911181053.7A CN111091012A (zh) | 2019-11-27 | 2019-11-27 | 条码机条码生成方法及相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911181053.7A CN111091012A (zh) | 2019-11-27 | 2019-11-27 | 条码机条码生成方法及相关产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111091012A true CN111091012A (zh) | 2020-05-01 |
Family
ID=70393243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911181053.7A Pending CN111091012A (zh) | 2019-11-27 | 2019-11-27 | 条码机条码生成方法及相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111091012A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111814790A (zh) * | 2020-07-16 | 2020-10-23 | 上海埃威航空电子有限公司 | 养殖网箱自动识别的二维图像标识方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110074629A1 (en) * | 2009-06-24 | 2011-03-31 | Samsung Electronics Co. Ltd. | Techniques for bar code assisted positioning |
CN102184433A (zh) * | 2011-05-05 | 2011-09-14 | 北京农业信息技术研究中心 | 农产品原产地包装标识生成系统及方法 |
CN104184589A (zh) * | 2014-08-26 | 2014-12-03 | 重庆邮电大学 | 一种身份认证方法、终端设备,及系统 |
CN108446752A (zh) * | 2018-03-16 | 2018-08-24 | 北京摩拜科技有限公司 | 一种便携式条形码制备设备 |
CN110020622A (zh) * | 2019-04-02 | 2019-07-16 | Oppo广东移动通信有限公司 | 指纹识别方法及相关产品 |
CN110301892A (zh) * | 2019-06-11 | 2019-10-08 | Oppo广东移动通信有限公司 | 一种基于静脉识别的检测方法及相关产品 |
WO2019214398A1 (zh) * | 2018-05-07 | 2019-11-14 | 腾讯科技(深圳)有限公司 | 条形码的显示、扫描方法和装置、存储介质及电子装置 |
-
2019
- 2019-11-27 CN CN201911181053.7A patent/CN111091012A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110074629A1 (en) * | 2009-06-24 | 2011-03-31 | Samsung Electronics Co. Ltd. | Techniques for bar code assisted positioning |
CN102184433A (zh) * | 2011-05-05 | 2011-09-14 | 北京农业信息技术研究中心 | 农产品原产地包装标识生成系统及方法 |
CN104184589A (zh) * | 2014-08-26 | 2014-12-03 | 重庆邮电大学 | 一种身份认证方法、终端设备,及系统 |
CN108446752A (zh) * | 2018-03-16 | 2018-08-24 | 北京摩拜科技有限公司 | 一种便携式条形码制备设备 |
WO2019214398A1 (zh) * | 2018-05-07 | 2019-11-14 | 腾讯科技(深圳)有限公司 | 条形码的显示、扫描方法和装置、存储介质及电子装置 |
CN110020622A (zh) * | 2019-04-02 | 2019-07-16 | Oppo广东移动通信有限公司 | 指纹识别方法及相关产品 |
CN110301892A (zh) * | 2019-06-11 | 2019-10-08 | Oppo广东移动通信有限公司 | 一种基于静脉识别的检测方法及相关产品 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111814790A (zh) * | 2020-07-16 | 2020-10-23 | 上海埃威航空电子有限公司 | 养殖网箱自动识别的二维图像标识方法 |
CN111814790B (zh) * | 2020-07-16 | 2024-03-29 | 上海埃威航空电子有限公司 | 养殖网箱自动识别的二维图像标识方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Soon | QR code | |
US20200151528A1 (en) | Personalized pattern-based commodity virtual code assignment method and system | |
US9396421B2 (en) | Producing, capturing and using visual identification tags for moving objects | |
US7350708B2 (en) | Method for data interchange | |
CN100369059C (zh) | 一种矩阵式二维条码及其编码解码方法 | |
US8308068B2 (en) | Colored barcode decoding | |
US20050194444A1 (en) | System for encoding information using colors | |
CN101645081A (zh) | 一种通过二维码追溯农产品信息的方法和系统 | |
CN103336983A (zh) | 基于条形码的票据生成系统及其识别方法 | |
KR20060124675A (ko) | 코드, 바코드 및 라디오 주파수 식별을 사용하는 상품 식별및 인증 방법 | |
Singh et al. | Barcode technology and its application in libraries and Information centers | |
CN110447036A (zh) | 具有动态环境数据的二维条形码系统、方法和设备 | |
CN103793736B (zh) | 对由点阵与一维码形成的标识进行生成与识别的方法 | |
CN109190734A (zh) | 一种基于qr码和ocr特征识别的防伪标签及识别系统 | |
CN107491884A (zh) | 条形码管理系统及方法 | |
RU2534952C1 (ru) | Способ маркировки продукции или изделий для их идентификации и защиты от подделки | |
CN111091012A (zh) | 条码机条码生成方法及相关产品 | |
Hara | Development and popularization of QR code—Code development pursuing reading performance and market forming by open strategy— | |
CN201518129U (zh) | 一种用于农产品的二维码信息追溯系统 | |
CN106326956B (zh) | 一种由二维码构成的72位矩阵码可纠错编解码方法 | |
RU2457537C2 (ru) | Двухкомпонентный штрихкод | |
CN101710389B (zh) | 包括有组元型条码的字符的布局方法、实现方法及结构 | |
CN201457866U (zh) | 一种具有防伪防窜货功能的包装瓶 | |
US6761314B2 (en) | Bar code symbology for consumer scanning applications | |
CN112132245A (zh) | 一种防伪二维码及其防伪验证方法 |
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 |