一种基于深度学习的二维码定位识别系统及方法技术方案

本发明专利技术提供了一种基于深度学习的二维码定位识别系统及方法，采集模块用于预先采集大量的包含二维码的图片；还包括标注模块，标注模块将每张图片进行标准化处理；还包括预训练图片数据集采集模块和深度学习模块，所述深度学习模块用于搭建多层神经网络；还包括预训练模块，该预训练模块使用上述预训练图片数据集采集模块采集到的数据放入到所构建的深度学习模块的多层神经网络中进行训练，保存训练得到的分类器模型及对应的参数值；还包括训练模块，该训练模块将标准化数据提交至预训练模块预训练好的分类器模型进行训练，并更新其参数，从而获得二维码检测分类器。本发明专利技术对二维码的识别效率高、不需要对二维码的拍摄位置、角度进行要求。

A Two-Dimensional Code Location Recognition System and Method Based on Deep Learning

The invention provides a two-dimensional code positioning and recognition system and method based on deep learning, and the acquisition module is used to pre-collect a large number of pictures containing two-dimensional codes; it also includes a labeling module, which standardizes each picture; it also includes a pre-training picture data collection module and a deep learning module, which is used to build a multi-layer neural network. The pre-training module also includes the pre-training module, which uses the data collected by the pre-training picture data collection module to train in the multi-layer neural network of the built deep learning module, and saves the training classifier model and the corresponding parameter values. The training module also includes the training module, which submits the standardized data to the pre-training module for pre-training. The classifier model is trained and its parameters are updated to obtain a two-dimensional code detection classifier. The invention has high recognition efficiency for two-dimensional codes and does not require the shooting position and angle of the two-dimensional codes.

【技术实现步骤摘要】
一种基于深度学习的二维码定位识别系统及方法
本专利技术涉及图像处理领域，更具体的，涉及基于深度学习的二维码定位及识别系统。
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。传统方法通过裁剪或者滑动窗口的形式来解决这个问题，这种方法常常会产生大量的待检测窗口，影响的检测速度。
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基于深度学习的二维码定位识别系统，包本文档来自技高网...

【技术保护点】
1.一种基于深度学习的二维码定位识别系统，其特征在于包括，采集模块，该采集模块用于预先采集大量的包含二维码的图片；还包括标注模块，所述标注模块将每张图片进行标准化处理，记录其中的二维码的大小及位置；数据库模块，用于将所述二维码的大小和位置信息存储在数据库模块中；还包括预训练图片数据集采集模块和深度学习模块，所述深度学习模块用于搭建多层神经网络；还包括预训练模块，该预训练模块使用上述预训练图片数据集采集模块采集到的数据放入到所构建的深度学习模块的多层神经网络中进行训练，保存训练得到的分类器模型及对应的参数值；还包括标准化数据生成模块，该标准化数据生成模块从所述数据库模块中读取采集到的所有图片及标...

【技术特征摘要】
1.一种基于深度学习的二维码定位识别系统，其特征在于包括，采集模块，该采集模块用于预先采集大量的包含二维码的图片；还包括标注模块，所述标注模块将每张图片进行标准化处理，记录其中的二维码的大小及位置；数据库模块，用于将所述二维码的大小和位置信息存储在数据库模块中；还包括预训练图片数据集采集模块和深度学习模块，所述深度学习模块用于搭建多层神经网络；还包括预训练模块，该预训练模块使用上述预训练图片数据集采集模块采集到的数据放入到所构建的深度学习模块的多层神经网络中进行训练，保存训练得到的分类器模型及对应的参数值；还包括标准化数据生成模块，该标准化数据生成模块从所述数据库模块中读取采集到的所有图片及标注信息，生成训练所需的规范化数据；还包括训练模块，该训练模块将标准化数据生成模块生成的规范化数据提交至预训练模块预训练好的分类器模型进行训练，并更新其参数，从而获得训练完成的二维码检测分类器。2.根据权利要求1所述的一种基于深度学习的二维码定位识别系统，其特征在于还包括识别模块，该识别模块用于识别载入的图像；所述二维码检测分类器识别所述图像中是否存在二维码；还包括二维码识别模块，如果所述二维码检测分类器检测到存在二维码，则将检测到的二维码区域裁剪出来，针对该区域进行二维码识别，并返回二维码识别的结果。3.根据权利要求2所述的基于深度学习的二维码定位识别系统，其特征在于，还包括标准化数据生成模块生成训练所需的规范化数据包括：图片高度、宽度、是否存在二维码，如果存在二维码，二维码的大小及位置。4.根据权利要求1-3任意一项所述的基于深度学习的二维码定位识别系统，其特征在于，所述多层神经网络包括以下层：第一层为卷积层，预定输入维数为416x416x3，卷积核大小3x3，步长为1，卷积核数量为16，输出维数为416x416x16；第二层为池化层，预定输入维数为416x416x16，池化核大小为2x2，步长为2，使用maxpool方法，输出维数为208x208x16；第三层为卷积层，预定输入维数为208x208x16，卷积核大小3x3，步长为1，卷积核数量为32，输出维数为208x208x3...

【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