[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

说明书

本发明公开了一种深度学习与形状检测相结合的二维码定位方法及系统；该方法包括样本图像采集模块、样本图像标注模块、深度学习模块、测试图像采集模块、二维码候选区域提取模块、二维码候选区域精确定位模块、二维码码片提取模块；在复杂光源环境下采集大量Datamatrix码样本图像，然后人工对其进行样本标注，再对该样本集进行深度学习，获得二维码候选区域提取器，接下来就可以采集测试图像，通过前面获得的二维码候选区域提取器，来提取被测二维码图像中可能存在的二维码区域，再对该区域进行形状检测实现精确定位，最后通过解码算法，完成二维码码片信息的提取；本发明不仅稳定，而且效率高，同时准确率高。

技术领域

本发明属于机器视觉检测技术领域，具体涉及一种深度学习与形状检测相结合的二维码定位方法

背景技术

在工业领域，利用二维码对工业产品及零部件进行标识，实现对产品及零部件的生成追踪、装配管理、生命周期维护等功能，已经成为自动化工业的行业标准。其中DataMatrix(DM)二维码因其优秀的数据压缩能力和强大的纠错能力受到工业及物流行业的青睐。与食品、药品和其他消费类产品的包装用二维码不同，工业二维码的应用环境通常比较恶劣，二维码的识别通常伴随着噪声、过曝、磨损、污染等问题。因此针对复杂背景的DM码定位算法具有重要意义和迫切的市场需求。

但是现有的Datamatrix二维码定位系统存在耗时长、复杂环境下无法识别和准确率低等缺点。

发明内容

1、发明目的。

本发明提供耗时短、定位准确率高且稳定的一种深度学习与形状检测相结合的二维码定位方法及系统。

2、本发明所采用的技术方案。

本发明公开了一种深度学习与形状检测相结合的二维码定位方法，具体步骤为：

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。

更进一步，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。

更进一步，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。

更进一步，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。