CN113065374B - 一种二维码识别方法、装置及设备 - Google Patents
一种二维码识别方法、装置及设备 Download PDFInfo
- Publication number
- CN113065374B CN113065374B CN202110357586.7A CN202110357586A CN113065374B CN 113065374 B CN113065374 B CN 113065374B CN 202110357586 A CN202110357586 A CN 202110357586A CN 113065374 B CN113065374 B CN 113065374B
- Authority
- CN
- China
- Prior art keywords
- dimensional code
- image
- identified
- determining
- code area
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000001514 detection method Methods 0.000 claims abstract description 81
- 238000012549 training Methods 0.000 claims description 54
- 238000005375 photometry Methods 0.000 claims description 28
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 10
- 239000003086 colorant Substances 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 13
- 238000003860 storage Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 9
- 238000013138 pruning Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 7
- 230000010365 information processing Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000003066 decision tree Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- G06K7/1443—Methods for optical code recognition including a method step for retrieval of the optical code locating of the code in an image
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Studio Devices (AREA)
Abstract
本说明书实施例公开了一种二维码识别方法、装置及设备。该方案包括:终端设备获取待识别图像,采用检测模型确定所述待识别图像中的二维码区域;将所述二维码区域中的点确定为测光点;基于所述测光点,确定所述终端设备的曝光参数;基于所述曝光参数,对所述待识别图像进行解码。利用终端设备的检测模型,检测出待识别图像中的有码区域,并主动调整测光点到该区域,最终相机采集到的图片有码的部分可以得到合适的曝光参数从而得到清晰完整的二维码图像。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种二维码识别方法、装置及设备。
背景技术
随着无线通讯技术的发展,智能设备正逐渐进入人们的生活中。用户在使用智能设备时,需要使用智能设备获取某些信息,但是由于手机、平板电脑等移动终端的屏幕比较小,在屏幕中输入信息较为不便,导致移动终端获取信息不便。于是二维码被用于人们的生活中。二维码通常可以被摄像头进行扫描,然后通过相应软件进行分析,从而获取到二维码中包含的信息。例如:利用二维码进行手机购物、身份识别、产品溯源以及电子票务等。
但是在对于二维码进行扫描的场景中,二维码的扫描受到周围环境的影响,在一些复杂的环境中,二维码被扫描识别的成功率较低,从而影响了用户体验。
发明内容
本说明书实施例提供一种二维码识别方法、装置及设备,以解决现有的方法存在的二维码扫描成功率低、用户体验不好的问题。
为解决上述技术问题,本说明书实施例是这样实现的:
本说明书实施例提供的一种二维码识别方法,包括:
终端设备获取待识别图像;
采用检测模型确定所述待识别图像中的二维码区域;
将所述二维码区域中的点确定为测光点;
基于所述测光点,确定所述终端设备的曝光参数;
基于所述曝光参数,对所述待识别图像进行解码。
本说明书实施例提供的一种二维码识别装置,包括:
待识别图像获取模块,用于终端设备获取待识别图像;
二维码区域确定模块,用于采用检测模型确定所述待识别图像中的二维码区域;
测光点确定模块,用于将所述二维码区域中的点确定为测光点;
曝光参数确定模块,用于基于所述测光点,确定所述终端设备的曝光参数;
解码模块,用于基于所述曝光参数,对所述待识别图像进行解码。
本说明书实施例提供的一种二维码识别设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
终端设备获取待识别图像;
采用检测模型确定所述待识别图像中的二维码区域;
将所述二维码区域中的点确定为测光点;
基于所述测光点,确定所述终端设备的曝光参数;
基于所述曝光参数,对所述待识别图像进行解码。
本说明书实施例提供的一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现一种二维码识别方法。
本说明书一个实施例实现了能够达到以下有益效果:通过终端设备获取待识别图像,采用检测模型确定所述待识别图像中的二维码区域;将所述二维码区域中的点确定为测光点;基于所述测光点,确定所述终端设备的曝光参数;基于所述曝光参数,对所述待识别图像进行解码。利用终端设备的检测模型,检测出待识别图像中的有码区域,并主动调整测光点到该区域,最终相机采集到的图片有码的部分可以得到合适的曝光参数,使得有码部分的区域清晰完整,从而提高二维码的识别成功率,提升用户体验。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书实施例中一种二维码扫描方法的应用场景的示意图;
图2为本说明书实施例提供的一种二维码识别方法的流程示意图;
图3为本说明书实施例提供的二维码区域识别过程示意图;
图4是本说明书实施例提供的一种二维码识别装置示意图;
图5是本说明书实施例提供的一种二维码识别设备示意图。
具体实施方式
为使本说明书一个或多个实施例的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书一个或多个实施例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说明书的一部分实施例,而不是全部的实施例。基于本说明中的实施例,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,都属于本说明书一个或多个实施例保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
对该实施例中用到的部分名词进行解释:
曝光:是胶卷或者数码感光部件(CCD等)接受从镜头进光来形成影像。如果照片中的景物过亮,而且亮的部分没有层次或细节,可以确定为曝光过度(过曝);反之,照片较黑暗,无法真实反映景物的色泽,为曝光不足。
过曝:由于相机的曝光参数不准确,导致相机采集的图像出现全局或局部的过亮现象。
曝光不均匀:相机在采集图片的过程中,部分区域会过曝或者曝光不足,过亮或过暗。
测光,是计测合适曝光的过程。只有通过测光获得正确曝光,才能得到令人满意的照片。
测光区域:相机在某个块状区域/圆形区域进行曝光测量,从而调整最终的曝光参数。
测光点:相机以某个点为圆心,在一定的半径范围内进行曝光测量,从而调整最终的曝光参数,该点位测光点。
平均测光:对整个取景区平均计算测光值。
中央平均测光:对取景范围中的10-30%计算测光值。
点测光:又称重点测光,是对取景范围中的1%-5%区域内测光。
在用户的日常扫码行为中,有一些复杂的场景很影响扫码成功率,例如:在地下车库的缴费处,未开灯的房间等黑暗的环境中,当用户需要扫码时,用户可以打开闪光灯照亮二维码区域,此时,二维码本身被光源或液晶屏点亮时,常常会出现相机过曝的现象,导致相机进帧的画面中二维码区域过亮,从而导致二维码不完整或不清晰,从而很难成功地解码,影响用户的扫码体验。
本说明书实施例中的方案通过利用检测模型进行图像检测,检测出相机帧中二维码的区域,并将相机的测光区域转移到二维码上来,从而改善进帧质量,提高了该种场景下的扫码成功率和速度。
图1为本说明书实施例中一种二维码扫描方法的应用场景的示意图。如图1所示,以扫描二维码为例,终端设备101在具体应用时,可以对准二维码103进行扫描,得到扫码图像。其中,终端设备101可以是安装有摄像头的智能终端(例如:手机、平板电脑等)。与终端设备101连接的信息处理装置105可以从终端设备101获取的扫码图像中的二维码相关信息。终端设备101可以通过有线或无线的方式与信息处理装置105进行连接。例如:终端设备101上可以设置有用于传输信号的信号传输端口,可以连接数据线,并插入到信息处理装置105(例如:电脑)的USB接口上,将扫描得到的扫码图像中的二维码相关信息传输给信息处理装置105,这属于通过有线的方式连接终端设备101与信息处理装置105。也可以通过将接收器插入电脑的USB接口,采用无线的方式连接终端设备101与信息处理装置105,实现远距离扫描操作。
实际应用中,终端设备101进行扫描的过程中,二维码103由于处在黑暗环境中、终端设备101可以启动自身的闪光灯点亮二维码进行扫描,二维码本身被光源点亮时,常常会出现相机过曝的现象,导致相机进帧的画面中二维码区域过亮,从而使二维码不完整或不清晰的情况,此时,信息处理装置105即使受到终端设备扫描的二维码图像,也很难成功地解码,导致扫描失败,因此,需要提高在复杂环境中对于二维码的扫描成功率。具体实现过程可以采用以下实施例进行说明:
接下来,将针对说明书实施例提供的一种二维码识别方法结合附图进行具体说明:
图2为本说明书实施例提供的一种二维码识别方法的流程示意图。从程序角度而言,流程的执行主体可以为搭载于应用服务器的程序或应用客户端。在本实施例中,流程的执行主体可以是安装有摄像头、具有扫描功能的终端设备,例如:手机、平板电脑、智能摄像头等。
如图2所示,该流程可以包括以下步骤:
步骤210:终端设备获取待识别图像。
待识别图像可以是包含有二维码的图像,终端设备获取待识别图像的过程,可以是终端设备开启自身的扫描功能,打开摄像头,对准待识别图像进行扫描,从而扫描得到二维码图像。
待识别图像中可以是包含二维码、背景的图像,比如:智能货柜场景中,智能货柜中的鱼眼相机拍摄的图像可以作为待识别图像,该待识别图像中可以包含二维码、二维码贴附的载体以及载体周围的环境信息等等。
步骤220:采用检测模型确定所述待识别图像中的二维码区域。
终端设备扫描得到的待识别图像中,包括二维码图像以及周围环境的图像,在识别二维码时,可以先确定二维码图像所在的区域,然后再针对该区域中的二维码进行识别,从而避免不断移动终端设备的位置寻找二维码的情况。该步骤中,可以采用检测模型确定的待识别图像中的二维码区域。其中,检测模型可以表示用于检测图像中的二维码区域的模型。例如:深度学习模型。该模型不仅可以识别清晰图像中的二维码区域,还能识别不清晰的图像中的二维码区域,例如:过曝图像中的二维码区域,当然,这里所说的图像是包含有二维码的图像。
步骤230:将所述二维码区域中的点确定为测光点。
测光,可以表示计测合适曝光的过程,测出其正确曝光的数值。只有通过测光获得正确曝光,才能得到较为清晰的图片或照片。
测光点是指摄像头开启了“点测光模式”,测光的本质是把测光范围内的明暗平均成11%的灰色调作为调整曝光的依据。在实际应用中,摄像头一般是测定被摄对象反射回来的光亮度,也可以称之为反射式测光。测光方式可以包括中央平均测光、中央局部测光、点测光、多点测光以及评价测光等等。
所有的测光模式对测光点的选择都是固定的,也就是说每种测光模式的测光部位是固定的,比如中央重点测光是屏幕中央一块区域测光。
在本实施例中,在确定了待识别图像中的二维码区域之后,可以将确定出的二维码区域中的点作为测光点,执行后续流程。
步骤240:基于所述测光点,确定所述终端设备的曝光参数。
对于移动终端的终端设备,提供拍摄功能的第三方软件从系统的拍摄应用应用程序接口(Application Program Interface,简称API)获取有限的参数进行测光,例如:获取亮度值作为亮度信息进行测光。
基于测光点可以得到测光信息,测光信息可以表示亮度信息,曝光参数可以是根据测光信息进行确定的,能够保证正确曝光的曝光参数,其中,曝光参数可以包括光圈、感光度、曝光时间(快门速度)、曝光补偿等。
曝光参数主要的依据是场景的亮度值,或是说EV值。
步骤250:基于所述曝光参数,对所述待识别图像进行解码。
解码可以表示的是对待识别图像中的二维码进行解码,得到二维码中的信息。这里的二维码可以是条形码、二维码、点阵码等,可以是用特定的几何图形按编排规律在二维方向上分布,采用黑白相间的点阵来记录数据符号信息。二维码中可以存储汉字、数字和图片等信息。
基于合适的曝光参数,才能得到清晰的待识别图像,从而成功进行解码。
应当理解,本说明书一个或多个实施例所述的方法其中部分步骤的顺序可以根据实际需要相互交换,或者其中的部分步骤也可以省略或删除。
图2中的方法,通过终端设备获取待识别图像,采用检测模型确定所述待识别图像中的二维码区域;将所述二维码区域中的点确定为测光点;基于所述测光点,确定所述终端设备的曝光参数;基于所述曝光参数,对所述待识别图像进行解码。利用终端设备的检测模型,检测出待识别图像中的有码区域,并主动调整测光点到该区域,最终相机采集到的图片有码的部分可以得到合适的曝光参数,使得有码部分的区域清晰完整,从而提高二维码的识别成功率,提升用户体验。
基于图2的方法,本说明书实施例还提供了该方法的一些具体实施方案,下面进行说明。
可选的,所述将所述二维码区域中的点确定为测光点,具体可以包括:
确定所述二维码区域的亮度信息;
基于所述亮度信息,选取所述二维码区域中满足预设条件的点确定为测光点。
在实际应用中,在二维码区域中确定测光点时,可以包含以下几种方式:
方式一、将二维码区域的中心确定为测光点。
所述将所述二维码区域中的点确定为测光点,具体可以包括:
确定所述二维码区域的中心点;
将所述中心点确定为测光点,以便进行后续测光流程。
通过上述方式,把相机的测光点主动定位到码区域中心的位置,使得进帧的图像中有码的部分尽可能地曝光正常,清晰完整,最终促使成功扫码。
方式二、预先设定预设亮度值,将大于亮度值的区域确定为测光区域,将测光区域中的任意一点作为测光点。
可选的,所述基于所述亮度信息,选取所述二维码区域中满足预设条件的点确定为测光点,具体可以包括:
基于所述亮度信息,确定所述二维码区域中亮度值大于预设阈值的区域;
将所述亮度值大于预设阈值的区域中的点确定为测光点。
通过上述方式,将测光点移动到二维码区域中亮度较大的区域中,可以更好地调整曝光参数,从而得到满足条件的二维码图片或照片。
方式三、确定二维码区域中的亮度信息,将二维码区域中亮度值最大的点确定为测光点。
所述基于所述亮度信息,选取所述二维码区域中满足预设条件的点确定为测光点,具体可以包括:
基于所述亮度信息,确定所述二维码区域中亮度值最大的点;
将所述亮度值最大的点确定为测光点。
通过上述方式,将二维码区域中亮度值最大的点作为测光点,可以确定较为准确的曝光参数,从而保证进帧图像曝光正常,能够最大限度保证得到的二维码图片清晰,提高二维码的识别准确率以及识别效率。
可选的,在实际应用场景中,采用检测模型检测得到待识别区域中的二维码区域之后,可以确定二维码区域中是否存在过曝的现象,如果不存在,可以直接将终端设备的摄像头的测光点定位到二维码区域中进行拍摄,如果二维码区域中存在过曝的现象,可以将终端设备的摄像头的测光点定位到二维码区域中亮度值最大的点所在的位置,从而确定二维码区域中准确的曝光参数,拍摄得到清晰完整的二维码图片,提高二维码识别准确率。因此,在采用检测模型确定所述待识别图像中的二维码区域之后,还可以包括:
获取所述二维码区域中的亮度信息;
基于所述亮度信息判断所述二维码区域中曝光是否异常;
当所述二维码区域中曝光异常时,将所述二维码区域中亮度值最大的点确定为测光点;
当所述二维码区域曝光正常时,将所述二维码区域中的任意一点作为测光点。
需要说明的是,非正常曝光可以包括过曝、欠曝等。其中,在具体判断二维码区域中的曝光正常与否时,可以通过二维码区域对应的曝光直方图进行确定,可以通过查看曝光直方图中像素线的分布情况确定是否过曝。另外,还可以通过二维码区域对应的色阶分布图判断其是否存在异常曝光的情况。色阶分布图可以是透过波形参数来确定照片曝光精准度的工具,色阶分布图使用曲线峰的方式来显示图元在图片中的分布情况,以及图片在暗调、中间调和高光中是否包含足够的细节,以便用户进行较好的色彩校正。
色阶分布图上的横轴代表亮度值,范围为0(黑色,Shadows)~255(白色,Highlights),而纵轴代表每一亮度值当中图片所含的画素数量。如果某张照片的色阶分布图,图片在暗调上几乎没有画素,所有的分布几乎都集中到高光区域,并且在高光部分有画素溢出,那该张照片属于过曝。如果照片整个画素都偏移到了暗调和中间调,高光部分画素分布得非常少,致使整个图片就显得过于暗淡,那该张照片属于曝光不足。
在判断曝光是否正常时,还可以基于二维码区域中的亮度值,与预先设置的亮度阈值进行比对,如果亮度值不满足预先设置的亮度阈值,可以确定二维码区域中曝光异常。具体地,二维码区域中的亮度值与预先设置的亮度阈值进行比对时,可以比对二维码区域中的亮度平均值,也可以逐一比对二维码区域中各个点的亮度值。
通过上述方法,在确定出待识别图像中的二维码区域之后,先判断二维码区域中的曝光是否正常,基于二维码区域中的曝光情况,选择确定测光点的方式,从而可以更为准确地确定曝光参数,以获得更为清晰完整的二维码照片,保证二维码的识别准确率和识别效率。
可选的,所述基于所述测光点,确定所述终端设备的曝光参数,具体可以包括:
基于所述测光点对所述待识别区域进行测光,确定目标曝光参数;
基于所述目标曝光参数,对所述终端设备扫描所述待识别图像对应的曝光参数进行调整。
曝光参数至少可以包括曝光时间以及感光度。将拍摄待识别图像的曝光参数调整至确定得到的目标曝光参数,从而获得更为清晰完整的二维码图像。
例如:拍摄待识别图像的曝光参数可以指的是曝光值,曝光值可以是由快门速度值和光圈值组合表示摄影镜头通光能力的一个数值。在曝光的时候,通常用快门速度(T)和光圈值(f)的组合来表示,用Exposure Value(EV,曝光值)来表示。当感光度为ISO 100、光圈系数为F1、曝光时间为1秒时,曝光量定义为0,曝光量减少一档(快门时间减少一半或者光圈缩小一档),EV值增加1。
本方案中,假设当前拍摄待识别图像的曝光参数为X1,基于测光点对所述待识别区域进行测光,确定的目标曝光参数为X2,则可以将最终拍摄待识别图像的曝光参数由X1调整至X2,进一步地,在实际应用中,调整后的曝光参数可以满足预先设置的预设阈值。
可选的,所述采用训练完成的检测模型确定所述待识别图像中的二维码区域之前,还可以包括:
获取已知二维码的训练样本;所述训练样本中至少包括曝光异常的二维码图像样本;
提取所述训练样本对应的特征向量;
将所述特征向量输入待训练的检测模型中进行训练,得到所述检测模型输出的对于所述训练样本中各个二维码区域的识别结果;
将所述训练样本对应的识别结果与已知二维码进行比对,得到比对结果;
当所述比对结果表示所述训练样本对应的识别结果与已知二维码相比,准确率达到预设阈值时,得到训练完成的检测模型。
需要说明的是,本方案中采用检测模型预先检测出待识别图像中的二维码区域。本说明书实施例中采用的检测模型可以是深度学习模型,该检测模型可以检测正常场景中的二维码区域。正常场景可以指针对曝光正常、二维码图像清晰的二维码识别场景。在此基础上,采用二维码部分缺失的二维码样本、二维码不清晰的样本以及在强光环境中的样本等对检测模型进行训练。得到训练完成的检测模型,以保证该检测模型可以识别出复杂场景中的待识别图像中的二维码区域。进一步地,在训练检测模型时,还可以引入负样本,以降低误识别率,负样本可以是对不包含二维码的待识别图像也识别得到二维码区域。
需要说明的是,上述步骤中,“获取已知二维码的训练样本”,该步骤中的二维码可以指的是电子版本的二维码,即不是采用相机拍摄得到的二维码,而是由计算机生成的时机二维码。而训练样本中包括的二维码图像样本可以指的是采用相机拍摄得到的图片或照片。
在模型的训练过程中至少可以包括特征抽取、训练样本生成、模型训练、模型在线预测等阶段。在获取已知二维码的训练本时,可以基于预先设置的维度进行选择。其中,维度,可以表示一种基于多方位统计(例如:时间、场景、异常情况、二维码类型等),对训练样本进行选择,得到基于各个场景、各个时间、各种异常情况以及各种二维码类型的训练样本。例如:可以选择各种复杂场景中的数据作为训练样本,复杂场景可以包括:强光场景、不清晰场景、二维码部分污损场景等。基于这些训练样本对检测模型进行训练,训练完成后,对训练完的模型进行性能测试,测试训练完成的检测模型时,具体可以测试检测模型的检测准确率,当准确率满足条件,可以确定检测模型训练完成。如果准确率不满足条件,可以基于检测结果继续对检测模型进行迭代训练,直至准确率满足条件为止。
通过上述步骤,预先采用复杂环境中的已知二维码的图像作为训练样本对检测模型进行训练,能够提升检测模型对于复杂场景中的码检测能力,从而提升检测模型的泛化能力。而引入负样本,可以提升检测模型的误识别率。
上述步骤中采用的检测模型的主干可以是基于轻量级CNN网络(例如:MobileNetV2的结构),做了相应的剪枝,并且压缩到了75KB的大小,从而保证该检测模型可以流畅地运行在移动端的可解释性神经网络-XNN的框架上。
其中,MobileNetV2是在V1基础之上的改进,V1主要思想是深度可分离卷积,MobileNetV1网络主要思路就是深度可分离卷积的堆叠。在MobileNetV2中,除了继续使用深度可分离结构之外,还使用了Expansion layer和Projection layer。projection layer可以把高维特征映射到低维空间。Expansion layer的功能正相反,可以将低维空间映射到高维空间。
相比于MobileNetV1,MobileNetV2先进行了1x1的卷积进行升维,目的在于获得更多特征,然后用3x3的空间卷积,最后再用1x1降维。核心思想是升维再降维,参数量更少。为了避免Relu对特征的破坏,在3x3网络结构前利用1x1卷积升维,在3x3网络结构后,再利用1x1卷积降维后,不再进行Relu6层,直接进行残差网络的加法。
剪枝:将复杂的决策树进行简化的过程称为剪枝,其目的是去掉一些节点,包括叶节点和中间节点。剪枝常用方法:预剪枝与后剪枝两种。预剪枝:在构建决策树的过程中,提前终止决策树生长,从而避免过多的节点产生。后剪枝:在决策树构建完成后,再去掉一些节点。对于移动终端设备,模型的运行速度和文件大小同样重要,剪枝可以把模型中冗余的参数剪掉,例如:对卷积层、全连接层进行剪枝,或者对于卷积窗口进行剪枝。可以减小模型文件的代销,减小内存开销,从而保证模型的运行速度。
采用上述模型结构以及处理方式,可以保证模型的运行速度,从而保证检测模型的正常运行,保证检测模型快速检测二维码区域。
可选的,所述待识别图像为异常曝光图像;所述采用训练完成的检测模型确定所述待识别图像中的二维码区域,具体可以包括:
对所述待识别图像的色彩进行归一化处理,得到对应于所述待识别图像的预设大小的灰度图;
将所述灰度图输入到所述训练完成的检测模型进行处理,输出所述待识别图像对应的二值化图片;
将所述二值化图片中的白色区域确定为所述待识别图像中的二维码区域。
上述步骤可以结合图3进行说明:
图3为本说明书实施例提供的二维码区域识别过程示意图。
如图3所示,终端设备拍摄得到的包含有二维码的图像310以及包含条形码的图像320。将包含有二维码的图像310映射为330所示的二值化图片,将包含有条形码的图像320映射为340所示的二值化图片。二值化图片中包括黑色区域和白色的区域。其中,白色区域可以确定为二维码区域。
通过上述方法,可以快速定位出待识别图像中的二维码区域,从而将测光点移动到定位出的二维码区域中,提高识别二维码的效率。
另外,当得到准确的曝光参数,基于准确的曝光参数得到清晰完整的二维码图像之后,将清晰的二维码图像发送给解码模块进行解码,解码的过程可以与编码的过程对应,解码时所采用的解码算法与编码时采用的编码算法对应。解码时可以先确定出二维码的各个定位点,然后确定二维码中的数据信息位,从而进行解码,得到二维码数据信息位中包含的数据信息。
另外,需要说明的是,对于黑暗背景下的发光码扫码场景,也可以提示用户打开手电筒进行照明补光,或者应用程序主动帮用户打开手电筒照亮二维码进行扫描。
对于该特殊扫码场景,也可以跳过采用检测模型检测二维码区域的过程,随机轮换相机的测光区域。但是这种方式相比对本说明书实施例中的方法,识别二维码的效率也会大大降低。
本说明书实施例中的上述方法,能够实现以下技术效果:
1)针对有码的曝光异常场景,利用移动端的检测模型,预先检测出待识别图像中的有码区域,并主动调整测光点/曝光点到该有码区域,使得有码部分的区域清晰完整,从而提高二维码的识别成功率。
2)将二维码区域中亮度值最大的点作为测光点,可以确定较为准确的曝光参数,从而保证进帧图像曝光正常,能够最大限度保证得到的二维码图片清晰,提高二维码的识别准确率以及识别效率。
3)检测待识别图像中的二维码区域的检测模型,增加了各种复杂场景中的样本进行训练,增加了码类型的覆盖范围,提高了检测模型在特定场景下的泛化能力。
4)检测模型在训练时还引入了负样本,使训练得到的检测模型的性能更稳定,从而降低了检测模型的误识别率。
基于同样的思路,本说明书实施例还提供了上述方法对应的装置。图4是本说明书实施例提供的一种二维码识别装置示意图。如图4所示,该装置可以包括:
待识别图像获取模块410,用于终端设备获取待识别图像;
二维码区域确定模块420,用于采用检测模型确定所述待识别图像中的二维码区域;
测光点确定模块430,用于将所述二维码区域中的点确定为测光点;
曝光参数确定模块440,用于基于所述测光点,确定所述终端设备的曝光参数;
解码模块450,用于基于所述曝光参数,对所述待识别图像进行解码。
基于图4的装置,本说明书实施例还提供了该方法的一些具体实施方案,下面进行说明。
可选的,所述测光点确定模块430,具体可以包括:
亮度信息确定单元,用于确定所述二维码区域的亮度信息;
测光点确定单元,用于基于所述亮度信息,选取所述二维码区域中满足预设条件的点确定为测光点。
可选的,所述测光点确定单元,具体可以用于:
基于所述亮度信息,确定所述二维码区域中亮度值最大的点;
将所述亮度值最大的点确定为测光点。
可选的,所述测光点确定单元,具体可以用于:
基于所述亮度信息,确定所述二维码区域中亮度值大于预设阈值的区域;
将所述亮度值大于预设阈值的区域中的点确定为测光点。
可选的,所述装置,还可以包括:
训练样本获取模块,用于获取已知二维码的训练样本;所述训练样本中至少包括曝光异常的二维码图像样本;
特征向量提取模块,用于提取所述训练样本对应的特征向量;
模型训练模块,用于将所述特征向量输入待训练的检测模型中进行训练,得到所述检测模型输出的对于所述训练样本中各个二维码区域的识别结果;
比对模块,用于将所述训练样本对应的识别结果与已知二维码进行比对,得到比对结果;
检测模型确定模块,用于当所述比对结果表示所述训练样本对应的识别结果与已知二维码相比,准确率达到预设阈值时,得到训练完成的检测模型。
可选的,所述待识别图像为异常曝光图像;所述二维码区域确定模块420,具体可以包括:
灰度图确定单元,用于对所述待识别图像的色彩进行归一化处理,得到对应于所述待识别图像的预设大小的灰度图;
检测模型检测单元,用于将所述灰度图输入到所述训练完成的检测模型进行处理,输出所述待识别图像对应的二值化图片;
二维码区域确定单元,用于将所述二值化图片中的白色区域确定为所述待识别图像中的二维码区域。
可选的,所述曝光参数确定模块440,具体可以包括:
目标曝光参数确定单元,用于基于所述测光点对所述待识别区域进行测光,确定目标曝光参数;
曝光参数调整单元,用于基于所述目标曝光参数,对所述终端设备扫描所述待识别图像对应的曝光参数进行调整。
图4中的装置,终端设备的待识别图像获取模块获取待识别图像,二维码区域确定模块采用检测模型确定所述待识别图像中的二维码区域;测光点确定模块将所述二维码区域中的点确定为测光点;曝光参数确定模块基于所述测光点,确定所述终端设备的曝光参数;解码模块基于所述曝光参数,对所述待识别图像进行解码。利用终端设备的检测模型,检测出待识别图像中的有码区域,并主动调整测光点到该区域,最终相机采集到的图片有码的部分可以得到合适的曝光参数从而得到清晰完整的二维码图像。
基于同样的思路,本说明书实施例还提供了上述方法对应的设备。
图5是本说明书实施例提供的一种二维码识别设备示意图。如图5所示,设备500可以包括:
至少一个处理器510;以及,
与所述至少一个处理器通信连接的存储器530;其中,
所述存储器530存储有可被所述至少一个处理器510执行的指令520,所述指令被所述至少一个处理器510执行,以使所述至少一个处理器510能够:
终端设备获取待识别图像;
采用检测模型确定所述待识别图像中的二维码区域;
将所述二维码区域中的点确定为测光点;
基于所述测光点,确定所述终端设备的曝光参数;
基于所述曝光参数,对所述待识别图像进行解码。
上述设备,通过终端设备获取待识别图像,采用检测模型确定所述待识别图像中的二维码区域;将所述二维码区域中的点确定为测光点;基于所述测光点,确定所述终端设备的曝光参数;基于所述曝光参数,对所述待识别图像进行解码。利用终端设备的检测模型,检测出待识别图像中的有码区域,并主动调整测光点到该区域,最终相机采集到的图片有码的部分可以得到合适的曝光参数,使得有码部分的区域清晰完整,从而提高二维码的识别成功率,提升用户体验。
基于同样的思路,本说明书实施例还提供了上述方法对应的计算机可读介质。计算机可读介质上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现以下方法:
终端设备获取待识别图像;
采用检测模型确定所述待识别图像中的二维码区域;
将所述二维码区域中的点确定为测光点;
基于所述测光点,确定所述终端设备的曝光参数;
基于所述曝光参数,对所述待识别图像进行解码。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字符系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字符助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备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)、数字符多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带式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暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种二维码识别方法,包括:
终端设备获取待识别图像;
采用检测模型确定所述待识别图像中的二维码区域;
确定所述二维码区域的亮度信息;
根据所述二维码区域的亮度信息,选取所述二维码区域中满足预设条件的点作为所述终端设备的测光点;所述满足预设条件的点为所述二维码区域中亮度值最大的点,或者所述二维码区域内亮度值大于预设阈值的测光区域中的任意一点;
基于所述测光点,确定所述终端设备的目标曝光参数;
基于所述目标曝光参数,拍摄得到包括二维码图像的目标待识别图像;
对所述目标待识别图像中的所述二维码图像进行解码。
2.根据权利要求1所述的方法,所述基于所述测光点,确定所述终端设备的目标曝光参数,具体包括:
基于所述测光点对待识别区域进行测光,确定目标曝光参数;
基于所述目标曝光参数,对所述终端设备扫描所述待识别图像对应的曝光参数进行调整。
3.根据权利要求1所述的方法,所述采用检测模型确定所述待识别图像中的二维码区域之前,还包括:
获取已知二维码的训练样本;所述训练样本中至少包括曝光异常的二维码图像样本;
提取所述训练样本对应的特征向量;
将所述特征向量输入待训练的检测模型中进行训练,得到所述检测模型输出的对于所述训练样本中各个二维码区域的识别结果;
将所述训练样本对应的识别结果与已知二维码进行比对,得到比对结果;
当所述比对结果表示所述训练样本对应的识别结果与已知二维码相比,准确率达到预设阈值时,得到训练完成的检测模型。
4.根据权利要求1所述的方法,所述待识别图像为异常曝光图像;所述采用检测模型确定所述待识别图像中的二维码区域,具体包括:
对所述待识别图像的色彩进行归一化处理,得到对应于所述待识别图像的预设大小的灰度图;
将所述灰度图输入到所述检测模型进行处理,输出所述待识别图像对应的二值化图片;
将所述二值化图片中的白色区域确定为所述待识别图像中的二维码区域。
5.一种二维码识别装置,包括:
待识别图像获取模块,用于终端设备获取待识别图像;
二维码区域确定模块,用于采用检测模型确定所述待识别图像中的二维码区域;
测光点确定模块,用于确定所述二维码区域的亮度信息,根据所述二维码区域的亮度信息,选取所述二维码区域中满足预设条件的点作为所述终端设备的测光点;所述满足预设条件的点为所述二维码区域中亮度值最大的点,或者所述二维码区域内亮度值大于预设阈值的测光区域中的任意一点;
曝光参数确定模块,用于基于所述测光点,确定所述终端设备的目标曝光参数;
解码模块,用于基于所述目标曝光参数,拍摄得到包括二维码图像的目标待识别图像;以及对所述目标待识别图像中的所述二维码图像进行解码。
6.根据权利要求5所述的装置,所述装置,还包括:
训练样本获取模块,用于获取已知二维码的训练样本;所述训练样本中至少包括曝光异常的二维码图像样本;
特征向量提取模块,用于提取所述训练样本对应的特征向量;
模型训练模块,用于将所述特征向量输入待训练的检测模型中进行训练,得到所述检测模型输出的对于所述训练样本中各个二维码区域的识别结果;
比对模块,用于将所述训练样本对应的识别结果与已知二维码进行比对,得到比对结果;
检测模型确定模块,用于当所述比对结果表示所述训练样本对应的识别结果与已知二维码相比,准确率达到预设阈值时,得到训练完成的检测模型。
7.根据权利要求5所述的装置,所述待识别图像为异常曝光图像;所述二维码区域确定模块,具体包括:
灰度图确定单元,用于对所述待识别图像的色彩进行归一化处理,得到对应于所述待识别图像的预设大小的灰度图;
检测模型检测单元,用于将所述灰度图输入到所述检测模型进行处理,输出所述待识别图像对应的二值化图片;
二维码区域确定单元,用于将所述二值化图片中的白色区域确定为所述待识别图像中的二维码区域。
8.一种二维码识别设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
终端设备获取待识别图像;
采用检测模型确定所述待识别图像中的二维码区域;
确定所述二维码区域的亮度信息;
根据所述二维码区域的亮度信息,选取所述二维码区域中满足预设条件的点作为所述终端设备的测光点;所述满足预设条件的点为所述二维码区域中亮度值最大的点,或者所述二维码区域内亮度值大于预设阈值的测光区域中的任意一点;
基于所述测光点,确定所述终端设备的目标曝光参数;
基于所述目标曝光参数,拍摄得到包括二维码图像的目标待识别图像;
对所述目标待识别图像中的所述二维码图像进行解码。
9.一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现权利要求1至4中任一项所述的二维码识别方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110357586.7A CN113065374B (zh) | 2021-04-01 | 2021-04-01 | 一种二维码识别方法、装置及设备 |
CN202311567591.6A CN117744683A (zh) | 2021-04-01 | 2021-04-01 | 一种二维码识别方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110357586.7A CN113065374B (zh) | 2021-04-01 | 2021-04-01 | 一种二维码识别方法、装置及设备 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311567591.6A Division CN117744683A (zh) | 2021-04-01 | 2021-04-01 | 一种二维码识别方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113065374A CN113065374A (zh) | 2021-07-02 |
CN113065374B true CN113065374B (zh) | 2023-10-27 |
Family
ID=76565423
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311567591.6A Pending CN117744683A (zh) | 2021-04-01 | 2021-04-01 | 一种二维码识别方法、装置及设备 |
CN202110357586.7A Active CN113065374B (zh) | 2021-04-01 | 2021-04-01 | 一种二维码识别方法、装置及设备 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311567591.6A Pending CN117744683A (zh) | 2021-04-01 | 2021-04-01 | 一种二维码识别方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN117744683A (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114205482B (zh) * | 2021-11-02 | 2024-01-05 | 百度在线网络技术(北京)有限公司 | 扫描装置、扫描控制方法、电子设备及存储介质 |
CN114143473B (zh) * | 2021-11-29 | 2024-08-13 | 南京比邻智能软件有限公司 | 一种智能成像光学参数自调整方法 |
CN115220286B (zh) * | 2022-07-18 | 2024-02-27 | 上海商米科技集团股份有限公司 | 一种扫码引擎扫描方法、系统、扫码设备及存储介质 |
CN115130491B (zh) * | 2022-08-29 | 2023-01-31 | 荣耀终端有限公司 | 一种自动扫码方法和终端 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005295313A (ja) * | 2004-04-01 | 2005-10-20 | Sharp Corp | コード読取装置、電子機器、パラメータの調整方法及びパラメータ調整プログラム |
JP2006065374A (ja) * | 2004-08-24 | 2006-03-09 | Toppan Forms Co Ltd | 配送用ラベル及び配送流通システム |
JP2016051981A (ja) * | 2014-08-29 | 2016-04-11 | 株式会社ニコン | 撮像装置、及び撮像システム |
CN107194301A (zh) * | 2016-03-15 | 2017-09-22 | 中兴通讯股份有限公司 | 一种二维码的识别方法及装置 |
CN107220578A (zh) * | 2017-05-31 | 2017-09-29 | 维沃移动通信有限公司 | 一种二维码扫描识别方法、装置、移动终端及存储介质 |
CN107358135A (zh) * | 2017-08-28 | 2017-11-17 | 北京奇艺世纪科技有限公司 | 一种二维码扫码方法及装置 |
CN107609446A (zh) * | 2017-07-31 | 2018-01-19 | 努比亚技术有限公司 | 一种码图识别方法、终端及计算机可读存储介质 |
CN107818283A (zh) * | 2017-11-02 | 2018-03-20 | 深圳天珑无线科技有限公司 | 二维码拍摄方法、移动终端及计算机可读存储介质 |
CN108401106A (zh) * | 2018-02-24 | 2018-08-14 | 深圳前海量子云码科技有限公司 | 一种拍摄参数优化方法、装置、终端及存储介质 |
JP2018136853A (ja) * | 2017-02-23 | 2018-08-30 | 株式会社キーエンス | 光学的情報読取装置 |
CN108629220A (zh) * | 2018-03-23 | 2018-10-09 | 阿里巴巴集团控股有限公司 | 一种二维码识读方法、装置及设备 |
CN110032907A (zh) * | 2019-04-15 | 2019-07-19 | 苏州国芯科技股份有限公司 | 一种二维码识别方法、系统及电子设备和存储介质 |
WO2019179234A1 (zh) * | 2018-03-23 | 2019-09-26 | 阿里巴巴集团控股有限公司 | 一种图像识别的方法、装置及设备 |
CN111950318A (zh) * | 2020-08-12 | 2020-11-17 | 上海连尚网络科技有限公司 | 一种二维码图像的识别方法、设备及存储介质 |
CN112203021A (zh) * | 2020-09-30 | 2021-01-08 | 歌尔科技有限公司 | 亮度控制参数调节方法、装置、电子设备及可读存储介质 |
CN112487835A (zh) * | 2020-11-17 | 2021-03-12 | 支付宝(杭州)信息技术有限公司 | 扫码设备的补光灯光斑检测方法、装置、设备及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9646190B2 (en) * | 2013-12-27 | 2017-05-09 | Mitsubishi Electric Corporation | Two-dimensional code reading device |
US10956696B2 (en) * | 2019-05-31 | 2021-03-23 | Advanced New Technologies Co., Ltd. | Two-dimensional code identification and positioning |
-
2021
- 2021-04-01 CN CN202311567591.6A patent/CN117744683A/zh active Pending
- 2021-04-01 CN CN202110357586.7A patent/CN113065374B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005295313A (ja) * | 2004-04-01 | 2005-10-20 | Sharp Corp | コード読取装置、電子機器、パラメータの調整方法及びパラメータ調整プログラム |
JP2006065374A (ja) * | 2004-08-24 | 2006-03-09 | Toppan Forms Co Ltd | 配送用ラベル及び配送流通システム |
JP2016051981A (ja) * | 2014-08-29 | 2016-04-11 | 株式会社ニコン | 撮像装置、及び撮像システム |
CN107194301A (zh) * | 2016-03-15 | 2017-09-22 | 中兴通讯股份有限公司 | 一种二维码的识别方法及装置 |
JP2018136853A (ja) * | 2017-02-23 | 2018-08-30 | 株式会社キーエンス | 光学的情報読取装置 |
CN107220578A (zh) * | 2017-05-31 | 2017-09-29 | 维沃移动通信有限公司 | 一种二维码扫描识别方法、装置、移动终端及存储介质 |
CN107609446A (zh) * | 2017-07-31 | 2018-01-19 | 努比亚技术有限公司 | 一种码图识别方法、终端及计算机可读存储介质 |
CN107358135A (zh) * | 2017-08-28 | 2017-11-17 | 北京奇艺世纪科技有限公司 | 一种二维码扫码方法及装置 |
CN107818283A (zh) * | 2017-11-02 | 2018-03-20 | 深圳天珑无线科技有限公司 | 二维码拍摄方法、移动终端及计算机可读存储介质 |
CN108401106A (zh) * | 2018-02-24 | 2018-08-14 | 深圳前海量子云码科技有限公司 | 一种拍摄参数优化方法、装置、终端及存储介质 |
CN108629220A (zh) * | 2018-03-23 | 2018-10-09 | 阿里巴巴集团控股有限公司 | 一种二维码识读方法、装置及设备 |
WO2019179234A1 (zh) * | 2018-03-23 | 2019-09-26 | 阿里巴巴集团控股有限公司 | 一种图像识别的方法、装置及设备 |
CN110032907A (zh) * | 2019-04-15 | 2019-07-19 | 苏州国芯科技股份有限公司 | 一种二维码识别方法、系统及电子设备和存储介质 |
CN111950318A (zh) * | 2020-08-12 | 2020-11-17 | 上海连尚网络科技有限公司 | 一种二维码图像的识别方法、设备及存储介质 |
CN112203021A (zh) * | 2020-09-30 | 2021-01-08 | 歌尔科技有限公司 | 亮度控制参数调节方法、装置、电子设备及可读存储介质 |
CN112487835A (zh) * | 2020-11-17 | 2021-03-12 | 支付宝(杭州)信息技术有限公司 | 扫码设备的补光灯光斑检测方法、装置、设备及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113065374A (zh) | 2021-07-02 |
CN117744683A (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113065374B (zh) | 一种二维码识别方法、装置及设备 | |
US10944901B2 (en) | Real time assessment of picture quality | |
CN110276767B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN110248096B (zh) | 对焦方法和装置、电子设备、计算机可读存储介质 | |
CN108810413B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN110149482A (zh) | 对焦方法、装置、电子设备和计算机可读存储介质 | |
US20150379325A1 (en) | Image sensor with integrated region of interest calculation for iris capture, autofocus, and gain control | |
CN110705532B (zh) | 一种识别翻拍图像的方法、装置及设备 | |
CN101478641A (zh) | 数字摄影设备及其控制方法 | |
CN110536068A (zh) | 对焦方法和装置、电子设备、计算机可读存储介质 | |
CN107945158A (zh) | 一种检测镜头脏污的方法及装置 | |
CN108848306B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
KR20100134085A (ko) | 디지털 이미지에서 객체 검출 속도 향상을 위한 시스템 및 방법 | |
CN109089041A (zh) | 拍摄场景的识别方法、装置、电子设备和存储介质 | |
CN111368944B (zh) | 翻拍图像、证件照识别、模型训练方法、装置及电子设备 | |
CN113313626A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113228622A (zh) | 图像采集方法、装置及存储介质 | |
CN112383688B (zh) | 摄像补光方法、装置、电子设备和智能终端 | |
US20230171509A1 (en) | Optimizing high dynamic range (hdr) image processing based on selected regions | |
CN113673474A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN108881740B (zh) | 图像方法和装置、电子设备、计算机可读存储介质 | |
CN110636205A (zh) | 图像处理方法及装置 | |
CN115392281A (zh) | 一种图像采集的方法以及装置 | |
CN115988326A (zh) | 星空图像获取方法、装置及终端设备 | |
CN116188958A (zh) | 一种电能表识别方法、虚拟装置、设备和存储介质 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40055479 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |