一种复杂环境下的QR码检测定位方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108241860A(43)申请公布日2018.07.03(21)申请号201810065484.6G06N3/04(2006.01)(22)申请日2018.01.23G06N3/08(2006.01)(71)申请人佛山市顺德区中山大学研究院地址528399广东省佛山市顺德区大良街道办事处云路社区居民委员会南国东路9号申请人广东顺德中山大学卡内基梅隆大学国际联合研究院中山大学(72)发明人郭明锦陈荣军谢舜道朱雄泳(74)专利代理机构广州嘉权专利商标事务所有限公司44205代理人左恒峰(51)Int.Cl.G06K9/32(2006.01)权利要求书1页说明书4页附图5页(54)发明名称一种复杂环境下的QR码检测定位方法(57)摘要本发明公开了一种复杂环境下的QR码检测定位方法，通过第一卷积神经网络判断获取到的图片是否含有QR码，若没有，则可以停止识别以避免不必要的运算，若有，则随机选取待检测的图片的任一局部块送到第二卷积神经网络中，当第二卷积神经网络识别到该局部块为QR码区域，即代表随机选取时命中了QR码区域时，以该命中的QR码区域为中心对其上下左右的局部块进行识别，并不断向外扩散，直至扩散到四个方向上都识别到背景区域时停止，并以此四个边缘初步定位出QR码区域，最后再检测出寻位图形，并通过透视变换矫正得到最终的QR码，本发明的方法适用于复杂环境下的检测定位，不仅检测过程快速高效，还能减少不必要的流程，提高识别效率。CN108241860ACN108241860A权利要求书1/1页1.一种复杂环境下的QR码检测定位方法，其特征在于：包括以下步骤：A、获取图片，并对图片进行预处理；B、训练第一卷积神经网络，将图片整体送入已训练好的第一卷积神经网络中，第一卷积神经网络判断图片是否含有QR码或类似QR码的图形；C、训练第二卷积神经网络，将含有QR码或类似QR码的图形的待检测图片送入到已训练好的第二卷积神经网络中，以随机命中的方式进行局部识别得到整个QR码区域；D、基于QR码的三个寻位图形的特征进行定位后得到最终的QR码。2.根据权利要求1所述的一种复杂环境下的QR码检测定位方法，其特征在于：所述步骤A中获取图片，并对图片进行预处理的具体步骤为：A1、获取图片，将该图片转换成灰度图像，采用局部自适应阀值方法将灰度图像转化为二值图像；A2、对二值图像进行中值滤波以及去除噪声。3.根据权利要求1所述的一种复杂环境下的QR码检测定位方法，其特征在于：所述步骤B中训练第一卷积神经网络的具体步骤为：建立两类数据集图片，图片中含有QR码图像和未含有QR码图形，以此数据集作为训练集训练第一卷积神经网络。4.根据权利要求1所述的一种复杂环境下的QR码检测定位方法，其特征在于：所述步骤B第一卷积神经网络判断图片是否含有QR码或类似QR码的图形中，当第一卷积神经网络判断图片整体中含有QR码或类似QR码的图形时，执行下一步骤；若第一卷积神经网路判断图片整体中未含有QR码或类似QR码的图形时，终止操作。5.根据权利要求1所述的一种复杂环境下的QR码检测定位方法，其特征在于：所述步骤C中训练第二卷积神经网络的具体步骤为：建立数据集图片，将数据集图片中每张图片进行切分得到局部块，将所有局部块分为包含QR码区域和背景区域两类作为数据集，以此数据集来训练第二卷积神经网络。6.根据权利要求1所述的一种复杂环境下的QR码检测定位方法，其特征在于：所述步骤C将含有QR码或类似QR码的图形的待检测图片送入到已训练好的第二卷积神经网络中，以随机命中的方式进行局部识别得到整个QR码区域的具体步骤为：C1、随机选取待检测图片的任一局部块送入到第二卷积神经网络中，第二卷积神经网络对该局部块进行识别；C2、若第二卷积神经网络对该局部块识别为背景区域，任取另一局部块进行再次识别，直至含有QR码区域的局部块被命中；C3、以命中的局部块为中心，对其上下左右四个方向上的局部块进行识别，不断向外扩散直到检测到含有背景区域的局部块时停止识别；C4、以上述四个方向上的含有背景区域的局部块为边缘定位整个QR码区域。7.根据权利要求1所述的一种复杂环境下的QR码检测定位方法，其特征在于：所述步骤D中基于QR码的三个寻位图形的特征进行定位后得到最终的QR码的具体步骤为：利用寻位图形的宽度比例或者轮廓关系检测出寻位图形，通过透视变换矫正，提取到最终的QR码。2CN108241860A说明书1/4页一种复杂环境下的QR码检测定位方法技术领域[0001]本发明涉及QR二维码检测定位领域，特别是一种复杂环境下的QR码检测定位方法。背景技术[0002]随着聊天工具的普及，移动支付也随着发展起来，最显而易见的就是各个商家的收银台处或者店里都