CN117576617B - 一种基于不同环境自动调节的解码系统 - Google Patents
一种基于不同环境自动调节的解码系统 Download PDFInfo
- Publication number
- CN117576617B CN117576617B CN202410062326.0A CN202410062326A CN117576617B CN 117576617 B CN117576617 B CN 117576617B CN 202410062326 A CN202410062326 A CN 202410062326A CN 117576617 B CN117576617 B CN 117576617B
- Authority
- CN
- China
- Prior art keywords
- code
- image frame
- image
- target code
- qualified target
- 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
- 238000001514 detection method Methods 0.000 claims abstract description 75
- 238000010586 diagram Methods 0.000 claims abstract description 43
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000003702 image correction Methods 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims description 32
- 238000002372 labelling Methods 0.000 claims description 28
- 238000012549 training Methods 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000005192 partition Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000003708 edge detection Methods 0.000 description 6
- 239000004065 semiconductor Substances 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/001—Model-based coding, e.g. wire frame
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及解码技术领域,本发明公开了一种基于不同环境自动调节的解码系统,包括数据获取模块,用于获取图像帧集合A,基于图像帧集合A确定调节焦距,并根据调节焦距进行焦距调节,截取焦距调节后的图像帧集合B;质量检测模块,用于利用预配置码图质量检测模型对图像帧集合B进行解析,根据解析结果判断在所述图像帧集合B中是否存在至少一幅合格目标码图,得到判断结果;码图修正模块,用于获取基准图像帧,对基准图像帧进行图像修正,以获取修正码图;码图解码模块,用于利用解码模块对合格目标码图或修正码图进行解码,以还原解码数据;本发明有利于针对不同环境影响下的微型码进行高效解码。
Description
技术领域
本发明涉及解码技术领域,更具体地说,本发明涉及一种基于不同环境自动调节的解码系统。
背景技术
条码,是一种用于表示数据的编码方式,通常以线条和空白之间的不同宽度和间距来表示数字或字母;其主要包括一维条码和二维条码(俗称二维码),相较于一维条码,二维码可以存储更多的信息,且响应速度更快,因此被广泛应用于工业和半导体等各种领域;然而,半导体器件上的二维码往往非常细小,尤其是印在金属上或贴在半导体器件上的微型二维码,由于其细小的特性,其极易受到复杂环境的影响(例如光照不均等等),给解码带来了巨大挑战;因此,迫切需要一种能够基于不同环境自动调节的解码系统。
目前,缺乏针对微型二维码进行不同环境下的解码系统和方法,虽存在一些相关的技术专利,例如授权公告号为CN106778440B的中国专利公开了一种二维码识别方法及装置,上述方法虽能提高解码准确度,但对上述方法以及现有技术进行研究和实际应用发现,上述方法以及现有技术至少存在以下部分缺陷:
(1)无法进行焦距调节,且缺乏对微型码进行图像质量检测的机制,从而无法快速确定可识别的微型码,进而无法保证微型码的解码成功率;
(2)无法解决因摄像模组晃动或复杂环境影响(如光照不均)等因素,导致无法识别各种印制介质上的微型码的问题,进而难以对不同环境下的微型码进行快速和高精度地解码。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供一种基于不同环境自动调节的解码系统。
为实现上述目的,本发明提供如下技术方案:
一种基于不同环境自动调节的解码系统,所述系统包括:
数据获取模块,用于获取待识别微型码的图像帧集合A,基于图像帧集合A确定调节焦距,并根据调节焦距对摄像模组进行焦距调节,截取焦距调节后待识别微型码的图像帧集合B,所述图像帧集合A和图像帧集合B均包括M个图像帧,M为大于零的整数;
质量检测模块,用于利用预配置码图质量检测模型对图像帧集合B进行解析,根据解析结果判断在所述图像帧集合B中是否存在至少一幅合格目标码图,得到判断结果;所述解析结果包括合格目标码图和非合格目标码图;所述判断结果包括存在至少一幅合格目标码图或不存在合格目标码图中的一种;
码图修正模块,用于获取基准图像帧,对基准图像帧进行图像修正,以获取修正码图;
码图解码模块,用于利用解码模块对合格目标码图或修正码图进行解码,以还原解码数据。
进一步地,基于图像帧集合A确定调节焦距,包括:
a1:提取图像帧集合A中的第i个图像帧,i为大于零的整数,i的初始值为1;
a2:判断所述第i个图像帧中是否存在微型码区域,若不存在,则令i=i+1,并返回至步骤a1;若存在,则获取微型码区域的任意三边的像素边长;
a3:将任意三边中任意两条边的像素边长进行比对,判断任意三边的像素边长是否均一致,若存在任意一边的像素边长不等于另外两边的像素边长,则令i=i+1,并返回至步骤a1;若任意三边的像素边长均一致,则获取预存系统数据库中标准二维码的图像,并提取标准二维码的图像中标准二维码的任意三边的像素边长;
a4:重复上述步骤a1~a3,直至得到微型码区域的任意三边的像素边长,且微型码区域的任意三边的像素边长均一致时,结束循环;
a5:基于微型码区域的任意三边和标准二维码的任意三边进行尺寸比对,以获取尺寸比,并根据尺寸比与拍摄焦距区间的预设关系,确定拍摄焦距区间,随机将拍摄焦距区间中的任一拍摄焦距作为调节焦距。
进一步地,基于微型码区域的任意三边和标准二维码的任意三边进行尺寸比对,包括:
获取第i个图像帧的分辨率,以及获取标准二维码的图像的分辨率;
根据第i个图像帧的分辨率以及微型码区域的任意三边的像素边长,计算微型码区域的任意三边的实际尺寸,得到第一实际尺寸;根据标准二维码的图像的分辨率以及标准二维码的任意三边的像素边长,计算标准二维码的任意三边的实际尺寸,得到第二实际尺寸;
将第一实际尺寸与第二实际尺寸进行比值计算,得到尺寸比。
进一步地,所述预配置码图质量检测模型的生成逻辑如下:
获取码图质量检测数据集,将所述码图质量检测数据集划分为码图质量检测训练集和码图质量检测测试集,所述码图质量检测数据集包括E幅二维码图以及每幅二维码图对应的标注标签,所述标注标签包括合格标注标签和不合格标注标签,所述合格标注标签表示对应二维码图为合格目标码图,标注为“1”,所述不合格标注标签为“模糊”标签,所述“模糊”标签标注为“0”;
构建分类器,将所述码图质量检测训练集中的二维码图作为分类器的输入数据,将所述码图质量检测训练集中的标注标签作为分类器的输入数据,对分类器进行训练,得到初始码图质量检测网络;
利用码图质量检测测试集对初始码图质量检测网络进行模型验证,输入大于等于预设测试准确度的初始码图质量检测网络作为预配置码图质量检测模型。
进一步地,利用预配置码图质量检测模型对图像帧集合B进行解析,包括:
b1:提取图像帧集合B中的第j个图像帧,j为大于零的整数,j的初始值为1;
b2:确定第j个图像帧中的微型码区域,利用预配置码图质量检测模型对第j个图像帧中的微型码区域进行解析,得到解析结果;
b3:根据识别结果判断所述第j个图像帧中的微型码区域是否为合格目标码图,若为合格目标码图,则记录合格目标码图,并令j=j+1,返回步骤b1;若为非合格目标码图,则记录非合格目标码图,并令j=j+1,返回步骤b1;
b4:重复上述步骤b1~b3,直至j=M时,结束循环,得到合格目标码图总数Q,且得到R幅非合格目标码图,Q、R为大于零的整数。
进一步地,判断在所述图像帧集合B中是否存在至少一幅合格目标码图,包括:将合格目标码图总数Q与预设数量阈值进行比较,若合格目标码图总数Q大于等于预设数量阈值,则判定所述图像帧集合B中存在至少一幅合格目标码图;若合格目标码图总数Q小于预设数量阈值,则判定所述图像帧集合B中不存在合格目标码图;所述预设数量阈值取值为1。
进一步地,所述获取基准图像帧的逻辑如下:
提取R幅非合格目标码图,计算每幅非合格目标码图中的全局对比度;
按数值从大到小对R幅非合格目标码图的全局对比度进行排序,将排序第一的非合格目标码图作为基准图像帧。
进一步地,对基准图像帧进行图像修正,包括:
对基准图像帧中微型码区域进行等分分割,获取U个分割区域;
根据预设第一局部对比度阈值获取U个分割区域中的P个模糊部分,U、P为大于零的整数;
根据P个模糊部分筛选R幅非合格目标码图中的P个清晰部分;
将P个清晰部分替换掉基准图像帧中的P个模糊部分,得到修正码图。
进一步地,根据预设第一局部对比度阈值获取U个分割区域中的P个模糊部分,包括:
获取每个分割区域的局部对比度,将每个分割区域的局部对比度与预设第一局部对比度阈值进行比对;
若局部对比度小于等于预设第一局部对比度阈值,则将对应的分割区域作为模糊部分;
若局部对比度大于预设第一局部对比度阈值,则不将对应的分割区域作为模糊部分。
进一步地,筛选R幅非合格目标码图中的P个清晰部分,包括:
c1:获取第Y个模糊部分,以及获取R幅非合格目标码图中的第r幅非合格目标码图,根据第Y个模糊部分在基准图像帧中的基础数据割取第r幅非合格目标码图中的相同部分,所述基础数据包括模糊部分的位置和像素范围,Y、r为大于零的整数;
c2:获取相同部分的对比度,将相同部分的对比度与预设第二局部对比度阈值进行比对,若相同部分的对比度大于等于预设第二局部对比度阈值,则将第r幅非合格目标码图中的相同部分记录为清晰部分;若相同部分的对比度小于预设第二局部对比度阈值,则令Y=Y+1,并返回步骤c1;
c3:重复上述步骤c1~c2,直至Y=P时,结束循环,得到D个清晰部分,D为大于零的整数;
c4:判断D是否等于P,若不等于,则令r=r+1, 并返回步骤c1;
c5:重复上述步骤c1~c4,直至D=P时,结束循环,得到P个清晰部分。
相比于现有技术,本发明的有益效果在于:
本申请公开了一种基于不同环境自动调节的解码系统,包括数据获取模块,用于获取图像帧集合A,基于图像帧集合A确定调节焦距,并根据调节焦距进行焦距调节,截取焦距调节后的图像帧集合B;质量检测模块,用于利用预配置码图质量检测模型对图像帧集合B进行解析,根据解析结果判断在所述图像帧集合B中是否存在至少一幅合格目标码图,得到判断结果;码图修正模块,用于获取基准图像帧,对基准图像帧进行图像修正,以获取修正码图;码图解码模块,用于利用解码模块对合格目标码图或修正码图进行解码,以还原解码数据,基于上述模块,本发明能够解决因摄像模组晃动或复杂环境影响(如光照不均)等因素,导致无法识别各种印制介质上微型码的问题,进而有利于对不同环境下的微型码进行快速和高精度地解码;此外,通过引入焦距调节和质量检测机制,本发明能够快速确定可识别的微型码,进而能保证微型码的解码成功率。
附图说明
图1为本发明提供的一种基于不同环境自动调节的解码系统的示意图;
图2为本发明提供的一种基于不同环境自动调节的解码方法的示意图。
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,所描述的实施例仅仅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,都属于本发明保护的范围。
实施例1
请参阅图1所示,本实施例公开提供了一种基于不同环境自动调节的解码系统,所述系统包括:
数据获取模块110,用于获取待识别微型码的图像帧集合A,基于图像帧集合A确定调节焦距,并根据调节焦距对摄像模组进行焦距调节,截取焦距调节后待识别微型码的图像帧集合B,所述图像帧集合A和图像帧集合B均包括M个图像帧,M为大于零的整数;
应当了解的是:所述待识别微型码的图像帧集合A和图像帧集合B均依托于摄像模组进行拍摄获得,在对准待识别微型码时,摄像模组会连续拍摄待识别微型码的图像,进而得到图像帧集合A;进一步应当明白的是,当通过摄像模组对印制介质上的待识别微型码进行拍摄时,由于机械抖动或人为摆动的原因,可能会导致图像帧集合A或图像帧集合B中不同图像帧的质量参差不齐,例如,由于机械抖动原因导致摄像模组拍摄角度变化,导致受到印制介质的反光,从而使采集到的待识别微型码的图像出现虚化现象;
还应当明白的是:图像帧集合A和图像帧集合B均包括M个图像帧,但不同的是,图像帧集合A中的M个图像帧为未进行焦距调节前摄像模组所采集到,而图像帧集合B中的M个图像帧为在进行焦距调节后摄像模组所采集到;
在实施中,基于图像帧集合A确定调节焦距,包括:
a1:提取图像帧集合A中的第i个图像帧,i为大于零的整数,i的初始值为1;
a2:判断所述第i个图像帧中是否存在微型码区域,若不存在,则令i=i+1,并返回至步骤a1;若存在,则获取微型码区域的任意三边的像素边长;
需要说明的是:判断所述第i个图像帧中是否存在微型码区域,可通过模板匹配、色彩分析或机器学习等现有方式中的一种实现;
示例性地,模板匹配方式为:获取系统数据库中的标准二维码,将标准二维码于第i个图像帧中的微型码区域进行余弦相似度比较,若余弦相似度大于等于预设余弦相似度阈值,则判定所述第i个图像帧中存在微型码区域,反之,若余弦相似度小于预设余弦相似度阈值,则判定所述第i个图像帧中不存在微型码区域;
还需要说明的是:所述微型码区域的任意三边中每两个相邻的边应当满足90度角度,且为直线;进一步地,微型码区域的任意三边的像素边长基于边缘检测算法检测得到,所述边缘检测算法包括但不限于Sobel算子、Canny边缘检测算法或霍夫变换等中的具体一种;
a3:将任意三边中任意两条边的像素边长进行比对,判断任意三边的像素边长是否均一致,若存在任意一边的像素边长不等于另外两边的像素边长,则令i=i+1,并返回至步骤a1;若任意三边的像素边长均一致,则获取预存系统数据库中标准二维码的图像,并提取标准二维码的图像中标准二维码的任意三边的像素边长;
可以理解的是:当存在任意一边的像素边长不等于另外两边的像素边长时,则说明当前图像帧中的微型码区域并非完整,可能由于抖动导致摄像模组仅获取到了微型码的一部分;
a4:重复上述步骤a1~a3,直至得到微型码区域的任意三边的像素边长,且微型码区域的任意三边的像素边长均一致时,结束循环;
应当了解的是:当i=M时,若还未满足结束循环的条件,则生成“拍摄错误”的提醒指令,并根据提醒指令重新通过摄像模组采集图像帧集合A;
a5:基于微型码区域的任意三边和标准二维码的任意三边进行尺寸比对,以获取尺寸比,并根据尺寸比与拍摄焦距区间的预设关系,确定拍摄焦距区间,随机将拍摄焦距区间中的任一拍摄焦距作为调节焦距;
需要说明的是:系统数据库中预存有多组尺寸比与拍摄焦距区间的预设关系;进一步说明就是,每个尺寸比当且仅当映射有一个拍摄焦距区间;示例性说明就是,假设系统数据库中预存有3组尺寸比与拍摄焦距区间的预设关系,分别为尺寸比A1映射有拍摄焦距区间B1,尺寸比A2映射有拍摄焦距区间B2和尺寸比A3映射有拍摄焦距区间B3,因此当尺寸比为A1时,则对应拍摄焦距区间则为B1;进一步说明,若尺寸比A1为1/2,且拍摄焦距区间B2为[100mm,110mm],则拍摄焦距区间[100mm,110mm]对摄像模组进行焦距调节;
具体的,基于微型码区域的任意三边和标准二维码的任意三边进行尺寸比对,包括:
获取第i个图像帧的分辨率,以及获取标准二维码的图像的分辨率;
根据第i个图像帧的分辨率以及微型码区域的任意三边的像素边长,计算微型码区域的任意三边的实际尺寸,得到第一实际尺寸;根据标准二维码的图像的分辨率以及标准二维码的任意三边的像素边长,计算标准二维码的任意三边的实际尺寸,得到第二实际尺寸;
应当了解的是:第i个图像帧为包含微型码区域且微型码区域的任意三边的像素边长均一致时对应的图像帧;进一步需要明白的是:由于二维码为标准的正方形,因此,微型码区域的任意三边和标准二维码的任意三边均长度一致;还应了解的是,图像中图形的实际尺寸与图像的分辨率和图形的像素尺寸有关,其关系可通过如下换算公式表示:第一(第二)实际尺寸=像素边长/分辨率;
将第一实际尺寸与第二实际尺寸进行比值计算,得到尺寸比;
应当明白的是:当获取到调节焦距后,系统会自动根据调节焦距对摄像模组进行调节,以使摄像模组调至相应的拍摄焦距;进一步地,当摄像模组得到焦距调节后,其之后所采集到的M个图像帧,构成了图像帧集合B;
质量检测模块120,用于利用预配置码图质量检测模型对图像帧集合B进行解析,根据解析结果判断在所述图像帧集合B中是否存在至少一幅合格目标码图,得到判断结果;所述解析结果包括合格目标码图和非合格目标码图;所述判断结果包括存在至少一幅合格目标码图或不存在合格目标码图中的一种;
具体的,所述预配置码图质量检测模型的生成逻辑如下:
获取码图质量检测数据集,将所述码图质量检测数据集划分为码图质量检测训练集和码图质量检测测试集,所述码图质量检测数据集包括E幅二维码图以及每幅二维码图对应的标注标签,所述标注标签包括合格标注标签和不合格标注标签,所述合格标注标签表示对应二维码图为合格目标码图,标注为“1”,所述不合格标注标签为“模糊”标签,所述“模糊”标签标注为“0”;
构建分类器,将所述码图质量检测训练集中的二维码图作为分类器的输入数据,将所述码图质量检测训练集中的标注标签作为分类器的输入数据,对分类器进行训练,得到初始码图质量检测网络;
利用码图质量检测测试集对初始码图质量检测网络进行模型验证,输入大于等于预设测试准确度的初始码图质量检测网络作为预配置码图质量检测模型;
需要说明的是:所述分类器具体为决策树分类网络、SVM分类网络、随机森林分类网络、贝叶斯分类网络或神经网络等模型中的具体一种;还需要说明的是:通过将图像帧集合B中的每幅图像帧输入预配置码图质量检测模型进行识别解析后,即可得到图像帧集合B中的每幅图像帧的解析结果;
在实施中,利用预配置码图质量检测模型对图像帧集合B进行解析,包括:
b1:提取图像帧集合B中的第j个图像帧,j为大于零的整数,j的初始值为1;
b2:确定第j个图像帧中的微型码区域,利用预配置码图质量检测模型对第j个图像帧中的微型码区域进行解析,得到解析结果;
b3:根据识别结果判断所述第j个图像帧中的微型码区域是否为合格目标码图,若为合格目标码图,则记录合格目标码图,并令j=j+1,返回步骤b1;若为非合格目标码图,则记录非合格目标码图,并令j=j+1,返回步骤b1;
b4:重复上述步骤b1~b3,直至j=M时,结束循环,得到合格目标码图总数Q,且得到R幅非合格目标码图,Q、R为大于零的整数;
在实施中,判断在所述图像帧集合B中是否存在至少一幅合格目标码图,包括:将合格目标码图总数Q与预设数量阈值进行比较,若合格目标码图总数Q大于等于预设数量阈值,则判定所述图像帧集合B中存在至少一幅合格目标码图;若合格目标码图总数Q小于预设数量阈值,则判定所述图像帧集合B中不存在合格目标码图;所述预设数量阈值取值为1;
码图修正模块130,用于获取基准图像帧,对基准图像帧进行图像修正,以获取修正码图;
在实施中,所述获取基准图像帧的逻辑如下:
提取R幅非合格目标码图,计算每幅非合格目标码图中的全局对比度;
按数值从大到小对R幅非合格目标码图的全局对比度进行排序,将排序第一的非合格目标码图作为基准图像帧;
需要说明的是:非合格目标码图的全局对比度可通过公式法、标准差法或能量法中的一种计算得到,所述公式法的公式为: ;式中,/>是全局对比度,/>是图像灰度值,/>是图像中的最大灰度值,/>是图像中的最小灰度值;
在实施中,对基准图像帧进行图像修正,包括:
对基准图像帧中微型码区域进行等分分割,获取U个分割区域;
根据预设第一局部对比度阈值获取U个分割区域中的P个模糊部分,U、P为大于零的整数;
具体的,根据预设第一局部对比度阈值获取U个分割区域中的P个模糊部分,包括:
获取每个分割区域的局部对比度,将每个分割区域的局部对比度与预设第一局部对比度阈值进行比对;
若局部对比度小于等于预设第一局部对比度阈值,则将对应的分割区域作为模糊部分;
若局部对比度大于预设第一局部对比度阈值,则不将对应的分割区域作为模糊部分;
根据P个模糊部分筛选R幅非合格目标码图中的P个清晰部分;
在实施中,筛选R幅非合格目标码图中的P个清晰部分,包括:
c1:获取第Y个模糊部分,以及获取R幅非合格目标码图中的第r幅非合格目标码图,根据第Y个模糊部分在基准图像帧中的基础数据割取第r幅非合格目标码图中的相同部分,所述基础数据包括模糊部分的位置和像素范围,Y、r为大于零的整数;
c2:获取相同部分的对比度,将相同部分的对比度与预设第二局部对比度阈值进行比对,若相同部分的对比度大于等于预设第二局部对比度阈值,则将第r幅非合格目标码图中的相同部分记录为清晰部分;若相同部分的对比度小于预设第二局部对比度阈值,则令Y=Y+1,并返回步骤c1;
c3:重复上述步骤c1~c2,直至Y=P时,结束循环,得到D个清晰部分,D为大于零的整数;
c4:判断D是否等于P,若不等于,则令r=r+1, 并返回步骤c1;
c5:重复上述步骤c1~c4,直至D=P时,结束循环,得到P个清晰部分;
将P个清晰部分替换掉基准图像帧中的P个模糊部分,得到修正码图;
码图解码模块140,用于利用解码模块对合格目标码图或修正码图进行解码,以还原解码数据。
应当了解的是:当得到合格目标码图时,则说明待识别微型码能够被直接识别,因此,对通过筛选得到的合格目标码图进行直接解码,即可获得还原解码数据;而得到修正码图时,则说明待识别微型码受到一种或一种以上的环境因素干扰,而导致其无法被直接解码,而通过对其进行修正后,使其能够被快速解码;
需要说明的是:所述解码数据具为待识别微型码关联的信息数据,所述信息数据通过事先写入得到;数据获取模块110、质量检测模块120、码图修正模块130、码图解码模块140和摄像模组之间电性连接;
通过上述过程,本发明能够针对不同环境影响下的微型码进行快速解码,并能提高在不同环境影响下微型码的解码成功率和速度。
实施例2
请参阅图2所示,基于同一个发明构思,根据上述实施例1,本实施例公开提供了一种基于不同环境自动调节的解码方法,所述方法包括:
S210:获取待识别微型码的图像帧集合A,基于图像帧集合A确定调节焦距,并根据调节焦距对摄像模组进行焦距调节,截取焦距调节后待识别微型码的图像帧集合B,所述图像帧集合A和图像帧集合B均包括M个图像帧,M为大于零整数;
应当了解的是:所述待识别微型码的图像帧集合A和图像帧集合B均依托于摄像模组进行拍摄获得,在对准待识别微型码时,摄像模组会连续拍摄待识别微型码的图像,进而得到图像帧集合A;进一步应当明白的是,当通过摄像模组对印制介质上的待识别微型码进行拍摄时,由于机械抖动或人为摆动的原因,可能会导致图像帧集合A或图像帧集合B中不同图像帧的质量参差不齐,例如,由于机械抖动原因导致摄像模组拍摄角度变化,导致受到印制介质的反光,从而使采集到的待识别微型码的图像出现虚化现象;
还应当明白的是:图像帧集合A和图像帧集合B均包括M个图像帧,但不同的是,图像帧集合A中的M个图像帧为未进行焦距调节前摄像模组所采集到,而图像帧集合B中的M个图像帧为在进行焦距调节后摄像模组所采集到;
在实施中,基于图像帧集合A确定调节焦距,包括:
a1:提取图像帧集合A中的第i个图像帧,i为大于零的整数,i的初始值为1;
a2:判断所述第i个图像帧中是否存在微型码区域,若不存在,则令i=i+1,并返回至步骤a1;若存在,则获取微型码区域的任意三边的像素边长;
需要说明的是:判断所述第i个图像帧中是否存在微型码区域,可通过模板匹配、色彩分析或机器学习等现有方式中的一种实现;
示例性地,模板匹配方式为:获取系统数据库中的标准二维码,将标准二维码于第i个图像帧中的微型码区域进行余弦相似度比较,若余弦相似度大于等于预设余弦相似度阈值,则判定所述第i个图像帧中存在微型码区域,反之,若余弦相似度小于预设余弦相似度阈值,则判定所述第i个图像帧中不存在微型码区域;
还需要说明的是:所述微型码区域的任意三边中每两个相邻的边应当满足90度角度,且为直线;进一步地,微型码区域的任意三边的像素边长基于边缘检测算法检测得到,所述边缘检测算法包括但不限于Sobel算子、Canny边缘检测算法或霍夫变换等中的具体一种;
a3:将任意三边中任意两条边的像素边长进行比对,判断任意三边的像素边长是否均一致,若存在任意一边的像素边长不等于另外两边的像素边长,则令i=i+1,并返回至步骤a1;若任意三边的像素边长均一致,则获取预存系统数据库中标准二维码的图像,并提取标准二维码的图像中标准二维码的任意三边的像素边长;
可以理解的是:当存在任意一边的像素边长不等于另外两边的像素边长时,则说明当前图像帧中的微型码区域并非完整,可能由于抖动导致摄像模组仅获取到了微型码的一部分;
a4:重复上述步骤a1~a3,直至得到微型码区域的任意三边的像素边长,且微型码区域的任意三边的像素边长均一致时,结束循环;
应当了解的是:当i=M时,若还未满足结束循环的条件,则生成“拍摄错误”的提醒指令,并根据提醒指令重新通过摄像模组采集图像帧集合A;
a5:基于微型码区域的任意三边和标准二维码的任意三边进行尺寸比对,以获取尺寸比,并根据尺寸比与拍摄焦距区间的预设关系,确定拍摄焦距区间,随机将拍摄焦距区间中的任一拍摄焦距作为调节焦距;
需要说明的是:系统数据库中预存有多组尺寸比与拍摄焦距区间的预设关系;进一步说明就是,每个尺寸比当且仅当映射有一个拍摄焦距区间;示例性说明就是,假设系统数据库中预存有3组尺寸比与拍摄焦距区间的预设关系,分别为尺寸比A1映射有拍摄焦距区间B1,尺寸比A2映射有拍摄焦距区间B2和尺寸比A3映射有拍摄焦距区间B3,因此当尺寸比为A1时,则对应拍摄焦距区间则为B1;进一步说明,若尺寸比A1为1/2,且拍摄焦距区间B2为[100mm,110mm],则拍摄焦距区间[100mm,110mm]对摄像模组进行焦距调节;
具体的,基于微型码区域的任意三边和标准二维码的任意三边进行尺寸比对,包括:
获取第i个图像帧的分辨率,以及获取标准二维码的图像的分辨率;
根据第i个图像帧的分辨率以及微型码区域的任意三边的像素边长,计算微型码区域的任意三边的实际尺寸,得到第一实际尺寸;根据标准二维码的图像的分辨率以及标准二维码的任意三边的像素边长,计算标准二维码的任意三边的实际尺寸,得到第二实际尺寸;
应当了解的是:第i个图像帧为包含微型码区域且微型码区域的任意三边的像素边长均一致时对应的图像帧;进一步需要明白的是:由于二维码为标准的正方形,因此,微型码区域的任意三边和标准二维码的任意三边均长度一致;还应了解的是,图像中图形的实际尺寸与图像的分辨率和图形的像素尺寸有关,其关系可通过如下换算公式表示:第一(第二)实际尺寸=像素边长/分辨率;
将第一实际尺寸与第二实际尺寸进行比值计算,得到尺寸比;
应当明白的是:当获取到调节焦距后,系统会自动根据调节焦距对摄像模组进行调节,以使摄像模组调至相应的拍摄焦距;进一步地,当摄像模组得到焦距调节后,其之后所采集到的M个图像帧,构成了图像帧集合B;
S220:利用预配置码图质量检测模型对图像帧集合B进行解析,根据解析结果判断在所述图像帧集合B中是否存在至少一幅合格目标码图,得到判断结果;所述解析结果包括合格目标码图和非合格目标码图;所述判断结果包括存在至少一幅合格目标码图或不存在合格目标码图中的一种;
具体的,所述预配置码图质量检测模型的生成逻辑如下:
获取码图质量检测数据集,将所述码图质量检测数据集划分为码图质量检测训练集和码图质量检测测试集,所述码图质量检测数据集包括E幅二维码图以及每幅二维码图对应的标注标签,所述标注标签包括合格标注标签和不合格标注标签,所述合格标注标签表示对应二维码图为合格目标码图,标注为“1”,所述不合格标注标签为“模糊”标签,所述“模糊”标签标注为“0”;
构建分类器,将所述码图质量检测训练集中的二维码图作为分类器的输入数据,将所述码图质量检测训练集中的标注标签作为分类器的输入数据,对分类器进行训练,得到初始码图质量检测网络;
利用码图质量检测测试集对初始码图质量检测网络进行模型验证,输入大于等于预设测试准确度的初始码图质量检测网络作为预配置码图质量检测模型;
需要说明的是:所述分类器具体为决策树分类网络、SVM分类网络、随机森林分类网络、贝叶斯分类网络或神经网络等模型中的具体一种;还需要说明的是:通过将图像帧集合B中的每幅图像帧输入预配置码图质量检测模型进行识别解析后,即可得到图像帧集合B中的每幅图像帧的解析结果;
在实施中,利用预配置码图质量检测模型对图像帧集合B进行解析,包括:
b1:提取图像帧集合B中的第j个图像帧,j为大于零的整数,j的初始值为1;
b2:确定第j个图像帧中的微型码区域,利用预配置码图质量检测模型对第j个图像帧中的微型码区域进行解析,得到解析结果;
b3:根据识别结果判断所述第j个图像帧中的微型码区域是否为合格目标码图,若为合格目标码图,则记录合格目标码图,并令j=j+1,返回步骤b1;若为非合格目标码图,则记录非合格目标码图,并令j=j+1,返回步骤b1;
b4:重复上述步骤b1~b3,直至j=M时,结束循环,得到合格目标码图总数Q,且得到R幅非合格目标码图,Q、R为大于零的整数;
在实施中,判断在所述图像帧集合B中是否存在至少一幅合格目标码图,包括:将合格目标码图总数Q与预设数量阈值进行比较,若合格目标码图总数Q大于等于预设数量阈值,则判定所述图像帧集合B中存在至少一幅合格目标码图;若合格目标码图总数Q小于预设数量阈值,则判定所述图像帧集合B中不存在合格目标码图;所述预设数量阈值取值为1;
S230:获取基准图像帧,对基准图像帧进行图像修正,以获取修正码图;
在实施中,所述获取基准图像帧的逻辑如下:
提取R幅非合格目标码图,计算每幅非合格目标码图中的全局对比度;
按数值从大到小对R幅非合格目标码图的全局对比度进行排序,将排序第一的非合格目标码图作为基准图像帧;
需要说明的是:非合格目标码图的全局对比度可通过公式法、标准差法或能量法中的一种计算得到,所述公式法的公式为: ;式中,/>是全局对比度,/>是图像灰度值,/>是图像中的最大灰度值,/>是图像中的最小灰度值;
在实施中,对基准图像帧进行图像修正,包括:
对基准图像帧中微型码区域进行等分分割,获取U个分割区域;
根据预设第一局部对比度阈值获取U个分割区域中的P个模糊部分,U、P为大于零的整数;
具体的,根据预设第一局部对比度阈值获取U个分割区域中的P个模糊部分,包括:
获取每个分割区域的局部对比度,将每个分割区域的局部对比度与预设第一局部对比度阈值进行比对;
若局部对比度小于等于预设第一局部对比度阈值,则将对应的分割区域作为模糊部分;
若局部对比度大于预设第一局部对比度阈值,则不将对应的分割区域作为模糊部分;
根据P个模糊部分筛选R幅非合格目标码图中的P个清晰部分;
在实施中,筛选R幅非合格目标码图中的P个清晰部分,包括:
c1:获取第Y个模糊部分,以及获取R幅非合格目标码图中的第r幅非合格目标码图,根据第Y个模糊部分在基准图像帧中的基础数据割取第r幅非合格目标码图中的相同部分,所述基础数据包括模糊部分的位置和像素范围,Y、r为大于零的整数;
c2:获取相同部分的对比度,将相同部分的对比度与预设第二局部对比度阈值进行比对,若相同部分的对比度大于等于预设第二局部对比度阈值,则将第r幅非合格目标码图中的相同部分记录为清晰部分;若相同部分的对比度小于预设第二局部对比度阈值,则令Y=Y+1,并返回步骤c1;
c3:重复上述步骤c1~c2,直至Y=P时,结束循环,得到D个清晰部分,D为大于零的整数;
c4:判断D是否等于P,若不等于,则令r=r+1, 并返回步骤c1;
c5:重复上述步骤c1~c4,直至D=P时,结束循环,得到P个清晰部分;
将P个清晰部分替换掉基准图像帧中的P个模糊部分,得到修正码图;
S240:利用解码模块对合格目标码图或修正码图进行解码,以还原解码数据。
应当了解的是:当得到合格目标码图时,则说明待识别微型码能够被直接识别,因此,对通过筛选得到的合格目标码图进行直接解码,即可获得还原解码数据;而得到修正码图时,则说明待识别微型码受到一种或一种以上的环境因素干扰,而导致其无法被直接解码,而通过对其进行修正后,使其能够被快速解码;
需要说明的是:所述解码数据具为待识别微型码关联的信息数据,所述信息数据通过事先写入得到。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可意识到,结合本发明中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
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,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明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,可以通过其他的方式实现。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,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,机械或其他的形式。
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。
以上所述,仅为本发明的具体实施方式,但本发明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发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于不同环境自动调节的解码系统,其特征在于,所述系统包括:
数据获取模块,用于获取待识别微型码的图像帧集合A,基于图像帧集合A确定调节焦距,并根据调节焦距对摄像模组进行焦距调节,截取焦距调节后待识别微型码的图像帧集合B,所述图像帧集合A和图像帧集合B均包括M个图像帧,M为大于零整数;
其中,基于图像帧集合A确定调节焦距,包括:
a1:提取图像帧集合A中的第i个图像帧,i为大于零的整数,i的初始值为1;
a2:判断所述第i个图像帧中是否存在微型码区域,若不存在,则令i=i+1,并返回至步骤a1;若存在,则获取微型码区域的任意三边的像素边长;
a3:将任意三边中任意两条边的像素边长进行比对,判断任意三边的像素边长是否均一致,若存在任意一边的像素边长不等于另外两边的像素边长,则令i=i+1,并返回至步骤a1;若任意三边的像素边长均一致,则获取预存系统数据库中标准二维码的图像,并提取标准二维码的图像中标准二维码的任意三边的像素边长;
a4:重复上述步骤a1~a3,直至得到微型码区域的任意三边的像素边长,且微型码区域的任意三边的像素边长均一致时,结束循环;
a5:基于微型码区域的任意三边和标准二维码的任意三边进行尺寸比对,以获取尺寸比,并根据尺寸比与拍摄焦距区间的预设关系,确定拍摄焦距区间,随机将拍摄焦距区间中的任一拍摄焦距作为调节焦距;
质量检测模块,用于利用预配置码图质量检测模型对图像帧集合B进行解析,根据解析结果判断在所述图像帧集合B中是否存在至少一幅合格目标码图,得到判断结果;所述解析结果包括合格目标码图和非合格目标码图;所述判断结果包括存在至少一幅合格目标码图或不存在合格目标码图中的一种;
码图修正模块,用于获取基准图像帧,对基准图像帧进行图像修正,以获取修正码图;
码图解码模块,用于利用解码模块对合格目标码图或修正码图进行解码,以还原解码数据。
2.根据权利要求1所述的一种基于不同环境自动调节的解码系统,其特征在于,基于微型码区域的任意三边和标准二维码的任意三边进行尺寸比对,包括:
获取第i个图像帧的分辨率,以及获取标准二维码的图像的分辨率;
根据第i个图像帧的分辨率以及微型码区域的任意三边的像素边长,计算微型码区域的任意三边的实际尺寸,得到第一实际尺寸;以及标准二维码的图像的分辨率以及标准二维码的任意三边的像素边长,计算标准二维码的任意三边的实际尺寸,得到第二实际尺寸;
将第一实际尺寸与第二实际尺寸进行比值计算,得到尺寸比。
3.根据权利要求2所述的一种基于不同环境自动调节的解码系统,其特征在于,所述预配置码图质量检测模型的生成逻辑如下:
获取码图质量检测数据集,将所述码图质量检测数据集划分为码图质量检测训练集和码图质量检测测试集,所述码图质量检测数据集包括E幅二维码图以及每幅二维码图对应的标注标签,所述标注标签包括合格标注标签和不合格标注标签,所述合格标注标签表示对应二维码图为合格目标码图,标注为“1”,所述不合格标注标签为“模糊”标签,所述“模糊”标签标注为“0”;
构建分类器,将所述码图质量检测训练集中的二维码图作为分类器的输入数据,将所述码图质量检测训练集中的标注标签作为分类器的输入数据,对分类器进行训练,得到初始码图质量检测网络;
利用码图质量检测测试集对初始码图质量检测网络进行模型验证,输入大于等于预设测试准确度的初始码图质量检测网络作为预配置码图质量检测模型。
4.根据权利要求3所述的一种基于不同环境自动调节的解码系统,其特征在于,利用预配置码图质量检测模型对图像帧集合B进行解析,包括:
b1:提取图像帧集合B中的第j个图像帧,j为大于零的整数,j的初始值为1;
b2:确定第j个图像帧中的微型码区域,利用预配置码图质量检测模型对第j个图像帧中的微型码区域进行解析,得到解析结果;
b3:根据识别结果判断所述第j个图像帧中的微型码区域是否为合格目标码图,若为合格目标码图,则记录合格目标码图,并令j=j+1,返回步骤b1;若为非合格目标码图,则记录非合格目标码图,并令j=j+1,返回步骤b1;
b4:重复上述步骤b1~b3,直至j=M时,结束循环,得到合格目标码图总数Q,且得到R幅非合格目标码图以,Q、R为大于零的整数。
5.根据权利要求4所述的一种基于不同环境自动调节的解码系统,其特征在于,判断在所述图像帧集合B中是否存在至少一幅合格目标码图,包括:将合格目标码图总数Q与预设数量阈值进行比较,若合格目标码图总数Q大于等于预设数量阈值,则判定所述图像帧集合B中存在至少一幅合格目标码图;若合格目标码图总数Q小于预设数量阈值,则判定所述图像帧集合B中不存在合格目标码图;所述预设数量阈值取值为1。
6.根据权利要求5所述的一种基于不同环境自动调节的解码系统,其特征在于,所述获取基准图像帧的逻辑如下:
提取R幅非合格目标码图中,计算每幅非合格目标码图中的全局对比度;
按数值从大到小对R幅非合格目标码图的全局对比度进行排序,将排序第一的非合格目标码图作为基准图像帧。
7.根据权利要求6所述的一种基于不同环境自动调节的解码系统,其特征在于,对基准图像帧进行图像修正,包括:
对基准图像帧中微型码区域进行等分分割,获取U个分割区域;
根据预设第一局部对比度阈值获取U个分割区域中的P个模糊部分,U、P为大于零的整数;
根据P个模糊部分筛选R幅非合格目标码图中的P个清晰部分;
将P个清晰部分替换掉基准图像帧中的P个模糊部分,得到修正码图。
8.根据权利要求7所述的一种基于不同环境自动调节的解码系统,其特征在于,根据预设第一局部对比度阈值获取U个分割区域中的P个模糊部分,包括:
获取每个分割区域的局部对比度,将每个分割区域的局部对比度与预设第一局部对比度阈值进行比对;
若局部对比度小于等于预设第一局部对比度阈值,则将对应的分割区域作为模糊部分;
若局部对比度大于预设第一局部对比度阈值,则不将对应的分割区域作为模糊部分。
9.根据权利要求8所述的一种基于不同环境自动调节的解码系统,其特征在于,筛选R幅非合格目标码图中的P个清晰部分,包括:
c1:获取第Y个模糊部分,以及获取R幅非合格目标码图中的第r幅非合格目标码图,根据第Y个模糊部分在基准图像帧中的基础数据割取第r幅非合格目标码图中的相同部分,所述基础数据包括模糊部分的位置和像素范围,Y、r为大于零的整数;
c2:获取相同部分的对比度,将相同部分的对比度与预设第二局部对比度阈值进行比对,若相同部分的对比度大于等于预设第二局部对比度阈值,则将第r幅非合格目标码图中的相同部分记录为清晰部分;若相同部分的对比度小于预设第二局部对比度阈值,则令Y=Y+1,并返回步骤c1;
c3:重复上述步骤c1~c2,直至Y=P时,结束循环,得到D个清晰部分,D为大于零的整数;
c4:判断D是否等于P,若不等于,则令r=r+1, 并返回步骤c1;
c5:重复上述步骤c1~c4,直至D=P时,结束循环,得到P个清晰部分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410062326.0A CN117576617B (zh) | 2024-01-16 | 2024-01-16 | 一种基于不同环境自动调节的解码系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410062326.0A CN117576617B (zh) | 2024-01-16 | 2024-01-16 | 一种基于不同环境自动调节的解码系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117576617A CN117576617A (zh) | 2024-02-20 |
CN117576617B true CN117576617B (zh) | 2024-04-16 |
Family
ID=89864832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410062326.0A Active CN117576617B (zh) | 2024-01-16 | 2024-01-16 | 一种基于不同环境自动调节的解码系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117576617B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778409A (zh) * | 2016-11-28 | 2017-05-31 | 北京慧眼智行科技有限公司 | 一种码图检测方法及检测系统 |
CN106778440A (zh) * | 2016-12-21 | 2017-05-31 | 腾讯科技(深圳)有限公司 | 二维码识别方法及装置 |
CN106778410A (zh) * | 2016-11-28 | 2017-05-31 | 北京慧眼智行科技有限公司 | 一种码图检测方法及检测系统 |
CN109214225A (zh) * | 2018-07-04 | 2019-01-15 | 青岛海信移动通信技术股份有限公司 | 一种图形条码的扫描方法、装置、移动终端和存储介质 |
CN109598162A (zh) * | 2018-08-20 | 2019-04-09 | 天津字节跳动科技有限公司 | 识别二维码的方法、装置、终端设备及存储介质 |
CN112052702A (zh) * | 2020-08-10 | 2020-12-08 | 北京智通云联科技有限公司 | 一种识别二维码的方法和装置 |
CN113780492A (zh) * | 2021-08-02 | 2021-12-10 | 南京旭锐软件科技有限公司 | 一种二维码二值化方法、装置、设备及可读存储介质 |
CN115456002A (zh) * | 2019-05-31 | 2022-12-09 | 创新先进技术有限公司 | 二维码识别方法、二维码定位识别模型建立方法及其装置 |
CN115860026A (zh) * | 2022-12-29 | 2023-03-28 | 东集技术股份有限公司 | 条码检测方法、装置、条码检测设备和可读存储介质 |
CN116962612A (zh) * | 2023-03-16 | 2023-10-27 | 腾讯科技(深圳)有限公司 | 应用于仿真系统的视频处理方法、装置、设备及存储介质 |
CN117077708A (zh) * | 2023-08-17 | 2023-11-17 | 内江师范学院 | 一种用于辅助批量二维码解码的图像采集方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9734376B2 (en) * | 2007-11-13 | 2017-08-15 | Cognex Corporation | System and method for reading patterns using multiple image frames |
US8867857B2 (en) * | 2011-12-28 | 2014-10-21 | Samsung Electronics Co., Ltd. | Method for restoration of blurred barcode images |
US10146975B2 (en) * | 2016-11-17 | 2018-12-04 | Datalogic Ip Tech S.R.L. | Data reader with hybrid auto focus system |
-
2024
- 2024-01-16 CN CN202410062326.0A patent/CN117576617B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778409A (zh) * | 2016-11-28 | 2017-05-31 | 北京慧眼智行科技有限公司 | 一种码图检测方法及检测系统 |
CN106778410A (zh) * | 2016-11-28 | 2017-05-31 | 北京慧眼智行科技有限公司 | 一种码图检测方法及检测系统 |
CN106778440A (zh) * | 2016-12-21 | 2017-05-31 | 腾讯科技(深圳)有限公司 | 二维码识别方法及装置 |
CN109214225A (zh) * | 2018-07-04 | 2019-01-15 | 青岛海信移动通信技术股份有限公司 | 一种图形条码的扫描方法、装置、移动终端和存储介质 |
CN109598162A (zh) * | 2018-08-20 | 2019-04-09 | 天津字节跳动科技有限公司 | 识别二维码的方法、装置、终端设备及存储介质 |
CN115456002A (zh) * | 2019-05-31 | 2022-12-09 | 创新先进技术有限公司 | 二维码识别方法、二维码定位识别模型建立方法及其装置 |
CN112052702A (zh) * | 2020-08-10 | 2020-12-08 | 北京智通云联科技有限公司 | 一种识别二维码的方法和装置 |
CN113780492A (zh) * | 2021-08-02 | 2021-12-10 | 南京旭锐软件科技有限公司 | 一种二维码二值化方法、装置、设备及可读存储介质 |
CN115860026A (zh) * | 2022-12-29 | 2023-03-28 | 东集技术股份有限公司 | 条码检测方法、装置、条码检测设备和可读存储介质 |
CN116962612A (zh) * | 2023-03-16 | 2023-10-27 | 腾讯科技(深圳)有限公司 | 应用于仿真系统的视频处理方法、装置、设备及存储介质 |
CN117077708A (zh) * | 2023-08-17 | 2023-11-17 | 内江师范学院 | 一种用于辅助批量二维码解码的图像采集方法及装置 |
Non-Patent Citations (3)
Title |
---|
A High Density Colored 2D-Barcode: CQR Code-9;Max E. Vizcarra Melgar et al.;《IEEE Xplore》;20170116;全文 * |
基于移动终端彩色二维条码编解码算法研究与应用;贾华国;《万方数据库》;20100531;全文 * |
用图象处理来识别二维条形码;黄婷婷;唐;;电脑知识与技术;20080223(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117576617A (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111680688B (zh) | 字符识别方法及装置、电子设备、存储介质 | |
CN106156766B (zh) | 文本行分类器的生成方法及装置 | |
CN112686812B (zh) | 银行卡倾斜矫正检测方法、装置、可读存储介质和终端 | |
CN110853033B (zh) | 基于帧间相似度的视频检测方法和装置 | |
US9230383B2 (en) | Document image compression method and its application in document authentication | |
CN108701234A (zh) | 车牌识别方法及云系统 | |
US20210233250A1 (en) | System and method for finding and classifying lines in an image with a vision system | |
CN109766890A (zh) | 信息识别方法、设备和系统 | |
CN111783495B (zh) | 一种条形码识别方法、装置、电子设备及存储介质 | |
US20170200247A1 (en) | Systems and methods for authentication of physical features on identification documents | |
CN110598566A (zh) | 图像处理方法、装置、终端和计算机可读存储介质 | |
CN110781890A (zh) | 身份证识别方法、装置、电子设备及可读取存储介质 | |
CN112307786B (zh) | 一种多个不规则二维码批量定位识别方法 | |
JPWO2017141802A1 (ja) | 画像処理装置、文字認識装置、画像処理方法及びプログラム記録媒体 | |
CN112001200A (zh) | 识别码识别方法、装置、设备、存储介质和系统 | |
Lopez-Rincon et al. | Binary Large Object‐Based Approach for QR Code Detection in Uncontrolled Environments | |
CN112699704B (zh) | 一种条形码的检测方法、装置、设备、存储装置 | |
CN112749694B (zh) | 用于识别图像方向、识别铭牌文字的方法及装置 | |
CN113312937A (zh) | 条形码识别方法及装置、存储介质、计算机设备 | |
CN113936288A (zh) | 倾斜文本方向分类方法、装置、终端设备和可读存储介质 | |
CN111680680B (zh) | 一种目标码定位方法、装置、电子设备及存储介质 | |
CN113780116A (zh) | 发票分类方法、装置、计算机设备和存储介质 | |
US20240078801A1 (en) | System and method for finding and classifying lines in an image with a vision system | |
CN117576617B (zh) | 一种基于不同环境自动调节的解码系统 | |
CN112508000A (zh) | 一种用于ocr图像识别模型训练数据生成的方法及设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |