[发明专利]一种图片中的二维码识别方法及系统

说明书

本发明公开了一种图片中的二维码识别方法及系统，包括：采集具有二维码的图片并存储；基于采集的图片构建训练图片数据集和测试图片数据集；标注训练图片数据集，用矩形框框出每张图片中的二维码，并保存矩形框的顶点坐标；构建Mask R‑CNN深度神经网络模型，用于识别图片中二维码所在区域，并将其从原图中进行切割；输入训练图片数据集图片和每张图片标注的矩形框的顶点坐标，训练Mask R‑CNN深度神经网络模型；获取二维码待识别图片，将二维码待识别图片输入训练好的Mask R‑CNN深度神经网络模型，获得二维码待识别图片中的二维码图片；扫描获得的二维码图片，识别二维码图片中的相关文本信息；本方法及系统提高了图片中二维码的识别率。

技术领域

本发明涉及图像处理领域，具体地，涉及一种图片中的二维码识别方法及系统。

背景技术

证照图片如餐饮服务许可证、食品经营许可证等含有二维码，可通过扫描证照图片中的二维码准确地获取证照图片中的相关文本信息，这就对二维码的扫描识别率提出了较高要求。由于每张证照图片的大小、模糊程度、明暗度等不同，直接对原图进行二维码扫描识别率低，无法满足实际应用需求。

发明内容

本发明提供了一种图片中的二维码识别方法及系统，解决了现有技术中图片中二维码扫描识别率不高的问题，提高了图片中的二维码识别率。

本发明能最大程度地对证照图片中的二维码进行提取并成功扫描解析，准确地获得证照图片中的相关文本信息。本发明提供一种先对原图片进行二维码图片提取，然后对提取的二维码图片进行多次缩放和旋转，最后扫描提取变换后的二维码图片中的相关文本信息的方法。该方法首先使用爬虫技术从某网络平台上爬取大量证照图片，并将图片数据保存在数据库中。从数据库中随机选取多张图片进行人工标注，标注方法是利用打标工具用矩形框框出每张图片中的二维码，矩形框的四个顶点坐标即反映二维码在图片中的位置信息，每张图标注的矩形框的顶点坐标以json数据格式保存。然后构建一个用于目标识别和分割的Mask R-CNN深度神经网络，用标注的训练图片数据集图片训练该模型，运用该模型对待识别图片中的二维码进行提取。最后对提取的二维码图片做多次缩放和旋转，并扫描解析每次变换后的二维码图片，有一次扫描成功即可获得文本信息。

具体的，本发明的技术方案为：

本发明一方面提供了一种图片中的二维码识别方法，所述方法包括：

步骤1：采集具有二维码的图片并存储；基于采集的图片构建训练图片数据集和测试图片数据集；标注训练图片数据集，用矩形框框出每张图片中的二维码，并保存矩形框的顶点坐标；

步骤2：构建Mask R-CNN深度神经网络模型，用于识别图片中二维码所在区域，并将其从原图中进行切割；输入训练图片数据集图片和每张图片标注的矩形框的顶点坐标，训练Mask R-CNN深度神经网络模型；

步骤3：获取二维码待识别图片，将二维码待识别图片输入训练好的Mask R-CNN深度神经网络模型，获得二维码待识别图片中的二维码图片；

步骤4：扫描步骤3中获得的二维码图片，识别二维码图片中的相关文本信息。

进一步的，述步骤3中在获得二维码待识别图片中的二维码图片后，还包括步骤多次缩放和旋转变换处理二维码图片，然后识别每次变换处理后的二维码图片，提高识别率，然后将变换处理后的二维码图片输入扫描单元。

进一步的，变换处理二维码图片，具体包括：N次旋转处理原二维码图片，生成N个旋转后的二维码图片，将原二维码图片和N个旋转后的二维码图片分别进行M次放大，生成M×(N+1)个图片，完成二维码图片的变换处理，其中M和N均为大于等于1的正整数。

进一步的，矩形框的四个顶点坐标对应二维码在图片中的位置信息。

进一步的，每张图片标注的矩形框的顶点坐标以json数据格式保存。