【技术实现步骤摘要】
一种批量QR码实时提取方法及系统
[0001]本专利技术涉及信息技术和物联网
,更具体地,涉及一种批量QR码实时提取方法及系统。
技术介绍
[0002]随着信息技术和物联网技术的快速发展,QR码(Quick Response Code,QR code)作为物联网感知层中一种信息容量大、安全性强、成本低廉的二维码标识方案,被大量地部署在电子商务、仓储物流、设备管理等各个领域。特别是在一些车间流水线上,每个物件货品上都有一个QR码标签,随着传送带的传送,QR码扫描设备需要及时快速无遗漏地对所扫描的区域里的所有QR码进行读取。类似的,在一些生化实验室,实验人员需要通过识别大量的样本试管、疫苗试剂上的QR码标识来进行记录和存取。此外,仓储物流行业里也需要识别大批货物上的QR码标签来进行登记和入库追踪。这些场景都需要一种能够实时检测大批量QR的技术。
[0003]片上系统(SoC,System on Chip)是一种集成了处理器、专用电路、外设控制器的芯片级系统,用户能够自由地对其进行定制化,现场可编程门阵列(FPGA,Field Programmable Gate)是作为专用集成电路(ASIC,Application Specific Integrated Circuit)领域的其中一种SoC半定制电路芯片。FPGA采用了包括内部连线(Interconnect)、可配置逻辑模块(CLB,Configurable Logic Block)和输出输入模块(IOB,Input Output Block)的逻辑单元阵列 ...
【技术保护点】
【技术特征摘要】
1.一种批量QR码实时提取方法,其特征在于,包括以下步骤:S1:采集QR码图像数据并进行缓存;S2:对缓存的QR码图像数据进行滤波和边缘检测处理,完成QR码图像的灰度转化、去模糊、边缘检测、二值化、形态学处理;S3:对经过步骤S2处理后的QR码图像进行轮廓提取QR码矩形框,并在各个矩形框之间的IOU矩阵通过流水线加速的方式被快速计算出来,从而剔除掉QR码矩形框的背景区域;S4:利用步骤S3中得到的QR码矩形框,使用卷积神经网络对其进行分类计算,并将计算结果进行显示。2.根据权利要求1所述的批量QR码实时提取方法,其特征在于,所述步骤S2中,进行灰度转化的过程是:将QR码图像数据从RGB颜色空间变换到灰度颜色空间,转化公式为如式(1):I=0.30
×
I
r
+0.59
×
I
g
+0.11
×
I
b (1)其中,I表示转化后的灰度图像,I
r
表示输入图像的r通道的数据信息,I
g
表示输入图像的g通道的数据信息,I
b
表示输入图像的b通道的数据信息;对式(1)进行加速处理,如式(2):I=(300
×
I
r
+590
×
I
g
+110
×
I
b
+500)>>10 (2)此时得到的图像数据像素的灰度值范围在0~255。3.根据权利要求2所述的批量QR码实时提取方法,其特征在于,所述步骤S2中,进行去模糊的过程是:1)、将QR码图像分成B
×
B的图像块,然后计算每一块垂直方向的DCT系数C
v
(k)和水平方向的DCT系数C
h
(k),如公式(3)和(4)所示,其中,f(m,n)为像素点(m,n)灰度值:(k),如公式(3)和(4)所示,其中,f(m,n)为像素点(m,n)灰度值:2)、通过该DCT系数判断图像块的边缘响应,再通过公式(5)计算整个图像的边缘响应,其中,M为边缘方向大于0的个数,s
i
为图像块的边缘响应:3)、利用S(n)估计出PSF系数,再通过维纳滤波器对灰度图形进行去模糊处理。4.根据权利要求3所述的批量QR码实时提取方法,其特征在于,所述步骤S2中,进行边缘检测的过程是:通过Sobel算子模板与图像数据做卷积运算,从而对图像进行边缘检测:将Sobel算子模板定义为常量型的数据:parameter h1=8'hff,h2=8'h00,h3=8'h01,h4=8'hfe,h5=8'h00,h6=8'h02,h7=8'hff,h8=8'h00,h9=8'h01;parameter v1=8'h01,v2=8'h02,v3=8'h01,v4=8'h00,v5=8'h00,v6=8'h00,v7
=8'hff,v8=8'hfe,v9=8'hff;Sobel模板中变量的位宽都为8,十进制的
‑
1采用补码8
’
hff表示,十进制的
‑
2采用补码8
’
hfe表示,其中最高位表示符号位,使用Sobel模板求得图像水平和垂直方向的梯度值后,两者再取绝对值相加,求得整幅图像的灰度梯度。5.根据权利要求4所述的批量QR码实时提取方法,其特征在于,所述步骤S2中,进行二值化的过程是:二值化操作是将梯度图像转化为黑白图,转化公式如式(6):6.根据权利要求5所述的批量QR码实时提取方法,其特征在于,所述步骤S2中,进行形态学处理的过程是:形态学处理是消除噪声、分割出独立的QR码图像元素和寻找图像中的极大值区域或极小值区域,包括腐蚀Erosion和膨胀Dilation操作,如公式(7)所示,I(x,y)表示QR码图像数据里位置为(x,y)的像素值:7.根据权利要求6所述的批量QR码实时提取方法,其特征在于,所述步骤S3中,由于形态学处理所处理的图像数据被存储在数据缓存单元里,所以要先将数据缓存单元里的图像数据读取出来,然后调用OpenCV库里的findContours()函数,提取出各个QR码前景的轮廓,第i个轮廓用[x
i
,y
i
,w
i
,h
i
]表示,n表示当前图片所获得的的矩形框轮廓的数量,x、y分别表示该矩形框的左上角顶点的横坐标和纵坐标,w、h分别表示该矩形框的宽度...
【专利技术属性】
技术研发人员:陈荣军,黄宏兴,于永兴,马勇枝,任金昌,王磊军,吕巨建,赵慧民,李建波,
申请(专利权)人:广州楚秀信息科技有限公司,
类型:发明
国别省市:
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。