二維碼定位的YOLOv3-ms算法

楊慶江，臧佳琦，楊少輝

(黑龍江科技大學 電子與信息工程學院， 哈爾濱 150022)

0 引 言

1994年，日本的DENSO WAVE公司首先推出二維碼，由于其可以存儲更多的信息被廣泛應用到各個領域。隨著應用場景的多變復雜，二維碼可能會產生反轉、扭曲、磨損等狀況，加大了二維碼定位的困難，因此，二維碼在復雜場景中快速準確定位是一個難點。在利用傳統圖像處理方式中，趙健雄等[1]為解決二維碼失真的問題提出了新型QR碼自適應定位算法，解決了二維碼20°以內扭曲的檢測。屈德濤等[2]為提高復雜場景中的識別效果提出了先使用Viola-Jones 快速目標檢測框架粗略定位出候選區域，通過二位碼定位標志從候選區域中定位出二維碼的位置。在傳統圖像處理中需要人為確定二維碼的有限個特征，通過這些特征確定二維碼的位置，如果特征因為外部環境的不確定性被損壞，則檢測精度會有所下降。

近年來，基于深度學習的目標檢測有了突出的進展[3]，深度學習的方法是使神經網絡自動學習目標特征，避免人為提取特征的不確定性，因此，文中沿用了深度學習的方法定位二維碼。基于深度學習的檢測算法大致分為兩種，第一種是二階段檢測算法，主要有R-CNN[4]、fast R-CNN[5]、faster R-CNN[6]，這種方式利用滑動窗口和特征圖做卷積操作，生成候選框，將候選框生成等長的特征向量，送入分類器和回歸器得到分類結果和回歸結果。第二種是一階段算法，主要有YOLO[7]、SSD[8]、YOLOv2[9]、 YOLOv3，這種算法主要是將輸入圖像劃分成不同大小的網格后進行檢測，每一個網格只負責檢測這一區域的目標。……