【技术实现步骤摘要】
一种批量条码定位方法及识别系统
本专利技术涉及条码识别领域，具体涉及一种批量条码定位方法及识别系统。
技术介绍
条码可用于信息化管理，当存在批量含有条码的产品需要处理时，例如通过批量二维码验证发票信息真伪、利用条码实现仓储系统中货物的批量出库入库等，传统的方法往往是对每个产品上的条码进行一一扫码。该方法存在重复劳动强度高、工作效率低下等问题。同时，随着技术的发展，也出现了批量条码识别的系统。中国专利授权公布号CN206075293U提出一种多个二维码自动识别的设备，该设备采用多相机拍摄二维码、多进程解析二维码的方法进行批量二维码的自动识别，运行速度较快，但只能识别二维码，不兼顾条形码，且该设备需要根据每款产品定制参数，体积较大，不具备广泛的通用性。中国专利申请公布号CN110427793A提出了一种基于深度学习的条码检测方法及其系统，该系统中利用深度卷积神经网络模型定位条码的位置。中国专利申请公布号CN109740395A提出了一种深度学习与形状检测相结合的二维码定位方法及系统，这些采用深度卷积神经网络模型技术实现的条形码或...
【技术保护点】
1.一种批量条码定位方法，其特征在于，包括如下步骤：/n步骤1：从慢速运动场景中连续获取目标图像，目标图像是含有批量条码的图像，并构成含有三张图像的图像集；/n步骤2：依次使用目标检测方法对图像集中的所有条码进行定位，并获取定位信息所对应的矩形框和中心坐标；/n步骤3：若判定当前时刻产生了系统解码需求触发信号，按照步骤4继续执行；若判定当前时刻未产生系统解码需求触发信号，按照步骤6继续执行；/n步骤4：根据步骤2中对图像集获取的信息，估算出下一时刻获取的图像中每个条码所对应的中心坐标、旋转角度；/n步骤5：根据步骤2中对图像集获取的信息，估算出下一时刻获取的图像中每个条码所...
【技术特征摘要】
1.一种批量条码定位方法，其特征在于，包括如下步骤：
步骤1：从慢速运动场景中连续获取目标图像，目标图像是含有批量条码的图像，并构成含有三张图像的图像集；
步骤2：依次使用目标检测方法对图像集中的所有条码进行定位，并获取定位信息所对应的矩形框和中心坐标；
步骤3：若判定当前时刻产生了系统解码需求触发信号，按照步骤4继续执行；若判定当前时刻未产生系统解码需求触发信号，按照步骤6继续执行；
步骤4：根据步骤2中对图像集获取的信息，估算出下一时刻获取的图像中每个条码所对应的中心坐标、旋转角度；
步骤5：根据步骤2中对图像集获取的信息，估算出下一时刻获取的图像中每个条码所对应的定位信息矩形框大小；
步骤6：更新图像集，返回步骤2继续执行。
2.如权利要求1所述的批量条码定位方法，其特征在于，所述步骤1中，所述图像为通过扫码器获取的低像素图像，用于对图像上的条码进行定位。
3.如权利要求1所述的批量条码定位方法，其特征在于，所述步骤4包括以下过程：步骤41，根据步骤2中对图像集中三张图像所获取的信息，以图论进行关联形成每个条码的运动轨迹的最佳匹配；步骤42，利用每个运动轨迹估算该轨迹中的条码在下一时刻所对应的中心坐标、旋转角度。
4.如权利要求3所述的批量条码定位方法，其特征在于，步骤41中以图论进行关联的过程包括：将较先获取的图像中的所有条码对应的中心坐标构建为第一数据图，将较后获取的图像中的所有条码对应的中心坐标构建为第二数据图，所述第一数据图和第二数据图均包括节点和连接节点的边，其中节点代表条码的中心坐标位置，边代表两个节点之间的距离；
将第一数据图和第二数据图中的节点进行匹配：分别计算第一数据图和第二数据图中各个节点与其周围其他节点的相对距离，通过每个节点与周围节点距离的固有关系，完成第一数据图和第二数据图中的节点匹配；当第一数据图和第二数据图中某个节点位于图结构中心，第一数据图和第二数据图均构成关于图结构中心节点的对称图时，将第一数据图的每个节点和第二数据图的任一节点进行匹配，获取多种匹配方式，分别计算多种匹配方式中第一数据图中每个节点到第二数据图中相匹配节点的距离和，距离和最小的匹配方式为最佳匹配方式。
5.如权利要求3所述的批量条码定位方法，其特征在于，步骤42中利用每个运动轨迹估算该轨迹中的条码在下一时刻所对应的中心坐标、旋转角度的过程包括：
(1)构建数据集：获取含有条码的连续四帧图像的集合，获取每个集合中的第一帧图像的R分量数据、第二帧图像的G分量数据、第三帧图像的B分量数据，并将该三帧图像中对应的目标条码按照绝对位置进行叠加，同时将第四帧图像中条码的中心坐标和对应的4个边角的坐标作为当前数据的标注，构建轨迹数据集；
(2)基于卷积神...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。