[发明专利]一种基于机器学习的二维码定位方法及系统

说明书

技术领域

本发明涉及二维码处理技术领域，尤其涉及一种基于机器学习的二维码定位方法及系统。

背景技术

二维码定位是二维码识别中的重要过程。传感器获取的二维码图像周围经常会包含噪声和无关的背景信息，降低二维码的识别效率与准确度。传统的二维码定位方法通过灰度变换与形态学的组合实现图像中的二维码区域提取。由于不同二维码码型，如OR码，DataMatrix，PDF417等，在图形上存在许多共性，如都具有复杂的边缘信息，都由黑白模块构成等。这些共性使得某种二维码的定位程序可以很方便的修改成另一个码的定位程序。然而在实际应用中，用户更需要设备能同时识别多种码型，此时传统方法便显得虽然能通过增加判断条件等方式来兼容多种二维码定位，但随着系统需要识别的码型数目的增加，此方法的定位稳定性也随之降低。同时，算法复杂度的提高会妨碍后续的功能扩展。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种基于机器学习的二维码定位方法及系统，可以增加定位的稳定性，模型在通过不断学习，提高定位准确度。

为了解决上述技术问题，本发明实施例提供了一种基于机器学习的二维码定位方法，所述方法包括：

采用图像传感器获取二维码图像信息；

对所述二维码图像信息进行分块、标注和向量化预处理，获取二维码图像信息的分块、标注和向量化信息；

采用训练模型对所述二维码图像信息的分块、标注和向量化信息进行定位处理，根据定位处理结果确定二维码在所述二维码图像信息的区域。

优选地，所述对所述二维码图像信息进行分块、标注和向量化预处理，包括：

读取所述二维码图像信息；

对所述二维码图像信息进行定位处理，获取二维码图像信息定位结果；

对所述二维码图像信息定位结果进行分块及标注处理；

对分块及标注后的二维码图像信息进行图像向量化处理，输出处理结果。

优选地，所述训练模型的训练学习步骤包括：

读入待学习的二维码图像信息的分块、标注和向量化信息；

调整训练参数，使训练模型采用所述训练参数收敛到局部最优

采用所述训练参数多所述待学习的二维码图像信息的分块、标注和向量化信息进行训练学习，输出学习后的训练模型。

优选地，所述采用训练模型对所述二维码图像信息的分块、标注和向量化信息进行定位处理，根据定位处理结果确定二维码在所述二维码图像信息的区域，包括：

读入待定位二维码图像信息的分块、标注和向量化信息；

采用所述训练模型对所述二维码图像信息的分块、标注和向量化信息进行分类，用1标识含有二维码分块，用0标识非二维码块；

将标识为1的分块按顺序重组图像块，获取完整二维码图像区域；

对所述完整二维码图像区域进行形态学处理，去除多与区域与填充残缺二维码图像区域，获取二维码区域图像信息；

将所述二维码区域图像信息输出，作为定位结果。

本发明实施例还提供了一种基于机器学习的二维码定位系统，所述系统包括：

采集模块：用于采用图像传感器获取二维码图像信息；

预处理模块：用于对所述二维码图像信息进行分块、标注和向量化预处理，获取二维码图像信息的分块、标注和向量化信息；

定位模块：用于采用训练模型对所述二维码图像信息的分块、标注和向量化信息进行定位处理，根据定位处理结果确定二维码在所述二维码图像信息的区域。

优选地，所述预处理模块包括：

信息读取单元：用于读取所述二维码图像信息；

定位单元：用于对所述二维码图像信息进行定位处理，获取二维码图像信息定位结果；

分块及标注单元：用于对所述二维码图像信息定位结果进行分块及标注处理；

量化处理单元：用于对分块及标注后的二维码图像信息进行图像向量化处理，输出处理结果。

优选地，所述训练模型的训练学习步骤包括：

读入待学习的二维码图像信息的分块、标注和向量化信息；

调整训练参数，使训练模型采用所述训练参数收敛到局部最优

采用所述训练参数多所述待学习的二维码图像信息的分块、标注和向量化信息进行训练学习，输出学习后的训练模型。

优选地，所述定位模块包括：

信息读入单元：用于读入待定位二维码图像信息的分块、标注和向量化信息；