CN104268498A - 一种二维码的识别方法及终端 - Google Patents

Abstract

本发明的实施例提供一种二维码的识别方法及终端，涉及电子技术领域，允许终端在更加宽松的条件下进行一个或多个二维码的识别，提高了二维码在复杂场景中的检测识别率。该方案包括：采集包含二维码的待识别图像；使用预置的分类器提取所述待识别图像中的FIP，所述分类器用于根据待识别图像的特征描述子识别FIP；根据所述FIP确定所述二维码的四个顶点，以确定所述待识别图像中的二维码的位置，以便于识别所述二维码的位置内的二维码。

Description

一种二维码的识别方法及终端

技术领域

本发明涉及电子技术领域，尤其涉及一种二维码的识别方法及终端。

背景技术

二维码(Two-dimensional code)，是用特定的几何图形按一定规律在二维方向上分布的黑白相间的图形，它使用若干个与二进制相对应的几何形体来表示文字数值信息，通过终端自动识读以实现信息自动处理。与一维码相比，二维码是一种比一维码更高级的条码格式，二维码在水平和垂直方向都可以存储信息，而且二维码能存储汉字、数字和图片等信息，因此二维码的应用领域要广得多。

QR(Quick Response)码是目前广泛应用的一种二维码，它具有识读速度快、数据密度大、占用空间小的优势，能有效地表示中国汉字、日本文字。每一个QR码中包含有三个FIP(finder pattern，位置探测图形)，且分别位于正方形的三个顶点上，像「回」字的正方图案，这3个FIP是供终端的解码软件作定位用的图案。在现有技术中，终端通过取景框获取待识别图像后，在该图像中根据二维码特有的黑白跳变规律搜索待识别图像内的FIP，当找到三个FIP后即定位了QR码的位置，进而通过终端的解码软件读取该QR码的位置内的数据信息。

然而，在上述二维码的识别过程中，要求终端的持有者在扫描二维码时将取景框对准待识别图像，并且要求该待识别图像中不包含二维码以外的其他内容，一旦在识别二维码时终端不能满足上述要求(即在复杂场景中)，便无法正确的识别上述待识别图像中的FIP，进而导致二维码的定位和识别失败。

发明内容

本发明的实施例提供一种二维码的识别方法及终端，允许终端在更加宽松的条件下进行一个或多个二维码的识别，提高了二维码在复杂场景中的检测识别率。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，本发明的实施例提供一种二维码的识别方法，包括：

采集包含二维码的待识别图像；

使用预置的分类器提取所述待识别图像中的位置探测图形FIP，所述分类器用于根据待识别图像的特征描述子识别FIP；

根据所述FIP确定所述二维码的四个顶点，以确定所述待识别图像中的二维码的位置，并对变形的二维码校正,以便于识别所述二维码的位置内的二维码。

结合第一方面，在第一方面的第一种可能的实现方式中，所述使用预置的分类器提取所述待识别图像中的FIP，包括：

提取所述待识别图像中的特征描述子；

根据所述特征描述子，使用预置的FIP分类器提取所述待识别图像中的FIP。

结合第一方面，在第一方面的第二种可能的实现方式中，所述根据所述FIP确定所述二维码的四个顶点，包括：

根据二维码的黑白跳变规律，以所述FIP为中心分别进行水平方向和垂直方向的探测，以过滤所述FIP中不满足黑白跳变规律的伪FIP；

根据三角形的几何位置关系将过滤后的FIP划分为FIP群组，以确定每个FIP群组所指示的二维码的四个顶点的位置，所述每个FIP群组包括三个FIP。

结合前述的第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式中，所述确定每个FIP群组所指示的二维码的四个顶点的位置，包括：

检测所述FIP群组内三个FIP的角点，形成FIP群组的角点集合；

根据所述角点集合以及所述角点集合内角点的几何位置关系，分别确定所述FIP群组所指示的二维码的四个顶点。

结合第一方面，在第一方面的第四种可能的实现方式中，在所述确定所述待识别图像中的二维码的位置之后，还包括：

根据所述二维码的四个顶点与预置的校正后的所述二维码的四个顶点的位置关系，计算所述二维码的透视矩阵系数；

根据所述透视矩阵系数，通过矩阵变换和线性插值法对所述二维码的位置内的二维码进行校正，以确定校正后所述二维码的灰度图像，以便于根据所述二维码的灰度图像识别所述二维码。

结合前述的第一方面的第四种可能的实现方式，在第一方面的第五种可能的实现方式中，在所述确定校正后所述二维码的灰度图像之后，还包括：

若校正后所述二维码的灰度图像不符合识别二维码内数据信息的参数标准，则过滤所述校正后的二维码的灰度图像。

结合第一方面，在第一方面的第六种可能的实现方式中，在所述采集包含二维码的待识别图像之前，还包括：

在预置的图库中提取二维码的FIP为正样本，不包含二维码的图像为负样本；

提取所述正样本和所述负样本的特征描述子，所述特征描述子至少包括哈尔特征或梯度直方图特征；

使用分类算法对所述正样本和所述负样本的特征描述子进行训练，生成所述分类器。

第二方面，本发明的实施例提供一种终端，包括：

采集单元，用于采集包含二维码的待识别图像；

提取单元，用于使用预置的分类器提取所述采集单元中的待识别图像中的位置探测图形FIP，所述分类器用于根据待识别图像的特征描述子识别FIP；

识别单元，用于根据所述提取单元中的FIP确定所述二维码的四个顶点，以确定所述待识别图像中的二维码的位置，以便于识别所述二维码的位置内的二维码。

结合第二方面，在第二方面的第一种可能的实现方式中，

所述提取单元，具体用于提取所述待识别图像中的特征描述子；根据所述特征描述子，使用预置的FIP分类器提取所述待识别图像中的FIP。

结合第二方面，在第二方面的第二种可能的实现方式中，

所述识别单元，具体用于根据二维码的黑白跳变规律，以所述FIP为中心分别进行水平方向和垂直方向的探测，以过滤所述FIP中不满足黑白跳变规律的伪FIP；根据三角形的几何位置关系将过滤后的FIP划分为FIP群组，以确定每个FIP群组所指示的二维码的四个顶点的位置，所述每个FIP群组包括三个FIP。

结合前述的第二方面的第二种可能的实现方式，在第二方面的第三种可能的实现方式中，

所述识别单元，具体用于检测所述FIP群组内三个FIP的角点，形成FIP群组的角点集合；根据所述角点集合以及所述角点集合内角点的几何位置关系，分别确定所述FIP群组所指示的二维码的四个顶点。

结合第二方面，在第二方面的第四种可能的实现方式中，所述终端还包括校正单元，其中，

所述校正单元，用于根据所述二维码的四个顶点与预置的校正后的所述二维码的四个顶点的位置关系，计算所述二维码的透视矩阵系数；根据所述透视矩阵系数，通过矩阵变换和线性插值法对所述二维码的位置内的二维码进行校正，以确定校正后所述二维码的灰度图像，以便于根据所述二维码的灰度图像识别所述二维码。

结合前述的第二方面的第四种可能的实现方式，在第二方面的第五种可能的实现方式中，所述终端还包括过滤单元，其中，

所述过滤单元，用于若校正后所述二维码的灰度图像不符合识别二维码内数据信息的参数标准，则过滤所述校正后的二维码的灰度图像。

结合第二方面，在第二方面的第六种可能的实现方式中，

所述提取单元，还用于在预置的图库中提取二维码的FIP为正样本，不包含二维码的图像为负样本；提取所述正样本和所述负样本的特征描述子，所述特征描述子至少包括哈尔特征或梯度直方图特征；使用分类算法对所述正样本和所述负样本的特征描述子进行训练，生成所述分类器。

本发明的实施例提供一种二维码的识别方法及终端，基于目标检测原理使用分类器对采集到的待识别图像提取FIP，进行对二维码的初步定位，进而根据所述FIP确定二维码的四个顶点，以精确定位该待识别图像中的二维码的位置，由于本方案采用的目标检测原理可以更方便的提取待识别图像提取FIP，不必像现有的二维码的待识别图像的采集过程中那样，必须要求取景框中的二维码占主体且二维码的背景简单，终端才能通过二维码的黑白跳变规律识别出FIP，所以本发明可以允许终端在更加宽松的条件下采集含有一个或多个二维码的待识别图像，另外，由于本发明在提取FIP后，根据FIP对二维码的位置进行两步法的精确定位，进一步提高了二维码在复杂场景中的检测识别率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种二维码的识别方法的示意图一；

图2为二维码中FIP的示意图；

图3为本发明实施例提供的一种二维码的识别方法的示意图二；

图4为本发明中计算二维码顶点位置的示意图；

图5为本发明实施例提供的一种终端的硬件示意图；

图6为本发明实施例提供的一种终端的结构示意图一；

图7为本发明实施例提供的一种终端的结构示意图二；

图8为本发明实施例提供的一种终端的结构示意图三。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、接口、技术之类的具体细节，以便透彻理解本发明。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

终端，可以是无线终端也可以是有线终端，无线终端可以是指向用户提供语音和/或数据连通性的设备，具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备。

实施例一

本发明的实施例提供一种二维码的识别方法，如图1所示，包括：

101、终端采集包含二维码的待识别图像；

102、终端使用预置的分类器提取待识别图像中的FIP，所述分类器用于根据待识别图像的特征描述子识别FIP；

103、终端根据FIP确定二维码的四个顶点，以确定待识别图像中的二维码的位置，以便于识别所述二维码的位置内的二维码。

具体的，在步骤101中，当用户需要通过终端识别二维码时，可是使用带有摄像头功能的终端采集包含二维码的待识别图像。

其中，二维码又称二维条码，它是用特定的几何图形按一定规律在平面(二维方向)上分布的黑白相间的图形，能在有限的空间内存储文字、图像、指纹、签名等信息。二维码的编码巧妙地利用了构成计算机内部逻辑基础的“0”、“1”比特流的概念，使用若干个与二进制相对应的几何形体来表示文字数值信息，通过终端的识别以实现信息自动处理。

二维码是一种比一维码更高级的条码格式。一维码只能在一个方向(一般是水平方向)上表达信息，而二维码在水平和垂直方向都可以存储信息。一维码只能由数字和字母组成，而二维码能存储汉字、数字和图片等信息，因此二维码的应用领域要广得多。在现代商业活动中，二维码可实现的应用十分广泛，如：产品防伪/溯源、广告推送、网站链接、数据下载、商品交易、定位/导航、电子凭证、车辆管理、信息传递、名片交流、wifi共享等。

然而，在现有技术中，用户在实现上述功能的过程中首先要扫描含有二维码的待识别图像，终端根据二维码特有的黑白跳变规律搜索待识别图像内的3个FIP，进而完成对整个二维码的定位和识别。在这一过程中，为了能准确对二维码定位和识别，要求用户在扫描二维码时将取景框准确的对准该待识别图像，且要求该待识别图像占据取景框的主体，并且要求在扫描二维码时不能出出现较大幅度的透视、扭曲形变等条件，一旦在识别二维码时终端不能满足上述条件，终端便无法识别所述待识别图像中的FIP，或者错误地识别出类似于FIP的伪FIP，进而导致二维码的定位和识别失败。

在步骤102中，当终端采集到包含二维码的待识别图像之后，终端可以根据待识别图像，使用预置的分类器提取待识别图像中的FIP，其中，所述分类器用于根据待识别图像的特征描述子识别FIP。

在二维码中，以QR码为例，在QR码的4个角落的其中3个，印有较小的像“回”字的正方图案，即FIP(Finder pattern)，如图2所示。这3个FIP是帮助解码软件定位的图案，满足一定的三角形的几何位置关系，例如，每一个QR码的3个FIP分别位于QR码的三个顶点上，构成等腰直角三角形。

另外，分类器(Classifier)是一种计算机程序，它的设计目标是在通过自动学习后，可自动将数据分到已知类别，在本发明中，终端预置的分类器用于根据待识别图像的特征描述子识别FIP。

具体的，在终端采集包含二维码的待识别图像之前，终端还可以在预置的图库中提取二维码的FIP为正样本，不包含二维码的图像为负样本；进而终端提取所述正样本和所述负样本的特征描述子，所述特征描述子至少包括哈尔特征(即Haar特征)或梯度直方图特征；最后，使用分类算法对所述正样本和所述负样本的特征描述子进行训练，生成所述分类器，可选的，可以具体采用AdaBoost分类算法对所述特征描述子进行训练，生成所述分类器。

因此，生成所述分类器后，在步骤102中，终端可以首先提取所述待识别图像中的特征描述子(哈尔特征或梯度直方图特征)；进而终端根据所述特征描述子，使用预置的FIP分类器提取所述待识别图像中的FIP。

在步骤103中，当终端提取到所述待识别图像中的FIP后，可以根据所述FIP确定所述二维码的四个顶点，以确定所述待识别图像中的二维码的位置。

具体的，当终端提取到所述待识别图像中的FIP后，对所述待识别图像中的二维码的位置进行了初步定位，然而，提取到的FIP可能因为拍摄条件、分类器的计算能力等因素的限制产生类似于FIP的伪FIP，因此，需要对已经提取到的FIP进行过滤，即对所述待识别图像中的二维码的位置进行精确定位。此时，终端可以根据二维码的黑白跳变规律，分别以提取到的各个FIP为中心分别进行水平方向和垂直方向的探测，以过滤所述FIP中不满足黑白跳变规律的伪FIP；再根据三角形的几何位置关系将过滤后的FIP划分为FIP群组，以确定每个FIP群组所指示的二维码的四个顶点的位置，所述每个FIP群组包括三个FIP。

进一步地，在确定每个FIP群组所指示的二维码的四个顶点的位置时，终端可以先检测所述FIP群组内三个FIP的角点，形成FIP群组的角点集合；再根据所述角点集合以及所述角点集合内角点的几何位置关系，分别确定所述FIP群组所指示的二维码的四个顶点，最终确定了所述待识别图像中的二维码的位置。

相应的，在步骤103中，终端根据提取到的多个FIP，还可以直接根据多个FIP的位置确定相应的多个二维码的四个顶点，进而确定出与多个二维码的四个顶点对应的多个二维码的区域进行识别，在终端识别二维码的区域的过程中，若二维码的区域内的灰度图像不符合识别二维码内数据信息的参数标准，则过滤所述二维码的区域，继续识别下一个二维码的区域。

例如，终端根据提取到的5个FIP，进而根据直角三角形的几何位置关系将所述5个FIP划分为第一FIP群组和第二FIP群组，每个FIP群组对应于3个FIP构成的直角三角型。此时，终端可以确定第一FIP群组所指示的二维码的四个顶点的位置，即第一二维码区域，以及第二FIP群组所指示的二维码的四个顶点的位置，即第二二维码区域，终端可以分别对上述两个二维码区域进行识别，若第一二维码区域内的灰度图像不符合识别二维码的黑白跳变规律，则将第一二维码区域过滤掉，继续识别下一个二维码区域。

再进一步地，当终端确定了所述待识别图像中的二维码的位置后，进一步对所述待识别图像中的二维码的位置内的二维码进行校正，以便于识别所述二维码内的数据信息。

具体的，终端可以根据所述二维码的四个顶点与预置的校正后的所述二维码的四个顶点的位置关系，计算所述二维码的透视矩阵系数；再根据所述透视矩阵系数，通过矩阵变换和线性插值法对所述二维码的位置内的二维码进行校正，以确定校正后所述二维码的灰度图像。另外，若校正后所述二维码的灰度图像不符合识别二维码内数据信息的参数标准，则过滤所述校正后的二维码的灰度图像，最终获取正确的二维码的灰度图像进行数据信息的识别。

本发明的实施例提供一种二维码的识别方法，基于目标检测原理使用分类器对采集到的待识别图像提取FIP，进行对二维码的初步定位，进而根据所述FIP确定二维码的四个顶点，以精确定位该待识别图像中的二维码的位置，由于本方案采用的目标检测原理可以更方便的提取待识别图像提取FIP，不必像现有的二维码的待识别图像的采集过程中那样，必须要求取景框中的二维码占主体且二维码的背景简单，终端才能通过二维码的黑白跳变规律识别出FIP，所以本发明可以允许终端在更加宽松的条件下采集含有一个或多个二维码的待识别图像，另外，由于本发明在提取FIP后，根据FIP对二维码的位置进行两步法的精确定位，进一步提高了二维码在复杂场景中的检测识别率。

实施例二

本发明的实施例提供一种二维码的识别方法，如图3所示，包括：

201、终端在预置的图库中提取二维码的FIP为正样本，不包含二维码的图像为负样本；

202、终端提取正样本和负样本的特征描述子，所述特征描述子至少包括哈尔特征或梯度直方图特征；

203、终端使用分类算法对正样本和负样本的特征描述子进行训练，生成分类器；

204、终端采集包含二维码的待识别图像；

205、终端使用预置的分类器提取待识别图像中的FIP，所述分类器用于根据待识别图像的特征描述子识别FIP；

206、终端根据FIP确定二维码的四个顶点，以确定待识别图像中的二维码的位置；

207、终端对待识别图像中的二维码的位置内的二维码进行校正，以便于识别二维码内的数据信息。

在步骤201中，当用户在采集包含二维码的待识别图像之前，终端需要预置相应的分类器，以实现二维码内FIP的提取。具体的，终端首先要在预置的图库中提取二维码的FIP为正样本，不包含二维码的图像为负样本。

具体的，研究中实际观测或调查的一部分个体称为样本(sample)，为了生成用于识别FIP的分类器，终端或计算机将图库中的所有图像作为样本，并将二维码的FIP作为为正样本，将不包含二维码的图像为负样本。

在步骤202中，在建立了正样本和负样本之后，终端提取所述正样本和负样本的特征描述子，所述特征描述子用于描述样本的特征属性，示例性的，所述特征描述子至少包括哈尔特征或梯度直方图特征。

其中，梯度直方图特征(HOG)特征是一种局部区域描述符它通过计算局部区域上的梯度方向直方图来构成特征，它能够很好地描述物体的边缘，且对光照变化和小量的偏移不敏感。

哈尔特征，也称为Haar特征，Haar特征可以分为三类：边缘特征、线性特征、中心特征和对角线特征，共同组合成特征模板。特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和，Haar特征值反映了图像的灰度变化情况。

在步骤203中，终端使用分类算法对正样本和负样本的特征描述子进行训练，生成分类器。

需要说明的是，通过执行步骤201至203获得的终端生成的分类器，也可以由计算机采集相应的计算机的图库中的正样本和负样本，进而使用分类算法对正样本和负样本的特征描述子进行训练生成，计算机生成所述分类器后，可以将所述分类器传输至终端，以便于终端使用所述分类器提取待识别图像中的FIP。

示例性的，可以选择AdaBoost分类算法对所述特征描述子进行训练，生成所述分类器。其中，Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器(强分类器)。Adaboost算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个样本的分类是否正确，以及上次的总体分类的准确率，来确定每个样本的权值。将修改过权值的新数据集送给下层分类器进行训练，最后将每次训练得到的分类器最后融合起来，作为最后的决策分类器。使用adaboost分类器可以排除一些不必要的训练数据特征，并将训练重点放在关键的训练数据上面。

在步骤204中，当终端建立好用于提取FIP的分类器后，用户可是使用带有摄像头功能的终端采集包含二维码的待识别图像。

特别地，由于本方案采用目标检测原理对二维码的位置进行两步法的精确定位，可以允许终端在更加宽松的条件下采集含有二维码的待识别图像，不必像现有的二维码的待识别图像的采集过程中那样，必须要求取景框中的二维码占主体且二维码的背景简单。

在步骤205中，当终端采集到包含二维码的待识别图像之后，终端可以根据待识别图像，使用预置的分类器提取待识别图像中的FIP，其中，所述分类器用于根据待识别图像的特征描述子识别FIP。

具体的，终端可以首先提取所述待识别图像中的特征描述子(哈尔特征或梯度直方图特征)；进而终端根据所述特征描述子，使用预置的FIP分类器提取所述待识别图像中的FIP。

可以看出，相较于现有技术中通过二维码特有的黑白跳变规律搜索待识别图像内的FIP，本发明中使用生成的分类器提取待识别图像中的FIP，可以降低对待识别图像的画面要求，提高FIP的识别率。

在步骤206中，当终端提取到所述待识别图像中的FIP后，可以根据所述FIP确定所述二维码的四个顶点，以确定所述待识别图像中的二维码的位置。

步骤204至205完成了对所述待识别图像中的二维码的位置的初步定位，即确定了所述待识别图像中的FIP的数量和位置。然而，提取到的FIP可能因为拍摄条件、分类器的计算能力等因素的限制产生类似于FIP的伪FIP，因此，需要对已经提取到的FIP进行过滤，即对所述待识别图像中的二维码的位置进行精确定位。

具体的，终端可以根据二维码的黑白跳变规律，分别以提取到的各个FIP为中心分别进行水平方向和垂直方向的探测，以过滤所述FIP中不满足黑白跳变规律的伪FIP；再根据三角形的几何位置关系将过滤后的FIP划分为FIP群组，示例性的，如图4所示，根据三角形两边之和大于第三边，两边之差小于第三边的几何位置关系，终端过滤不满足上述几何位置关系的FIP，得到一个FIP群组，即由1、2、3构成的第一FIP群组。

参考图4，在第一FIP群组内，终端可以采用Harris角点检测算法检测图4中三个FIP的所有角点，形成第一FIP群组的角点集合；进而，终端在第一FIP群组的角点集合内根据角点的几何位置关系获取如图4所示位置的三个顶点P1、P2、P3和两个角点C1、C2，最后，通过计算P1和C1所在直线和P2和C2所在直线的交点得到二维码的第4个顶点P4，至此，P1、P2、P3、P4即为二维码的四个顶点，从而确定了所述待识别图像中的二维码的位置。

在步骤207中，当终端确定了所述待识别图像中的二维码的位置后，进一步对所述待识别图像中的二维码的位置内的二维码进行校正，以便于识别所述二维码内的数据信息。

具体的，终端可以根据所述二维码的四个顶点与预置的校正后的所述二维码的四个顶点的位置关系，计算所述二维码的透视矩阵系数；再根据所述透视矩阵系数，通过矩阵变换和线性插值法对所述二维码的位置内的二维码进行校正，以确定校正后所述二维码的灰度图像。

示例性的，参考图4，终端内预置有校正后的所述二维码的四个顶点的位置P11、P22、P33、P44，根据已经确定的二维码的四个顶点P1、P2、P3、P4，建立方程组求解透视矩阵系数；假设校正后的所述二维码的四个顶点的位置P11、P22、P33、P44内的任一点Z像素的坐标为(x,y)，那么终端根据该透视矩阵系数，对(x,y)进行透视矩阵变换得到校正前P1、P2、P3、P4所确定的二维码内与Z对应的坐标Z1(x’,y’)，再对(x’,y’)用线性插值方法计算得到(x,y)的灰度值，这样一来，就可以得到校正后的二维码的灰度图像，进行数据信息的识别。

本发明的实施例提供一种二维码的识别方法，基于目标检测原理使用分类器对采集到的待识别图像提取FIP，进行对二维码的初步定位，进而根据所述FIP确定二维码的四个顶点，以精确定位该待识别图像中的二维码的位置，由于本方案采用的目标检测原理可以更方便的提取待识别图像提取FIP，不必像现有的二维码的待识别图像的采集过程中那样，必须要求取景框中的二维码占主体且二维码的背景简单，终端才能通过二维码的黑白跳变规律识别出FIP，所以本发明可以允许终端在更加宽松的条件下采集含有一个或多个二维码的待识别图像，另外，由于本发明在提取FIP后，根据FIP对二维码的位置进行两步法的精确定位，进一步提高了二维码在复杂场景中的检测识别率。

实施例三

如图5所示，为本发明的实施例提供一种终端的硬件示意图。

所述终端为具有摄像头的终端设备，可以是无线终端也可以是有线终端，例如手机终端，IPAD等，本实施例以手机终端作为终端举例说明：

如图5，所手机终端包括处理器01、收发器02、存储器03以及总线04。

其中，处理器01、收发器02和存储器03通过总线通信连接。

处理器01，是所述手机终端的控制中心，处理器01通过对收发器02接收到的数据进行处理，并调用存储器03中的软件或程序，执行所述手机终端的各项功能。

收发器02，可用于收发信息或采集图像的过程中，信号和数据的接收和发送，收发器02接收手机终端发送的信息后，给处理器01处理；另外，收发器02还可以通过无线通信与网络和其他设备通信。

存储器03，可用于存储软件程序，处理器01通过运行存储在存储器03的软件程序，从而执行所述手机终端的各种功能应用以及数据处理。

在本发明实施例中，所述收发器02采集包含二维码的待识别图像并发送至处理器01；所述处理器01调用所述存储器03中预置的分类器提取所述待识别图像中的FIP，所述分类器用于根据待识别图像的特征描述子识别FIP；所述处理器01根据所述FIP确定所述二维码的四个顶点，以确定所述待识别图像中的二维码的位置，以便于识别所述二维码的位置内的二维码。

进一步地，步骤所述处理器01调用所述存储器03中预置的分类器提取所述待识别图像中的FIP，可以具体包括：所述处理器01提取所述待识别图像中的特征描述子；并根据所述特征描述子，调用所述存储器03中预置的FIP分类器提取所述待识别图像中的FIP。

进一步地，步骤所述处理器01根据所述FIP确定所述二维码的四个顶点，可以具体包括：所述处理器01根据二维码的黑白跳变规律，以所述FIP为中心分别进行水平方向和垂直方向的探测，以过滤所述FIP中不满足黑白跳变规律的伪FIP；所述处理器01根据三角形的几何位置关系将过滤后的FIP划分为FIP群组，以确定每个FIP群组所指示的二维码的四个顶点的位置，所述每个FIP群组包括三个FIP。

进一步地，步骤确定每个FIP群组所指示的二维码的四个顶点的位置，可以具体包括：所述处理器01检测所述FIP群组内三个FIP的角点，形成FIP群组的角点集合；处理器01根据所述角点集合以及所述角点集合内角点的几何位置关系，分别确定所述FIP群组所指示的二维码的四个顶点。

进一步地，步骤所述处理器01确定所述待识别图像中的二维码的位置之后，还可以包括：处理器01根据所述二维码的四个顶点与预置的校正后的所述二维码的四个顶点的位置关系，计算所述二维码的透视矩阵系数；处理器01根据所述透视矩阵系数，通过矩阵变换和线性插值法对所述二维码的位置内的二维码进行校正，以确定校正后所述二维码的灰度图像，以便于根据所述二维码的灰度图像识别所述二维码。

进一步地，在步骤确定校正后所述二维码的灰度图像之后，还可以包括：若校正后所述二维码的灰度图像不符合识别二维码内数据信息的参数标准，所述处理器01则过滤所述校正后的二维码的灰度图像。

进一步地，在步骤所述收发器02采集包含二维码的待识别图像之前，还可以包括：所述处理器01通过收发器02在预置的图库中提取二维码的FIP为正样本，不包含二维码的图像为负样本；所述处理器01提取所述正样本和所述负样本的特征描述子，所述特征描述子至少包括哈尔特征或梯度直方图特征；所述处理器01使用分类算法对所述正样本和所述负样本的特征描述子进行训练，生成所述分类器。

本发明的实施例提供一种终端，基于目标检测原理使用分类器对采集到的待识别图像提取FIP，进行对二维码的初步定位，进而根据所述FIP确定二维码的四个顶点，以精确定位该待识别图像中的二维码的位置，由于本方案采用的目标检测原理可以更方便的提取待识别图像提取FIP，不必像现有的二维码的待识别图像的采集过程中那样，必须要求取景框中的二维码占主体且二维码的背景简单，终端才能通过二维码的黑白跳变规律识别出FIP，所以本发明可以允许终端在更加宽松的条件下采集含有一个或多个二维码的待识别图像，另外，由于本发明在提取FIP后，根据FIP对二维码的位置进行两步法的精确定位，进一步提高了二维码在复杂场景中的检测识别率。

实施例四

本发明的实施例提供一种终端，如图6所示，包括：

采集单元11，用于采集包含二维码的待识别图像；

提取单元12，用于使用预置的分类器提取所述采集单元11中的待识别图像中的位置探测图形FIP，所述分类器用于根据待识别图像的特征描述子识别FIP；

识别单元13，用于根据所述提取单元12中的FIP确定所述二维码的四个顶点，以确定所述待识别图像中的二维码的位置，以便于识别所述二维码的位置内的二维码。

进一步地，所述提取单元12，具体用于提取所述待识别图像中的特征描述子；根据所述特征描述子，使用预置的FIP分类器提取所述待识别图像中的FIP。

进一步地，所述识别单元13，具体用于根据二维码的黑白跳变规律，以所述FIP为中心分别进行水平方向和垂直方向的探测，以过滤所述FIP中不满足黑白跳变规律的伪FIP；根据三角形的几何位置关系将过滤后的FIP划分为FIP群组，以确定每个FIP群组所指示的二维码的四个顶点的位置，所述每个FIP群组包括三个FIP。

进一步地，所述识别单元13，具体用于检测所述FIP群组内三个FIP的角点，形成FIP群组的角点集合；根据所述角点集合以及所述角点集合内角点的几何位置关系，分别确定所述FIP群组所指示的二维码的四个顶点。

进一步地，如图7所示，所述终端还包括校正单元14，其中，

所述校正单元14，用于根据所述识别单元13中的二维码的四个顶点与预置的校正后的所述二维码的四个顶点的位置关系，计算所述二维码的透视矩阵系数；根据所述透视矩阵系数，通过矩阵变换和线性插值法对所述二维码的位置内的二维码进行校正，以确定校正后所述二维码的灰度图像，以便于根据所述二维码的灰度图像识别所述二维码。

进一步地，如图8所示，所述终端还包括过滤单元15，其中，

所述过滤单元15，用于若校正后所述二维码的灰度图像不符合识别二维码内数据信息的参数标准，则过滤所述校正后的二维码的灰度图像。

进一步地，所述提取单元12，还用于在预置的图库中提取二维码的FIP为正样本，不包含二维码的图像为负样本；提取所述正样本和所述负样本的特征描述子，所述特征描述子至少包括哈尔特征或梯度直方图特征；使用分类算法对所述正样本和所述负样本的特征描述子进行训练，生成所述分类器。

本发明的实施例提供一种终端，基于目标检测原理使用分类器对采集到的待识别图像提取FIP，进行对二维码的初步定位，进而根据所述FIP确定二维码的四个顶点，以精确定位该待识别图像中的二维码的位置，由于本方案采用的目标检测原理可以更方便的提取待识别图像提取FIP，不必像现有的二维码的待识别图像的采集过程中那样，必须要求取景框中的二维码占主体且二维码的背景简单，终端才能通过二维码的黑白跳变规律识别出FIP，所以本发明可以允许终端在更加宽松的条件下采集含有一个或多个二维码的待识别图像，另外，由于本发明在提取FIP后，根据FIP对二维码的位置进行两步法的精确定位，进一步提高了二维码在复杂场景中的检测识别率。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (14)

1.一种二维码的识别方法，其特征在于，包括：

采集包含二维码的待识别图像；

使用预置的分类器提取所述待识别图像中的位置探测图形FIP，所述分类器用于根据待识别图像的特征描述子识别FIP；

根据所述FIP确定所述二维码的四个顶点，以确定所述待识别图像中的二维码的位置，以便于识别所述二维码的位置内的二维码。

2.根据权利要求1所述的方法，其特征在于，所述使用预置的分类器提取所述待识别图像中的FIP，包括：

提取所述待识别图像中的特征描述子；

根据所述特征描述子，使用预置的FIP分类器提取所述待识别图像中的FIP。

3.根据权利要求1所述的方法，其特征在于，所述根据所述FIP确定所述二维码的四个顶点，包括：

根据二维码的黑白跳变规律，以所述FIP为中心分别进行水平方向和垂直方向的探测，以过滤所述FIP中不满足黑白跳变规律的伪FIP；

根据三角形的几何位置关系将过滤后的FIP划分为FIP群组，以确定每个FIP群组所指示的二维码的四个顶点的位置，所述每个FIP群组包括三个FIP。

4.根据权利要求3所述的方法，其特征在于，所述确定每个FIP群组所指示的二维码的四个顶点的位置，包括：

检测所述FIP群组内三个FIP的角点，形成FIP群组的角点集合；

根据所述角点集合以及所述角点集合内角点的几何位置关系，分别确定所述FIP群组所指示的二维码的四个顶点。

5.根据权利要求1所述的方法，其特征在于，在所述确定所述待识别图像中的二维码的位置之后，还包括：

根据所述二维码的四个顶点与预置的校正后的所述二维码的四个顶点的位置关系，计算所述二维码的透视矩阵系数；

根据所述透视矩阵系数，通过矩阵变换和线性插值法对所述二维码的位置内的二维码进行校正，以确定校正后所述二维码的灰度图像，以便于根据所述二维码的灰度图像识别所述二维码。

6.根据权利要求5所述的方法，其特征在于，在所述确定校正后所述二维码的灰度图像之后，还包括：

若校正后所述二维码的灰度图像不符合识别二维码内数据信息的参数标准，则过滤所述校正后的二维码的灰度图像。

7.根据权利要求1所述的方法，其特征在于，在所述采集包含二维码的待识别图像之前，还包括：

在预置的图库中提取二维码的FIP为正样本，不包含二维码的图像为负样本；

提取所述正样本和所述负样本的特征描述子，所述特征描述子至少包括哈尔特征或梯度直方图特征；

使用分类算法对所述正样本和所述负样本的特征描述子进行训练，生成所述分类器。

8.一种终端，其特征在于，包括：

采集单元，用于采集包含二维码的待识别图像；

提取单元，用于使用预置的分类器提取所述采集单元中的待识别图像中的位置探测图形FIP，所述分类器用于根据待识别图像的特征描述子识别FIP；

识别单元，用于根据所述提取单元中的FIP确定所述二维码的四个顶点，以确定所述待识别图像中的二维码的位置，以便于识别所述二维码的位置内的二维码。

9.根据权利要求8所述的终端，其特征在于，

所述提取单元，具体用于提取所述待识别图像中的特征描述子；根据所述特征描述子，使用预置的FIP分类器提取所述待识别图像中的FIP。

10.根据权利要求8所述的终端，其特征在于，

所述识别单元，具体用于根据二维码的黑白跳变规律，以所述FIP为中心分别进行水平方向和垂直方向的探测，以过滤所述FIP中不满足黑白跳变规律的伪FIP；根据三角形的几何位置关系将过滤后的FIP划分为FIP群组，以确定每个FIP群组所指示的二维码的四个顶点的位置，所述每个FIP群组包括三个FIP。

11.根据权利要求10所述的终端，其特征在于，

所述识别单元，具体用于检测所述FIP群组内三个FIP的角点，形成FIP群组的角点集合；根据所述角点集合以及所述角点集合内角点的几何位置关系，分别确定所述FIP群组所指示的二维码的四个顶点。

12.根据权利要求8所述的终端，其特征在于，所述终端还包括校正单元，其中，

所述校正单元，用于根据所述二维码的四个顶点与预置的校正后的所述二维码的四个顶点的位置关系，计算所述二维码的透视矩阵系数；根据所述透视矩阵系数，通过矩阵变换和线性插值法对所述二维码的位置内的二维码进行校正，以确定校正后所述二维码的灰度图像，以便于根据所述二维码的灰度图像识别所述二维码。

13.根据权利要求12所述的终端，其特征在于，所述终端还包括过滤单元，其中，

所述过滤单元，用于若校正后所述二维码的灰度图像不符合识别二维码内数据信息的参数标准，则过滤所述校正后的二维码的灰度图像。

14.根据权利要求8所述的终端，其特征在于，

所述提取单元，还用于在预置的图库中提取二维码的FIP为正样本，不包含二维码的图像为负样本；提取所述正样本和所述负样本的特征描述子，所述特征描述子至少包括哈尔特征或梯度直方图特征；使用分类算法对所述正样本和所述负样本的特征描述子进行训练，生成所述分类器。