[发明专利]基于深度神经网络的条形码检测方法及装置

权利要求书

1.一种基于深度神经网络的条形码检测方法，其特征在于，包括：

将获取到的待检测图像输入至训练好的深度神经网络模型，输出所述待检测图像中的条形码的预测边界框；

所述预测边界框用于表示初步预测的条形码位置和旋转角度；

根据所述预测边界框，确定目标检测图像区域，所述目标检测图像区域是所述待检测图像的一部分，并且包含所述条形码；

其中，所述根据所述预测边界框，确定目标检测图像区域，具体为：

以所述预测边界框为中心向外扩展，扩展为所述预测边界框的若干倍，将扩展后的图像区域作为所述目标检测图像区域；

基于所述目标检测图像区域，获取所述条形码的最终边界框；

所述基于所述目标检测图像区域，获取所述条形码的最终边界框，具体为：

对所述目标检测图像区域进行边缘点提取，获取边缘点；

对所述边缘点进行分类并拟合，获取所述条形码的最终边界框。

2.根据权利要求1所述的方法，其特征在于，所述对所述目标检测图像区域进行边缘检测之前，还包括：

依次、分别对所述目标检测图像区域进行滤波处理、灰度化处理和梯度化处理。

3.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含第一神经网络和第二神经网络；其中，所述第一神经网络，用于回归出所述待检测图像中的条形码的预测边界框的位置；所述第二神经网络，用于回归出所述待检测图像中的条形码的预测边界框的旋转角度。

4.根据权利要求1所述的方法，其特征在于，所述获取所述训练好的深度神经网络模型的具体步骤如下：

获取训练数据集；

将所述训练数据集输入至所述深度神经网络模型，输出所述深度神经网络模型的预设参数值；

将所述预设参数值带入所述深度神经网络模型，获取所述训练好的深度神经网络模型。

5.根据权利要求4所述的方法，其特征在于，所述训练数据集包含第三方数据集和/或手动收集的数据集。

6.一种基于深度神经网络的条形码检测装置，其特征在于，包括：

预测模块，用于将获取到的待检测图像输入至训练好的深度神经网络模型，输出所述待检测图像中的条形码的预测边界框；所述预测边界框用于表示初步预测的条形码位置和旋转角度；

确定模块，用于根据所述预测边界框，确定目标检测图像区域，所述目标检测图像区域是所述待检测图像的一部分，并且包含所述条形码；其中，所述根据所述预测边界框，确定目标检测图像区域，具体为：

以所述预测边界框为中心向外扩展，扩展为所述预测边界框的若干倍，将扩展后的图像区域作为所述目标检测图像区域；

检测模块，用于基于所述目标检测图像区域，获取所述条形码的最终边界框；所述基于所述目标检测图像区域，获取所述条形码的最终边界框，具体为：

对所述目标检测图像区域进行边缘点提取，获取边缘点；

对所述边缘点进行分类并拟合，获取所述条形码的最终边界框。

7.一种用于基于深度神经网络的条形码检测的电子设备，其特征在于，包括：

存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至5任一所述的方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一所述的方法。