[发明专利]一种基于宽度学习的QR码图像检测方法

权利要求书

1.一种基于宽度学习的QR码图像检测方法，其特征在于，包括：

输入含有QR码的图片和不含QR码的图片作为原始图片；

分别对含有QR码的图片和不含QR码的图片做不同的标记；

对原始图片进行灰度化和二值化的预处理；

利用QR码寻像图形的图形轮廓特征从预处理后的原始图片中筛选出含有类似QR码寻像图形的图形轮廓的目标图片；

将目标图片作为宽度学习模型的输入，利用宽度学习模型进行训练，建立QR码检测模型；

利用所述QR码检测模型判断待检测图片是否含有QR码；

所述将目标图片作为宽度学习模型的输入，利用宽度学习模型进行训练，建立QR码检测模型，包括：

将目标图片转换成矩阵的形式，构建宽度学习模型的输入矩阵；

将输入矩阵经过线性运算得到由特征点构成的矩阵，将特征点经过非线性运算得到由增强点构成的矩阵，利用由特征点构成的矩阵和由增强点构成的矩阵构建宽度学习模型的中间层；

利用原始图片上的标记种类构建宽度学习模型的输出矩阵。

2.根据权利要求1所述的一种基于宽度学习的QR码图像检测方法，其特征在于：采用不同的二进制数分别对含有QR码的图片和不含QR码的图片做标记。

3.根据权利要求1所述的一种基于宽度学习的QR码图像检测方法，其特征在于，所述对原始图片进行灰度化和二值化的预处理，包括：

将原始图片的图像转换成灰度图像；

采用局部自适应阈值的方式将灰度图像转换成二值化图像；

对二值化图像进行滤波和去噪。

4.根据权利要求1所述的一种基于宽度学习的QR码图像检测方法，其特征在于：所述图形轮廓特征为：含有一个轮廓，该轮廓外部没有其他轮廓包围、内部只嵌套两个其他轮廓。

5.根据权利要求1所述的一种基于宽度学习的QR码图像检测方法，其特征在于，所述将目标图片转换成矩阵的形式，构建宽度学习模型的输入矩阵，包括：

将单张目标图片转换成一维行向量；

利用转换后的多张目标图片构建二维矩阵。

6.根据权利要求1所述的一种基于宽度学习的QR码图像检测方法，其特征在于：所述输出矩阵为二维矩阵，所述输出矩阵的行向量为原始图片上的标记种类，所述输出矩阵的行数等于输出的图片数量。

7.一种基于宽度学习的QR码图像检测系统，其特征在于，包括：

输入单元，用于输入原始图片；

标记单元，用于分别对含有QR码的图片和不含QR码的图片做不同的标记；

预处理单元，用于对原始图片进行灰度化和二值化；

筛选单元，用于利用QR码寻像图形的图形轮廓特征从预处理后的原始图片中筛选出含有类似QR码寻像图形的图形轮廓的目标图片；

模型构建单元，用于将目标图片作为宽度学习模型的输入，利用宽度学习模型进行训练，建立QR码检测模型；

其中，所述将目标图片作为宽度学习模型的输入，利用宽度学习模型进行训练，建立QR码检测模型，包括：

将目标图片转换成矩阵的形式，构建宽度学习模型的输入矩阵；

将输入矩阵经过线性运算得到由特征点构成的矩阵，将特征点经过非线性运算得到由增强点构成的矩阵，利用由特征点构成的矩阵和由增强点构成的矩阵构建宽度学习模型的中间层；

利用原始图片上的标记种类构建宽度学习模型的输出矩阵。

8.一种基于宽度学习的QR码图像检测装置，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1－6任一项所述的方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1－6任一项所述的方法。