一种检测二维码图像的方法和装置制造方法及图纸

本发明专利技术实施例提供了一种检测二维码图像的方法和装置，该方法包括：选取多个不同角度的二维码定位图案作为训练级联分类器的正样本，选取多个非二维码图像作为训练级联分类器的负样本，并提取各个正样本和各个负样本的矩形特征值；通过第一预定算法训练级联分类器；获取多个符合二维码图像标准的二维码模板图像，确定各个正样本的二维码矩形区域，提取各个二维码模板图像和各个正样本的二维码矩形区域的特征点，训练逻辑回归分类器；通过所述级联分类器对所述待检测图像的矩形特征值进行检测，判断所述待检测图像中是否存在二维码定位图案；若存在，判断所述待检测图像中是否存在二维码图像。通过本发明专利技术实现了有效地识别二维码图像。

Method and device for detecting two-dimensional code image

The embodiment of the invention provides a method and a device for detecting two-dimensional code images. The method comprises selecting a plurality of two-dimensional code location patterns with different angles as positive samples of training cascade classifier, selecting a plurality of non-two-dimensional code images as negative samples of training cascade classifier, and extracting each positive sample and each negative sample. Rectangular eigenvalues; cascade classifiers are trained by the first predetermined algorithm; a number of two-dimensional code template images that meet the two-dimensional code image standard are obtained; the two-dimensional code rectangular regions of each positive sample are determined; the feature points of each two-dimensional code template image and the two-dimensional code rectangular regions of each positive sample are extracted; and the logical regression classification is trained. The cascade classifier detects the rectangular eigenvalue of the image to be detected to determine whether there is a two-dimensional code localization pattern in the image to be detected and, if there is, whether there is a two-dimensional code image in the image to be detected. The two-dimensional code image is effectively recognized by the invention.

【技术实现步骤摘要】
一种检测二维码图像的方法和装置
本专利技术涉及计算机
，尤其涉及一种检测二维码图像的方法和装置。
技术介绍
互联网技术飞速发展，二维码应用铺天盖地。二维码给生活带来便利的同时，也埋下了一些隐患。存在部分网络用户进行有目的的二维码营销，如通过对二维码图像的传播，推广相关产品资讯、商家活动等，以刺激消费者消费购买。这种隐形广告极大地污染了互联网网络环境，影响了网络用户的使用体验，有些非法组织甚至通过二维码图像进行组织宣传，传播有害信息，造成不良社会影响，冲击社会稳定，这些网络用户为了使平台方难以发现其有害行为，故意将恶意二维码的背景图案变得复杂，并进行尺度扭曲，在不影响手机扫描成功率的情况下，给传统的二维码图像检测带来一定的计算和人工成本。目前大部分算法都是检测标准的二维码，即成像清晰且占总图40％-100％之间的二维码。如二维码开源库Zbar算法，图像处理开源库Zxing等。在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：Zbar和Zxing等现有算法，很难对具有复杂背景、尺寸扭曲、局部受损甚至模糊的二维码进行解码，因此不能有效识别此类二维码。
技术实现思路
本专利技术实施例提供一种检测二维码图像的方法和装置，实现了有效地识别复杂的二维码图像。一方面，本专利技术实施例提供了检测二维码图像的方法，包括：选取多个不同角度的二维码定位图案作为训练级联分类器的正样本，选取多个非二维码图像作为训练级联分类器的负样本，并提取各个正样本和各个负样本的矩形特征值，其中，所述二维码定位图案用于标记二维码图像中二维码矩形区域的大小；根据提取到的各个正样本和各个负样本的矩形特征值，通过第一预定算法训练级联分类器；获取多个符合二维码图像标准的二维码模板图像，并根据提取到的各个正样本的矩形特征值，确定各个正样本的二维码矩形区域，基于第二预定算法，提取各个二维码模板图像和各个正样本的二维码矩形区域的特征点，根据提取到的各个特征点，训练逻辑回归分类器；提取待检测图像的矩形特征值，通过所述级联分类器对所述待检测图像的矩形特征值进行检测，判断所述待检测图像中是否存在二维码定位图案；若存在，进一步通过所述逻辑回归分类器判断所述待检测图像中是否存在二维码图像。另一方面，本专利技术实施例提供了一种检测二维码图像的装置，包括：提取单元，用于选取多个不同角度的二维码定位图案作为训练级联分类器的正样本，选取多个非二维码图像作为训练级联分类器的负样本，并提取各个正样本和各个负样本的矩形特征值，其中，所述二维码定位图案用于标记二维码图像中二维码矩形区域的大小；第一训练单元，用于根据提取到的各个正样本和各个负样本的矩形特征值，通过第一预定算法训练级联分类器；第二训练单元，用于获取多个符合二维码图像标准的二维码模板图像，并根据提取到的各个正样本的矩形特征值，确定各个正样本的二维码矩形区域，基于第二预定算法，提取各个二维码模板图像和各个正样本的二维码矩形区域的特征点，根据提取到的各个特征点，训练逻辑回归分类器；第一判断单元，用于提取待检测图像的矩形特征值，通过所述级联分类器对所述待检测图像的矩形特征值进行检测，判断所述待检测图像中是否存在二维码定位图案；第二判断单元，用于若存在，进一步通过所述逻辑回归分类器判断所述待检测图像中是否存在二维码图像。上述技术方案具有如下有益效果：通过本实施例，极大地提高了检测结果的准确率，通过特征提取与匹配，进一步地提高了检测结果的准确率；实现了快速、准确地检测二维码图像，极大地节省了计算资源和检测时间；提高了二维码检测的能力，避免了无法检测背景图案复制、尺寸扭曲变小等二维码图像的情况发生，同时，提高了用户的使用体验，进一步地，对复杂形态的图像识别也具有一定的指导意义。附图说明为了更清楚地说明本专利技术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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术一个实施例中一种检测二维码图像的方法流程图；图2为本专利技术另一实施例中一种检测二维码图像的装置结构示意图；图3为本专利技术一优选实施例中训练级联分类器的流程示意图；图4为本专利技术另一优选实施例中训练LR分类器的流程示意图；图5为本专利技术又另一优选实施例中二维码图像检测流程示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。如图1所示，为本专利技术一实施例中一种检测二维码图像的方法流程图，包括：101、选取多个不同角度的二维码定位图案作为训练级联分类器的正样本，选取多个非二维码图像作为训练级联分类器的负样本，并提取各个正样本和各个负样本的矩形特征值，其中，所述二维码定位图案用于标记二维码图像中二维码矩形区域的大小；102、根据提取到的各个正样本和各个负样本的矩形特征值，通过第一预定算法训练级联分类器；103、获取多个符合二维码图像标准的二维码模板图像，并根据提取到的各个正样本的矩形特征值，确定各个正样本的二维码矩形区域，基于第二预定算法，提取各个二维码模板图像和各个正样本的二维码矩形区域的特征点，根据提取到的各个特征点，训练逻辑回归分类器；104、提取待检测图像的矩形特征值，通过所述级联分类器对所述待检测图像的矩形特征值进行检测，判断所述待检测图像中是否存在二维码定位图案；105、若存在，进一步通过所述逻辑回归分类器判断所述待检测图像中是否存在二维码图像。优选地，所述选取多个不同角度的二维码定位图案作为训练级联分类器的正样本，选取多个非二维码图像作为训练级联分类器的负样本，并提取各个正样本和各个负样本的矩形特征值，具体包括：将各个正样本和各个负样本归一化为预定图像大小的灰度图，通过预定滤波算法对各个灰度图进行平滑处理；分别提取平滑处理后的每一个正样本和每一个负样本的矩形特征值。优选地，所述根据提取到的各个正样本和各个负样本的矩形特征值，通过第一预定算法训练级联分类器，包括：基于预定的图像扫描方式，扫描平滑处理后的各个正样本和各个负样本；基于提取到的各个正样本和各个负样本的矩形特征值，针对扫描到的每一个正样本和每一个负样本通过第一预定算法训练弱分类器，所述弱分类器用于使得扫描到的每一个正样本和每一个负样本的分类错误接近零；串接训练后的各个弱分类器，得到级联分类器；其中，所述第一预定算法包括分类算法Adaboost。优选地，所述第二预定算法包括特征描述子算法BRISK；其中，所述获取多个符合二维码图像标准的二维码模板图像，并根据提取到的各个正样本的矩形特征值，确定各个正样本的二维码矩形区域，基于第二预定算法，提取各个二维码模板图像和各个正样本的二维码矩形区域的特征点，根据提取到的各个特征点，训练逻辑回归分类器，包括：通过所述BRISK算法进行特征点检测时，基于预定角点检测算法提取各个二维码模板图像和各个正样本的二维码矩形区域的特征点；确定各个特征点预定范围内的采样点灰度值，对比各本文档来自技高网...

【技术保护点】
1.一种检测二维码图像的方法，其特征在于，包括：选取多个不同角度的二维码定位图案作为训练级联分类器的正样本，选取多个非二维码图像作为训练级联分类器的负样本，并提取各个正样本和各个负样本的矩形特征值，其中，所述二维码定位图案用于标记二维码图像中二维码矩形区域的大小；根据提取到的各个正样本和各个负样本的矩形特征值，通过第一预定算法训练级联分类器；获取多个符合二维码图像标准的二维码模板图像，并根据提取到的各个正样本的矩形特征值，确定各个正样本的二维码矩形区域，基于第二预定算法，提取各个二维码模板图像和各个正样本的二维码矩形区域的特征点，根据提取到的各个特征点，训练逻辑回归分类器；提取待检测图像的矩形特征值，通过所述级联分类器对所述待检测图像的矩形特征值进行检测，判断所述待检测图像中是否存在二维码定位图案；若存在，进一步通过所述逻辑回归分类器判断所述待检测图像中是否存在二维码图像。

【技术特征摘要】
1.一种检测二维码图像的方法，其特征在于，包括：选取多个不同角度的二维码定位图案作为训练级联分类器的正样本，选取多个非二维码图像作为训练级联分类器的负样本，并提取各个正样本和各个负样本的矩形特征值，其中，所述二维码定位图案用于标记二维码图像中二维码矩形区域的大小；根据提取到的各个正样本和各个负样本的矩形特征值，通过第一预定算法训练级联分类器；获取多个符合二维码图像标准的二维码模板图像，并根据提取到的各个正样本的矩形特征值，确定各个正样本的二维码矩形区域，基于第二预定算法，提取各个二维码模板图像和各个正样本的二维码矩形区域的特征点，根据提取到的各个特征点，训练逻辑回归分类器；提取待检测图像的矩形特征值，通过所述级联分类器对所述待检测图像的矩形特征值进行检测，判断所述待检测图像中是否存在二维码定位图案；若存在，进一步通过所述逻辑回归分类器判断所述待检测图像中是否存在二维码图像。2.根据权利要求1所述的方法，其特征在于，所述提取各个正样本和各个负样本的矩形特征值，具体包括：将各个正样本和各个负样本归一化为预定图像大小的灰度图，并通过预定滤波算法对各个灰度图进行平滑处理；分别提取平滑处理后的每一个正样本和每一个负样本的矩形特征值。3.根据权利要求2所述的方法，其特征在于，所述根据提取到的各个正样本和各个负样本的矩形特征值，通过第一预定算法训练级联分类器，包括：基于预定的图像扫描方式，扫描平滑处理后的各个正样本和各个负样本；基于提取到的各个正样本和各个负样本的矩形特征值，针对扫描到的每一个正样本和每一个负样本通过第一预定算法训练弱分类器；串接训练后的各个弱分类器，得到级联分类器；其中，所述第一预定算法包括分类算法Adaboost。4.根据权利要求1所述的方法，其特征在于，所述第二预定算法包括特征描述子算法BRISK；其中，基于第二预定算法，提取各个符合二维码图像标准的二维码模板图像和各个正样本的二维码矩形区域的特征点，根据提取到的各个特征点，训练逻辑回归分类器，包括：通过所述BRISK算法进行特征点检测时，基于预定角点检测算法提取各个二维码模板图像和各个正样本的二维码矩形区域的特征点；确定各个特征点在预定范围内的采样点灰度值，对比各个特征点和各个特征点各自对应的采样点灰度值，生成各个BRISK二进制描述子；采用汉明Hamming距离对各个二维码模板图像和各个正样本的二维码矩形区域的特征点进行匹配，得到若干组特征点对；通过随机抽样一致性RANSAC算法消除匹配出的特征点对中的错误匹配，得到正确匹配的特征点对；基于预定编码方式对正确匹配的特征点对进行编码，将编码后的特征点对作为训练样本训练用于检测待检测图像中的图像类别标签的逻辑回归分类器，所述图像类别标签包括二维码图像标签和非二维码图像标签。5.根据权利要求3所述的方法，其特征在于，所述提取待检测图像的矩形特征值，通过所述级联分类器对所述待检测图像的矩形特征值进行检测，判断所述待检测图像中是否存在二维码定位图案，具体包括：将待检测图像归一化为所述预定图像大小的灰度图，并通过预定滤波算法对所述灰度图进行平滑处理；确定用于训练的多个矩形特征值，并根据所述多个矩形特征值，计算平滑处理后的待检测图像的矩形特征值，得到矩形特征值向量；将计算得到的矩形特征值向量输入所述级联分类器，通过所述级联分类器判断所述待检测图像中是否存在二维码定位图案。6.根据权利要求5所述的方法，其特征在于，所述若存在，通过所述逻辑回归分类器判断所述待检测图像中是否存在二维码图像，具体包括：通过BRISK算法提取所述待检测图像中二维码定位图案的图像区域的各个特征点，生成各个BRISK二进制描述子；通过Hamming距离对各个二维码模板图像和提取到的所述图像区域的特征点进行匹配，并通过RANSAC算法消除匹配出的各组特征点对中的错误匹配，得到正确匹配的特征点对的预定编码方式的编码；将所述编码输入所述逻辑回归分类器，通过所述逻辑回归分类器检测得到所述待检测图像中...

【专利技术属性】
技术研发人员：赵巧姣，曾德建，刘芳，
申请(专利权)人：微梦创科网络科技中国有限公司，
类型：发明
国别省市：北京,11