CN112036205A - 二维码识别方法、电子设备及存储介质 - Google Patents

二维码识别方法、电子设备及存储介质 Download PDF

Info

Publication number
CN112036205A
CN112036205A CN202010768963.1A CN202010768963A CN112036205A CN 112036205 A CN112036205 A CN 112036205A CN 202010768963 A CN202010768963 A CN 202010768963A CN 112036205 A CN112036205 A CN 112036205A
Authority
CN
China
Prior art keywords
dimensional code
image
area
dimension
code image
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
Application number
CN202010768963.1A
Other languages
English (en)
Inventor
曹莹
陈媛媛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202010768963.1A priority Critical patent/CN112036205A/zh
Publication of CN112036205A publication Critical patent/CN112036205A/zh
Pending legal-status Critical Current

Links

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
    • G06K7/146—Methods for optical code recognition the method including quality enhancement steps

Abstract

本申请公开了一种二维码识别方法、电子设备及存储介质。该二维码识别方法包括：获取二维码区域；对二维码区域进行缩放处理和/或滤波处理；对经缩放处理和/或滤波处理的二维码区域进行识别，得到二维码识别结果。通过上述方式，能够提高对二维码区域的识别率。

Description

二维码识别方法、电子设备及存储介质
技术领域
本申请涉及图像处理技术领域，特别是涉及一种二维码识别方法、电子设备及存储介质。
背景技术
目前，二维码可以用于记录信息，因此在很多行业中被运用的越来越广泛，其中包括物流行业(如物流快递单上)、零售行业等。二维码的种类有很多，例如Data Matrix，MaxiCode，Aztec，Quick Response Code，Vericode，PDF417，Ultracode，Code 49，Code 16K等。
可以对二维码所在区域进行扫描来获取二维码中记录的信息。对二维码进行扫描的过程也即对二维码区域进行识别的过程，但是，现有技术中对二维码区域的识别率不够高。
发明内容
本申请提供一种二维码识别方法、电子设备及存储介质，能够解决现有技术中二维码区域的识别率不够高的问题。
为解决上述技术问题，本申请采用的一个技术方案是：提供一种二维码识别方法。该方法包括：获取二维码区域；对二维码区域进行缩放处理和/或滤波处理；对经缩放处理和/或滤波处理的二维码区域进行识别，得到二维码识别结果。
为解决上述技术问题，本申请采用的又一个技术方案是：提供一种电子设备，该电子设备包括处理器、与处理器连接的存储器，其中，存储器存储有程序指令；处理器用于执行存储器存储的程序指令以实现上述方法。
为解决上述技术问题，本申请采用的再一个技术方案是：提供一种存储介质，存储有程序指令，该程序指令被执行时能够实现上述方法。
通过上述方式，本申请先对二维码区域进行缩放处理和/或高斯滤波处理，再对经处理的二维码区域进行识别，可以提高对经缩放处理和/或滤波处理的二维码区域的识别率。
附图说明
图1是本申请二维码识别方法第一实施例的流程示意图；
图2是本申请二维码识别方法第二实施例的流程示意图；
图3是本申请二维码图像示意图；
图4是本申请深度学习网络的结构示意图；
图5是本申请二维码的位置对应区域的最小外接矩形示意图；
图6是本申请二维码区域示意图；
图7是本申请二维码识别方法第三实施例的流程示意图；
图8是本申请经矫正处理后的二维码区域示意图；
图9是本申请二维码识别方法第四实施例的流程示意图；
图10是本申请二维码识别方法第五实施例的流程示意图；
图11是本申请二维码识别方法第六实施例的流程示意图；
图12是本申请电子设备一实施例的结构示意图；
图13是本申请存储介质一实施例的结构示意图。
具体实施方式
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，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动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。
本申请中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请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，在不冲突的情况下，本文所描述的实施例可以与其它实施例相结合。
图1是本申请二维码识别方法第一实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图1所示的流程顺序为限。
如图1所示，本实施例可以包括：
S110：获取二维码区域。
二维码(2-dimensional bar code)也可以被称为二维条码，二维码可以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、用于记录信息的图形。二维码区域即为二维码所在区域，可以对二维码区域进行识别来获取其记录的信息。
S120：对二维码区域进行缩放处理和/或滤波处理。
对二维码区域进行缩放处理是指对二维码区域按照某种比例进行放大或缩小的处理，放大或缩小的倍数可以是整数，也可以是浮点数。例如，当前二维码区域是由W×H个已知像素点组成的(W为横向宽度上的像素个数，H为纵向高度上的像素个数)，缩放处理即对二维码区域中W和/或H进行放大或缩小的处理，得到由W′×H′个像素点组成的二维码区域。例如，如果W≥H，则W'＝500，H'＝500×H/W；如果W<H，则H'＝500，W'＝500×W/H。其中，经缩放处理得到的二维码区域的W'*H'的像素的像素值是根据原二维码区域的W×H个已知像素点的像素值得到的。
缩放处理所用到的算法可以为邻近像素插值法、双线性插值法、双三次插值法等等。以邻近像素插值法为例，邻近像素插值法可以根据经缩放处理的二维码区域中当前像素点坐标，在转换前的二维码区域中找到与当前像素点对应的四个像素点，分别计算这四个像素点和当前像素点之间的距离，以距离最近的像素点的像素值作为当前像素点的像素值。对二维码区域进行滤波处理可以去除二维码区域中不想要的像素点的值，也可以加强二维码区域中需要的像素点的值。
滤波处理的种类有多种，例如归一化滤波、高斯滤波、中值滤波、双边滤波等。其中，高斯滤波处理即为设定一高斯核，在二维码区域移动高斯核，将高斯核中的值与二维码区域中对应的像素值加权求平均的过程，经高斯滤波处理后的二维码区域中，每一个像素点的像素值，都由其本身和邻域内的其他像素值进行加权平均得到。
其中，设定高斯核为
Figure BDA0002615769240000041
则可以计算高斯核中的值与二维码区域中对应的像素值进行加权平均，作为高斯核中间值(36)对应像素点的值。
在对二维码区域进行识别之前，先对其进行缩放和/或滤波处理，可以增加二维码区域的可识别率。
S130：对经缩放处理和/或滤波处理的二维码区域进行识别，得到二维码识别结果。
可以利用解码算法对经缩放处理和/或滤波处理的二维码区域进行识别，得到二维码识别结果，具体实现过程请参见后面的实施例。
通过本实施例的实施，本申请先对二维码区域进行缩放处理和/或高斯滤波处理，再对经处理的二维码区域进行识别，可以提高对经缩放处理和/或滤波处理的二维码区域的识别率。
图2是本申请二维码识别方法第二实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图2所示的流程顺序为限。本实施例是对S110的进一步扩展，如图2所示，本实施例可以包括：
S210：获取二维码图像。
二维码图像为包含有二维码的图像，二维码图像中可包括一个二维码，也可以包括多个二维码。二维码图像可以通过具有拍照功能的器件直接获取到，也可以从具有摄像功能的器件获取的视频中得到。其中，获取到的二维码图像示例请参阅图3。
S220：利用深度学习网络对二维码图像进行检测，得到二维码图像的检测结果。
深度学习网络可以为Faster RCNN、R2CNN等等。结合参阅图4，以R2CNN为例对二维码图像的检测进行说明。如图4所示，对二维码图像的检测可以分为三个阶段。在第一阶段，基于二维码图像获取特征图，其中可以通过VGG16、VGG19等网络获取特征图，也可以通过CNN网络获取特征图，通过CNN网络获取特征图能耗费的时间相对较少。在通过CNN网络获取特征图的情况下，CNN网络结构可以如下表1所示：
表1
Figure BDA0002615769240000051
在第二阶段，通过RPN网络得到特征图中正框的候选区域，将anchor尺度设置为(4，8，16，32)。在第三阶段，对每一个候选区域进行池化(ROIpooling)，池化的尺寸可以为7x7，11x3，3x11，然后把同一候选区域的多个池化结果连接在一起。在第四阶段，对池化结果进行两次卷积(fc6、fc7)。在第五阶段，对经卷积得到的结果进行正框检测、倾斜框检测(包括非极大值抑制处理)和分类检测，得到二维码图像的检测结果。
二维码图像的检测结果可以包括二维码图像中二维码的位置，二维码的位置可以包括二维码的中心点坐标、宽、高和二维码的倾斜角度等。此处二维码的表示方法仅为示例，在其他实施例中，也可以用其他方法来表示二维码的位置。
在本申请其他实施例中，利用深度学习网络对二维码图像进行检测之前，还可以对深度学习网络进行训练，以提高其检测精度。具体训练过程请参见后面的实施例。
S230：基于二维码图像的检测结果得到二维码区域。
其中，得到二维码区域的方法有多种。下面进行举例说明：
方法一，可以直接将二维码图像中二维码的位置对应区域(最小外接矩形)截取出来，作为二维码区域。二维码的位置对应区域的最小外接矩形示例请参阅图5，图5中1代表最小外接矩形(宽W，高H)。
方法二，可以先对二维码图像中二维码的最小外接矩形进行扩边处理，图5中2代表经扩边处理后的二维码的位置对应区域的外接矩形，再将经扩边的区域截取出来作为二维码区域。通过方法二从图5截取出来的二维码区域示例请参阅图6。
方法三，可以先基于二维码的倾斜角度对二维码图像进行矫正后再截取其中二维码的位置对应区域作为二维码区域。
在方法一或方法二的基础上，为提高后续对二维码区域的识别率，可进一步基于二维码的倾斜角度对二维码区域进行矫正处理。具体实现过程可以如下：
图7是本申请二维码识别方法第三实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图7所示的流程顺序为限。如图7所示，本实施例可以包括：
S310：判断二维码区域的倾斜角度是否大于预设阈值。
预设阈值可以为0，也可以为在允许误差范围内的大于0的其他值。
若大于，则执行S320；若不大于，则执行S330。
S320：基于倾斜角度对二维码区域进行矫正处理。
矫正处理也可以被称为旋转变换，旋转变换的角度为倾斜角度。所谓旋转变换，即通过一种函数映射关系，将二维码区域位置映射到另外的位置，也即将二维码区域的所有像素坐标都旋转一个相同的角度。
旋转变换的方式可以包括两种，分别为前向映射和反向映射。
前向映射即通过原二维码区域(变换前的二维码区域)的像素点的坐标计算目标二维码区域(变换后的二维码区域)的像素点的坐标。后向映射即从目标二维码区域的像素坐标出发，在原二维码区域中找到对应的像素坐标。
下面以反向映射为例，对旋转变换过程进行举例说明：
假设原二维码区域中一坐标点(x0,y0)旋转θ角度后坐标为(x,y)。原图像宽高分别为W、H，旋转后图像宽高分别为W′、H′，那么反向映射的图像旋转算法如下：
在目标二维码区域中，将图像坐标系转换为数学坐标系，转换矩阵为A，
Figure BDA0002615769240000071
利用旋转变换的逆运算公式确定当前坐标点在原图像中的坐标，旋转矩阵为B，
Figure BDA0002615769240000072
将获得原图像中的坐标转换到图像坐标系，转换矩阵为C，
Figure BDA0002615769240000073
则有，
[x0 y 1]＝[x y 1]·A·B·C。
对如图6所示的二维码区域进行旋转变换后得到的目标二维码区域示例请参阅图8，图8中目标二维码区域宽高分别为W′、H′。
由于经过旋转变换后，目标二维码区域中像素点的坐标可能为非整数坐标，因此需要采用插值方法对目标二维码区域中非整数坐标的像素点分配像素值。对于前向映射，具体插值的方法可以为将原二维码区域整数坐标的像素值分配到目标二维码区域中对应坐标周围的四个像素点上。对于反向映射，插值的方法具体可以为找到目标二维码区域上坐标在原二维码区域中对应的坐标，再利用原二维码区域中对应坐标周围的像素值进行插值，作为目标二维码区域对应坐标的像素值。
S330：不对二维码区域进行矫正处理。
上述方法三的具体实现过程可以如下：
图9是本申请二维码识别方法第四实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图9所示的流程顺序为限。如图9所示，本实施例可以包括：
S410：判断二维码区域的倾斜角度是否大于预设阈值。
若大于，则执行S420；若不大于，则执行S430。
S420：基于二维码的倾斜角度对二维码图像进行矫正处理，并基于二维码的位置，将经矫正处理后的二维码图像中二维码对应区域截取出来，作为二维码区域。
对二维码图像进行矫正处理的方法与前面第三实施例中对二维码区域进行矫正处理的方法类似，在此不再重复。
此外，基于原二维码图像(矫正处理前的二维码图像)中二维码的位置，可以得到目标二维码图像(矫正处理后的二维码图像)中二维码的位置，可以将目标二维码图像中二维码的位置对应的区域截取出来作为二维码区域。
S430：基于二维码的位置将二维码图像中二维码的位置对应区域截取出来，作为二维码区域。
本实施例其他详细说明请参见前面的实施例，在此不再重复。
图10是本申请二维码识别方法第五实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图10所示的流程顺序为限。本实施例是对上述第一实施例中S130的进一步扩展，如图10所示，本实施例可以包括：
S510：利用第一解码算法对经缩放处理和/或滤波处理的二维码区域进行识别，得到第一识别结果。
S520：判断第一识别结果为正确的识别结果还是错误的识别结果。
若为正确的识别结果，则执行S530；若为错误的识别结果，则执行S540。
第一识别结果为正确的识别结果的情况，可以理解为利用第一解码算法成功识别出了经缩放处理和/或滤波处理的二维码区域记录的信息。第一识别结果为错误的识别结果的情况，可以理解为利用第一解码算法没有成功识别出经缩放处理和/或滤波处理的二维码区域记录的信息。
S530：将第一识别结果作为二维码识别结果。
S540：利用第二解码算法对经缩放处理和/或滤波处理的二维码区域进行识别，得到第二识别结果，并将第二识别结果作为二维码识别结果。
在利用第一解码算法没有成功识别出经缩放处理和/或滤波处理的二维码区域记录的信息的情况下，可进一步利用第二解码算法对经缩放处理和/或滤波处理的二维码区域进行识别，并将利用第二解码算法得到的第二识别结果作为最终的二维码识别结果。
本实施例中，第一解码算法和第二解码算法中一种耗时较短，但识别精度较低，另一种识别精度较高，但耗时较长。在实际应用过程中可根据具体情况来调用两种解码算法。例如，第一解码算法耗时较短，但识别精度较低(如zxing)；第二解码算法识别精度较高，但耗时较长(如zbar)。为缩短识别所用的时间，可优先利用第一解码算法进行识别，在利用第一解码算法得不到正确的识别结果的情况下，再利用第二解码算法进行识别。
本实施例中，通过利用第一解码算法和第二解码算法对经缩放处理和/或滤波处理的二维码区域进行融合解码，其中，在利用第一解码算法未识别出正确的识别结果的情况下，再利用第二解码算法进行识别，能够提高对经缩放处理和/或滤波处理的二维码区域的识别率。
以下对前面所提及的对深度学习网络进行训练的过程进行说明：
图11是本申请二维码识别方法第六实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图11所示的流程顺序为限。本实施例是对上述第一实施例中S130的进一步扩展，如图11所示，本实施例可以包括：
S610：获取训练图像集。
训练图像集中包括多张二维码图像。为提高后续利用训练图像集训练得到的深度学习网络的鲁棒性，在采集二维码图像阶段时，可以采集不同环境(如光照、角度、分辨率等)下的二维码图像，或者还可以采集一些其中包含的二维码有污损的图像。
在采集得到二维码图像之后，还可以对二维码图像中包含的二维码位置进行标注，例如，二维码的四个角点进行标注。
可直接将带有标注的二维码图像组成训练图像集，也可以按照一定比例(如6:1:3)将带有标注的二维码图像分成三份，得到训练图像集、验证图像集和测试图像集。训练图像集用于在训练过程对深度学习网络进行训练，测试图像集用于在训练过程对深度学习网络进行测试，验证图像集用于在训练过程对深度学习网络进行验证。为简化描述，本实施例仅对利用训练图像集对深度学习网络进行训练的过程进行说明。
S620：利用深度学习网络对训练图像集中每张二维码图像进行检测，得到每张二维码图像的检测结果。
S630：基于检测结果调整深度学习网络的参数。
可基于检测结果的误差，对深度学习网络的参数进行调整，从而能够逐步优化深度学习网络，提高其检测精度。
图12是本申请电子设备一实施例的结构示意图。如图12所示，该电子设备包括处理器710、与处理器耦接的存储器720。
其中，存储器720存储有用于实现上述任一实施例的方法的程序指令；处理器710用于执行存储器720存储的程序指令以实现上述方法实施例的步骤。其中，处理器710还可以称为CPU(Central Processing Unit，中央处理单元)。处理器710可能是一种集成电路芯片，具有信号的处理能力。处理器710还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
图13是本申请存储介质一实施例的结构示意图。如图13所示，本申请实施例的存储介质800存储有程序指令810，该程序指令810被执行时实现本申请上述实施例提供的方法。其中，该程序指令810可以形成程序文件以软件产品的形式存储在上述存储介质800中，以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质800包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等终端设备。
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。例如，以上所描述的装置实施例仅仅是示意性的，例如，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，机械或其它的形式。
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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。以上仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种二维码识别方法，其特征在于，包括：
获取二维码区域；
对所述二维码区域进行缩放处理和/或滤波处理；
对所述经缩放处理和/或滤波处理的二维码区域进行识别，得到二维码识别结果。
2.根据权利要求1所述的方法，其特征在于，所述获取二维码区域，包括：
获取二维码图像；
利用深度学习网络对所述二维码图像进行检测，得到所述二维码图像的检测结果；
基于所述二维码图像的检测结果得到所述二维码区域。
3.根据权利要求2所述的方法，其特征在于，所述二维码图像的检测结果包括所述二维码图像中二维码的位置，所述基于所述二维码图像的检测结果得到所述二维码区域，包括：
将所述二维码图像中二维码的位置对应区域截取出来，作为所述二维码区域。
4.根据权利要求3所述的方法，其特征在于，所述二维码的位置包括所述二维码的倾斜角度，在所述将所述二维码图像中二维码的位置对应区域截取出来，作为所述二维码区域之后，包括：
判断所述二维码区域的倾斜角度是否大于预设阈值；
若大于，则基于所述倾斜角度对所述二维码区域进行矫正处理；
若不大于，则不对所述二维码区域进行矫正处理。
5.根据权利要求2所述的方法，其特征在于，所述二维码图像的检测结果包括所述二维码的位置，所述二维码的位置包括所述二维码的倾斜角度，所述基于所述二维码图像的检测结果得到所述二维码区域，包括：
判断所述二维码区域的倾斜角度是否大于预设阈值；
若大于，则基于所述二维码的倾斜角度对所述二维码图像进行矫正处理，并基于所述二维码的位置，将经矫正处理的二维码图像中所述二维码对应区域截取出来，作为所述二维码区域；
若不大于，则基于所述二维码的位置将所述二维码图像中所述二维码的位置对应区域截取出来，作为所述二维码区域。
6.根据权利要求2所述的方法，其特征在于，在所述利用深度学习网络对所述二维码图像进行检测，得到所述二维码图像的检测结果之前，包括：
对所述深度学习网络进行训练。
7.根据权利要求6所述的方法，其特征在于，所述对所述深度学习网络进行训练，包括：
获取训练图像集，所述训练图像集中包括所在带有标注的二维码图像；
利用所述深度学习网络对所述训练图像集中每张所述二维码图像进行检测，得到每张所述二维码图像的检测结果；
基于所述检测结果调整所述深度学习网络的参数。
8.根据权利要求1所述的方法，其特征在于，所述对所述经缩放处理和/或滤波处理的二维码区域进行识别，得到二维码识别结果，包括：
利用第一解码算法对所述经缩放处理和/或滤波处理的二维码区域进行识别，得到第一识别结果；
若所述第一识别结果为正确的识别结果，则将所述第一识别结果作为所述二维码识别结果；
若所述第一识别结果为错误的识别结果，则利用第二解码算法对所述经缩放处理和/或滤波处理的二维码区域进行识别，得到第二识别结果，并将所述第二识别结果作为所述二维码识别结果。
9.一种电子设备，其特征在于，包括处理器、与所述处理器连接的存储器，其中，
所述存储器存储有用于在所述处理器运行后实现如权利要求1-8所述方法的程序指令。
10.一种存储介质，其特征在于，所述存储介质存储程序指令，所述程序指令被执行时实现如权利要求1-8中任一项所述的方法。
CN202010768963.1A 2020-08-03 2020-08-03 二维码识别方法、电子设备及存储介质 Pending CN112036205A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010768963.1A CN112036205A (zh) 2020-08-03 2020-08-03 二维码识别方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010768963.1A CN112036205A (zh) 2020-08-03 2020-08-03 二维码识别方法、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN112036205A true CN112036205A (zh) 2020-12-04

Family

ID=73582176

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010768963.1A Pending CN112036205A (zh) 2020-08-03 2020-08-03 二维码识别方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112036205A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070297679A1 (en) * 2006-06-21 2007-12-27 Namco Bandai Games Inc. Two-dimensional code generation method, two-dimensional code, two-dimensional code recognition method, and image recognition device
CN102270292A (zh) * 2011-05-24 2011-12-07 惠州Tcl移动通信有限公司 移动终端及其解码方法
CN103914675A (zh) * 2014-03-17 2014-07-09 东华大学 一种服装的快速响应矩阵二维码识别方法
CN105654019A (zh) * 2016-02-23 2016-06-08 海信集团有限公司 二维码快速解码方法和装置
CN108491897A (zh) * 2018-01-30 2018-09-04 阿里巴巴集团控股有限公司 一种信息识别方法、服务器、客户端及系统
CN109753838A (zh) * 2018-12-12 2019-05-14 深圳市三宝创新智能有限公司 二维码识别方法、装置、计算机设备及存储介质
CN110321750A (zh) * 2019-04-23 2019-10-11 成都数之联科技有限公司 一种图片中的二维码识别方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070297679A1 (en) * 2006-06-21 2007-12-27 Namco Bandai Games Inc. Two-dimensional code generation method, two-dimensional code, two-dimensional code recognition method, and image recognition device
CN102270292A (zh) * 2011-05-24 2011-12-07 惠州Tcl移动通信有限公司 移动终端及其解码方法
CN103914675A (zh) * 2014-03-17 2014-07-09 东华大学 一种服装的快速响应矩阵二维码识别方法
CN105654019A (zh) * 2016-02-23 2016-06-08 海信集团有限公司 二维码快速解码方法和装置
CN108491897A (zh) * 2018-01-30 2018-09-04 阿里巴巴集团控股有限公司 一种信息识别方法、服务器、客户端及系统
CN109753838A (zh) * 2018-12-12 2019-05-14 深圳市三宝创新智能有限公司 二维码识别方法、装置、计算机设备及存储介质
CN110321750A (zh) * 2019-04-23 2019-10-11 成都数之联科技有限公司 一种图片中的二维码识别方法及系统

Similar Documents

Publication Publication Date Title
CN110046529B (zh) 二维码识别方法、装置及设备
US11194984B2 (en) Localization of machine-readable indicia in digital capture systems
CN110992326B (zh) 一种qfn芯片引脚图像快速倾斜校正方法
CN110348264B (zh) 一种qr二维码图像校正方法及系统
US8805077B2 (en) Subject region detecting apparatus
CN109117846B (zh) 一种图像处理方法、装置、电子设备和计算机可读介质
KR102435365B1 (ko) 증명서 인식 방법 및 장치, 전자 기기, 컴퓨터 판독 가능한 저장 매체
WO2018059365A1 (zh) 图形码处理方法及装置、存储介质
US8923610B2 (en) Image processing apparatus, image processing method, and computer readable medium
WO2013044875A1 (zh) 线性条码识别方法和系统
CN111680690B (zh) 一种文字识别方法及装置
CN110009615B (zh) 图像角点的检测方法及检测装置
CN111898610B (zh) 卡片缺角检测方法、装置、计算机设备及存储介质
CN112419207A (zh) 一种图像矫正方法及装置、系统
CN110751156A (zh) 用于表格线大块干扰去除方法、系统、设备及介质
CN113129298A (zh) 文本图像的清晰度识别方法
WO2021165931A1 (zh) 一种读取二维码的方法和装置
US11893764B1 (en) Image analysis for decoding angled optical patterns
CN112036205A (zh) 二维码识别方法、电子设备及存储介质
CN115983304A (zh) 一种二维码动态调整方法、装置、电子设备及存储介质
CN111428707B (zh) 图形识别码的识别方法、装置、存储介质及电子设备
CN114998347A (zh) 一种半导体面板角点定位方法及装置
CN112800824B (zh) 扫描文件的处理方法、装置、设备及存储介质
JP3303246B2 (ja) 画像処理装置
CN111709912A (zh) 一种圆弧边缘检测方法、装置及存储介质

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: 20201204