[发明专利]二维码检测方法、装置及系统

说明书

本发明提供了一种二维码检测方法、装置及系统，涉及图像处理技术领域，该方法包括：获取待检测图像；待检测图像中包含有二维码；将待检测图像输入至预先训练得到的检测模型；其中，检测模型包括卷积神经网络；通过检测模型对待检测图像进行检测，得到检测结果；检测结果包括二维码在待检测图像中的位置信息。本发明可以有效提高二维码检测的鲁棒性。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种二维码检测方法、装置及系统。

背景技术

二维码(2-Dimensional Bar Code)又称二维条码，主要是通过某种特定的几何图形按照一定规律对信息进行编码，这种编码方式可以使二维码存储有较为丰富的数据。现有技术中可利用图像采集设备或者光电扫描设备检测二维码，并进一步识别二维码所包含的信息。

现有技术中通常是采用模板匹配法对采集到的包含有二维码的图像进行检测，以确定二维码在图像中的具体位置。然而这种方式容易受到二维码检测环境的影响，经常出现二维码检测失败的问题。诸如，二维码自身面积较小、二维码出现畸变、二维码不完整、二维码上有污损等检测环境较差的情况下都会导致二维码的检测难度增加，也即，现有的二维码检测方式的鲁棒性较差。

发明内容

有鉴于此，本发明的目的在于提供一种二维码检测方法、装置及系统，可以有效提高二维码检测的鲁棒性。

第一方面，本发明实施例提供了一种二维码检测方法，包括：获取待检测图像；所述待检测图像中包含有二维码；将所述待检测图像输入至预先训练得到的检测模型；其中，所述检测模型包括卷积神经网络；通过所述检测模型对所述待检测图像进行检测，得到检测结果；所述检测结果包括所述二维码在所述待检测图像中的位置信息。

进一步，所述检测模型包括依次连接的浅层特征提取网络、深层特征提取网络和全连接网络；其中，所述通过所述检测模型对所述待检测图像进行检测，得到检测结果的步骤，包括：通过所述浅层特征提取网络对所述待检测图像进行初步特征提取，得到所述待检测图像的特征图；通过所述深层特征提取网络提取所述待检测图像的全局特征和局部特征；通过所述全连接网络基于所述全局特征和所述局部特征确定二维码在所述待检测图像中的位置信息。

进一步，所述深层特征提取网络包括全局特征提取子网络和局部特征提取子网络；所述通过所述深层特征提取网络提取所述待检测图像的全局特征和局部特征的步骤，包括：通过所述全局特征提取子网络提取所述特征图的全局特征；通过所述局部特征提取子网络提取所述特征图上的感兴趣区域，并基于所述感兴趣区域和所述全局特征得到所述特征图的局部特征。

进一步，所述局部特征提取子网络包括依次连接的感兴趣区域提取层和池化层；所述池化层还与所述全局特征提取子网络连接；所述感兴趣区域提取层用于提取所述特征图上的多个感兴趣区域；所述池化层用于根据所述感兴趣区域提取层提取的多个所述感兴趣区域以及所述全局特征提取子网络提取的所述全局特征，得到所述特征图的多个局部特征。

进一步，所述感兴趣区域提取层包括多个提取组，每个提取组用于提取所述特征图上的一个感兴趣区域；且每个提取组包括卷积层和/或全连接层。

进一步，所述全连接网络包括多个全连接层，所述全连接网络包括的全连接层的数量与所述提取组的数量相同；所述通过所述全连接网络基于所述全局特征和所述局部特征确定二维码在所述待检测图像中的位置信息的步骤，包括：将所述全局特征和多个所述局部特征输入至所述全连接网络中的多个全连接层；不同的全连接层输入的局部特征不同，且每个全连接层均输入有全局特征；通过所述全连接网络中的每个全连接层对输入的所述全局特征和所述局部特征进行高层特征提取，基于提取的高层特征确定所述待检测图像中的位置信息。

进一步，所述检测模型的训练步骤包括：获取训练图像；将所述训练图像输入至所述检测模型中，计算得到所述检测模型的总损失函数值；基于所述总损失函数值，通过反向传播算法对所述检测模型的参数进行训练。