二维码识别方法、装置及电子设备制造方法及图纸

本申请实施例提供了二维码识别方法、装置及电子设备，该方法包括：获取二维码图像；利用关键点检测网络确定二维码图像中的每一个关键点的位置，关键点检测网络为神经网络；基于每一个关键点的位置，确定二维码图像中的数据区域的位置；从数据区域获取二维码编码信息，以及对所述二维码编码信息进行解码，得到二维码识别结果。提升在复杂识别情况下的二维码识别率，并且提升二维码的识别的鲁棒性。

Two dimensional code identification method, device and electronic equipment

【技术实现步骤摘要】
二维码识别方法、装置及电子设备
本申请涉及二维码领域，具体涉及二维码识别方法、装置及电子设备。
技术介绍
二维码作为一种信息载体，广泛用于移动支付、定位等领域。目前通常采用的对二维码进行的识别方式为：定位图像中的二维码，采用角点和线段检测算法检测二维码中的线段、角点等，根据检测到的线段、角点，确定二维码中的数据区域位置，从数据区域获取二维码编码信息，对二维码编码信息进行解码，得到作为二维码识别结果的字符串。然而，在诸如二维码部分区域被遮挡、二维码部分区域磨损的复杂识别情况下，通过角点和线段检测算法检测二维码中的线段、角点的准确性较低或检测不到二维码中的线段、角点，导致无法准确地确定二维码图像中的数据区域，无法获取二维码的完整的二维码编码信息而得到二维码识别结果。
技术实现思路
为克服相关技术中存在的问题，本申请提供一种二维码识别方法、装置、电子设备。根据本申请实施例的第一方面，提供一种二维码识别方法，包括：获取二维码图像；利用关键点检测网络确定所述二维码图像中的每一个关键点的位置，所述关键点检测网络为神经网络；基于所述每一个关键点的位置，确定所述二维码图像中的数据区域的位置；从所述数据区域获取二维码编码信息，以及对所述二维码编码信息进行解码，得到二维码识别结果。根据本申请实施例的第二方面，提供一种二维码识别装置，包括：二维码图像获取单元，被配置为：获取二维码图像；关键点确定单元，被配置为利用关键点检测网络确定所述二维码图像中的每一个关键点的位置，所述关键点检测网络为神经网络；数据区域确定单元，被配置为基于所述每一个关键点的位置，确定所述二维码图像中的数据区域的位置；识别结果生成单元，被配置为从所述数据区域获取二维码编码信息，以及对所述二维码编码信息进行解码，得到二维码识别结果。本申请实施例提供的二维码识别方法、装置，实现了利用关键点检测网络准确地确定二维码图像中的每一个关键点的位置。根据二维码图像中的关键点在二维码图像中的位置，准确地确定二维码图像中的数据区域的位置，从而，从数据区域获取完整的二维码编码信息并且对二维码编码信息进行解码，得到二维码识别结果。提升在复杂识别情况下的二维码识别率，并且提升二维码的识别的鲁棒性。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。图1示出了本申请实施例提供的二维码识别方法的流程图；图2示出了利用关键点检测网络确定关键点的位置的一个流程图；图3示出了二维码图像的示意图；图4示出了本申请实施例提供的二维码识别装置的结构框图；图5示出了本申请实施例提供的电子设备的结构框图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出了本申请实施例提供的二维码识别方法的流程图，该方法包括：步骤101，获取二维码图像。在本申请中，采集到的图像包括二维码图像。在进行二维码识别之前，首先由终端上的摄像头采集包括二维码的图像。二维码为包括二维码编码信息的图像，二维码也可称之为二维码图像。在本申请一些实施例中，可以采用边缘检测算法Sobel算法、Canny算法检测在采集到的图像中的二维码图像的边缘，确定采集到的图像中的二维码图像占据的区域，然后，根据确定的采集到的图像中的二维码图像占据的区域，从采集到的图像中提取出二维码图像，从而，获取二维码图像。在另一些实施例中，获取二维码图像包括：利用二维码检测网络确定采集到的图像中的二维码图像占据的区域，二维码检测网络为神经网络；基于确定的区域，从采集到的图像中提取出二维码图像。从而，利用二维码检测网络确定采集到的图像中的二维码图像占据的区域，准确地确定二维码图像占据的区域。在本申请中，可以利用二维码检测网络确定二维码图像占据的区域。在利用二维码检测网络确定二维码图像占据的区域之后，可以基于确定出的二维码图像占据的区域，从采集到的图像中提取出二维码图像。在本申请中，二维码检测网络包括卷积神经网络。二维码检测网络中的卷积神经网络可以用于：提取采集到的图像的与二维码图像占据的区域相关的特征；基于提取的特征，生成多个检测信息。每一个检测信息分别属于一个检测框。检测信息包括：检测框的坐标信息、检测框的得分。检测框的形状可以为矩形。检测框的得分指示检测框占据的区域为二维码图像占据的区域的概率。检测框的坐标信息包括：检测框的每一个角点在采集到的图像中的坐标。对于每一个检测框，可以根据检测框的坐标信息，确定检测框占据的区域。在本申请中，二维码检测网络中的卷积神经网络可以为采用FPN(FeaturePyramidNetwork)架构的卷积神经网络。在采用FPN架构的卷积神经网络中，对于每一个检测框，可以计算出检测框的多个相对得分，根据该检测框的多个相对得分，得到检测框的得分。在本申请中，二维码检测网络中可以包括二维码图像区域确定单元。在得到多个检测信息之后，二维码图像区域确定单元可以基于得分最高的检测框占据的区域，确定二维码图像占据的区域。在二维码检测网络的精度较高的情况下，通常得分最高的检测框占据的区域为二维码图像占据的区域。换言之，得分最高的矩形检测框为二维码图像的轮廓。可以将得分最高的检测框占据的区域直接作为二维码图像占据的区域。二维码图像区域确定单元也可以根据二维码图像的边界区域中的像素的特征，确定二维码图像在上、下、左、右中的一个或多个方向上的边界，同时，结合二维码图像为矩形图像、二维码图像的尺寸等特征，可以确定二维码图像占据的区域，从而，在得分最高的检测框包围二维码图像并且得分最高的检测框占据的区域略大于二维码图像占据的区域的情况下，确定二维码图像占据的区域。在本申请中，在利用二维码检测网络确定采集到的图像中的二维码图像占据的区域之前，可以预先以深度学习方式对二维码检测网络中的卷积神经网络进行训练。在本申请中，用于对二维码检测网络进行训练的每一个训练样本为一个包括二维码的图像。对于每一个作为训练样本的包括二维码的图像，可以对作为训练样本的包括二维码的图像进行标注，得到作为训练样本的包括二维码的图像的标注信息。作为训练样本的包括二维码的图像的标注信息可以为二维码的角点在作为训练样本的包括二维码的图像中的坐标。在本申请中，在每一次对二维码检测网络中的卷积神经网络的训练过程中，分别将多个作为训练样本的包括二维码的图像输入到二维码检测网络中训练该二维码检测网络。每个训练样本输入到二维码检测网络后，该二维码检测网络可以得到多个预测出的检测信息。本文档来自技高网...

【技术保护点】
1.一种二维码识别方法，其特征在于，所述方法包括：/n获取二维码图像；/n利用关键点检测网络确定所述二维码图像中的每一个关键点的位置，所述关键点检测网络为神经网络；/n基于所述每一个关键点的位置，确定所述二维码图像中的数据区域的位置；/n从所述数据区域获取二维码编码信息，以及对所述二维码编码信息进行解码，得到二维码识别结果。/n

【技术特征摘要】
1.一种二维码识别方法，其特征在于，所述方法包括：
获取二维码图像；
利用关键点检测网络确定所述二维码图像中的每一个关键点的位置，所述关键点检测网络为神经网络；
基于所述每一个关键点的位置，确定所述二维码图像中的数据区域的位置；
从所述数据区域获取二维码编码信息，以及对所述二维码编码信息进行解码，得到二维码识别结果。


2.根据权利要求1所述的方法，其特征在于，所述关键点包括：所述二维码图像中的位置探测图形的角点。


3.根据权利要求1或2所述的方法，其特征在于，获取二维码图像包括：
利用二维码检测网络确定采集到的图像中的二维码图像占据的区域，所述二维码检测网络为神经网络；
基于确定的区域，从所述图像中提取出所述二维码图像。


4.根据权利要求1-3中任意一项所述的方法，其特征在于，利用关键点检测网络确定所述二维码图像中的每一个关键点的位置包括：
对所述二维码图像进行特征提取，得到目标特征图；
基于目标特征图，生成每一个关键点对应的热力图；
基于每一个关键点对应的热力图，确定每一个关键点的位置，每一个关键点对应的热力图包括所述关键点在所述二维码图像中的每一个预测位置对应的概率。


5.根据权利要求4所述的方法，其特征在于，所述对所述二维码图像进行特征提取，得到目标特征图包括：
利用卷积处理单元对所述二维码图像进行卷积处理，得到第一特征图；利用反卷积处理单元对所述第一特征图进行反卷积处理，得到第二特征图；将所述第二特征图作为所述目标特征图。


6.根据权利要求5所述的方法，其特征在于，所述利用反卷积处理单元对所述第一特征图进行反卷积处理，得到第二特征图包括：
对于所述反卷积处理单元中的每一个反卷积层，将反卷积层输出的特征图与反卷积层对应的卷积层输出的特征图进行特征融合，得到反卷积层对应的融合特征图，其中，反卷积处理单元中的第一...

【专利技术属性】
技术研发人员：刘志康，张弛，
申请(专利权)人：北京迈格威科技有限公司，
类型：发明
国别省市：北京;11