CN105868676A - 一种改进的二维码区域定位***及其定位方法 - Google Patents

Abstract

本发明公开了一种改进的二维码区域定位***，包括图像采集模块，用于采集图层信息；训练模块，使用图像采集模块采集到的样本图层作为输入信息，通过计算得到多个与样本图像相关的传递图层信息；特征提取模块，使用传递图层信息对图像采集模块采集图层的特征向量进行提取；特征分类模块，用于对图层的特征向量进行分类存储；识别模块，使用待识别图层特征向量的分类结果与样本图层特征向量的分类结果进行对比，判定待识别图层是否为二维码区域。本发明还公开了一种上述改进的二维码区域定位***的定位方法。本发明可以解决现有技术的不足，解决了现有方法存在的需要大量训练样本却又易陷入局部最优解的矛盾。

Description

一种改进的二维码区域定位***及其定位方法

技术领域

本发明涉及信息安全技术领域，尤其是一种改进的二维码区域定位***及其定位方法。

背景技术

近年来，随着互联网的发展和智能手机的普及，以及二维码在信息量和安全性方面的优势，二维码在信息传递、身份认证和移动支付等领域的应用越来越广泛。二维码应用时，先将带有摄像头的读取设备(如扫描枪或智能手机)对准二维码；读取设备对摄像头采集到的图像进行二维码区域定位，即找到图像中的二维码；截取定位成功的图像进行后续的图像处理和识别。

二维码区域定位的成功与否的影响因素主要有以下几个方面：

1、读取设备与二维码的距离，当距离为25cm～30cm时，定位成功率较高；

2、读取设备与二维码之间的角度，读取设备的采集面与二维码之间的夹角越接近0度，定位成功率越高；

3、二维码载体的空间形变，空间形变越小，定位成功率越高；

4、二维码在图像中的位置，越接近中央位置时，定位成功率越高；

5、二维码占据图像的比例，比例越大，定位成功率越高；

6、二维码所在图像的背景，背景越简单，与二维码对比度越高时，定位成功率越高。

现有的二维码区域定位方法无法在更深层次上对目标进行特征提取，难以在复杂环境中进行精确的定位。现有的二维码区域定位技术主要分为以下几类：

1、基于二维码指示符的区域定位技术，即通过寻找二维码的指示符进行区域定位。虽然基于指示符的定位技术是最直观的，但当图像信息受损，特别是指示符受损时，容易造成定位失败。

2、基于纹理特征的二维码区域定位技术，即通过提取二维码的纹理特征进行二维码区域定位。这类技术利用了二维码的全局特征，对于图像信息受损有一定的鲁棒性，但很难提取到适应性较强的二维码纹理特征。

3、基于频域特征的二维码区域定位技术，即通过将图像转换到频域，并提取二维码的频域特征进行区域定位。这类技术与基于纹理特征的技术类似，只是将特征从空域转到了频域。

4、基于机器学习的二维码区域定位技术，即通过机器学习的方法找出二维码区域与非二维码区域的分类器，进行二维码区域定位。这类技术需要大量的样本进行训练，而当样本量较大时，往往容易陷入局部最优解。

发明内容

本发明要解决的技术问题是提供一种改进的二维码区域定位***及其定位方法，能够解决现有技术的不足，解决了现有方法存在的需要大量训练样本却又易陷入局部最优解的矛盾。

为解决上述技术问题，本发明所采取的技术方案如下。

一种改进的二维码区域定位***，包括，

图像采集模块，用于采集图层信息；

训练模块，使用图像采集模块采集到的样本图层作为输入信息，通过计算得到多个与样本图像相关的传递图层信息；

特征提取模块，使用传递图层信息对图像采集模块采集图层的特征向量进行提取；

特征分类模块，用于对图层的特征向量进行分类存储；

识别模块，使用待识别图层特征向量的分类结果与样本图层特征向量的分类结果进行对比，判定待识别图层是否为二维码区域。

一种上述改进的二维码区域定位***的定位方法，包括以下步骤：

A、使用图像采集模块1采集训练用的样本图层信息，形成样本集；

B、训练模块2计算传递图层第j个节点为0或1的概率，

$P(y_j=1|x)={(1+e^{-{\Σ}_i{k}_{ij}{x}_i-a_j})}^{-1},$

其中，x为样本图层，y为传递图层，k为样本图层和传递图层之间的关联度；

C、训练模块2根据传递图层的信息计算样本图层第j个节点为0或1的概率，

$P\left(x\right|y^0)=\underset{i}{\Π}P\left(x_i\right|y),$

$P(x_i=1|y^0)={(1+e^{-{\Σ}_i{k}_{ij}{x}_i-b_i})}^{-1};$

D、训练模块2计算使L(δ)得值最大的δ，

$\mathrm{\δ}=\{k,a,b\},L\left(\mathrm{\δ}\right)=\frac{1}{N}{\mathrm{\Σ}}_{n=1}^N\log P_{\mathrm{\θ}}\left(x^{\left(n\right)}\right)-\frac{\mathrm{\λ}}{N}\left|\right|k|{|}_F^2,$

由δ计算出传递图层的信息；

E、以已知的传递图层作为传递图层，重复步骤B～D，得出若干个传递图层信息；

F、特征提取模块3使用传递图层信息对图像采集模块1采集图层的特征向量进行提取；

G、特征分类模块4对图层的特征向量进行分类存储；

H、将待识别图层带入步骤F和G中，得到待识别图层特征向量的分类结果，使用样本图层特征向量的分类结果与待识别图层特征向量的分类结果进行对比，判定待识别图层是否为二维码区域；若待识别图层是二维码区域则实现二维码区域的定位，若待识别图层不是二维码区域则重复步骤H，直至检测到二维码区域为止。

作为优选，步骤E中，对传递图层和样本图层进行调整。

作为优选，步骤F中，提取特征向量包括以下步骤，

F1、分别使用每个传递图层求出传递图层与目标图层之间的变换矩阵；

F2、求出每个变换矩阵的特征向量；

F3、提取其中线性不相关的特征向量作为目标图层的特征向量。

作为优选，步骤G中，对于特征向量分类包括以下步骤，

G1、求出目标图层灰度的特征矩阵，求出特征矩阵的特征向量；

G1、使用步骤F中求出的目标图层的每个特征向量与特征矩阵的特征向量进行对比，求取其相似度；

G3、根据相似度的高低将目标图层的特征向量分成10组～20组。

采用上述技术方案所带来的有益效果在于：本发明可以通过多层自动地进行特征提取，整个过程不需要任何先验知识。特征不仅包括现有方法提取出的颜色、边缘和纹理等信息，还包括了现有方法无法提取的高度抽象的二维码特征。这些特征大大提高了二维码区域定位的效率和精度，对一些现有方法无法定位二维码的图像，也能准确进行定位。

附图说明

图1是本发明一个具体实施方式的原理图。

图中：1、图像采集模块；2、训练模块；3、特征提取模块；4、特征分类模块；5、识别模块。

具体实施方式

参照图1，本发明一个具体实施方式包括，

图像采集模块1，用于采集图层信息；

训练模块2，使用图像采集模块1采集到的样本图层作为输入信息，通过计算得到多个与样本图像相关的传递图层信息；

特征提取模块3，使用传递图层信息对图像采集模块1采集图层的特征向量进行提取；

特征分类模块4，用于对图层的特征向量进行分类存储；

识别模块5，使用待识别图层特征向量的分类结果与样本图层特征向量的分类结果进行对比，判定待识别图层是否为二维码区域。

一个上述改进的二维码区域定位***的定位方法，包括以下步骤，

A、使用图像采集模块1采集训练用的样本图层信息，形成样本集；

B、训练模块2计算传递图层第j个节点为0或1的概率，

$P(y_j=1|x)={(1+e^{-{\Σ}_i{k}_{ij}{x}_i-a_j})}^{-1},$

其中，x为样本图层，y为传递图层，k为样本图层和传递图层之间的关联度；

C、训练模块2根据传递图层的信息计算样本图层第j个节点为0或1的概率，

$P\left(x\right|y^0)=\underset{i}{\Π}P\left(x_i\right|y),$

$P(x_i=1|y^0)={(1+e^{-{\Σ}_i{k}_{ij}{x}_i-b_i})}^{-1};$

D、训练模块2计算使L(δ)得值最大的δ，

$\mathrm{\δ}=\{k,a,b\},L\left(\mathrm{\δ}\right)=\frac{1}{N}{\mathrm{\Σ}}_{n=1}^N\log P_{\mathrm{\θ}}\left(x^{\left(n\right)}\right)-\frac{\mathrm{\λ}}{N}\left|\right|k|{|}_F^2,$

由δ计算出传递图层的信息；

E、以已知的传递图层作为传递图层，重复步骤B～D，得出若干个传递图层信息；

F、特征提取模块3使用传递图层信息对图像采集模块1采集图层的特征向量进行提取；

G、特征分类模块4对图层的特征向量进行分类存储；

H、将待识别图层带入步骤F和G中，得到待识别图层特征向量的分类结果，使用样本图层特征向量的分类结果与待识别图层特征向量的分类结果进行对比，判定待识别图层是否为二维码区域；若待识别图层是二维码区域则实现二维码区域的定位，若待识别图层不是二维码区域则重复步骤H，直至检测到二维码区域为止。

步骤E中，对传递图层和样本图层进行调整。调整过程中，使用传递图层和样本图层中纹理图像相同的特征点作为参考点，对图层的边缘进行调整，图层图像跟随图层边缘尽心同步调整，使整个图层的相似度保持为最大值。这可以有效降低每次传递图层求取时产生的图形畸变。

另外，样本图层和传递图层之间的关联度k在每次使用前，均使用前一次计算的节点概率和关联度k进行修正，

k′_j＝k_j+P(k_j-1-k_j)，

这可以有效降低单个样本的采集误差对于整个图层特征向量的影响，提高整个定位过程的容错率。

本发明可以实现快速的二维码区域定位，方法简便，识别准确度高。

上述描述仅作为本发明可实施的技术方案提出，不作为对其技术方案本身的单一限制条件。

Claims (5)

1.一种改进的二维码区域定位***，其特征在于：包括，

图像采集模块(1)，用于采集图层信息；

训练模块(2)，使用图像采集模块(1)采集到的样本图层作为输入信息，通过计算得到多个与样本图像相关的传递图层信息；

特征提取模块(3)，使用传递图层信息对图像采集模块(1)采集图层的特征向量进行提取；

特征分类模块(4)，用于对图层的特征向量进行分类存储；

识别模块(5)，使用待识别图层特征向量的分类结果与样本图层特征向量的分类结果进行对比，判定待识别图层是否为二维码区域。

2.一种使用权利要求1所述的改进的二维码区域定位***的定位方法，其特征在于包括以下步骤：

A、使用图像采集模块(1)采集训练用的样本图层信息，形成样本集；

B、训练模块(2)计算传递图层第j个节点为0或1的概率，

$P(y_j=1|x)={(1+e^{-{\mathrm{\Σ}}_i{k}_{ij}{x}_i-a_j})}^{-1},$

其中，x为样本图层，y为传递图层，k为样本图层和传递图层之间的关联度；

C、训练模块(2)根据传递图层的信息计算样本图层第j个节点为0或1的概率，

$P\left(x\right|y^0)=\underset{i}{\mathrm{\Π}}P\left(x_i\right|y),$

$P(x_i=1|y^0)={(1+e^{-{\mathrm{\Σ}}_i{k}_{ij}{x}_i-b_i})}^{-1};$

D、训练模块(2)计算使L(δ)得值最大的δ，

$\mathrm{\δ}=\{k,a,b\},L\left(\mathrm{\δ}\right)=\frac{1}{N}{\mathrm{\Σ}}_{n=1}^N{\mathrm{logP}}_{\mathrm{\θ}}\left(x^{\left(n\right)}\right)-\frac{\mathrm{\λ}}{N}\left|\right|k|{|}_F^2,$

由δ计算出传递图层的信息；

E、以已知的传递图层作为传递图层，重复步骤B～D，得出若干个传递图层信息；

F、特征提取模块(3)使用传递图层信息对图像采集模块(1)采集图层的特征向量进行提取；

G、特征分类模块(4)对图层的特征向量进行分类存储；

H、将待识别图层带入步骤F和G中，得到待识别图层特征向量的分类结果，使用样本图层特征向量的分类结果与待识别图层特征向量的分类结果进行对比，判定待识别图层是否为二维码区域；若待识别图层是二维码区域则实现二维码区域的定位，若待识别图层不是二维码区域则重复步骤H，直至检测到二维码区域为止。

3.根据权利要求2所述的定位方法，其特征在于：步骤E中，对传递图层和样本图层进行调整。

4.根据权利要求2所述的定位方法，其特征在于：步骤F中，提取特征向量包括以下步骤，

F1、分别使用每个传递图层求出传递图层与目标图层之间的变换矩阵；

F2、求出每个变换矩阵的特征向量；

F3、提取其中线性不相关的特征向量作为目标图层的特征向量。

5.根据权利要求2所述的定位方法，其特征在于：步骤G中，对于特征向量分类包括以下步骤，

G1、求出目标图层灰度的特征矩阵，求出特征矩阵的特征向量；

G1、使用步骤F中求出的目标图层的每个特征向量与特征矩阵的特征向量进行对比，求取其相似度；

G3、根据相似度的高低将目标图层的特征向量分成10组～20组。