[发明专利]二维码的识别方法及装置

说明书

本发明实施例提供一种二维码的识别方法及装置，其中方法包括：将具有二维码的待识别图案输入预先训练的神经网络模型，获得所述神经网络模型输出的待识别图案中像素点位于二维码中的概率；根据所述像素点位于二维码中的概率，获得位于二维码中的像素点，计算所述位于二维码中的像素点的最小外接矩形，以获得所述待识别图案中的识别框；识别所述识别框框出的二维码，获得二维码识别结果。本发明实施例通过优化AdvancedEAST模型预测回归顶点坐标的方式，使得原本应用于文字检测，特别是长文本检测的AdvancedEAST模型能够准确识别正方形图案，从而增强二维码识别的鲁棒性和准确率。

技术领域

本发明涉及图像处理技术领域，更具体地，涉及二维码的识别方法及装置。

背景技术

二维码又称二维条码，常见的二维码为QR Code，QR全称Quick Response，是一个近几年来移动设备上超流行的一种编码方式，它比传统的Bar Code条形码能存更多的信息，也能表示更多的数据类型，因此被应用于信息获取、移动支付等场景中。

目前大部分二维码检测识别方法都是基于传统图像学和形态学的，这些方法是具有一定局限性的，例如只能识别黑白、高分辨率等特定的二维码。

发明内容

本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的二维码的识别方法及装置。

第一个方面，本发明实施例提供一种二维码的识别方法，包括：

将具有二维码的待识别图案输入预先训练的神经网络模型，获得所述神经网络模型输出的待识别图案中像素点位于二维码中的概率；

根据所述像素点位于二维码中的概率，获得位于二维码中的像素点，计算所述位于二维码中的所有像素点的最小外接矩形，以获得所述待识别图案中的识别框；

识别所述识别框框出的二维码，获得二维码识别结果；

其中，所述神经网络模型为改进的AdvancedEAST模型，所述改进的AdvancedEAST模型以具有二维码的样本图案作为标签，以样本图案中像素是否位于二维码中的标记结果作为样本标签；

所述改进的AdvancedEAST模型训练时计算的损失仅为score map参数的损失；所述score map参数用于表征像素点位于识别框内的概率。

进一步地，所述改进的AdvancedEAST模型的感受野为40～55。

进一步地，所述改进的AdvancedEAST模型的训练方法包括：

对所述改进的AdvancedEAST模型的超参数进行设置，获得多组具有不同的超参数组合的待训练的AdvancedEAST模型；

根据多组待训练的AdvancedEAST模型的训练效果，确定具有最优超参数组合的AdvancedEAST模型。

进一步地，所述超参数包括但不限于batch_size批尺寸、pixel_threshold内部点阈值、side_vertex_pixel_threshold内部头尾点的阈值和trunc_threshold头尾点取值范围。

进一步地，所述训练效果以预测的识别框边框和真实的识别框的交集和并集间的比值进行表征。

进一步地，所述根据所述像素点位于二维码中的概率，获得位于二维码中的像素点，计算所述位于识别框内的像素点的最小外接矩形，以获得所述待识别图案中的识别框，具体为：

将概率大于预设阈值的像素点作为位于二维码中的像素点；

确定包含所述二维码中的像素点的最小外接矩形，将所述最小外接矩形作为所述识别框。