识别码的识别方法、装置和设备制造方法及图纸

本申请实施例提供一种识别码的识别方法、装置和设备，本申请实施例的识别码的识别方法包括：获取电子设备第一运动过程中第一预设时长内的N组第一加速度；每组第一加速度包括：电子设备分别在X轴方向、Y轴方向和Z轴方向的加速度；其中，N为正整数；根据N组第一加速度和训练模型，采用机器学习算法得到电子设备运动的类型；训练模型是采用机器学习算法，基于多个训练样本训练得到的，训练样本包括电子设备第二运动过程中第二预设时长内的多组第二加速度；若电子设备运动的类型为扫码运动，则拍摄图像，并根据拍摄得到的至少一张图像进行识别码的识别。本实施例的识别码的识别方法，识别过程操作简单且识别效率高。

Recognition methods, devices and equipment for identification codes

【技术实现步骤摘要】
识别码的识别方法、装置和设备
本申请涉及通信工程
，尤其涉及一种识别码的识别方法、装置和设备。
技术介绍
通过电子设备的摄像头扫描识别码，对扫描得到的识别码进行识别后，提示用户进行与扫描的识别码相关的操作，是现有智能电子设备的一个重要应用场景。在当今智能电子设备普及的环境下，扫描识别码后并识别该识别码广泛应用于移动支付、共享单车、社交、应用下载、导航、购物等领域。一般可通过专门的识别码扫描应用程序(Application，简称APP)或者其它附带识别码扫描功能的APP打开识别码扫描界面，电子设备通过识别码扫描界面对识别码进行扫描后对识别码进行识别。上述识别码的识别方法，都需要用户打开对应的APP，通过点击APP界面中的相关按钮(比如微信APP中的“扫一扫”按钮)输入打开识别码扫描界面的操作，电子设备根据用户输入的打开识别码扫描界面的操作，打开摄像头，显示识别码扫描界面，通过摄像头对准待处理识别码，对待处理识别码进行扫描后，根据扫描得到的待处理识别码的图像进行识别码的识别。上述识别码的识别方法需要经过用户繁琐的操作后，才能进行识别码的扫描与识别，识别码的识别效率不高，影响了用户的使用体验。
技术实现思路
本申请提供一种识别码的识别方法、装置和设备，克服了现有技术中识别码的识别效率不高的技术问题。第一方面，本申请提供一种识别码的识别方法，应用于电子设备，包括：获取所述电子设备第一运动过程中第一预设时长内的N组第一加速度；每组第一加速度包括：所述电子设备分别在X轴方向、Y轴方向和Z轴方向的加速度；其中，N为正整数；根据所述N组第一加速度和训练模型，采用机器学习算法得到所述电子设备第一运动过程的运动类型；所述训练模型是采用所述机器学习算法，基于多个训练样本训练得到的，所述训练样本包括电子设备第二运动过程中第二预设时长内的多组第二加速度；若所述运动类型为扫码运动，则拍摄图像，并根据拍摄得到的至少一张图像进行识别码的识别。通过电子设备运动过程的多组第一加速度判断电子设备运动的类型是否为扫码运动，若是，则拍摄图像，并根据拍摄得到的至少一张图像进行识别码的识别，无需打开任何应用程序进行入识别码的扫描页面，只需移动电子设备，使电子设备进行具有扫码特征的扫描运动即可，因此本申请实施例的方法识别码的识别过程操作简单。而且由于无需打开任何应用程序进行入识别码的扫描页面，节省了打开相应应用程序进行入识别码的扫描页面的时间，同时由于机器学习算法运算过程的高效性，使得本申请实施的方法识别过程比较快，识别效率高。在一种可能的设计中，若所述运动类型为扫码运动，则拍摄图像，并根据所述电子设备拍摄得到的至少一张图像进行识别码的识别，包括：若所述运动类型为扫码运动，则开启摄像头并控制所述摄像头开始拍摄图像；检测所述至少一张图像中是否存在包括识别码的图像；若是，则根据至少一张包括识别码的图像，识别所述识别码。在确定运动类型为扫码运动后，才开启摄像头，降低了电子设备的功耗。在一种可能的设计中，所述方法还包括：检测所述N组第一加速度中的前M组第一加速度的X轴方向、Y轴方向和Z轴方向的加速度是否均在预设范围内，若是，则开启摄像头；其中，M≤N，M为正整数；若所述运动类型为扫码运动，则拍摄图像，并根据拍摄得到的至少一张图像进行识别码的识别，包括：若所述运动类型为扫码运动，则控制所述摄像头开始拍摄图像；检测所述至少一张图像中是否存在包括识别码的图像；若是，则根据至少一张包括识别码的图像，识别所述识别码。当确定电子设备疑似扫码运动时，就开启摄像头，节省了摄像头的初始化时间，缩短了本申请实施的识别码的识别方法所消耗的时间。在一种可能的设计中，若所述至少一张图像中不存在包括识别码的图像，则控制所述摄像头停止拍摄图像。在拍摄的至少一张图像中不存在包括识别码的图像时，控制摄像头停止拍摄图像，降低了电子设备的功耗。在一种可能的设计中，若所述运动类型为非扫码运动，则关闭所述摄像头。在确定运动类型为非扫码运动后，关闭摄像头，降低了电子设备的功耗。在一种可能的设计中，所述机器学习算法为长短期记忆LSTM神经网络算法，所述训练模型为LSTM神经网络模型；所述根据N组第一加速度和训练模型，采用机器学习算法得到所述电子设备第一运动过程的运动类型，包括：根据所述N组第一加速度和所述LSTM神经网络模型，采用LSTM神经网络算法，得到目标标签，所述目标标签用于指示所述电子设备第一运动过程的运动类型。在一种可能的设计中，所述机器学习算法为长短期记忆LSTM神经网络算法，所述训练模型为LSTM神经网络模型；根据所述N组第一加速度和训练模型，采用机器学习算法得到所述电子设备第一运动过程的运动类型之前，还包括：获取多个训练样本，每个训练样本包括电子设备第二运动过程中第二预设时长内的多组第二加速度；获取各训练样本各自的标签，所述标签用于指示训练样本对应的运动类型；根据各训练样本各自包括的多组第二加速度和各自的标签，采用LSTM神经网络算法对所有训练样本进行训练，得到LSTM神经网络模型。在一种可能的设计中，所述摄像头为低功耗红外镜头。第二方面，本申请提供一种识别码的识别装置，包括：加速度获取模块，用于获取所述电子设备第一运动过程中第一预设时长内的N组第一加速度；每组第一加速度包括：所述电子设备分别在X轴方向、Y轴方向和Z轴方向的加速度；其中，N为正整数；运动类型获取模块，用于根据所述N组第一加速度和训练模型，采用机器学习算法得到所述电子设备第一运动过程的运动类型；所述训练模型是采用所述机器学习算法，基于多个训练样本训练得到的，所述训练样本包括电子设备第二运动过程中第二预设时长内的多组第二加速度；识别模块，用于若所述运动类型为扫码运动，则拍摄图像，并根据拍摄得到的至少一张图像进行识别码的识别。在一种可能的设计中，所述识别模块具体用于，若所述运动类型为扫码运动，则开启摄像头并控制所述摄像头开始拍摄图像；检测所述至少一张图像中是否存在包括识别码的图像；若是，则根据至少一张包括识别码的图像，识别所述识别码。在一种可能的设计中，所述装置还包括：摄像头开启模块；所述摄像头开启模块，用于检测所述N组第一加速度中的前M组第一加速度的X轴方向、Y轴方向和Z轴方向的加速度是否均在预设范围内，若是，则开启摄像头；其中，M≤N，M为正整数；则所述识别模块具体用于：若所述运动类型为扫码运动，则控制所述摄像头开始拍摄图像；检测所述至少一张图像中是否存在包括识别码的图像；若是，则根据至少一张包括识别码的图像，识别所述识别码。在一种可能的设计中，所述识别模块还具体用于，若所述至少一张图像中不存在包括识别码的图像，则控制所述摄像头停止拍摄图像。在一种可能的设计中，所述识别模块还具体用于，若所述运动类型为非扫码运动，则关闭所述摄像头。在一种可能的设计中，所述识别模块还具体用于，若所述至少一张图像中不存在包括识别码的图像，则控制所述摄像头停止拍摄图像。在一种可能的设计中，所述机器学习算法为长短期记忆LSTM神经网络算法，所述训练模型为LSTM神经网络模型；所述运动类型获取模块，具体用于根据所述N组第一加速度和所述LSTM神经网络模型，采用LSTM神经网络算法，得到目标标签，所述目标标签用于指示所述电子设备第一运本文档来自技高网...

【技术保护点】
1.一种识别码的识别方法，应用于电子设备，其特征在于，包括：获取所述电子设备第一运动过程中第一预设时长内的N组第一加速度；每组第一加速度包括：所述电子设备分别在X轴方向、Y轴方向和Z轴方向的加速度；其中，N为正整数；根据所述N组第一加速度和训练模型，采用机器学习算法得到所述电子设备第一运动过程的运动类型；所述训练模型是采用所述机器学习算法，基于多个训练样本训练得到的，所述训练样本包括所述电子设备第二运动过程中第二预设时长内的多组第二加速度；若所述运动类型为扫码运动，则拍摄图像，并根据拍摄得到的至少一张图像进行识别码的识别。

【技术特征摘要】
1.一种识别码的识别方法，应用于电子设备，其特征在于，包括：获取所述电子设备第一运动过程中第一预设时长内的N组第一加速度；每组第一加速度包括：所述电子设备分别在X轴方向、Y轴方向和Z轴方向的加速度；其中，N为正整数；根据所述N组第一加速度和训练模型，采用机器学习算法得到所述电子设备第一运动过程的运动类型；所述训练模型是采用所述机器学习算法，基于多个训练样本训练得到的，所述训练样本包括所述电子设备第二运动过程中第二预设时长内的多组第二加速度；若所述运动类型为扫码运动，则拍摄图像，并根据拍摄得到的至少一张图像进行识别码的识别。2.根据权利要求1所述的方法，其特征在于，若所述运动类型为扫码运动，则拍摄图像，并根据所述电子设备拍摄得到的至少一张图像进行识别码的识别，包括：若所述运动类型为扫码运动，则开启摄像头并控制所述摄像头开始拍摄图像；检测所述至少一张图像中是否存在包括识别码的图像；若是，则根据至少一张包括识别码的图像，识别所述识别码。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：检测所述N组第一加速度中的前M组第一加速度的X轴方向、Y轴方向和Z轴方向的加速度是否均在预设范围内，若是，则开启摄像头；其中，M≤N，M为正整数；若所述运动类型为扫码运动，则拍摄图像，并根据拍摄得到的至少一张图像进行识别码的识别，包括：若所述运动类型为扫码运动，则控制已开启的所述摄像头开始拍摄图像；检测所述至少一张图像中是否存在包括识别码的图像；若是，则根据至少一张包括识别码的图像，识别所述识别码。4.根据权利要求2所述的方法，其特征在于，若所述至少一张图像中不存在包括识别码的图像，则控制所述摄像头停止拍摄图像。5.根据权利要求3所述的方法，其特征在于，若所述运动类型为非扫码运动，则关闭所述摄像头。6.根据权利要求3所述的方法，其特征在于，若所述至少一张图像中不存在包括识别码的图像，则控制所述摄像头停止拍摄图像。7.根据权利要求1所述的方法，其特征在于，所述机器学习算法为长短期记忆LSTM神经网络算法，所述训练模型为LSTM神经网络模型；所述根据N组第一加速度和训练模型，采用机器学习算法得到所述电子设备第一运动过程的运动类型，包括：根据所述N组第一加速度和所述LSTM神经网络模型，采用LSTM神经网络算法，得到目标标签，所述目标标签用于指示所述电子设备第一运动过程的运动类型。8.根据权利要求1所述的方法，其特征在于，所述机器学习算法为长短期记忆LSTM神经网络算法，所述训练模型为LSTM神经网络模型；根据所述N组第一加速度和训练模型，采用机器学习算法得到所述电子设备第一运动过程的运动类型之前，还包括：获取多个训练样本，每个训练样本包括电子设备第二运动过程中第二预设时长内的多组第二加速度；获取各训练样本各自的标签，所述标签用于指示训练样本对应的运动类型；根据各训练样本各自包括的多组第二加速度和各自的标签，采用LSTM神经网络算法对所有训练样本进行训练，得到LSTM神经网络模型。9.根据权利要求2～6任一项所述的方法，其特征在于，所述摄像头为低功耗红外镜头。10.一种识别码的识别装置，其特征在于，包括：加速度获取模块，用于获取所述电子设备第一运动过程中第一预设时长内的N组第一加速度；每组第一加速度包括：所述电子设备分别在X轴方向、Y轴方向和Z轴方向的加速度；其中，N为正整数；运动类型获取模块，用于根据所述N组第一加速度和...

【专利技术属性】
技术研发人员：范振华，
申请(专利权)人：华为终端东莞有限公司，
类型：发明
国别省市：广东,44