[发明专利]一种基于全局优化的Code128条码自动识读方法在审
申请号: | 202010170884.0 | 申请日: | 2020-03-12 |
公开(公告)号: | CN111368576A | 公开(公告)日: | 2020-07-03 |
发明(设计)人: | 曾欣科;贾可;王奥;邓超;李佩玮 | 申请(专利权)人: | 成都信息工程大学 |
主分类号: | G06K7/14 | 分类号: | G06K7/14;G06F40/126 |
代理公司: | 成都君合集专利代理事务所(普通合伙) 51228 | 代理人: | 尹新路 |
地址: | 610225 四川省成都*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 全局 优化 code128 条码 自动 方法 | ||
1.一种基于全局优化的Code128条码自动识读方法,其特征在于:主要包括依次进行的以下步骤:
步骤(1)对每一个字符计算出其可能为1到4的四个概率值{p1,p2,p3,p4};
步骤(2)利用公式wi=log pi将概率值pi变换为信息熵的表达方式,将步骤(1)中计算出的每个字符的四个概率值求取最大概率的乘积计算等价变换成求取最大信息熵的加和计算:
步骤(3)采用全局概率优化的方式得到其最大概率可能对应的字元;
步骤(4)依据步骤(3)在最大全概率条件下的所有数据位取值,对应Code128编码表,译出相应条码编码信息;
所述步骤(3)中采用的全局概率优化的方式主要包括依次进行的以下步骤:
步骤(3-1)根据Code128编码表手动设计一个24×107的稀疏权重矩阵G,其中每一列对应一个字元,每一列的24个数据元素均分为6个单元,对应于6个字符,每个单元中均含有4个数据元素分别对应于该字符四个可能的取值;当第i位字符按编码规则取值为j时,其在第4i+j列中对应字符的对应数据元素取值为1,否则为0,因此对于权重矩阵G的每一列来说,均包含6个值为1的数据元素和其余18个值为0的数据元素;
步骤(3-2)将依概率求得的6个字符的各4个信息熵拼接记作一个24x1的向量将其与步骤(3-1)中所述权重矩阵G叉乘,得到1×107的向量U=WTG,则U中每一个数据元素均表达了对应于某一字元的信息熵,其中熵越大则表示取为对应字元的概率越高;
步骤(3-3)对向量U中的数据元素还原为概率并进行归一化处理后,再次变换为信息熵的形式;
所述步骤(3)中采用的全局概率优化的方式在步骤(3-3)得到信息熵后,采用全局概率优化的方式得到各字元包括校验位的最大概率对应取值,假设对于开始位+数据位+校验位共有N位字元的Code128条码,其全概率空间共有106N种可能的取值,使用以下的优化算法对其进行快速求解:
步骤(3-4)保持M种全局概率最大的候选情况,最终校验完成后再选取其中概率最大的一种,M为小于等于N的自然数;
步骤(3-5)从开始位的所有106个信息熵中选取最大的M个,按从大到小的顺序排列,记录其信息熵{S1,S2,…,SM}作为总信息熵,并记录对应字元与校验值{v1,v2,…,vM};
步骤(3-6)从数据位中的第一个字元开始,从当前位的所有106个信息熵中选取最大的M个,分别与记录的M个总信息熵交叉相加,并从这M2个值中选取最大的M个,按从大到小的顺序排列更新总信息熵{S1,S2,…,SM},加入并更新记录的对应字元序列,以及按Code128校验位计算规则更新校验值{v1,v2,…,vM},重复本步骤至遍历完所有数据位;
步骤(3-7)根据所记录的M个校验值{v1,v2,…,vM},按Code128校验位计算规则对103取模后,得到分别对应的M个校验字元,取得这M个校验字元的对应信息熵,加和到总信息熵{S1,S2,…,SM}之上;
步骤(3-8)从以上M个总信息熵中选取最大的一个,与人工设定的概率接受阈值相比较,小于阈值则触发拒识,否则从记录的对应字元序列中读取出从开始位到所有数据位的最大全概率对应取值。
2.根据权利要求1所述的一种基于全局优化的Code128条码自动识读方法,其特征在于:所述步骤(3)中的步骤(3-1)到步骤(3-3)及步骤(3-4)到步骤(3-8),还可以替换采用HMMs、MRFs、二部图、图割或TVL1优化的方式得到各字元包括校验位的最大概率对应取值。
3.根据权利要求1所述的一种基于全局优化的Code128条码自动识读方法,其特征在于:在进行所述Code128条码自动识读的步骤(1)之前还包括依次进行的以下步骤:
步骤a:利用传感器或摄像头采集条码图像;
步骤b:定位条形码。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都信息工程大学,未经成都信息工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010170884.0/1.html,转载请声明来源钻瓜专利网。