CN111488752A - 二维码识别方法、装置、电子设备及存储介质 - Google Patents
二维码识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111488752A CN111488752A CN201910087702.0A CN201910087702A CN111488752A CN 111488752 A CN111488752 A CN 111488752A CN 201910087702 A CN201910087702 A CN 201910087702A CN 111488752 A CN111488752 A CN 111488752A
- Authority
- CN
- China
- Prior art keywords
- image
- images
- preset
- dimensional code
- binarization
- 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
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012216 screening Methods 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims description 66
- 238000013507 mapping Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 229910002056 binary alloy Inorganic materials 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical 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
- G06K7/146—Methods for optical code recognition the method including quality enhancement steps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Toxicology (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种二维码识别方法、装置、电子设备及存储介质,涉及二维码识别技术领域。其中,该方法包括:采集预设时间段内多帧图像;筛除多帧图像中不符合预设要求的图像,得到至少1帧可识别图像,至少1帧可识别图像中存在包含二维码信息的图像;根据可识别图像,识别获取二维码信息。本申请实施例能够在识别获取二维码信息时,减少不符合预设要求的图像所占用的时间,从而提升二维码识别速度。
Description
技术领域
本申请涉及二维码识别技术领域,具体而言,涉及一种二维码识别方法、装置、电子设备及存储介质。
背景技术
二维码(2-dimensional bar code)是在两个维度上编码信息的机器可读的图案,可以用于存储信息,或表示数据类型。具体是通过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,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等识别装置自动识读以实现信息自动处理。
现有技术中,识别装置在识别二维码时,通过相机扫描到关于二维码的图像信息,如,目前相机预览的帧率在30帧每秒,则会在一秒内扫描到30帧关于二维码的图像,然后依次通过对每一帧图像进行二维码的解析,以识别图像中的二维码。
但是,使用上述现有技术中,对每一帧图像进行二维码的解析的二维码识别方法进行二维码识别时,存在二维码识别速度较慢的问题。
发明内容
有鉴于此,本申请实施例的目的在于提供一种二维码识别方法、装置、电子设备及存储介质,用于解决现有技术中二维码识别速度较慢的技术问题。
第一方面,本申请实施例提供了一种二维码识别方法,该方法包括:
采集预设时间段内多帧图像;筛除多帧图像中不符合预设要求的图像,得到至少1帧可识别图像,至少1帧可识别图像中存在包含二维码信息的图像;根据可识别图像,识别获取二维码信息。
可选地,上述筛除多帧图像中不符合预设要求的图像,包括:
采集每帧图像的采集时刻对应的终端参数信息;根据终端参数信息,筛除多帧图像中不符合预设要求的图像,得到至少1帧可识别图像。
可选地,终端参数信息包括:至少一种预设终端传感器的参数信息。
可选地,上述根据终端参数信息,筛除多帧图像中不符合预设要求的图像,得到至少1帧可识别图像,包括:
若图像对应的至少一种预设终端传感器的参数信息中,存在一种或多种预设终端传感器的参数信息不满足预设阈值,删除所述图像,得到至少1帧可识别图像。
可选地,上述根据可识别图像,识别获取二维码信息,包括:
根据可识别图像对应的终端参数信息,对至少1帧可识别图像进行排序,获取至少1帧可识别图像的识别顺序;按照识别顺序识别至少1帧可识别图像,获取二维码信息。
可选地,上述筛除多帧图像中不符合预设要求的图像,包括:
采用预设筛选模型,筛除多帧图像中不符合预设要求的图像,其中,预设筛选模型由正样本图像集和负样本图像集训练获取,其中,正样本图像集包含符合预设要求的图像、负样本图像集包含不符合预设要求的图像。
可选地,上述根据可识别图像,识别获取二维码信息,包括:
采用可识别图像对应的二值化算法,对可识别图像进行二值化处理,获取二值化处理后的待识别图像;对二值化处理后的待识别图像进行二维码识别,获取二维码信息。
可选地,上述采用可识别图像对应的二值化算法,对可识别图像进行二值化处理,获取二值化处理后的待识别图像,包括:
采用预设识别模型,识别可识别图像对应的二值化算法,其中,预设识别模型用于指示不同特征类型图像对应的二值化算法;采用可识别图像对应的二值化算法,对可识别图像进行二值化处理,获取二值化处理后的待识别图像。
可选地,上述采用预设识别模型,识别可识别图像对应的二值化算法之前,还包括:
分别采用不同的二值化算法对样本图像集中的图像进行二值化处理,得到多个二值化处理后的样本图像,其中,样本图像集中的图像包括:标记不同特征类型的样本图像子集;对二值化处理后的样本图像进行二维码识别,获取每种二值化算法对每个特征类型的样本图像子集的识别成功率;根据识别成功率,确定不同特征类型与二值化算法的映射关系;根据不同特征类型与二值化算法的映射关系,建立预设识别模型。
第二方面,本申请实施例提供了一种二维码识别装置,包括:
采集模块,用于采集预设时间段内多帧图像;筛除模块,用于筛除多帧图像中不符合预设要求的图像,得到至少1帧可识别图像,至少1帧可识别图像中存在包含二维码信息的图像;识别模块,用于根据可识别图像,识别获取二维码信息。
可选地,筛除模块具体用于,采集每帧图像的采集时刻对应的终端参数信息;根据终端参数信息,筛除多帧图像中不符合预设要求的图像,得到至少1帧可识别图像。
可选地,终端参数信息包括:至少一种预设终端传感器的参数信息。
可选地,筛除模块具体用于,若图像对应的至少一种预设终端传感器的参数信息中,存在一种或多种预设终端传感器的参数信息不满足预设阈值,删除所述图像,得到至少1帧可识别图像。
可选地,识别模块具体用于,根据可识别图像对应的终端参数信息,对至少1帧可识别图像进行排序,获取至少1帧可识别图像的识别顺序;按照识别顺序识别至少1帧可识别图像,获取二维码信息。
可选地,筛除模块具体用于,采用预设筛选模型,筛除多帧图像中不符合预设要求的图像,其中,预设筛选模型由正样本图像集和负样本图像集训练获取,其中,正样本图像集包含符合预设要求的图像、负样本图像集包含不符合预设要求的图像。
可选地,识别装置具体用于,采用可识别图像对应的二值化算法,对可识别图像进行二值化处理,获取二值化处理后的待识别图像;对二值化处理后的待识别图像进行二维码识别,获取二维码信息。
可选地,筛除模块具体用于,采用预设识别模型,识别可识别图像对应的二值化算法,其中,预设识别模型用于指示不同特征类型图像对应的二值化算法;采用可识别图像对应的二值化算法,对可识别图像进行二值化处理,获取二值化处理后的待识别图像。
可选地,所述装置还包括:建立模块,用于分别采用不同的二值化算法对样本图像集中的图像进行二值化处理,得到多个二值化处理后的样本图像,其中,样本图像集中的图像包括:标记不同特征类型的样本图像子集;对二值化处理后的样本图像进行二维码识别,获取每种二值化算法对每个特征类型的样本图像子集的识别成功率;根据识别成功率,确定不同特征类型与二值化算法的映射关系;根据不同特征类型与二值化算法的映射关系,建立预设识别模型。
第三方面,本申请实施例提供了一种电子设备,包括:处理器、存储介质和总线,存储介质存储有处理器可执行的机器可读指令,当电子设备运行时,处理器与存储介质之间通过总线通信,处理器执行机器可读指令,以执行时执行如第一方面中提供的二维码识别方法的步骤。
第四方面,本申请实施例提供了一种存储介质,该存储介质上存储有程序,该程序被处理器运行时执行如第一方面提供的二维码识别方法的步骤。
基于上述任一方面,本申请具有以下有益效果:
本申请实施例中,通过采集预设时间段内多帧图像,筛除多帧图像中不符合预设要求的图像,得到至少1帧可识别图像,使得在根据可识别图像,识别获取二维码信息时,减少了不符合预设要求的图像所占用的时间,从而提升了二维码识别速度。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的二维码识别方法的流程示意图;
图2为本申请实施例提供的二维码识别方法的另一流程示意图;
图3为本申请实施例提供的二维码识别方法的又一流程示意图;
图4为本申请实施例提供的二维码识别方法的又一流程示意图;
图5为本申请实施例提供的二维码识别方法的又一流程示意图;
图6为本申请实施例提供的二维码识别方法的又一流程示意图;
图7为本申请实施例提供的二维码识别装置的结构示意图;
图8为本申请实施例提供的二维码识别装置的另一结构示意图;
图9为本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
还需要说明的是,本申请实施例中将会用到术语“包括”,用于指出其后所声明的特征的存在,但并不排除增加其它的特征。
二维码(2-dimensional bar code)是在两个维度上编码信息的机器可读的图案,可以用于存储信息,或表示数据类型。具体是通过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,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等识别装置自动识读以实现信息自动处理。
随着二维码识别技术的发展,二维码识别技术正在逐渐地被广泛应用于多种领域,例如,通过制作二维码名片实现身份识别(如:会议签到);物流行业中使用二维码进行物流跟踪;电子票务(如:机票、电影票等)中使用二维码除去了排队买票、验票等环节,实现无纸化绿色环保;电子商务领域中使用二维码完成提货、采用二维码形式发放优惠券;移动支付中(如:微信支付、支付宝支付等)通过二维码完成付款或收款;以及其他娱乐应用中,将二维码用作一些广告、音乐视频等信息的链接等。
而现有的二维码识别技术中,对采集到的图像进行解析,获取到二维码信息的时间较长,即,二维码识别速度较慢,经常需要用户等待一定的时间才可以将二维码所表示的数据或信息呈现给用户。
基于现有技术中,二维码识别速度较慢的问题,本申请实施例提供一种二维码识别方法,可以提升二维码识别速度。
需要说明的是,本申请实施例中,该二维码识别方法的执行主体可以是智能手机、平板电脑,也可以是外接有图像采集设备(如:摄像头、扫描仪等)的计算机、服务器等,本申请对此不作限制。
图1为本申请实施例提供的二维码识别方法的流程示意图。
如图1所示,该二维码识别方法包括:
S101、采集预设时间段内多帧图像。
在二维码识别过程中,可以先采集预设时间段内的多帧图像,对所采集的多帧图像进行解析,获取其中所包含的二维码信息,实现对二维码的识别。其中,预设时间段可以是一秒、两秒等,可根据图像采集设备(如扫描仪、摄像头等)的属性所设定。这里的多帧图像可以是连续的也可以是不连续的,本申请不作限制。
例如,对于手机而言,图像采集设备通常为摄像头,若摄像头的采集周期为一秒,则该预设时间段可以为一秒,使用该手机扫描二维码图像时,摄像头在一秒内会采集多帧图像,如30帧、35帧等。
在本申请实施例中,该二维码识别方法还可以应用于扫码器,则预设时间段可根据扫码器的扫描仪设定为0.5秒、2秒等,本申请在此均不作限定。
S102、筛除多帧图像中不符合预设要求的图像,得到至少1帧可识别图像,至少1帧可识别图像中存在包含二维码信息的图像。
预设要求可以包括:对图像清晰度的要求、或图像中是否包含二维码信息的限定等。例如,若预设要求为“图像为非模糊图像”,则可以将上述多帧图像中模糊的图像删除,即筛除不符合该预设要求的图像,将剩余未筛除的图像作为可识别图像;若预设要求为“图像中包含有二维码信息”,则可以将上述多帧图像中不包含二维码信息的图像删除,并将剩余的图像作为可识别图像等。
需要说明的是,本申请实施例中,预设要求可以包括上述对图像清晰度的要求、图像中是否包含二维码信息的限定、以及其他要求中的任一种,或任意几种的组合,本申请对此不作限定。另外,还需要说明的是,根据上述预设要求对多帧图像进行筛除后,剩余的可识别图像为一帧或多帧,且其中存在包含二维码信息的图像。
S103、根据可识别图像,识别获取二维码信息。
可选地,在对上述多帧图像进行筛除,得到可识别图像后,可以对可识别图像进行解析,获取其中包含的二维码信息,实现二维码识别。
以手机为例,使用手机识别二维码时,若手机的摄像头在一秒内采集了30帧图像,手机中的处理器可以筛除掉30帧图像中不符合预设要求的图像。假设,处理器筛除掉了8帧不符合预设要求的图像,则剩余的22帧图像即作为可识别图像。处理器可以对剩余的22帧图像一一进行解析,从而获取到其中包含的二维码信息。
由上所述,本申请实施例提供的该二维码识别方法,通过采集预设时间段内多帧图像,筛除多帧图像中不符合预设要求的图像,得到至少1帧可识别图像,减少了需要识别的图像帧数,使得在根据可识别图像,识别获取二维码信息时,减少了不符合预设要求的图像所占用的时间,从而提升了二维码识别速度。
图2为本申请实施例提供的二维码识别方法的另一流程示意图。
可选地,如图2所示,上述筛除多帧图像中不符合预设要求的图像,包括:
S201、采集每帧图像的采集时刻对应的终端参数信息。
如上所述,终端可以是手机、平板电脑、扫码器等设备。对应的,终端参数信息可以是终端的稳定性、终端在采集图像时的光照强度等。例如,对于A时刻的某一帧图像,则可以利用终端中的各种传感器等采集终端在A时刻采集图像时的稳定程度、光照强度等。
以手机为例,对于某一帧图像所处的时刻,则可以通过手机中的光线传感器获取该时刻对应的光照强度,通过采集手机中的加速度传感器、陀螺仪等的参数信息,判断其在该时刻采集图像时的稳定程度。
S202、根据终端参数信息,筛除多帧图像中不符合预设要求的图像,得到至少1帧可识别图像。
具体地,可以根据所采集的终端参数信息,判断相应时刻的图像是否满足预设要求,例如,若光照强度较弱,则可以认为所采集的图像由于光线不足而无法达到预设要求;若终端的稳定性较差,则可以认为所采集的图像存在模糊或模糊度较高,也无法达到预设要求;从而,可以将不满足预设要求的图像进行筛除,将剩余的图像作为可识别图像。
如上所述,终端参数信息包括:至少一种预设终端传感器的参数信息。
可选地,终端具有至少一种预设终端传感器,对应的,终端参数信息可以包括其中一种预设终端传感器的参数信息,也可以包括多种不同类型预设终端传感器的参数信息组合。
以上述手机为例,预设终端传感器可以包括:加速度传感器、光线传感器和陀螺仪等不同类型的传感器,对应的,手机参数信息则可以包括:加速度传感器参数信息、光线传感器参数信息和陀螺仪参数信息中的一种或多种,在判断图像是否满足预设要求时,可根据手机参数信息中的一种进行判断,也可以根据多种不同类型的手机参数信息进行综合判断,本申请对此不作限定。
可选地,上述根据终端参数信息,筛除多帧图像中不符合预设要求的图像,得到至少1帧可识别图像,包括:
若图像对应的至少一种预设终端传感器的参数信息中,存在一种或多种预设终端传感器的参数信息不满足预设阈值,删除所述图像,得到至少1帧可识别图像。
对于某一帧图像而言,在该帧图像对应时刻的终端参数信息可以包括一种或多种预设终端传感器的参数信息。可以将每种预设终端传感器的参数信息与对应的预设阈值进行比较,若存在一种或多种不满足预设阈值的参数信息,则可确定该帧图像无法达到预设要求,从而删除该帧图像。
举例说明,假设手机在t时刻采集了一帧图像P,对应t时刻的手机参数信息中,加速度传感器参数信息为“手机加速度为a1”,陀螺仪参数信息为“陀螺仪转动角度为w1”;预设阈值包括:预设加速度a和预设转动角度w;比较a与a1的大小,若得到手机加速度a1大于或等于预设加速度a,则可确定手机的加速度参数信息不满足预设阈值;比较w与w1的大小,若得到陀螺仪转档角度w1大于或等于预设转动角度w,则可确定手机的陀螺仪参数不满足预设阈值;因此,可确定图像P无法达到预设要求,从而将图像P删除,以此类推,可以对每帧图像采用上述方法判断,实现对多帧图像中不满足预设要求的图像的筛除。
图3为本申请实施例提供的二维码识别方法的又一流程示意图。
可选地,如图3所示,上述根据可识别图像,识别获取二维码信息,包括:
S301、根据可识别图像对应的终端参数信息,对至少1帧可识别图像进行排序,获取至少1帧可识别图像的识别顺序。
如上所述,在对可识别对象进行识别,获取二维码信息时,可以先根据每帧可识别图像中对应时刻的终端参数信息,将至少一帧可识别图像进行排序,例如,可以按照终端采集图像时的光照强度大小将对应的可识别图像进行排序,或按照终端采集图像时的加速度大小将对应的可识别图像进行排序等,从而可以获取到至少一帧可识别图像的识别顺序。
举例说明,假设可识别图像包括:P1、P2、P3、P4和P5,且P1、P2、P3、P4和P5分别所对应时刻的终端加速度依次为a1、a2、a3、a4和a5;则,可以先将上述终端加速度根据大小依次排序。假设排序后的结果为:“a5>a2>a4>a1>a3”,则可以根据终端加速度的排序结果,将可识别图像P1、P2、P3、P4和P5进行排序,所得到的可识别图像的识别顺序即为:“P5,P2,P4,P1,P3”。
S302、按照识别顺序识别至少1帧可识别图像,获取二维码信息。
其中,识别顺序为至少一帧可识别图像设置了优先级。可选地,可以根据上述可识别图像的识别顺序,按照每帧可识别图像的优先级进行识别,获取其中的二维码信息。
可选地,上述筛除多帧图像中不符合预设要求的图像,包括:
采用预设筛选模型,筛除多帧图像中不符合预设要求的图像,其中,预设筛选模型由正样本图像集和负样本图像集训练获取,其中,正样本图像集包含符合预设要求的图像、负样本图像集包含不符合预设要求的图像。
具体地,可以通过采集大量的图像,根据预设要求的规则,将符合预设要求的图像划分为正样本,将不符合预设要求的图像划分为负样本,从而根据所采集的大量图像,得到由正样本图像集和负样本图像集训练而成的预设筛选模型。在筛除多帧图像中不符合预设要求的图像时,可以采用该预设筛选模型分别对每帧图像进行判定,确定其属于正样本图像集或负样本图像集,若属于正样本图像集,则确定其为可识别图像;若属于负样本图像集,则确定其不符合预设要求,可以将其筛除。
图4为本申请实施例提供的二维码识别方法的又一流程示意图。
可选地,如图4所示,上述根据可识别图像,识别获取二维码信息,包括:
S401、采用可识别图像对应的二值化算法,对可识别图像进行二值化处理,获取二值化处理后的待识别图像。
二维码识别技术中,在对每帧图像进行识别时,通常需要先对图像进行灰度预处理,然后采用二值化算法对灰度预处理后的图像进行二值化处理,得到待识别图像。二值化处理会把大于某个临界灰度值的像素灰度设为灰度极大值,把小于这个值的像素灰度设为灰度极小值,从而实现二值化,例如可以是指将图像上的每个像素点设置为0或255,也即,将图像呈现出黑白效果。
一般地,二值化主要分为全局阈值二值化和局部阈值二值化(或自适应阈值二值化)两类。全局阈值二值化是指将图像中低于某个阈值(如中间值128)的像素设置为黑色,而其他的设置为白色。而局部阈值二值化一般是指对于一帧图像进行二值化处理时,每个像素点对比的阈值不同或自适应。
在本申请实施例中,可以根据可识别图像选择对应的二值化算法,如:双峰法、P参数法、迭代法和最大类间方差法(OTSU)等,对可识别图像进行二值化处理,获取二值化处理后的待识别图像。
S402、对二值化处理后的待识别图像进行二维码识别,获取二维码信息。
图5为本申请实施例提供的二维码识别方法的又一流程示意图。
可选地,如图5所示,上述采用可识别图像对应的二值化算法,对可识别图像进行二值化处理,获取二值化处理后的待识别图像,包括:
S501、采用预设识别模型,识别可识别图像对应的二值化算法,其中,预设识别模型用于指示不同特征类型图像对应的二值化算法。
预设识别模型可以通过对大量的已知图像训练获取。例如,可以采集大量的已知图像,对已知图像对应的特征类型进行标注,然后通过机器学习的方式,为每种特征类型的已知图像匹配相应地一种或多种二值化算法,建立预设识别模型,并将每种特征类型对应的二值化算法作为该预设识别模型的输出结果。进一步,在二维码识别过程中,可以将每帧可识别图像输入该预设识别模型,提取该可识别图像的特征信息,以确定该可识别图像属于的特征类型,进而得到每帧可识别图像对应的二值化算法。
S502、采用可识别图像对应的二值化算法,对可识别图像进行二值化处理,获取二值化处理后的待识别图像。
图6为本申请实施例提供的二维码识别方法的又一流程示意图。
可选地,如图6所示,上述采用预设识别模型,识别可识别图像对应的二值化算法之前,还包括:
S601、分别采用不同的二值化算法对样本图像集中的图像进行二值化处理,得到多个二值化处理后的样本图像,其中,样本图像集中的图像包括:标记不同特征类型的样本图像子集。
可选地,可以通过采集大量的图像作为样本图像集进行训练,建立预设识别模型。
具体地,可以先采集大量的图像,对每帧图像标记相应的特征类型,例如,图像中是否存在水渍、图像是否为夜晚拍摄、图像中二维码是否完整等,并根据所标记的特征类型将图像划分为多个不同特征类型的样本图像子集,多个不同特征类型的样本图像子集组成样本图像集。
对于每种特征类型的样本图像子集中的任一帧图像:
可以采用多种不同的二值化算法对其进行二值化处理,得到该帧图像对应的多个二值化处理结果,即,多个二值化处理后的样本图像。相应地,对于每种特征类型的样本图像子集而言,可以得到不同二值化算法处理后的样本图像。
S602、对二值化处理后的样本图像进行二维码识别,获取每种二值化算法对每个特征类型的样本图像子集的识别成功率。
对于每个特征类型的样本图像子集而言,可以对其对应的不同二值化算法处理后的所有样本图像进行二维码识别,判断是否能够识别成功,从而根据对样本图像的识别结果,计算得到每种二值化算法对该特征类型的样本图像子集的识别成功率。
举例说明,假设某一种特征类型H对应的样本图像子集中存在多个图像,对于某一帧图像P,若分别采用二值化算法f1、f2和f3对其进行二值化处理后,所得到图像P对应的二值化处理后的样本图像为:P1、P2和P3,则可以对P1、P2和P3进行二维码识别,判断每帧样本图像是否能够识别成功。例如:可以分别识别P1、P2和P3,判断是否能成功获取二维码信息,即可得到识别结果为:识别成功,或者识别不成功。
进一步,可以统计每种二值化算法处理后的所有样本图像的识别结果,计算得到每种二值化算法对该特征类型的样本图像子集的识别成功率。
S603、根据识别成功率,确定不同特征类型与二值化算法的映射关系。
如上所述,对于每种特征类型对应的样本图像子集而言,可以得到不同二值化算法对于该特征类型的样本图像子集的识别成功率。可选地,对于某一种特征类型而言,可以选择识别成功率率最高的一种二值化算法、或识别成功率达到一定阈值(如:95%)以上的一种或多种二值化算法,作为该特征类型对应的二值化算法。类似地,对每种特征类型对应的样本图像子集都按照如上方式选择其特征类型对应的二值化算法,即可根据选取结果,确定不同特征类型与二值化算法的映射关系。
例如,对于上述特征类型H对应的样本图像子集而言,若通过计算得到f1、f2和f3三种二值化算法分别对应的识别成功率依次为:97%、90%和80%,则可以确定f1为特征类型H对应的二值化算法。
假设存在五种特征类型:A、B、C、D和E,以及三种二值化算法:f1、f2和f3,则特征类型与二值化算法之间可能的一种映射关系如表1所示:
表1
特征类型 | 二值化算法 |
A | f1 |
B | f2 |
C | f3 |
D | f1 |
E | f2 |
如表1所示,特征类型与二值化算法的映射关系,可以是一种特征类型映射于一种二值化算法,也可以是多种特征类型映射于一种二值化算法,或者一种特征类型映射于多种二值化算法,二值化过程中可以随机采用其中一种进行处理。
S604、根据不同特征类型与二值化算法的映射关系,建立预设识别模型。
可选地,在确定了不同特征类型与二值化算法的映射关系之后,可以根据不同特征类型与二值化算法的映射关系,建立预设识别模型,并将图像作为预设识别模型的输入,将不同特征类型对应的二值化算法作为相应的预设识别模型的输出。对于任一帧图像而言,将其输入该预设识别模型后,预设识别模型可以获取到该图像的特征类型,并根据特征类型选择相应的二值化算法输出。
以前述表1为例,向该预设识别模型中输入一帧图像,若预设识别模型获取到该图像的特征类型为A,则会选择二值化算法f1作为输出,后续即可使用f1对该图像进行二值化处理。
可选地,若某一种特征类型的样本图像子集识别成功率非常低,例如低于预设阈值,那么确定该特征类型对应的图像不适合进行二维码识别。
采用预设识别模型,识别可识别图像对应的二值化算法的过程中,若可识别图像的特征类型符合上述图像不适合进行二维码识别的特征类型,可以将该可识别图像筛除,以进一步减少需要识别的图像数量,提升二维码识别效率。
图7为本申请实施例提供的二维码识别装置的结构示意图。
如图7所示,本申请实施例提供了一种二维码识别装置,包括:
采集模块701,用于采集预设时间段内多帧图像;筛除模块702,用于筛除多帧图像中不符合预设要求的图像,得到至少1帧可识别图像,至少1帧可识别图像中存在包含二维码信息的图像;识别模块703,用于根据可识别图像,识别获取二维码信息。
可选地,筛除模块702具体用于,采集每帧图像的采集时刻对应的终端参数信息;根据终端参数信息,筛除多帧图像中不符合预设要求的图像,得到至少1帧可识别图像。
可选地,终端参数信息包括:至少一种预设终端传感器的参数信息。
可选地,筛除模块702具体用于,若图像对应的至少一种预设终端传感器的参数信息中,存在一种或多种预设终端传感器的参数信息不满足预设阈值,删除所述图像,得到至少1帧可识别图像。
可选地,识别模块703具体用于,根据可识别图像对应的终端参数信息,对至少1帧可识别图像进行排序,获取至少1帧可识别图像的识别顺序;按照识别顺序识别至少1帧可识别图像,获取二维码信息。
可选地,筛除模块702具体用于,采用预设筛选模型,筛除多帧图像中不符合预设要求的图像,其中,预设筛选模型由正样本图像集和负样本图像集训练获取,其中,正样本图像集包含符合预设要求的图像、负样本图像集包含不符合预设要求的图像。
可选地,识别装置703具体用于,采用可识别图像对应的二值化算法,对可识别图像进行二值化处理,获取二值化处理后的待识别图像;对二值化处理后的待识别图像进行二维码识别,获取二维码信息。
可选地,筛除模块702具体用于,采用预设识别模型,识别可识别图像对应的二值化算法,其中,预设识别模型用于指示不同特征类型图像对应的二值化算法;采用可识别图像对应的二值化算法,对可识别图像进行二值化处理,获取二值化处理后的待识别图像。
图8为本申请实施例提供的二维码识别装置的又一结构示意图。
可选地,所述装置还包括:建立模块704,分别采用不同的二值化算法对样本图像集中的图像进行二值化处理,得到多个二值化处理后的样本图像,其中,样本图像集中的图像包括:标记不同特征类型的样本图像子集;对二值化处理后的样本图像进行二维码识别,获取每种二值化算法对每个特征类型的样本图像子集的识别成功率;根据识别成功率,确定不同特征类型与二值化算法的映射关系;根据不同特征类型与二值化算法的映射关系,建立预设识别模型。
如上所述,本申请实施例所提供的该二维码识别装置,执行了前述方法实施例中所述的二维码识别方法,因此具备前述方法实施例中所述的全部有益效果,本申请在此不再一一赘述。
另外,上述模块可以经由有线连接或无线连接彼此连接或通信。有线连接可以包括金属线缆、光缆、混合线缆等,或其任意组合。无线连接可以包括通过LAN、WAN、蓝牙、ZigBee、或NFC等形式的连接,或其任意组合。两个或更多个模块可以组合为单个模块,并且任何一个模块可以分成两个或更多个单元。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考方法实施例中的对应过程,本申请中不再赘述。在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,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,又例如,多个模块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通信接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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,在本申请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。
图9为本申请实施例提供的电子设备的结构示意图。
如图9所示,本申请实施例还提供一种电子设备,包括:处理器901、存储介质902和总线;存储介质902存储有处理器901可执行的机器可读指令,当电子设备运行时,处理器901与存储介质902之间通过总线通信,处理器901执行机器可读指令,以执行时执行如前述方法实施例所提供的二维码识别方法。
具体地,存储介质902中所存储的机器可读指令为本申请前述实施例所述的二维码识别方法,处理器901可执行该二维码识别方法进行二维码识别,因此,该电子设备同样具备前述方法实施例中所述的全部有益效果,本申请亦不再重复描述。
需要说明的是,该电子设备可以是具有图像采集功能的手机、平板电脑,也可以是外接有图像采集设备的计算机、服务器等,本申请对电子设备的类型或结构不作限定。
另外,为了便于说明,本申请实施例在电子设备中仅描述了一个处理器。然而,应当注意,本申请中的电子设备还可以包括用于执行程序指令的一个或多个处理器、通信总线、和不同形式的存储介质,例如,磁盘、ROM、或RAM,或其任意组合。因此,本申请中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。
可选地,本申请实施例还提供一种程序产品,例如存储介质,存储介质上存储有程序,该程序在被处理器执行时用于执行上述方法实施例中所述的二维码识别方法。
具体地,本申请前述实施例中所描述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的可读取存储介质中。基于这样的理解,本申请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部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台执行设备(可以是个人计算机,服务器,手机、平板电脑等)执行本申请各个实施例所述方法的全部或部分步骤。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (20)
1.一种二维码识别方法,其特征在于,所述方法包括:
采集预设时间段内多帧图像;
筛除多帧所述图像中不符合预设要求的图像,得到至少1帧可识别图像,所述至少1帧可识别图像中存在包含二维码信息的图像;
根据所述可识别图像,识别获取二维码信息。
2.根据权利要求1所述的方法,其特征在于,所述筛除多帧所述图像中不符合预设要求的图像,包括:
采集每帧所述图像的采集时刻对应的终端参数信息;
根据所述终端参数信息,筛除多帧所述图像中不符合预设要求的图像,得到至少1帧可识别图像。
3.根据权利要求2所述的方法,其特征在于,所述终端参数信息包括:至少一种预设终端传感器的参数信息。
4.根据权利要求3所述的方法,其特征在于,所述根据所述终端参数信息,筛除多帧所述图像中不符合预设要求的图像,得到至少1帧可识别图像,包括:
若所述图像对应的至少一种预设终端传感器的参数信息中,存在一种或多种预设终端传感器的参数信息不满足预设阈值,删除所述图像,得到至少1帧可识别图像。
5.根据权利要求2所述的方法,其特征在于,所述根据所述可识别图像,识别获取二维码信息,包括:
根据所述可识别图像对应的终端参数信息,对至少1帧所述可识别图像进行排序,获取至少1帧所述可识别图像的识别顺序;
按照所述识别顺序识别至少1帧所述可识别图像,获取所述二维码信息。
6.根据权利要求1所述的方法,其特征在于,所述筛除多帧所述图像中不符合预设要求的图像,包括:
采用预设筛选模型,筛除多帧所述图像中不符合预设要求的图像,其中,所述预设筛选模型由正样本图像集和负样本图像集训练获取,其中,所述正样本图像集包含符合所述预设要求的图像、所述负样本图像集包含不符合所述预设要求的图像。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述根据所述可识别图像,识别获取二维码信息,包括:
采用所述可识别图像对应的二值化算法,对所述可识别图像进行二值化处理,获取二值化处理后的待识别图像;
对所述二值化处理后的待识别图像进行二维码识别,获取二维码信息。
8.根据权利要求7所述的方法,其特征在于,所述采用所述可识别图像对应的二值化算法,对所述可识别图像进行二值化处理,获取二值化处理后的待识别图像,包括:
采用预设识别模型,识别所述可识别图像对应的二值化算法,其中,所述预设识别模型用于指示不同特征类型图像对应的二值化算法;
采用所述可识别图像对应的二值化算法,对所述可识别图像进行二值化处理,获取二值化处理后的待识别图像。
9.根据权利要求8所述的方法,其特征在于,所述采用预设识别模型,识别所述可识别图像对应的二值化算法之前,还包括:
分别采用不同的二值化算法对样本图像集中的图像进行二值化处理,得到多个二值化处理后的样本图像,其中,所述样本图像集中的图像包括:标记不同特征类型的样本图像子集;
对所述二值化处理后的样本图像进行二维码识别,获取每种二值化算法对每个特征类型的所述样本图像子集的识别成功率;
根据所述识别成功率,确定不同特征类型与二值化算法的映射关系;
根据所述不同特征类型与二值化算法的映射关系,建立所述预设识别模型。
10.一种二维码识别装置,其特征在于,所述装置包括:
采集模块,用于采集预设时间段内多帧图像;
筛除模块,用于筛除多帧所述图像中不符合预设要求的图像,得到至少1帧可识别图像,所述至少1帧可识别图像中存在包含二维码信息的图像;
识别模块,用于根据所述可识别图像,识别获取二维码信息。
11.根据权利要求10所述的装置,其特征在于,所述筛除模块,具体用于采集每帧所述图像的采集时刻对应的终端参数信息;根据所述终端参数信息,筛除多帧所述图像中不符合预设要求的图像,得到至少1帧可识别图像。
12.根据权利要求11所述的装置,其特征在于,所述终端参数信息包括:至少一种预设终端传感器的参数信息。
13.根据权利要求12所述的装置,其特征在于,所述筛除模块具体用于,若所述图像对应的至少一种预设终端传感器的参数信息中,存在一种或多种预设终端传感器的参数信息不满足预设阈值,删除所述图像,得到至少1帧可识别图像。
14.根据权利要求11所述的装置,其特征在于,所述识别模块具体用于,根据所述可识别图像对应的终端参数信息,对至少1帧所述可识别图像进行排序,获取至少1帧所述可识别图像的识别顺序;按照所述识别顺序识别至少1帧所述可识别图像,获取所述二维码信息。
15.根据权利要求10所述的装置,其特征在于,所述筛除模块具体用于,采用预设筛选模型,筛除多帧所述图像中不符合预设要求的图像,其中,所述预设筛选模型由正样本图像集和负样本图像集训练获取,其中,所述正样本图像集包含符合所述预设要求的图像、所述负样本图像集包含不符合所述预设要求的图像。
16.根据权利要求10-15任一项所述的装置,其特征在于,所述识别装置具体用于,采用所述可识别图像对应的二值化算法,对所述可识别图像进行二值化处理,获取二值化处理后的待识别图像;对所述二值化处理后的待识别图像进行二维码识别,获取二维码信息。
17.根据权利要求16所述的装置,其特征在于,所述筛除模块具体用于,采用预设识别模型,识别所述可识别图像对应的二值化算法,其中,所述预设识别模型用于指示不同特征类型图像对应的二值化算法;采用所述可识别图像对应的二值化算法,对所述可识别图像进行二值化处理,获取二值化处理后的待识别图像。
18.根据权利要求17所述的装置,其特征在于,还包括:建立模块;
所述建立模块用于,分别采用不同的二值化算法对样本图像集中的图像进行二值化处理,得到多个二值化处理后的样本图像,其中,所述样本图像集中的图像包括:标记不同特征类型的样本图像子集;对所述二值化处理后的样本图像进行二维码识别,获取每种二值化算法对每个特征类型的所述样本图像子集的识别成功率;根据所述识别成功率,确定不同特征类型与二值化算法的映射关系;根据所述不同特征类型与二值化算法的映射关系,建立所述预设识别模型。
19.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行时执行如权利要求1-9任一项所述的二维码识别方法的步骤。
20.一种存储介质,其特征在于,所述存储介质上存储有程序,所述程序被处理器运行时执行如权利要求1-9任一项所述的二维码识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910087702.0A CN111488752A (zh) | 2019-01-29 | 2019-01-29 | 二维码识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910087702.0A CN111488752A (zh) | 2019-01-29 | 2019-01-29 | 二维码识别方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111488752A true CN111488752A (zh) | 2020-08-04 |
Family
ID=71797198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910087702.0A Pending CN111488752A (zh) | 2019-01-29 | 2019-01-29 | 二维码识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111488752A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114494243A (zh) * | 2022-02-23 | 2022-05-13 | 上海弘玑信息技术有限公司 | 一种二维码图片的检测方法和电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160339A (zh) * | 2015-08-06 | 2015-12-16 | 四川大学 | 一种二维码打印质量在线评估方法 |
CN105976001A (zh) * | 2016-05-19 | 2016-09-28 | 杭州博安实业有限公司 | 防伪车牌制作用二维码及序列号标识符识别方法 |
US20170277955A1 (en) * | 2016-03-23 | 2017-09-28 | Le Holdings (Beijing) Co., Ltd. | Video identification method and system |
CN107451507A (zh) * | 2017-08-03 | 2017-12-08 | 青岛海信电器股份有限公司 | 一种用于动态图像中的二维码识别方法及装置 |
CN108399349A (zh) * | 2018-03-22 | 2018-08-14 | 腾讯科技(深圳)有限公司 | 图像识别方法及装置 |
CN109255277A (zh) * | 2018-08-31 | 2019-01-22 | 阿里巴巴集团控股有限公司 | 一种二维码解析方法及装置 |
-
2019
- 2019-01-29 CN CN201910087702.0A patent/CN111488752A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160339A (zh) * | 2015-08-06 | 2015-12-16 | 四川大学 | 一种二维码打印质量在线评估方法 |
US20170277955A1 (en) * | 2016-03-23 | 2017-09-28 | Le Holdings (Beijing) Co., Ltd. | Video identification method and system |
CN105976001A (zh) * | 2016-05-19 | 2016-09-28 | 杭州博安实业有限公司 | 防伪车牌制作用二维码及序列号标识符识别方法 |
CN107451507A (zh) * | 2017-08-03 | 2017-12-08 | 青岛海信电器股份有限公司 | 一种用于动态图像中的二维码识别方法及装置 |
CN108399349A (zh) * | 2018-03-22 | 2018-08-14 | 腾讯科技(深圳)有限公司 | 图像识别方法及装置 |
CN109255277A (zh) * | 2018-08-31 | 2019-01-22 | 阿里巴巴集团控股有限公司 | 一种二维码解析方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114494243A (zh) * | 2022-02-23 | 2022-05-13 | 上海弘玑信息技术有限公司 | 一种二维码图片的检测方法和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3493101B1 (en) | Image recognition method, terminal, and nonvolatile storage medium | |
CN108564079B (zh) | 一种便携式字符识别装置及方法 | |
CN103946866A (zh) | 与直方图一起使用多层连接分量的文本检测 | |
CN107977592B (zh) | 一种图像文本检测方法及系统、用户终端及服务器 | |
CN109116129B (zh) | 终端检测方法、检测设备、系统及存储介质 | |
CN106845312B (zh) | 一种二维码图像质量的预判断方法 | |
CN103198311A (zh) | 基于拍摄的图像来识别字符的方法及装置 | |
CN110598566A (zh) | 图像处理方法、装置、终端和计算机可读存储介质 | |
Sidhwa et al. | Text extraction from bills and invoices | |
CN112001200A (zh) | 识别码识别方法、装置、设备、存储介质和系统 | |
CN112507782A (zh) | 文本图像的识别方法及装置 | |
CN115062186B (zh) | 一种视频内容检索方法、装置、设备以及存储介质 | |
Cerman et al. | A mobile recognition system for analog energy meter scanning | |
CN112052702A (zh) | 一种识别二维码的方法和装置 | |
CN113673528B (zh) | 文本处理方法、装置、电子设备和可读存储介质 | |
CN107992872B (zh) | 一种对图片进行文本识别的方法及移动终端 | |
CN111178445A (zh) | 图像处理方法及装置 | |
CN110569716A (zh) | 一种货架图像翻拍检测方法 | |
CN108090728B (zh) | 一种基于智能终端的快递信息录入方法及录入系统 | |
CN111507120A (zh) | 二维码定位框识别方法、装置、电子设备及存储介质 | |
Chang | Intelligent text detection and extraction from natural scene images | |
CN111488752A (zh) | 二维码识别方法、装置、电子设备及存储介质 | |
CN104598289B (zh) | 一种识别方法及一种电子设备 | |
WO2017069741A1 (en) | Digitized document classification | |
CN111507119B (zh) | 标识码识别方法、装置、电子设备及计算机可读存储介质 |
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 |
Application publication date: 20200804 |
|
RJ01 | Rejection of invention patent application after publication |