[发明专利]深度学习与形状检测相结合的二维码定位方法及系统

权利要求书

1.一种深度学习与形状检测相结合的二维码定位方法，其特征在于：

步骤1、在复杂光源环境下采集待测二维码图像，该图像通过深度学习获得的二维码候选区域提取器和梯度方向分组的改进霍夫变换二维码潜在图形定位算法来获得二维码候选轮廓；

步骤2、对其进行灰度投影的二维码铁道线判定，得出精确的二维码定位区域，进而快速进行二维码码片信息的获取；

步骤3、最后通过RS解码算法得到准确的二维码信息。

2.根据权利要求1所述的一种深度学习与形状检测相结合的二维码定位方法，其特征在于：步骤1中，二维码候选区域提取器获取大量样本图像，通过Faster-Rcnn卷积网络对样本图像中可能含有Datamatrix的区域进行检测，将被测图像分割为矩形ROI，对不同环境下含有二维码的图片进行人工标注，对标注后的图片进行Faster-Rcnn网络训练，获得一个鲁棒的二维码矩形ROI提取器。

3.根据权利要求2所述的一种深度学习与形状检测相结合的二维码定位方法，其特征在于：步骤1中，二维码候选轮廓获得，获取测试图像，通过二维码矩形ROI提取器对待检测图像进行运算，得到二维码矩形ROI区域，再对ROI矩形进行均值下采样得到图像金字塔，金字塔最高层进行3*3普利维特算子的卷积，得到梯度方向与梯度模值，对所得到的梯度方向进行直方图计算，选取直方图中每一个峰的梯度方向值在预设范围内所对应的像素点进行hough变换求取候选直线，对候选直线进行筛选，选取所有构成四边形的四条候选直线求出4个交点作为二维码候选轮廓。

4.根据权利要求1所述的一种深度学习与形状检测相结合的二维码定位方法，其特征在于：步骤2中，精确的二维码定位区域即二维码四个精确定位点获得，对所有二维码候选轮廓四边形的每一条边进行宽度适当的垂直灰度投影，计算以得到灰度变化波形，如发现相邻两条边的灰度投影波形的波峰波谷间距满足一定范围且跳变次数一致即认定该相邻两边为Datamatrix二维码的铁道线定位边，再检测另外两条边的灰度投影波形，平坦度在一定范围即可认为当前候选轮廓存在二维码，可以得出四条直线的交点即为二维码四个定位点，铁道线的灰度投影波峰波谷个数即为二维码位数。

5.根据权利要求1所述的一种深度学习与形状检测相结合的二维码定位方法，其特征在于：步骤3中，得到准确的二维码信息二维码解码模块，通过四个定位点以及二维码位数来对二维码划分网格点，计算每个网格内的平均灰度，对所有网格内的平均灰度进行OTSU二值化即可得到Datamatrix二维码的二进制码，查询Datamatrix协议对二维码内码片进行提取，经过纠错计算得到最终结果。