(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210084942.7 (22)申请日 2022.01.25 (71)申请人 福建星网天合智能科技有限公司 地址 350100 福建省福州市闽侯县上街 镇 高新大道 9号1#中试生产楼7层 (72)发明人 何凯航　吴振文　 (74)专利代理 机构 福州市鼓楼区京华专利事务 所(普通合伙) 35212 专利代理师 王美花 (51)Int.Cl. G06V 10/46(2022.01) G06V 10/44(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于深度神经网络的反光二维码关键点检 测的方法和装置 (57)摘要 本发明公开了一种基于深度神经网络的反 光二维码关键点检测的方法， 通过 获取大量标注 有设定数量个 关键点坐标的二维码图片， 然后分 别计算每一张二维码图片的欧拉角； 对所述二维 码图片进行归一化和标准化处理； 基于标注有设 定数量个关键点坐标、 欧拉角以及处理后的二维 码图片构建训练数据集； 构建深度神经网络模 型， 然后利用所述训练数据集对 所述深度神经网 络模型进行训练， 得到关键点坐标检测模型； 将 待检测图片处理后输入模型得到关键点坐标位 置。 本发明提供的一种基于深度神经网络的反光 二维码关键点检测的方法和装置， 通过深度神经 网络对整个图像计算特征映射图， 从而实现抗光 照变化和角度变化能力强， 且成本低的二维码目 标检测。 权利要求书2页 说明书6页 附图3页 CN 114565776 A 2022.05.31 CN 114565776 A 1.一种基于深度神经网络的反光二维码关键点检测的方法， 其特征在于， 包括： 训练数 据集构建过程、 深度神经网络模型构建和训练过程以及二维码关键点检测过程； 所述训练数据集构建过程包括： 获取大量标注有设定数量个关键点坐标的二维码图 片， 然后分别计算每一张二维码图片的欧拉角； 对所述二维码图片进行归一化和标准化处 理； 基于标注有设定数量个关键点 坐标、 欧拉角以及处 理后的二维码图片 构建训练数据集； 所述深度神经网络模型构建和训练过程包括： 构建深度神经网络模型， 所述深度神经 网络模型的输出向量的数量为训练数据集中每一二维码图片的关键点数量的两倍； 然后利 用所述训练数据集对所述深度神经网络模型进行训练， 得到关键点 坐标检测模型； 所述二维码关键点检测过程包括： 在待检测图片中获取待检测二维码区域， 然后进行 归一化和标准化处理后输入所述关键点坐标检测模型， 得到待检测二维码的关键点坐标位 置。 2.根据权利要求1所述的方法， 其特征在于： 所述训练数据集构建过程中， 二维码图片 上标注关键点位置具体为： 设二维码左上角的定位图案为第一定位图案、 右上角的定位图 案为第二定位图案、 左下角的定位图案为第三定位图案， 在三个定位图案中分别取最外圈 正方形的四个顶点， 二维码图像右下角的顶点以及第二定位图案的内侧边与第三定位图案 上侧边分别延伸的交点， 共计14个关键点。 3.根据权利要求1所述的方法， 其特征在于： 所述欧拉角的计算方法具体为， 根据每一 张二维码图片中所有关键点的图像二维坐标和世界坐标系下 的三维坐标， 基于PNP方法计 算该二维码图片相对于相机作为原点的欧拉角。 4.根据权利要求1所述的方法， 其特征在于： 所述深度神经网络模型包括二维卷积层、 批归一化层、 线性整流 函数层、 平均池化层、 全连接层以及激活函数层。 5.一种基于深度神经网络的反光二维码关键点检测的装置， 其特征在于， 包括： 训练数 据集模块、 深度神经网络模型模块以及二维码关键点检测模块； 所述训练数据集模块， 用于获取大量标注有设定数量个关键点坐标的二维码图片， 然 后分别计算每一张二维码图片的欧拉角； 对所述二维码图片进行归一化和标准化处理； 基 于标注有设定数量个关键点 坐标、 欧拉角以及处 理后的二维码图片 构建训练数据集； 所述深度神经网络模型模块， 用于构建深度神经网络模型， 所述深度神经网络模型的 输出向量的数量为训练数据集中每一二 维码图片的关键点数量的两倍； 然后利用所述训练 数据集对所述深度神经网络模型进行训练， 得到关键点 坐标检测模型； 所述二维码关键点检测模块， 用于在待检测图片中获取待检测二维码区域， 然后进行 归一化和标准化处理后输入所述关键点坐标检测模型， 得到待检测二维码的关键点坐标位 置。 6.根据权利要求5所述的装置， 其特征在于： 所述训练数据集模块中， 二维码图片上标 注关键点位置具体为： 设二维码左上角的定位图案为第一定位图案、 右上角的定位图案为 第二定位图案、 左下角的定位图案为第三定位图案， 在三个定位图案中分别取最外圈正方 形的四个顶点， 二维码图像右下角的顶点以及第二定位图案的内侧边与第三定位图案上侧 边分别延伸的交点， 共计14个关键点。 7.根据权利要求5所述的装置， 其特征在于： 所述训练数据集模块中， 欧拉角的计算方 法具体为， 根据每一张二 维码图片中所有关键点的图像二维坐标和世界坐标系下的三维坐权　利　要　求　书 1/2 页 2 CN 114565776 A 2标， 基于PNP方法计算该二维码图片相对于相机作为原点的欧拉角。 8.根据权利要求5所述的装置， 其特征在于： 所述深度神经网络模型包括二维卷积层、 批归一化层、 线性整流 函数层、 平均池化层、 全连接层以及激活函数层。权　利　要　求　书 2/2 页 3 CN 114565776 A 3