[发明专利]一种基于三维码和图像识别的离线识读方法及装置

权利要求书

1.一种基于三维码和图像识别的离线识读方法，其特征在于，包括以下步骤：

建立原始图像集合，收集复数张包含有待识别对像的原始图像放入原始图像集合中；

进行图像预处理，对所述原始图像集合中的每一张原始图像进行预处理，将原始图像调整成按需格式设置的图像素材并放入素材集合中；

进行图片重构，对所述素材集合中的每一张图像素材进行处理，获得每一张图像素材的像素矩阵，并提取像素矩阵中的特征矩阵，将每一图像素材中提取的特征矩阵存入向量集合中；同时通过卷积神经网络训练能够通过特征矩阵还原对应的图像素材的图像重构模型；

编制三维码，通过字符串对向量集合中的每一特征矩阵进行标识，得到字符串标识与特征矩阵的关系集合；对字符串标识以及与字符串关联的特征矩阵对应的图像素材进行编码，图像素材作为人眼可识别的视觉特征元素并在指定区域展示，字符串转化为码点，从而得到三维码；

训练图像识别模型，使用素材集合中的图像素材对深度学习网络模型进行训练，得到图像识别模型；

进行识读和验证，调取所述向量集合、关系集合、图像重构模型和图像识别模型，并导入三维码识别模块，对包含有三维码的图片进行识读和验证。

2.根据权利要求1所述的一种基于三维码和图像识别的离线识读方法，其特征在于，需识别的对像包括但不限于：人脸、物品和文字；所述原始图像在放入原始图像集合后还进行核验步骤，通过目标检测算法确认每一原始图像中包含有需识别的对象，将未检测到对象的原始图像移出原始图像集合。

3.根据权利要求1所述的一种基于三维码和图像识别的离线识读方法，其特征在于，所述将原始图像调整成按需格式设置的图像素材并放入素材集合中的步骤具体为：

通过目标检测算法，检测需识别的对象在原始图像中的位置，并作出能包含需识别的对象的最小矩形框；

以最小矩形框为中心，在原始图像中截取一个正方形，使正方形面积为最小矩形框面积的N倍；

将截取后的图像进行缩放，保存为所需大小及所需格式的图片放入素材集合中。

4.根据权利要求1所述的一种基于三维码和图像识别的离线识读方法，其特征在于，所述获得每一张图像素材的像素矩阵，并提取向量矩阵中的特征矩阵，将每一图像素材中提取的特征矩阵存入向量集合中的步骤具体为：

获取m*n阶的图像素材的像素矩阵A，根据公式对像素矩阵进行奇异值运算，获取矩阵U、∑和V^T；其中矩阵U是m×m阶酉矩阵；矩阵∑是半正定m×n阶对角矩阵；矩阵V^T是n×n阶酉矩阵；

通过主成分分析法从矩阵∑中提取K个奇异值，使得K个奇异值之和占所有奇异值之和的比重为P，根据K个奇异值的位置获得新的矩阵U₁、∑₁和V₁^T；

将矩阵U₁作为该图像素材的特征矩阵放入向量集合中。

5.根据权利要求4所述的一种基于三维码和图像识别的离线识读方法，其特征在于，所述通过卷积神经网络训练能够通过特征矩阵还原对应的图像素材的图像重构模型的步骤具体为：

使用卷积神经网络开发图像重构模型，使用∑₁和V₁^T作为模型的计算参数，构建重构图片公式U₁∑₁V₁^T＝A₁；

使用向量集合作为训练集，通过图像重构模型和重构图片公式计算重构图片的像素矩阵A₁，调整∑₁和V₁^T使得重构图片的像素矩阵A₁与对应图像素材的像素矩阵A的像素值之和最小；

保存调整后的∑₁和V₁^T，输出训练好的图像重构模型。