[发明专利]基于深度神经网络的反光二维码关键点检测的方法和装置

权利要求书

1.一种基于深度神经网络的反光二维码关键点检测的方法，其特征在于，包括：训练数据集构建过程、深度神经网络模型构建和训练过程以及二维码关键点检测过程；

所述训练数据集构建过程包括：获取大量标注有设定数量个关键点坐标的二维码图片，然后分别计算每一张二维码图片的欧拉角；对所述二维码图片进行归一化和标准化处理；基于标注有设定数量个关键点坐标、欧拉角以及处理后的二维码图片构建训练数据集；

所述深度神经网络模型构建和训练过程包括：构建深度神经网络模型，所述深度神经网络模型的输出向量的数量为训练数据集中每一二维码图片的关键点数量的两倍；然后利用所述训练数据集对所述深度神经网络模型进行训练，得到关键点坐标检测模型；

所述二维码关键点检测过程包括：在待检测图片中获取待检测二维码区域，然后进行归一化和标准化处理后输入所述关键点坐标检测模型，得到待检测二维码的关键点坐标位置。

2.根据权利要求1所述的方法，其特征在于：所述训练数据集构建过程中，二维码图片上标注关键点位置具体为：设二维码左上角的定位图案为第一定位图案、右上角的定位图案为第二定位图案、左下角的定位图案为第三定位图案，在三个定位图案中分别取最外圈正方形的四个顶点，二维码图像右下角的顶点以及第二定位图案的内侧边与第三定位图案上侧边分别延伸的交点，共计14个关键点。

3.根据权利要求1所述的方法，其特征在于：所述欧拉角的计算方法具体为，根据每一张二维码图片中所有关键点的图像二维坐标和世界坐标系下的三维坐标，基于PNP方法计算该二维码图片相对于相机作为原点的欧拉角。

4.根据权利要求1所述的方法，其特征在于：所述深度神经网络模型包括二维卷积层、批归一化层、线性整流函数层、平均池化层、全连接层以及激活函数层。

5.一种基于深度神经网络的反光二维码关键点检测的装置，其特征在于，包括：训练数据集模块、深度神经网络模型模块以及二维码关键点检测模块；

所述训练数据集模块，用于获取大量标注有设定数量个关键点坐标的二维码图片，然后分别计算每一张二维码图片的欧拉角；对所述二维码图片进行归一化和标准化处理；基于标注有设定数量个关键点坐标、欧拉角以及处理后的二维码图片构建训练数据集；

所述深度神经网络模型模块，用于构建深度神经网络模型，所述深度神经网络模型的输出向量的数量为训练数据集中每一二维码图片的关键点数量的两倍；然后利用所述训练数据集对所述深度神经网络模型进行训练，得到关键点坐标检测模型；

所述二维码关键点检测模块，用于在待检测图片中获取待检测二维码区域，然后进行归一化和标准化处理后输入所述关键点坐标检测模型，得到待检测二维码的关键点坐标位置。

6.根据权利要求5所述的装置，其特征在于：所述训练数据集模块中，二维码图片上标注关键点位置具体为：设二维码左上角的定位图案为第一定位图案、右上角的定位图案为第二定位图案、左下角的定位图案为第三定位图案，在三个定位图案中分别取最外圈正方形的四个顶点，二维码图像右下角的顶点以及第二定位图案的内侧边与第三定位图案上侧边分别延伸的交点，共计14个关键点。

7.根据权利要求5所述的装置，其特征在于：所述训练数据集模块中，欧拉角的计算方法具体为，根据每一张二维码图片中所有关键点的图像二维坐标和世界坐标系下的三维坐标，基于PNP方法计算该二维码图片相对于相机作为原点的欧拉角。

8.根据权利要求5所述的装置，其特征在于：所述深度神经网络模型包括二维卷积层、批归一化层、线性整流函数层、平均池化层、全连接层以及激活函数层。