復(fù)雜背景下條形碼檢測(cè).pdf

1、伴隨著物聯(lián)網(wǎng)時(shí)代的到來，作為物聯(lián)網(wǎng)中標(biāo)識(shí)的關(guān)鍵技術(shù)--條碼技術(shù)也將得到空前的發(fā)展。尤其是二維碼在物流運(yùn)輸、身份識(shí)別、廣告行銷和電子商務(wù)等很多方面具有廣泛的應(yīng)用，是目前最經(jīng)濟(jì)、實(shí)用的自動(dòng)識(shí)別技術(shù)。未來與手機(jī)的相結(jié)合將使得條碼的應(yīng)用前景更加開闊。但是由于條碼格式多變并且背景復(fù)雜，目前尚沒有一種很好的檢測(cè)技術(shù)可以在復(fù)雜背景下準(zhǔn)確地定位條形碼，限制了條碼的進(jìn)一步應(yīng)用。
　　 本文深入研究條碼檢測(cè)方法，針對(duì)一般的算法容易出現(xiàn)的幾個(gè)問題：(

2、1)不能檢測(cè)多種碼制條碼或不能同時(shí)檢測(cè)多個(gè)條碼；(2)不能在復(fù)雜背景下檢測(cè)出條碼；(3)不能有效地檢測(cè)印制在除了紙質(zhì)外其他介質(zhì)上的條碼。本文提出一種新的基于Adaboost算法的檢測(cè)方法，有效地解決了上述問題。本文的主要工作有：(1)利用分塊的方式建立樣本，使后續(xù)的特征提取和特征分類更簡單、方便。(2)分析圖像紋理特征，采用局部二值模式特征(LBP)和Gabor濾波對(duì)圖像進(jìn)行特征提取，并對(duì)特征進(jìn)一步降維處理，減少計(jì)算量。(3)使用基于A

3、daboost算法訓(xùn)練來檢測(cè)條形碼。在訓(xùn)練中對(duì)大量的條碼樣本和非條碼樣本提取局部二值模式特征和Gabor濾波特征合并作為描述圖像紋理特點(diǎn)的特征向量，再以特征向量為輸入，使用改進(jìn)了權(quán)值更新方式和弱分類器建立方式的Adaboost算法構(gòu)建強(qiáng)分類器。(4)在檢測(cè)中，用得到的強(qiáng)分類器對(duì)每個(gè)圖像子塊進(jìn)行分類判斷，綜合各個(gè)子塊鄰域的分類結(jié)果確定子塊最終分類結(jié)果，最后合并所有條碼子塊提取其中連通區(qū)域得到條碼精確位置。實(shí)驗(yàn)表明本算法可以取得令人滿意的效