一种基于图像特征的二维码定位识别系统技术方案

本发明专利技术提供了一种基于图像特征的二维码定位识别系统，包括二维码预训练系统，该二维码预训练系统包括图片采集系统；标注系统；数据库系统，还包括分类裁剪系统，和归一化系统；还包括预训练图像特征计算系统，用于计算所有图片的图像特征向量；还包括线性分类器，所有图片的特征向量提交至预先初始化好线性分类器进行训练，对该线性分类器进行训练，保存训练好的线性分类器；还包括二维码检测识别系统，用于将计算好的图像特征向量送入已训练完成的线性分类器中，判断该窗口是否为二维码目标，进行二维码内容识别。本发明专利技术可以识别任意包含二维码的图片，而不论图片的拍摄大小、位置、角度、光照情况如何，整个识别系统高效、快速、准确。

A Two-Dimensional Code Location and Recognition System Based on Image Characteristics

The invention provides a two-dimensional code positioning and recognition system based on image features, including a two-dimensional code pre-training system, which includes image acquisition system, annotation system, database system, classification and clipping system, and normalization system, and a pre-training image feature calculation system for calculating image feature vectors of all pictures. Linear classifier, the feature vectors of all pictures are submitted to the pre-initialized linear classifier for training, the linear classifier is trained, and the trained linear classifier is saved. It also includes a two-dimensional code detection and recognition system, which is used to send the calculated image feature vectors into the trained linear classifier to determine whether the window is a two-dimensional code target or not. Dimensional code content recognition. The invention can recognize any picture containing two-dimensional code, and the whole recognition system is efficient, fast and accurate regardless of the size, position, angle and illumination of the picture.

【技术实现步骤摘要】
一种基于图像特征的二维码定位识别系统
本专利技术涉及图像处理领域，更具体的，涉及基于图像特征的二维码定位及识别系统及方法。
技术介绍
二维码又称QRCode，QR全称QuickResponse，是一个近几年来移动设备上十分流行的一种编码方式，它比传统的BarCode条形码能存更多的信息，也能表示更多的内容。在正常情况下，对二维码的扫描识别必须保证二维码处于扫描设备视野中心；否者就会出现识别率下降甚至无法识别的情况。现有的解决办法通常是利用一个识别框，人工将二维码移至识别框内来提高识别率。这种方法仅适用于有人参与的情况。而在某些二维码识别情景中，对包含有二维码的图像的采集已经完成，这种情况下无法通过人工操作来调整二维码在图像中的位置。二维码在图像中的位置、大小、角度、数量均是不固定的。除二维码之外的图像本身的内容及图像本身的质量也是不固定的。这些因素大大影响了二维码识别的准确率和速度。
技术实现思路
为了解决现有技术中存在的问题，本专利技术由此提供了一种无需人工辅助的、识别率高的、识别速度快的识别图像中二维码的方法。即本专利技术提供了一种基于图像特征的二维码定位识别系统，包括二维码预训练系统和二维码检测识别系统；该二维码预训练系统，包括图片采集系统，该图片采集用于采集包含有二维码的图片；标注系统，用于对所有采集到的图片进行标注，记录其中二维码的大小及位置；数据库系统，用于保存已做标注的包含有二维码的图片的信息；还包括分类裁剪系统，用于根据标注系统的标注结果对数据库系统中的含有二维码的图片进行裁剪处理，并将裁剪后的图片归一化成同样的尺寸大小；还包括归一化系统，用于对所有图片进行进行颜色空间及gamma空间归一化；还包括预训练图像特征计算系统，该系统用于计算所有图片的图像特征向量；还包括线性分类器，采集预训练图像特征计算系统计算的所有图片的特征向量，并提交至预先初始化好线性分类器进行训练，对该线性分类器进行训练，保存训练好的线性分类器；所述二维码检测识别系统包括待检测图像特征计算模块，将待检测图像特征计算模块计算好的图像特征向量送入已训练完成的线性分类器中，判断该窗口是否为二维码目标，是则存下该目标区域，否则继续滑动；还包括二维码内容识别模块，对所保存的所有目标区域，进行二维码内容识别；并返回对应的结果。进一步的，所述线性分类器为SVM线性分类器。进一步的，所述包含有二维码的图片中二维码的大小、数量、拍摄角度、拍摄光照条件、拍摄背景均不同，覆盖现实拍照中所有可能的情况。进一步的，所述图像特征向量为harr,HOG,SIFT,LBP或其它图像特征中的一种，或者为几种图像特征的联合。进一步的，颜色空间统一采用灰度空间进行归一化，从RGB颜色空间转化至灰度空间计算公式：f(x,y)＝0.3R(x,y)+0.5R(x,y)+0.11B(x,y)其中f(x,y)为灰度值，R、G、B为相应的红、绿、蓝色值；Gamma归一化公式为：f(x,y)＝g(x，y)gamma取gamma＝1/2进行归一化。更具体的，所述预训练图像特征计算系统采用如下方式对图片的图像特征向量进行采集：对每张图片计算每个像素点梯度，图像中像素点(x，y)的梯度为：Gx(x，y)＝H(x+1，y)-H(x-1，y)Gy(x，y)＝H(x，y+1)-H(x，y-1)式中Gx(x，y)、Gy(x，y)分别表示输入图像中像素点处的水平方向梯度、垂直方向梯度和像素点；则像素点(x，y)处的梯度幅值G(x，y)和方向a(x,y)分别为：将图像分成若干个小的细胞单元Cell，每个Cell为8x8像素大小，将Cell的梯度方向沿到分成9个方向区间，对cell内每个像素用梯度方向在直方图中进行加权投影，梯度大小作为投影权值，得到Cell的梯度方向直方图，也就是该局部图像区域cell对应的一个9维特征向量编码；把细胞单元组合成大的块，块内归一化梯度直方图，取每个block包含2x2个Cell，将所有Cell的特征向量串联起来再进行归一化便得到该block的HOG特征。进一步的，所述二维码检测识别系统，包括图片载入模块，用于载入待检测的图片；图片调整模块，用于对待检测图像进行尺度缩放；还包括裁剪模块，该裁剪模块根据图片调整模块计算的图像尺寸和窗口个数进行图像裁剪；所述待检测图像特征计算模块，用于根据上述预训练图像特征计算系统相同的方式，计算出待检测图像的图像特征，对待检测图像的每一层上采用固定大小的检测窗口按设定好的滑动步长进行滑动遍历，每个检测窗口计算图像特征并送入已训练完成的SVM分类器中，判断该窗口是否为二维码目标，是则存下该目标区域，否则继续滑动。本专利技术的有益效果为：本专利技术通过预训练技术，可以识别任意包含二维码的图片，而不论图片的拍摄大小、位置、角度、光照情况如何，整个识别系统高效、快速、准确。附图说明当结合附图考虑时，参考下面的描述能够很好的理解本专利技术的结构、原理、工作特点和优点，但此处说明的附图用来对本专利技术的进一步解释，所附示意图只是为了更好的对本专利技术进行说明，并不对本专利技术构成不当限定，其中：图1为本专利技术的基于图像特征的二维码定位识别系统的示意图。具体实施方式下面结合实例和附图对本专利技术作进一步的描述，应当指出的是，以下实施例仅仅为示意性的，其并非意图限制本专利技术。本专利技术的目的是通过以下技术方案实现的，本专利技术的基于图像特征的二维码定位识别系统，包括二维码预训练系统和二维码检测识别系统。该二维码预训练系统，包括图片采集系统，该图片采集用于采集数千张包含有二维码的图片，图片中二维码的大小、数量、拍摄角度、拍摄光照条件、拍摄背景均不同，力图覆盖现实拍照中所有可能的情况；还包括标注系统，该标注系统，对所有采集到的图片进行标注，记录其中二维码的大小及位置；还包括数据库系统，该数据库系统，用于保存已做标注的包含有二维码的图片，将这些图片作为待训练图片。还包括分类裁剪系统，该分类裁剪系统，依照标注的结果对待训练图片进行裁剪处理，对所有待训练图片进行处理，将待训练图片分为两类，正例样本和反例样本，正例样本指含有二维码的样本、反例指其它任何样本，正例样本都被归一化成同样的尺寸大小。并将所有正样本大小归一化成128x128像素大小。还包括归一化系统，用于对所有图片进行归一化处理。即对所有正样本和负样本图片进行颜色空间及gamma空间归一化。颜色空间统一采用灰度空间进行归一化。从RGB颜色空间转化至灰度空间计算公式：f(x,y)＝0.3R(x,y)+0.5R(x,y)+0.11B(x,y)其中f(x,y)为灰度值，R、G、B为相应的红、绿、蓝色值。Gamma归一化公式为：f(x,y)＝g(x，y)gamma取gamma＝1/2进行归一化。还包括预训练图像特征计算系统，该系统用于计算所有正样本和负样本的图像特征,该图像特征为harr,HOG,SIFT,LBP或其它图像特征中的一种，或者为几种图像特征的联合。HOG特征为例，对每张图片计算每个像素点梯度，图像中像素点(x，y)的梯度为：Gx(x，y)＝H(x+1，y)-H(x-1，y)Gy(x，y)＝H(x，y+1)-H(x，y-1)式中Gx(x，y)、Gy(x，y)分别表示输入图像中像素点处的水平方向梯度、垂直方向梯度和像素点。像素点(x本文档来自技高网...

【技术保护点】
1.一种基于图像特征的二维码定位识别系统，其特征在于，包括二维码预训练系统和二维码检测识别系统；该二维码预训练系统，包括图片采集系统，该图片采集用于采集包含有二维码的图片；标注系统，用于对所有采集到的图片进行标注，记录其中二维码的大小及位置；数据库系统，用于保存已做标注的包含有二维码的图片的信息；还包括分类裁剪系统，用于根据标注系统的标注结果对数据库系统中的含有二维码的图片进行裁剪处理，并将裁剪后的图片归一化成同样的尺寸大小；还包括归一化系统，用于对所有图片进行进行颜色空间及gamma空间归一化；还包括预训练图像特征计算系统，该系统用于计算所有图片的图像特征向量；还包括线性分类器，采集预训练图像特征计算系统计算的所有图片的特征向量，并提交至预先初始化好线性分类器中，对该线性分类器进行训练，保存训练好的线性分类器；所述二维码检测识别系统包括待检测图像特征计算模块，将待检测图像特征计算模块计算好的图像特征向量送入已训练完成的线性分类器中，判断该窗口是否为二维码目标，是则存下该目标区域，否则继续滑动；还包括二维码内容识别模块，对所保存的目标区域，进行二维码内容识别；并返回对应的结果。

【技术特征摘要】
1.一种基于图像特征的二维码定位识别系统，其特征在于，包括二维码预训练系统和二维码检测识别系统；该二维码预训练系统，包括图片采集系统，该图片采集用于采集包含有二维码的图片；标注系统，用于对所有采集到的图片进行标注，记录其中二维码的大小及位置；数据库系统，用于保存已做标注的包含有二维码的图片的信息；还包括分类裁剪系统，用于根据标注系统的标注结果对数据库系统中的含有二维码的图片进行裁剪处理，并将裁剪后的图片归一化成同样的尺寸大小；还包括归一化系统，用于对所有图片进行进行颜色空间及gamma空间归一化；还包括预训练图像特征计算系统，该系统用于计算所有图片的图像特征向量；还包括线性分类器，采集预训练图像特征计算系统计算的所有图片的特征向量，并提交至预先初始化好线性分类器中，对该线性分类器进行训练，保存训练好的线性分类器；所述二维码检测识别系统包括待检测图像特征计算模块，将待检测图像特征计算模块计算好的图像特征向量送入已训练完成的线性分类器中，判断该窗口是否为二维码目标，是则存下该目标区域，否则继续滑动；还包括二维码内容识别模块，对所保存的目标区域，进行二维码内容识别；并返回对应的结果。2.根据权利要求1所述的一种基于图像特征的二维码定位识别系统，其特征在于，所述线性分类器为SVM线性分类器。3.根据权利要求1所述的一种基于图像特征的二维码定位识别系统，其特征在于，所述包含有二维码的图片中二维码的大小、数量、拍摄角度、拍摄光照条件、拍摄背景均不同，覆盖现实拍照中所有可能的情况。4.根据权利要求1-3任意一项所述的一种基于图像特征的二维码定位识别系统，其特征在于，所述图像特征向量为harr,HOG,SIFT,LBP或其它图像特征中的一种，或者为几种图像特征的联合。5.根据权利要求4所述的一种基于图像特征的二维码定位识别系统，其特征在于，颜色空间统一采用灰度空间进行归一化，从RGB颜色空间转化至灰度空间计算公式：f(x,y)＝0.3R(x,y)+0....

【专利技术属性】
技术研发人员：吴凡，郭骁，
申请(专利权)人：柳州康云互联科技有限公司，
类型：发明
国别省市：广西,45