[发明专利]一种基于深度学习的条形码识别方法及图书检索系统

说明书

本发明公开了条形码识别领域的一种基于深度学习的条形码识别方法及图书检索系统，提取检测图像中条形码图像特征；对条形码图像特征进行二值化处理；利用Hough变换对条形码的倾斜条码进行矫正，获得待识别条形码图像；采用训练后的全卷积神经网络对待识别条形码图像提取识别序列，将识别序列输入RNN循环神经网络，获得其各通道识别的字元序列；根据字元序列中各字元之间相关性，得出对字元分类的概率结果；采用全局优化算法获取各字元序列对应字符的全概率，输出概率最大的字符完成准确识别条形码；通过图像处理的方式获取清晰的待识别条形码图像，通过深度学习有效提高了条形码的识别精度。

技术领域

本发明属于条形码识别领域，具体涉及一种基于深度学习的条形码识别方法及图书检索系统。

背景技术

条形码由Woodland在1949年首次提出，近年来随着计算机技术的发展与普及，条码技术在生活的方方面面得到广泛的应用。条形码遵循特定的编码规则：每一个黑白条纹代表一个字元，按其宽度不同分别表示不同的字元代码；几组黑白交替的条纹即多个字元构成一个字符，不同的编码遵循特定的字符编码顺序，从起始字符开始，后续包括多个数据字符，最后包括一个校验码字符以及一个终止字符；根据条码中的字符顺序，参考码本即可逐位译出其原始信息。

传统的数字图像处理方法割裂了条码中相近字元、字符之间的关系，丢失了有利的上下文信息，因此在适应性与准确率等方面均较为受限，容易受到如条码质量、污渍皱褶、扫描距离等的影响，一方面拒识率普遍较高，因此需要人工反复扫描甚至手动输入进行补充；另一方面准确率不足引入的识码错误也给后续控制与数字管理造成困扰。由于条码技术的不够稳定可靠，必须采用更为平整规范的如纸箱表面而非软性塑料包装，都带来了高昂的成本开销。

发明内容

本发明的目的在于提供一种基于深度学习的条形码识别方法，通过图像处理的方式获取清晰的待识别条形码图像，通过深度学习有效提高了条形码的识别精度。

为达到上述目的，本发明所采用的技术方案是：

本发明一方面提供了一种基于深度学习的条形码识别方法，包括：

根据检测图像中竖直和水平方向灰度变化提取条形码图像特征；

采用最大类间方差法确定条形码图像特征二值化处理的阈值，并对条形码图像特征进行二值化处理；

利用Hough变换对条形码的倾斜条码进行矫正，获得待识别条形码图像；

采用训练后的全卷积神经网络对待识别条形码图像提取识别序列，将识别序列输入预先训练的RNN循环神经网络，通过RNN循环神经网络获得其各通道识别的字元序列，根据字元序列中各字元之间相关性，得出对字元分类的概率结果，以及采用全局优化算法获取各字元序列对应字符的全概率，输出概率最大的字符完成准确识别条形码。

优选的，根据检测图像中竖直和水平方向灰度变化提取条形码图像特征；方法包括：

通过条码阅读器获取检测图像中横向差分灰度值和纵向差分灰度值，以横向差分灰度值和纵向差分灰度值的比值为特征参数，提取特征参数大于设定值的图像区域，作为条形码图像特征。

优选的，采用最大类间方差法确定条形码图像特征二值化处理的阈值，方法包括：

设灰度值k为阈值，类A和类B分别由灰度值0至k-1和k至255的像素点组成，类间方差为：

σ²(κ)＝ω_A(μ_A-μ)²+ω_B(μ_B-μ)²

μ＝μ_Aω_A+μ_Bω_B