本申请实施例提供了一种二维码识别方法、装置、计算机设备及可读存储介质，该方法包括：获取待识别图像；使用特征识别模型提取待识别图像的预测特征点信息，预测特征点信息用于指示预测外角点和预测向心向量，以及预测中心点和预测向外向量；预测向心向量为预测的由预测外角点指向二维码中心的向量，预测向外向量为预测的由预测中心点指向二维码四个角的向量；基于预测特征点信息，识别待识别图像中的一个或多个二维码。本方法有利于减少二维码识别过程中不同二维码之间的特征点读取混淆的情况，从而能够提升二维码识别的效率。从而能够提升二维码识别的效率。从而能够提升二维码识别的效率。
【技术实现步骤摘要】
二维码识别方法、装置、计算机设备及可读存储介质
[0001]本申请涉及图像处理
，具体地，涉及一种二维码识别方法、装置、计算机设备及可读存储介质。
技术介绍
[0002]二维码由于具有包含的信息量大、易识别、成本低等优点，在近些年来得到了快速发展和广泛的应用。目前通过终端设备扫描二维码从而获取到相应信息，已经普遍应用于工业生产制造和日常生活中。但是目前的二维码图像识别还存在着效率较低、准确度较低等问题。
技术实现思路
[0003]本申请实施例提供一种二维码识别方法、装置、计算机设备及可读存储介质，能够提升二维码图像识别的效率和准确率。
[0004]第一方面，提供一种二维码识别方法，包括：获取待识别图像；使用特征识别模型提取待识别图像的预测特征点信息，预测特征点信息用于指示预测外角点和预测向心向量，以及预测中心点和预测向外向量；预测向心向量为预测的由预测外角点指向二维码中心的向量，预测向外向量为预测的由预测中心点指向二维码四个角的向量；基于预测特征点信息，识别待识别图像中的一个或多个二维码。
[0005]基于本技术方案，当一张图像上存在多个二维码时，能够通过特征识别模型输出预测特征点信息，该预测特征点信息用于指示预测外角点和预测向心向量，以及预测中心点和预测向外向量，从而能够基于预测特征点信息对二维码进行识别，有利于降低二维码识别时不同二维码之间的相互影响，从而有利于减少不同二维码之间的特征点读取混淆等情况的发生，进而提升二维码图像识别的效率和准确率。
[0006]结合第一方面，在第一方面可能的实现方式中，特征识别模型包括角点分支和中心点分支，角点分支输出角点分类特征图和角点回归特征图，角点分类特征图指示第一概率，第一概率是待识别图像上的点是二维码的外角点的概率；角点回归特征图指示各点对应的向心向量；中心点分支输出中心点分类特征图和中心点回归特征图，中心点分类特征图指示第二概率，第二概率是待识别图像上的点是二维码的中心点的概率；中心点回归特征图指示各点对应的向外向量。
[0007]基于此技术方案，能够通过特征识别模型的角点分支和中心点分支来对外角点和中心点分别进行预测，从而能够提升二维码图像识别的准确率。
[0008]结合第一方面，在第一方面可能的实现方式中，使用特征识别模型提取待识别图
像的预测特征点信息，包括：通过角点分支确定待识别图像对应的角点分类特征图和角点回归特征图；确定第一概率大于第一阈值的点为预测外角点；确定预测外角点对应的向心向量为预测向心向量。
[0009]结合第一方面，在第一方面可能的实现方式中，使用特征识别模型提取待识别图像的预测特征点信息，包括：通过中心点分支确定待识别图像对应的中心点分类特征图和中心点回归特征图；确定第二概率大于第二阈值的点为预测中心点；确定预测中心点对应的向外向量为预测向外向量。
[0010]结合第一方面，在第一方面可能的实现方式中，基于预测特征点信息，识别待识别图像中的一个或多个二维码，包括：对预测外角点和预测中心点进行分组，以得到至少一个特征点组，每个特征点组中的预测外角点和预测中心点属于同一个二维码；根据至少一个特征点组，确定待识别图像中二维码的数量和位置。
[0011]基于此技术方案，能够准确的将属于一个二维码的特征点进行组合，从而能够减少不同二维码之间的相互影响，能够进一步提升二维码图像识别的准确率和效率。
[0012]结合第一方面，在第一方面可能的实现方式中，对预测外角点和预测中心点进行分组，以得到至少一个特征点组，包括：确定预测向心向量与预测向外向量之间的夹角小于第三阈值，且四个预测外角点构成的四边形为平行四边形；组合预测外角点和预测中心点，以得到至少一个特征点组。
[0013]结合第一方面，在第一方面可能的实现方式中，待识别图像包含QR码，预测特征点信息还用于指示预测轮廓角点，预测轮廓角点为位置探测图形位于二维码轮廓线上的顶点；基于预测特征点信息，识别待识别图像中的一个或多个二维码还包括：基于预测轮廓角点、预测外角点和预测中心点，识别QR码的版本信息。
[0014]结合第一方面，在第一方面可能的实现方式中，待识别图像包含QR码，预测特征点信息还用于指示预测内角点，预测内角点为位置探测图形位于二维码内部的顶点；基于预测特征点信息，识别待识别图像中的一个或多个二维码还包括：基于预测内角点、预测外角点和预测中心点，识别QR码的版本信息。
[0015]结合第一方面，在第一方面可能的实现方式中，特征识别模型是基于多个样本图像以及样本图像的特征点信息训练得到的，训练包括：构建第一损失函数，第一损失函数是基于分类交叉熵损失的延伸函数构建的。
[0016]结合第一方面，在第一方面可能的实现方式中，特征识别模型是基于多个样本图像以及样本图像的特征点信息训练得到的，训练包括：构建第二损失函数，第二损失函数是基于平滑平均绝对误差损失函数构建的。
[0017]第二方面，提供了一种图片识别的装置，包括：获取模块，用于获取待识别图像；提取模块，用于使用特征识别模型提取待识别图像的预测特征点信息，预测特征
点信息用于指示预测外角点和预测向心向量，以及预测中心点和预测向外向量；预测向心向量为预测的由预测外角点指向二维码中心的向量，预测向外向量为预测的由预测中心点指向二维码四个角的向量；识别模块，用于基于预测特征点信息，识别待识别图像中的一个或多个二维码。
[0018]基于该技术方案，当一张图像上存在多个二维码时，能够通过获取模块获取待识别的图像，并通过提取模块输出预测特征点信息，从而识别模块能够基于该预测特征点信息对二维码进行识别，能够降低二维码识别时不同二维码之间的相互影响，从而能够减少不同二维码之间的特征点读取混淆等情况的发生，从而能够提升二维码图像识别的准确率和效率。
[0019]结合第二方面，在第二方面可能的实现方式中，特征识别模型包括角点分支和中心点分支，角点分支输出角点分类特征图和角点回归特征图，角点分类特征图指示第一概率，第一概率是待识别图像上的点是二维码的外角点的概率；角点回归特征图指示各点对应的向心向量；中心点分支输出中心点分类特征图和中心点回归特征图，中心点分类特征图指示第二概率，第二概率是待识别图像上的点是二维码的中心点的概率；中心点回归特征图指示各点对应的向外向量。
[0020]结合第二方面，在第二方面可能的实现方式中，在使用特征识别模型提取待识别图像的预测特征点信息方面，提取模块具体用于：通过角点分支确定待识别图像对应的角点分类特征图和角点回归特征图；确定第一概率大于第一阈值的点为预测外角点；确定预测外角点对应的向心向量为预测向心向量。
[0021]结合第二方面，在第二方面可能的实现方式中，在使用特征识别模型提取待识别图像的预测特征点信息方面，提取模块具体用于：通过中心点分支确定待识别图像对应的中心点分类特征图和中心点回归特征图；确定第二概率大于第二阈值的点为预测中心点；确定预测中心点对应的向外向量为预测向外向量。...
【技术保护点】
【技术特征摘要】
1.一种二维码识别方法，其特征在于，包括：获取待识别图像；使用特征识别模型提取所述待识别图像的预测特征点信息，所述预测特征点信息用于指示预测外角点和预测向心向量，以及预测中心点和预测向外向量；所述预测向心向量为预测的由所述预测外角点指向二维码中心的向量，所述预测向外向量为预测的由所述预测中心点指向二维码四个角的向量；基于所述预测特征点信息，识别所述待识别图像中的一个或多个二维码。2.根据权利要求1所述的方法，其特征在于，所述特征识别模型包括角点分支和中心点分支，所述角点分支输出角点分类特征图和角点回归特征图，所述角点分类特征图指示第一概率，所述第一概率是所述待识别图像上的点是二维码的外角点的概率；所述角点回归特征图指示各点对应的向心向量；所述中心点分支输出中心点分类特征图和中心点回归特征图，所述中心点分类特征图指示第二概率，所述第二概率是所述待识别图像上的点是二维码的中心点的概率；所述中心点回归特征图指示各点对应的向外向量。3.根据权利要求2所述的方法，其特征在于，所述使用特征识别模型提取所述待识别图像的预测特征点信息，包括：通过所述角点分支确定所述待识别图像对应的所述角点分类特征图和所述角点回归特征图；确定所述第一概率大于第一阈值的点为所述预测外角点；确定所述预测外角点对应的向心向量为所述预测向心向量。4.根据权利要求2所述的方法，其特征在于，所述使用特征识别模型提取所述待识别图像的预测特征点信息，包括：通过所述中心点分支确定所述待识别图像对应的所述中心点分类特征图和所述中心点回归特征图；确定所述第二概率大于第二阈值的点为所述预测中心点；确定所述预测中心点对应的向外向量为所述预测向外向量。5.根据权利要求1或2所述的方法，其特征在于，所述基于所述预测特征点信息，识别所述待识别图像中的一个或多个二维码，包括：对所述预测外角点和所述预测中心点进行分组，以得到至少一个特征点组，每个所述特征点组中的所述预测外角点和所述预测中心点属于同一个二维码；根据所述至少一个特征点组，确定所述待识别图像中二维码的数量和位置。6.根据权利要求5所述的方法，其特征在于，所述对所述预测外角点和所述预测中心点进行分组，以得到至少一个特征点组，包括：确定所述预测向心向量与所述预测向外向量之间的夹角小于第三阈值，且四个所述预测外角...
【专利技术属性】
技术研发人员：陈帅，刘枢，吕江波，沈小勇，
申请(专利权)人：深圳思谋信息科技有限公司，
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。