二维码图像处理方法、系统、装置、电子设备及存储介质制造方法及图纸

本申请涉及图像领域，尤其涉及一种二维码图像处理方法、系统、装置、电子设备及存储介质。方法包括：获取包含二维码的原始图像；对所述原始图像中的二维码进行定位，获得二维码位置信息；根据所述二维码位置信息，提取二维码图像；对所述二维码图像分割后，进行双路并行解码，获取解码结果。本申请用以解决传统二维码识别方式拒识率高、解码速度慢和功耗高的问题。题。题。

【技术实现步骤摘要】
二维码图像处理方法、系统、装置、电子设备及存储介质


[0001]本申请涉及图像领域，尤其涉及一种二维码图像处理方法、系统、装置、电子设备及存储介质。

技术介绍

[0002]扫码器利用光电原理将二维码信息转化为计算机可接受的信息的输入设备，常用于快递物流、书店以及超市等，将二维码信息直接阅读，并输入到联机系统中。扫码器有线式和无线式两种。其中，无线条码解决方案可以有效解决以往因为作业环境差、扫描器存储不足、信息无法实时反馈等限制。
[0003]目前，二维码无线识读装置，一般采用扫描成像的方式拍摄二维码区域，获得的图像存在大量不相关内容，然后利用传统图像处理方式进行识别和解码。需要处理的数据量较大，以及传统图像处理方案的识读造成速度慢，最终影响到对整体编码的识别，造成较高的拒识率和系统功耗。拒识后造成不得不进行再次识读或手动输入，进一步增加功耗，同时极大地降低了工作效率。

技术实现思路

[0004]本申请提供了一种二维码图像处理方法、系统、装置、电子设备及存储介质，用以解决传统二维码识别方式拒识率高、解码速度慢和功耗高的问题。
[0005]第一方面，本申请实施例提供了一种二维码图像处理方法，包括：获取包含二维码的原始图像；对所述原始图像中的二维码进行定位，获得二维码位置信息；根据所述二维码位置信息，提取二维码图像；对所述二维码图像分割后，进行双路并行解码，获取解码结果。
[0006]可选地，所述对所述原始图像中的二维码进行定位，获得二维码位置信息，包括：将所述原始图像输入到预设的智能定位模型，获得所述智能定位模型输出的所述二维码位置信息；其中，所述智能定位模型为采用样本数据对原始智能定位模型进行训练得到，所述样本数据包括N个原始样本图像，以及与N个所述样本原始样本图像一一对应的二维码样本位置信息，其中，N为大于1的整数。
[0007]可选地，所述智能定位模型的工作过程包括：将所述原始图像的像素降低，得到第一目标像素图像，并对所述第一目标像素图像进行特征提取，获取所述第一目标像素图像对应的第一特征集合；根据所述第一特征集合，获取所述二维码图像的第一位置信息；对所述第一目标像素图像进行上采样，获取第二目标像素图像；对所述第二目标像素图像进行特征提取，获取所述二维码图像的第二位置信息；按照非极大值抑制原则，合并所述第一位置信息和所述第二位置信息，获取所述二维码位置信息。
[0008]可选地，所述将所述原始图像的像素降低，得到第一目标像素图像，并对所述第一目标像素图像进行特征提取，获取所述第一目标像素图像对应的第一特征集合，包括：依次对所述原始图像进行0～L层的图像特征提取和降低像素，并将第L层的像素对应的图像作为所述第一目标像素图像，以及将第L层的图像特征作为所述第一特征集合，所述L为大于1
的整数；其中，第i层对第i-1层的图像特征提取结果进行混合卷积，得到第i层的混合卷积结果；第i+1层对所述混合卷积结果进行归一化处理，得到归一化结果；第i+2层对所述归一化结果进行数据线性化处理，得到所述图像特征提取结果；或者，第i层对第i-1层的图像特征提取结果进行混合卷积，得到第i层的混合卷积结果；第i+1层对所述混合卷积结果进行归一化处理，得到归一化结果；第i+2层对所述归一化结果进行数据线性化处理，得到线性化结果；第i+3层对所述线性化结果进行池化处理，得到所述图像特征提取结果，所述i为大于2、且小于或等于L-2的正整数；其中，第0层对所述原始图像进行混合卷积，得到第0层的混合卷积结果；第1层对所述混合卷积结果进行归一化处理，得到归一化结果；第2层对所述归一化结果进行数据线性化处理，得到所述图像特征提取结果；或者，第0层对所述原始图像进行混合卷积，得到第0层的混合卷积结果；第1层对所述混合卷积结果进行归一化处理，得到归一化结果；第2层对所述归一化结果进行数据线性化处理，得到线性化结果；第3层对所述线性化结果进行池化处理，得到所述图像特征提取结果。
[0009]可选地，所述将所述原始图像的像素降低，得到第一目标像素图像，并对所述第一目标像素图像进行特征提取，获取所述第一目标像素图像对应的第一特征集合，包括：将所述原始图像的分解为红、绿、蓝三个通道的独立图像；分别将每个通道的所述独立图像分为M个包围格子，其中，所述M为大于1的整数，所述包围格子包括设定个数的像素点；提取每个所述包围格子中的特征点，并获取所述特征点的位置信息，和所述特征点的类别概率信息；降低所述原始图像的像素至第一目标像素，根据每个通道的所述位置信息和所述类别概率信息，获取所述第一目标像素图像对应的所述第一特征集合。
[0010]可选地，所述智能定位模型的训练过程包括：获取所述原始样本图像；将所述原始样本图像输入到所述原始智能定位模型，获取所述原始智能定位模型输出的所述原始样本图像各自对应的预测二维码位置信息；将所述预测二维码位置信息与所述二维码样本位置信息比较，如果不一致，调整所述原始智能定位模型的层间结构，重复执行所述将所述原始样本图像输入到所述原始智能定位模型的步骤，直至所述预测二维码位置信息与所述二维码样本位置信息一致时，将所述原始智能定位模型作为最终的智能定位模型。
[0011]可选地，所述获取包含二维码的原始图像之后，所述对所述原始图像中的二维码进行定位，获得二维码位置信息之前，包括：对所述原始图像进行预处理，获得预处理后的处理后图像；所述对所述原始图像中的二维码进行定位，获得二维码位置信息，包括：对所述处理后图像中的二维码进行定位，获得二维码位置信息。
[0012]可选地，所述对所述原始图像进行预处理，获得预处理后的处理后图像，包括：获取P帧原始图像，其中，所述P为大于1的整数；对所述P帧原始图像分别进行畸变校正处理，获得P帧校正图像；对所述P帧校正图像进行多帧平均降噪处理，获得处理后图像；其中，所述对所述P帧校正图像进行多帧平均降噪处理，获得处理后图像，包括：对所述P帧校正图像的特征值进行平均处理，生成平均特征值；获取所述平均特征值对应的处理后图像。
[0013]可选地，所述根据所述二维码位置信息，提取二维码图像之后，所述对所述二维码图像分割后，进行双路并行解码，获取解码结果之前，包括：对所述二维码图像进行灰度处理，获得灰度图像；获取预设的图像大小阈值；根据所述图像大小阈值对所述灰度图像进行压缩或放大处理，获得处理后的二维码图像；所述对所述二维码图像分割后，进行双路并行解码，获取解码结果，包括：对所述处理后的二维码图像分割后，进行双路并行解码，获取解
码结果。
[0014]可选地，所述对所述二维码图像分割后，进行双路并行解码，获取解码结果，包括：对所述二维码图像进行二值化处理，获得二值化图像；将所述二值化图像进行分割，生成第一分割图像和第二分割图像；控制第一解码单元对所述第一分割图像进行解码，获得第一解码结果，同时，控制第二解码单元对所述第二分割图像进行解码，获得第二解码结果；合并所述第一解码结果和所述第二解码结果，获取最终的所述解码结果。
[0015]可选地本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种二维码图像处理方法，其特征在于，包括：获取包含二维码的原始图像；对所述原始图像中的二维码进行定位，获得二维码位置信息；根据所述二维码位置信息，提取二维码图像；对所述二维码图像分割后，进行双路并行解码，获取解码结果。2.根据权利要求1所述的二维码图像处理方法，其特征在于，所述对所述原始图像中的二维码进行定位，获得二维码位置信息，包括：将所述原始图像输入到预设的智能定位模型，获得所述智能定位模型输出的所述二维码位置信息；其中，所述智能定位模型为采用样本数据对原始智能定位模型进行训练得到，所述样本数据包括N个原始样本图像，以及与N个所述样本原始样本图像一一对应的二维码样本位置信息，其中，N为大于1的整数。3.根据权利要求2所述的二维码图像处理方法，其特征在于，所述智能定位模型的工作过程包括：将所述原始图像的像素降低，得到第一目标像素图像，并对所述第一目标像素图像进行特征提取，获取所述第一目标像素图像对应的第一特征集合；根据所述第一特征集合，获取所述二维码图像的第一位置信息；对所述第一目标像素图像进行上采样，获取第二目标像素图像；对所述第二目标像素图像进行特征提取，获取所述二维码图像的第二位置信息；按照非极大值抑制原则，合并所述第一位置信息和所述第二位置信息，获取所述二维码位置信息。4.根据权利要求3所述的二维码图像处理方法，其特征在于，所述将所述原始图像的像素降低，得到第一目标像素图像，并对所述第一目标像素图像进行特征提取，获取所述第一目标像素图像对应的第一特征集合，包括：依次对所述原始图像进行0～L层的图像特征提取和降低像素，并将第L层的像素对应的图像作为所述第一目标像素图像，以及将第L层的图像特征作为所述第一特征集合，所述L为大于1的整数；其中，第i层对第i-1层的图像特征提取结果进行混合卷积，得到第i层的混合卷积结果；第i+1层对所述混合卷积结果进行归一化处理，得到归一化结果；第i+2层对所述归一化结果进行数据线性化处理，得到所述图像特征提取结果；或者，第i层对第i-1层的图像特征提取结果进行混合卷积，得到第i层的混合卷积结果；第i+1层对所述混合卷积结果进行归一化处理，得到归一化结果；第i+2层对所述归一化结果进行数据线性化处理，得到线性化结果；第i+3层对所述线性化结果进行池化处理，得到所述图像特征提取结果，所述i为大于2、且小于或等于L-2的正整数；其中，第0层对所述原始图像进行混合卷积，得到第0层的混合卷积结果；第1层对所述混合卷积结果进行归一化处理，得到归一化结果；第2层对所述归一化结果进行数据线性化处理，得到所述图像特征提取结果；或者，
第0层对所述原始图像进行混合卷积，得到第0层的混合卷积结果；第1层对所述混合卷积结果进行归一化处理，得到归一化结果；第2层对所述归一化结果进行数据线性化处理，得到线性化结果；第3层对所述线性化结果进行池化处理，得到所述图像特征提取结果。5.根据权利要求3所述的二维码图像处理方法，其特征在于，所述将所述原始图像的像素降低，得到第一目标像素图像，并对所述第一目标像素图像进行特征提取，获取所述第一目标像素图像对应的第一特征集合，包括：将所述原始图像的分解为红、绿、蓝三个通道的独立图像；分别将每个通道的所述独立图像分为M个包围格子，其中，所述M为大于1的整数，所述包围格子包括设定个数的像素点；提取每个所述包围格子中的特征点，并获取所述特征点的位置信息，和所述特征点的类别概率信息；降低所述原始图像的像素至第一目标像素，根据每个通道的所述位置信息和所述类别概率信息，获取所述第一目标像素图像对应的所述第一特征集合。6.根据权利要求2所述的二维码图像处理方法，其特征在于，所述智能定位模型的训练过程包括：获取所述原始样本图像；将所述原始样本图像输入到所述原始智能定位模型，获取所述原始智能定位模型输出的所述原始样本图像各自对应的预测二维码位置信息；将所述预测二维码位置信息与所述二维码样本位置信息比较，如果不一致，调整所述原始智能定位模型的层间结构，重复执行所述将所述原始样本图像输入到所述原始智能定位模型的步骤，直至所述预测二维码位置信息与所述二维码样本位置信息一致时，将所述原始智能定位模型作为最终的智能定位模型。7.根据权利要求1所述的二维...

【专利技术属性】
技术研发人员：刘白皓，
申请(专利权)人：珠海零边界集成电路有限公司，
类型：发明
国别省市：