[发明专利]一种对电子凭证图像中的条码进行定位的检测装置

说明书

技术领域

本公开属于图像处理领域，特别涉及一种对电子凭证图像中的条码进行定位的检测装置。

背景技术

现有的条码定位方法主要有基于纹理特征、使用离散余弦变换(DCT)、利用JPEG2000图像、采用EPS格式图像、多通道Gabor滤波技术等。但是以上各种方法都不同程度的存在准确度低、速度慢、鲁棒性差、适应范围有限等问题。

发明内容

基于此，本公开揭示了一种对电子凭证图像中的条码进行定位的检测系统，所述系统包括：adaboost分类器和条码识别定位装置；

所述adaboost分类器,用于将正样本和负样本分别生成正样本描述文件和负样本描述文件，并提取正样本和负样本的haar特征进行分类器训练；

所述条码识别定位装置,用于根据所述分类器训练的结果对各种电子凭证图像中的条码进行定位。

本公开所述的系统能够通过对正负样本集当中的电子凭证图像中的条码提取haar特征，并应用adaboost分类器进行训练。根据训练结果对各种电子凭证图像中的条码进行定位。实现了条码定位速度快、准确率高、适应范围广、鲁棒性好的效果。

附图说明

图1为本公开一个实施例中adaboost分类器训练的流程图；

图2(a1)-(a8)为本公开一个实施例中haar特征中的边缘特征示意图；

图2(b1)-(b4)为本公开一个实施例中haar特征中的线型特征示意图；

图2(c1)-(c2)为本公开一个实施例中haar特征中的中心特征示意图；

图2(d)为本公开一个实施例中haar特征中的对角线特征示意图；

图3(a)和图3(b)为本公开一个实施例中正样本的示意图；

图4(a)和图4(b)为本公开一个实施例中负样本的示意图。

具体实施方式

下面结合附图和具体的实施例对本公开进行进一步的说明；

在一个实施例中，本公开揭示了一种对电子凭证图像中的条码进行定位的检测系统，所述系统包括：adaboost分类器和条码识别定位装置；

所述adaboost分类器,用于将正样本和负样本分别生成正样本描述文件和负样本描述文件，并提取正样本和负样本的haar特征进行分类器训练；

所述条码识别定位装置,用于根据所述分类器训练的结果对各种电子凭证图像中的条码进行定位。

在本实施例中，所述adaboost分类器训练的流程如图1所示；所述haar特征如图2(a1)-(a8)、图2(b1)-(b4)、图2(c1)-(c2)、图2(d)所示，分为：边缘特征、线型特征、中心特征和对角线特征；这些特征组合成特征模板库，特征模板内有白色和黑色两种区域，并定义该模板的特征值为白色区域像素和，减去黑色区域像素和。本公开所述的系统能够通过对正负样本集当中的电子凭证图像中的条码提取haar特征，并应用adaboost分类器进行训练。根据训练结果对各种电子凭证图像中的条码进行定位。实现了条码定位速度快、准确率高、适应范围广、鲁棒性好的效果。

在一个实施例中，所述正样本包括多个含有条码的图像；

所述正样本具有相同的尺寸；

所述负样本包括多个不含条码的图像；

所述多个负样本的尺寸不小于正样本的尺寸。

在本实施例中，将所有正样本制作成相同的尺寸，是因为统一的尺寸是正样本的特征要素之一，在进行分类器训练时，当送入的样本尺寸跟正样本的尺寸不一致时，即判定为负样本。

在一个实施例中，所述正样本描述文件包括：存放正样本的文件名、正样本数目、各个正样本在图像中的位置和各个正样本的大小。

在本实施例中，制作正样本的过程为：将所有条码正样本裁切好，并对尺寸做规整(即缩放至指定统一大小)，保存成灰度图。制作一个正样本描述文件，用于描述正样本文件名(包括绝对路径或相对路径)，正样本数目以及各正样本在图像中的位置和大小，正样本如图3(a)和图3(b)所示。

在一个实施例中，所述负样本描述文件包括：存放负样本文件名及存放负样本的绝对或相对路径名。

在本实施例中，制作负样本，负样本图像是不含有条形码的各种票据。制作一个负样本描述文件，该文件包含所有负样本的文件名及绝对(或相对)路径名。负样本图像不需要归一化到正样本尺寸，大小只要不小于正样本就可以，负样本如图4(a)和图4(b)所示。